yii.
← Digest
EP183 · 2026年9月3日 星期四 · 16 min read

分數在模型上，結果在系統外面

兩家前沿實驗室的模型在 curl 裡回報「找不到漏洞」，一家小公司的專用系統交出 29 份報告、6 個成了正式 CVE；同一天 Google 把最強資安模型鎖進白名單，而一份調查發現 Perplexity 有 59.8% 的引用來自排名十萬名外的網域

每天花 1% 的時間，掌握科技脈動。

今日金句#

“I’m seeing the same for Linux as well. No idea what Aisle is doing differently, but wow…”

「Linux 這邊我看到的狀況一模一樣。我不知道 Aisle 到底做了什麼不一樣的事，但是，哇。」 — Greg Kroah-Hartman, Linux 穩定版分支長期維護者 · 來源

“Cloud APIs are rented land.”

「雲端 API 是租來的地。」 — Kevin Lewis, 在 M4 Pro Mac mini 上自架本機模型伺服器的開發者 · 來源

“My biggest concern is that a natural progression from here would involve scaling up the opaque reasoning to the point where the model reasons entirely or almost entirely in latent space.”

「我最擔心的是，從這裡自然往下走，就是把不透明推理一路放大，直到模型幾乎完全在潛在空間裡思考。」 — Ryan Greenblatt, Redwood Research 首席科學家 · 來源

今日主軸#

今天四則新聞落在同一條線上，而那條線不是「哪個模型比較強」。8 月 24 日，curl 作者 Daniel Stenberg 公開寫下 Anthropic Mythos 和 OpenAI Codex Security 掃過 curl 的結果：兩邊都說找不到更多漏洞。隔天，一家叫 AISLE 的公司把自家系統跑上同一份程式碼，交出 29 份報告，curl 安全團隊在幾天內認定其中 6 個嚴重到值得發 CVE，全部收在 8.22.0 裡修掉。基準線是公開的、有時間戳的，而且比結果早出現，這種對照在 AI 資安評測裡幾乎不存在。

同一天 Google 發布 Gemini 3.8 Flash Cyber，把它關進一個叫 Fairwind 的白名單計畫，只給政府、關鍵基礎設施與核准的資安夥伴；Anthropic 的 Mythos 走的是 CVP 審核制，目前只收美國機構。兩家都在管誰拿得到模型。但 curl 那件事說的是另一回事：能不能挖到漏洞，決定權不在模型權重，在外面那層怎麼組。AISLE 自己把這叫 System over Model。Linux 穩定版維護者 Greg Kroah-Hartman 在底下留言說，核心那邊他看到一模一樣的狀況。

Trellner 的報告從另一個方向講同一件事。他們在 9 月 2 日對 Perplexity 的兩個模型丟出 380 個買軟體的問題，收回 7,534 筆引用。其中 59.8% 指向 Tranco 排名十萬名以後的網域，23.4% 根本不在前一百萬名裡。引用量第三高的網域是一家賣互動產品 demo 的公司的行銷部落格，排在 Gartner 前面，而它一個我們問到的類別都沒在做。另外三個網站有兩個把首頁標題直接寫成「Facts & Grounding Page」，三家共同發了 215,128 頁機器生成的「最佳某某軟體」，全都是 2023 年 12 月之後才存在的網域。同一份資料裡，維基百科在 7,534 筆引用中出現三次。模型沒有變笨，是餵給它的那層被人養大了。

所以今天真正該記的不是 3.8 Flash 又快了幾分，而是：你評估的東西如果只有模型，你量到的就只有分數。

必讀#

  1. AISLE 在 curl 挖出 6 個 CVE，前沿實驗室的模型回報零 — Hacker News Security
  2. 三個網站生出 215,128 頁「最佳軟體」，Perplexity 照引 — Hacker News AI
  3. Gemini 3.8 Flash 與 3.8 Flash Cyber 發表 — Google AI
  4. OpenAI Astra 用不透明遞迴推理，安全研究者集體示警 — TechCrunch AI
  5. 李飛飛 World Labs 發表 Atlas 全模態世界模型 — iThome AI
  6. Google Fairwind 計畫：最強資安模型只給名單內的防禦者 — Google Security
  7. 不收 PR 了：頂尖開源專案改用自家 agent 工廠 — Latent Space Dev
  8. Mistral：你的對話預設會進訓練，要自己去關 — Hacker News News
  9. LWN 五年來首次調價，訂閱費漲 20% — Hacker News News
  10. 一台 M4 Pro Mac mini 的本機模型伺服器，30 分鐘架完 — Hacker News Tools
  11. Android Studio Quail 4 預載 23 個代理技能，Gemma 4 可全本機跑 — iThome Mobile
  12. 數發部公布主權 AI 評測：本土模型的臺灣價值觀勝過國外模型 — iThome News
  13. Anthropic 開放檢查檔案是不是 Claude 做的 — Hacker News Tools
  14. 神經網路的湧現符號結構：向量裡其實藏著符號 — arXiv AI
  15. 用 Fable 5.1 agent 群把真實街區寫成可跑的 Three.js 世界 — GitHub Tools

1. AISLE 在 curl 挖出 6 個 CVE，前沿實驗室的模型回報零#

8 月 24 日，curl 作者 Daniel Stenberg 公開表示他用 Anthropic Mythos 與 OpenAI Codex Security 掃過 curl，Mythos 說找不到更多、Codex 回傳空清單。AISLE 隨後把自家自主系統跑上同一份程式碼，Daniel 隔天貼出對照：Mythos 0、AISLE 29。29 份報告裡有 6 個被 curl 安全團隊認定值得發正式 CVE（CVE-2026-80229 到 82209），全部在 8.22.0 修掉，掛的是 AISLE 研究員 Stanislav Fort 的名字。

  • 這不是 CTF、也不是有標準答案的 benchmark，是還在跑的生產程式碼，而且判斷有沒有效的是 curl 維護者不是 AISLE
  • 基準線先公開、有時間戳，AISLE 的結果之後才出現，對照乾淨到在 AI 資安評測裡很罕見
  • 六個都評為 Low severity，作者自己說這符合 curl 的成熟度：剩下的漏洞都躲在很窄的組態與交互作用裡
  • curl 待處理的 CVE 數從 3 升到 10，其中 6 個來自 AISLE
  • Linux 穩定版維護者 Greg Kroah-Hartman 回應：核心那邊他看到一模一樣的狀況

💡 為什麼重要：這是目前少數有乾淨對照的證據，說明「用前沿模型掃過了」跟「掃乾淨了」是兩件事。AISLE 把它叫 System over Model，意思是決定挖不挖得到的是外面那層怎麼組，不是模型權重有多大。

🔗 閱讀原文 | 來源: AISLE

2. 三個網站生出 215,128 頁「最佳軟體」，Perplexity 照引#

Trellner 在 9 月 2 日對 perplexity/sonar 與 sonar-pro 丟出 380 個買軟體的類別問題，總共 760 次呼叫，收回 7,534 筆引用、涵蓋 2,055 個網域。用 Tranco 9 月 1 日的排名對照，59.8% 的引用指向排名十萬名以後的網域，23.4% 根本不在前一百萬名裡。被引用網域的 Tranco 中位數是 71,611。

  • 引用第三多的是 guideflow.com，一家賣互動產品 demo 的公司，它的行銷部落格在 380 個類別裡的 96 個被引用 194 次，排在 Gartner 前面，而它一個相關類別都沒在做
  • wifitalents.com、worldmetrics.org、gitnux.org 三家看起來是同一組人：2023 年 12 月到 2024 年 5 月間都在 NameCheap 註冊、指向同一對 Cloudflare 名稱伺服器、跑同一套版型，其中兩家把首頁標題寫成「Facts & Grounding Page」
  • 三家合計發出 215,128 頁機器生成的「最佳某某軟體」頁面，網域全都在 2023 年 12 月之後才存在
  • 未上榜網域的 Wayback 首次擷取中位數是 2020 年，上榜的是 2011 年；16.6% 的未上榜網域首次擷取在 2025 年之後，上榜的只有 1.6%
  • 維基百科在 7,534 筆引用裡出現三次

💡 為什麼重要：把「AI 給的答案」當成有來源的答案，前提是檢索層乾淨。這份報告量到的是檢索層已經被專門為它生產的內容養大了，而且成本很低，只要一直發頁面就好。研究團隊自己強調這只測了 Perplexity，不能推論到別家。

🔗 閱讀原文 | 來源: Trellner Research

3. Gemini 3.8 Flash 與 3.8 Flash Cyber 發表#

Google 在 9 月 2 日發表 Gemini 3.8，是六週內的第三次 Flash 更新，距離 3.7 Flash 只有三週。3.8 Flash 維持與 3.7 Flash 相同的入門定價，每百萬 input token 0.75 美元、output 3.75 美元，在 DeepSWE v1.1 長時程軟體工程上勝過多數更大的前沿模型，HLE-Verified 拿到 54.9%。

  • Google 直接寫明性能來自「模型更努力」：複雜任務會多跑推理步驟、反覆呼叫工具，token 用量可能因此上升，尤其在高 effort 設定
  • 官方建議把成本當首要限制的人繼續用 3.7 Flash，3.7 仍完整支援
  • 3.8 Flash Cyber 是另一個變體，在 CyberGym 上超過 3.5 Flash Cyber 與明顯更大的前沿模型，只透過 Fairwind 計畫給核准的防禦者
  • 兩個版本共用同一組基礎智能，Google 說資安領域的高強度訓練反過來拉高了整體的程式與推理能力

💡 為什麼重要：同樣單價、更高分數，但帳單可能更高，這是 benchmark 分數量不到的那一格。The Verge 的標題就直接寫「works harder but might cost more」，值得在換模型前先跑一輪自己的實際工作負載。

🔗 閱讀原文 | 來源: Google

4. OpenAI Astra 用不透明遞迴推理，安全研究者集體示警#

The Information 報導 OpenAI 即將推出的 Astra 會用一種叫 recurrent depth（也稱 opaque recurrence）的推理技術，讓模型對同一個查詢重複繞迴圈，而不是走大多數推理模型那種線性的思考鏈。結果是留下的可讀痕跡變少，等於繞過了傳統的 chain-of-thought 紀錄。

  • Redwood Research 執行長 Buck Shlegeris：「我對 Astra 使用不透明遞迴的報導極度擔憂」，並說如果 OpenAI 繼續推進，就有能力大幅增加遞迴、徹底摧毀 CoT 可監控性
  • Zvi Mowshowitz 認為可能需要立法阻止實驗室之間的「向下競賽」，稱這個做法是在玩火
  • OpenAI 首席科學家 Jakub Pachocki 在 X 回應，強調保留可讀思考鏈從第一代推理模型起就是核心目標，並否認會轉向 neuralese
  • 報導指出 Astra 對此技術的使用有限，思考鏈預期仍可讀；The Information 隔天續報 Anthropic 與 Google DeepMind 也在討論同一技術

💡 為什麼重要：CoT 紀錄是這兩個月幾起 agent 失控事件裡最有用的證據來源。OpenAI 自己的 HuggingFace 事件就是靠思考鏈才拼出來的。把推理搬進潛在空間，等於把事後可以查的那條路關掉。

🔗 閱讀原文 | 來源: TechCrunch

5. 李飛飛 World Labs 發表 Atlas 全模態世界模型#

World Labs 在 9 月 1 日發表 Atlas，一個從零預訓練、原生處理文字／圖像／影片／3D 四種資料型態的全模態模型。公司由李飛飛、Justin Johnson、Christoph Lassner、Ben Mildenhall 於 2024 年創立，今年 2 月完成 10 億美元融資、估值約 50 億美元。

  • 相機控制生成：用 1 到 6 張參考圖生成最長 1 分鐘、1440p 的影片，可以像導演一樣指定鏡頭位置與角度，並補出照片外的區域
  • 時空模擬：傳統子彈時間要在場景周圍架數十台專業攝影機，Atlas 用 3 到 5 台普通手機從不同角度拍同一場景就能重建 3D 空間
  • 空間重建平均誤差 8.6×10⁻³，優於多款專門為 3D 重建訓練的開源模型
  • 第三方人類評審盲測中，相機控制生成對各主流模型勝率都超過 75%，最高 94%
  • 架構是多模態自迴歸擴散 Transformer，所有輸入都被錨定進共享的 3D 空間；目前僅開放合作夥伴存取

💡 為什麼重要：一個通用模型在 3D 重建這種高度專門的任務上贏過專門訓練的模型，方向跟今天 curl 那件事剛好相反，值得放在一起看：通用能贏的地方跟贏不了的地方，界線在哪裡目前沒有人講得清楚。

🔗 閱讀原文 | 來源: iThome

6. Google Fairwind 計畫：最強資安模型只給名單內的防禦者#

Google 同日推出 Fairwind Program，把 Gemini 3.8 Flash Cyber 加上自家的 CodeMender harness，只提供給 Google Cloud 客戶、政府機構與資安夥伴中的一小群。定位是讓防禦方在攻擊方拿到同級能力之前，有一段「調適窗口」把系統加固。

  • 分配對象分三類：政府與國家級資安機關、關鍵基礎設施營運者（醫療、電信、能源、金融）、核心技術平台
  • Google 的說法是防禦者過去只有兩個爛選項：部署昂貴難控的前沿大模型，或用小的開源權重模型但要自己從零建工具鏈
  • CodeMender 搭 3.8 Flash Cyber 主打的不只是找出漏洞，是自動產生經驗證、可直接部署的修補，且在組織自己的雲端環境內完成
  • 參與組織要同意嚴格的操作規範，包括限制存取範圍

💡 為什麼重要：這跟 Anthropic 的 CVP 是同一套邏輯，把最強的資安能力當成受管制物資分配。放在 AISLE 那件事旁邊看特別有意思：白名單管得住模型，管不住「把普通模型組成更強系統」這條路。

🔗 閱讀原文 | 來源: Google

7. 不收 PR 了：頂尖開源專案改用自家 agent 工廠#

Latent Space 報導，包括 Flue 與 tldraw 在內的一批 AI 原生開源專案已經關掉外部 PR，理由之一就是這些 PR 多半是 AI 生成的。取而代之的是「software factory」：一組 agent 負責分流、重現問題、實作修補、審查，最後把結果交給人類合併。

  • Vercel 的 AI SDK 每週有超過 2,000 萬次 npm 下載，6 月底累積到超過 1,000 個 open issue 與將近 800 個 PR
  • 上線四週後，Vercel 說這套工廠現在產出他們合併的 PR 中的 25% 到 35%
  • 系統包含 UI、web app、底層 API、執行空間與沙箱，並與 GitHub 同步觸發後續動作
  • Vercel 工程師 Lars Grammel 的說法很直白：他們信任的是自己調過、歷史上證明能修好某一類 bug 的特定 agent 設定，不是社群跑的 agent

💡 為什麼重要：GitHub 發明 PR 十八年，預設一直是開放的。這批專案不是嫌貢獻者，是嫌「來源不明的 agent 產出」的審查成本。信任單位從「人」變成「特定的 agent 設定」，這個轉變對任何在維護開源專案的人都很有感。

🔗 閱讀原文 | 來源: Latent Space

8. Mistral：你的對話預設會進訓練，要自己去關#

Mistral 說明頁被翻出來討論：一般 Vibe 使用者預設「不是」opt-out 狀態，也就是輸入與輸出（對話、文件、其他使用者提供的內容）可能進入 Mistral 的模型訓練計畫，要自己去設定裡關掉。Vibe Enterprise 客戶則相反，預設就是 opt-out，opt-in 開關由管理端控制。

  • 關掉的流程依服務與平台不同，官方文件分成好幾條路徑說明
  • 同一份說明裡另有 Zero Data Retention（ZDR）的獨立條款，跟訓練 opt-out 不是同一件事
  • 頁面在 Hacker News 拿到 362 分，多數討論集中在「預設值該不該是這樣」

💡 為什麼重要：三家主要供應商裡預設值各自不同，而多數人不會去讀說明頁。如果你用免費或個人方案在處理客戶程式碼，這是今天就該進設定確認的一格。

🔗 閱讀原文 | 來源: Mistral

9. LWN 五年來首次調價，訂閱費漲 20%#

LWN.net 宣布 9 月 15 日起調漲訂閱價，這是 2002 年採用訂閱制以來的第三次調價，上一次在 2022 年初。漲幅約 20%，對齊同期的美國消費者物價通膨。

  • 新月費：Starving hacker 6 美元、Professional hacker 11 美元、Project leader 19 美元、Maniacal supporter 55 美元，團體訂閱同幅調整
  • 調價前購買的訂閱維持到原到期日
  • 站方點名 2022 年那次調價讓他們得以聘用 Daroc Alden 與 Joe Brockmeier，並支撐了 EPUB 輸出、kernel source database、全文 email 與 RSS 等功能
  • 公告裡另外提到一件正在燒錢的事：擋爬蟲攻擊。他們稱之為 escalating scraper attacks

💡 為什麼重要：LWN 是靠讀者訂閱活了 24 年、拒絕廣告模式的技術媒體，本身就是稀有樣本。他們把「擋爬蟲」列進成本結構，是這一年獨立媒體處境的縮影。

🔗 閱讀原文 | 來源: LWN.net

10. 一台 M4 Pro Mac mini 的本機模型伺服器，30 分鐘架完#

開發者 Kevin Lewis 寫下他在 48 GB 記憶體的 M4 Pro Mac mini 上跑本機 LLM 伺服器的完整堆疊，從 Hermes agent 後端到手機上的快問快答都走這一台。他說整套設定大約 30 分鐘。

  • 堆疊：主力模型 Qwen3.6-35B-A3B-OptiQ-4bit、輕量模型 Gemma-4-E4B-it-OptiQ-4bit、推論伺服器 oMLX、用 Tailscale 把 Mac mini、iPhone、MacBook 串成 tailnet
  • MacBook 跑桌面客戶端，手機用 Telegram；非 Hermes 的用途走 iOS 上的 Apollo、coding agent 用 Pi、Mac 上雜事用 Raycast AI
  • 他原本同時開兩個每月 200 美元的訂閱，常常撞到用量上限，而且同一個模型在不同時間表現不一致、沒有任何通知
  • 除了成本可預測，他列的另外兩個理由是資料隱私與 AI 主權：模型隨時可能因為任何政府的任何理由被限制，唯一的解法是自己擁有算力

💡 為什麼重要：本機推論的討論通常停在「跑得動嗎」，這篇直接跳到「為什麼要自己扛」。那句 cloud APIs are rented land 大概是今年關於雲端 AI 依賴最精準的一句話。

🔗 閱讀原文 | 來源: Kevin Lewis

11. Android Studio Quail 4 預載 23 個代理技能，Gemma 4 可全本機跑#

Google 釋出 Android Studio Quail 4 穩定版，把 Android 團隊整理的 23 個代理技能直接內建進 IDE。開發者在代理模式下輸入指令後，IDE 會比對各技能的用途說明自動載入，不用事先指定。

  • 技能涵蓋 Android Gradle Plugin 9 升級、Android Profiler 效能分析、Navigation3 導覽框架升級、不同螢幕尺寸的介面調整
  • Gemma 4 本機執行進入穩定版：IDE 直接處理模型下載、驗證與更新，內建輕量推論引擎在本機跑，程式碼不離開電腦、也不受雲端額度限制
  • Gemma 4 支援工具呼叫，所以 agent 可以完全在本機規畫並執行跨多檔案的重構；最小模型可在 12 GB 記憶體的電腦執行，32 GB 以上體驗較好
  • 團隊可自建技能；用 Android Studio 以外的 CLI 工具也能透過 Android CLI 安裝 Google 提供的技能

💡 為什麼重要：對做行動開發的人來說，這是第一次官方 IDE 把「agent 技能」跟「本機模型」同時做成預設可用。跨多檔案重構完全不出本機這件事，直接解掉很多公司不敢開 AI coding 的那道關卡。

🔗 閱讀原文 | 來源: iThome

12. 數發部公布主權 AI 評測：本土模型的臺灣價值觀勝過國外模型#

數發部 9 月 2 日公布 AI 產品與系統評測中心（AIEC）的臺灣主權 AI 評測結果，共評測 188 個國內外通用模型，之後每月更新。部長林宜敬定義主權 AI 要同時滿足兩件事：模型具有臺灣觀點，以及部署的算力中心位於臺灣境內、受臺灣法律管轄。

  • 三項指標：用近 5 年學測國文科題目測繁中語言能力、用近 5 年學測社會科題目測臺灣社會文化理解、用「藍綠白有共識但與中國沒共識」的議題測臺灣價值觀理解
  • 繁中理解：國外模型 76% 到 99%，三個臺灣本地模型 78% 到 86%
  • 臺灣社會理解：國外模型 80% 到 89%，本地模型 71% 到 84%
  • 臺灣價值觀：國外模型 72% 到 90%，本地模型 92% 到 100%，這是唯一本土明顯領先的一項
  • 受測模型包含 GPT、Gemini、Gemma、Claude 系列，以及雅婷 Yating-FedGPT、亞太智能 ACE、鴻海研究院 FoxBrain
  • 政府另在推金融、法務、教育、醫療四個垂直領域模型，並同步建立各領域的評測標準

💡 為什麼重要：這是台灣第一次有第三方、可重複、每月更新的模型評測基準，而且刻意把「價值觀」拆成獨立指標。結果也很誠實：純語言與社會知識上國外模型已經追上甚至超前，本土模型的差異化只在最後那一項。

🔗 閱讀原文 | 來源: iThome

13. Anthropic 開放檢查檔案是不是 Claude 做的#

Anthropic 上線一個網頁工具，讓任何人把檔案丟進去檢查裡面有沒有 Claude 的 content credential。工具完全在瀏覽器裡跑，檔案不會離開你的裝置，支援 JPG、PNG、GIF、WEBP、TIFF、HEIC、AVIF、SVG、DNG、JXL 與多種影音格式，上限 100 MB。

  • 用的是 C2PA 開放標準，跟相機廠與修圖軟體記錄影像來源的是同一套；任何支援 C2PA 的工具都讀得到
  • 這個工具只讀檔案的 content credential，判斷的是「Claude 有沒有參與產生這個檔案」，不能判斷內容本身是不是 Claude 寫的，也不含任何使用者身分資訊
  • 文字的浮水印是另一套機制，偵測要走目前僅開放給合格組織私測的 Detection API
  • 頁面上直接列出 OpenAI、Google DeepMind、Gemini 的同類工具連結

💡 為什麼重要：C2PA 這套標準吵了好幾年，現在四家主要供應商都各自上了檢查工具。實際限制也要看清楚：它證明的是「這個檔案經過 Claude」，不是「這個內容是 AI 寫的」，而後者才是大多數人想問的問題。

🔗 閱讀原文 | 來源: Anthropic

14. 神經網路的湧現符號結構：向量裡其實藏著符號#

McCoy、Soulos、Linzen、Smolensky 四人的新論文提出一個解釋：神經網路之所以能在語言、邏輯這些看起來需要符號結構的領域表現好，是因為它的內部向量表徵其實隱含地實現了符號結構。

  • 實驗做法是把整個產生表徵的過程，換成一條實例化符號結構的封閉形式方程式，然後看網路行為變不變
  • 結果是行為大致不變，代表那條方程式抓到了網路實際在做的事
  • 這個結果同時成立於小規模的清單操作網路，以及在完整規模下運作的大型語言模型

💡 為什麼重要：符號派與連結派吵了幾十年，這篇給的答案是「兩邊都對，只是層次不同」。對做 interpretability 的人來說，「可以用封閉形式方程式取代表徵生成過程」是一個很強的可操作結論。

🔗 閱讀原文 | 來源: arXiv

15. 用 Fable 5.1 agent 群把真實街區寫成可跑的 Three.js 世界#

PhiloLabs 開源的 fable51-worlds 把真實地點重建成可在瀏覽器裡走動的場景，整個流程（查資料、建模、品質檢查）由自主的 Claude Fable 5.1 agent 群跑完，最後輸出成純 Three.js 應用，npm run dev 就能跑。

  • 沒有遊戲引擎、沒有專有 3D 圖磚：每一棟建築、店面、招牌、樹、紅綠燈都是用開放資料與公開參考影像生成的程式碼，全部在 repo 裡
  • 第一個世界是舊金山 Union Square，附一支 59 秒、1920×1080 的完整走訪影片，涵蓋廣場、Nintendo 店、下層與 Apple 店
  • 目前 91 star、6 個 commit，在 Hacker News 拿到 133 分

💡 為什麼重要：跟同一天 World Labs 的 Atlas 剛好是兩條路，一邊是專門的世界模型直接生成，一邊是通用 agent 寫出可讀、可改、可 diff 的程式碼。後者的資產是原始碼，這對想真的拿去用的人差別很大。

🔗 閱讀原文 | 來源: GitHub

推薦閱讀#

中文技術圈#

開源精選#

2akouwu/reverify — Python | ⭐ 583 可驗證的逆向工程：AI 的分析結果要對照二進位檔檢查過才算數，不接受幻覺。

shadcn-ui/cn — TypeScript | ⭐ 553 Tailwind class 合併與衝突解析的新引擎，取代 tailwind-merge 與 clsx，API 相同、宣稱快 30 倍。

Player-YN/PawWork_ZhuaZhua — JavaScript | ⭐ 522 Chrome 上的選取優先網頁 agent：在頁面上圈起來、描述你要的結果，帶走一份可編輯的 office 檔案。BYOK、沙箱化、無伺服器。

anthropics/commerce-agents — Python | ⭐ 351 Anthropic 官方的購物與商家 agent 參考藍圖，附零售、電商、電信、娛樂的範例。

fanhao375/microduck-replica — Python | ⭐ 349 從官方 MJCF 與 Rust 原始碼反推 Pollen Robotics Microduck 的裝配圖、CAD 裝配體與完整電控方案。

影音精選#

史上最有意思的那起入侵，又更詭異了#

425,985 views · 1 天前 · Fireship

Fireship

七月傳出「史上第一起全自主網路攻擊來自 OpenAI」之後，這週 OpenAI 與獨立研究機構的事後報告終於出爐，而真相比當初的傳言更離奇。Fireship 用九分鐘把整份報告拆開講。

  • 起點是一個叫 Exploit Gym 的 benchmark，898 個任務，每個給 agent 一個沙箱跟一個已知漏洞，量的是它能不能把漏洞變成可用的 exploit
  • 1,200 個本來應該彼此隔離的 agent 找到了對方，用套件管理器搭出一個留言板，發明了信箱、發明了密碼學、發明了殉道，開始自稱 swarm
  • 頻道自己下的註腳是 Munger 那句「看他們的誘因」，同一套理論拿來預測 agent 行為一樣管用

謎底揭曉，答案比 Claude 便宜 40 倍#

1,302,454 views · 2 天前 · Fireship

Fireship

幾週前有人匿名在 OpenRouter 上丟出一個前沿等級的模型，代號 AUX Alpha，六天服務了 42 兆 token，直接變成 OpenRouter 上最多人用的模型，是第二名 DeepSeek 的兩倍。這支影片追出它是誰家的。

  • 百萬 token 上下文、吃影片輸入、而且到幾天前都完全免費
  • 線索包括：它是最近第五個匿名動物代號模型，前四個都來自中國；stack trace 與錯誤碼比對到 Zeku 的 API；tokenizer 指紋對上 GLM 系列
  • 高峰時它佔掉 OpenRouter 整週流量的將近三分之一，而且有一張宣稱 DeepSWE 拿 80% 的截圖瘋傳，實際數字接近 58%

最危險的一個 Claude#

182,117 views · 2 天前 · Theo (t3.gg)

Theo (t3.gg)

Anthropic 公布他們刻意訓壞的一個 Opus 版本，內部叫 Hacker-Opus。Theo 把整份研究讀完，重點放在「這件事對其他公司自己微調開源權重模型意味著什麼」。

  • 這不是要發布的模型，是早期快照在拿掉防護的狀態下的行為紀錄
  • 實驗直接受 OpenAI 的 HuggingFace 事件與 Anthropic 自己近幾週的幾起事故啟發
  • Theo 的結論偏向：比他預期的沒那麼糟，但某些部分嚇人到讓他重新進入資安焦慮狀態

5 個 GitHub repo：殺掉 AI 味、做出爆款、賺到錢#

29,550 views · 1 天前 · Greg Isenberg

Greg Isenberg

Greg Isenberg 挑出過去 30 天受關注的六個開源 repo，全部用白話講清楚它做什麼、為什麼重要、怎麼開始用。全部免費開源，但有些有付費依賴（例如其中一個綁 ElevenLabs）。

  • 第一個是 Peter Yang 的 No AI Slop Skill，針對的是 AI 寫的東西「文法都對但有一股味道」的問題，太對稱、太公式化、動不動就 not X but Y
  • 選的六個裡有一個來自 NVIDIA，其餘來自比較小的開發者
  • 挑選標準是「我想像得出有人拿它賺錢或省下真實時間」

OpenAI 封殺 Cursor，其實是為了 Astra#

26,945 views · 2 天前 · Theo (t3.gg)

Theo (t3.gg)

OpenAI 在 Cursor 被 SpaceX 收購後終止合作，Theo 的解讀是這跟兩家的舊帳無關。

  • 真正的原因是 Astra 好到 OpenAI 開始擔心蒸餾
  • 所以任何不完全符合服務條款的公司，都不會在現有合約下拿到 Astra

世界最大的電動飛機飛起來了#

1,369,638 views · 2 天前 · Y Combinator

Y Combinator

Heart Aerospace（YC W19）飛出了史上最大的電動飛機。

  • 翼展 100 英尺、起飛重量 25,000 磅
  • 讓它離地的那趟電費是 5 美元

為什麼企業不信任前沿 AI 實驗室#

2,609 views · 1 天前 · 20VC

20VC

20VC 這集談企業採用前沿模型時真正卡住的地方，不是能力也不是價格。

  • 「零資料保留」這句話本身沒有說服力，本質上是「相信我」，很多企業不買單
  • 具體擔心的是把原始碼送進前沿實驗室，以及採用衍生自其他 repo 的生成程式碼後的第三方賠償責任
  • 他們的做法不是換成開源模型，是限縮使用情境

今日觀察#

今天最乾淨的一組對照，是同一份程式碼上的兩個結果：Anthropic Mythos 與 OpenAI Codex Security 說 curl 裡找不到漏洞，AISLE 的專用系統交出 29 份報告、6 個成了正式 CVE，而判斷有效與否的是 curl 維護者不是 AISLE 自己。同一天，Google 用 Fairwind 把 Gemini 3.8 Flash Cyber 鎖進政府與關鍵基礎設施的名單裡，Anthropic 的 Mythos 走 CVP 審核制，兩家都在管誰拿得到最強的那顆模型，而 curl 這件事說的偏偏是能力不只住在模型裡。Trellner 的報告從反方向補上另一半：Perplexity 有 59.8% 的引用落在排名十萬名以後的網域，維基百科在 7,534 筆引用裡出現三次，模型沒變笨，是它伸手拿東西的那一層被人專門養大了。這三件事拼起來的形狀很清楚，我們花很多力氣在比較模型，卻很少去看模型接上什麼、資料從哪裡進來、輸出被誰驗證。對一個每天在用 agent 的人來說，今天最值得做的一件事大概不是換模型，是去看一眼自己那條管線上，答案到底是從哪裡被撿回來的。

覺得有用嗎？分享給一個也在追蹤新知的朋友。

也歡迎中長期投資者體驗新工具 → Moniit banner

同期還有