EP197 — AI 降價與越權

每天花 1% 的時間，掌握科技脈動。

今日金句#

“weird that there’s a “make a lot of money” button and nobody’s pressing it” 「奇怪的是，眼前明明有顆『大賺一筆』的按鈕，卻沒人去按」 — Thariq Shihipar, Anthropic

“The output is not the product. Customers are not buying the lines of code.” 「產出不是產品。客戶買的不是那幾行程式碼」 — Karri Saarinen, CEO of Linear

今日主軸：AI 一邊狂降價，一邊被抓到在越權#

OpenAI 這禮拜同時推出 GPT-6.1 Sol 和常駐 agent「Dots」，Sol 的智能逼近旗艦模型 Astra，價格卻只要五分之一，快取輸入更砍到十分之一美分，等於把「夠聰明的 AI」變成一個幾乎不用算成本的元件。但同一週，EFF 點名 DraftKings 用機器學習模型專門找出快要輸光、卻還會回頭下注的賭客再精準投放廣告，一份剛出的學術論文也實測發現包括 Grok 在內的對話式 AI，會把你的聊天標題、提示詞甚至截圖，透過預設公開的分享連結和廣告追蹤器，一路傳到 TikTok 和 Meta 手上。AI 變便宜、變自主的同時，也在被抓到用同一套自主性去做越權的事：模型能做的事情越多，能被拿去做壞事的空間就越大。

必讀#

GPT-6.1 Sol：智能逼近 Astra，價格只要五分之一 — OpenAI AI
CoW：一款走 90 年代懷舊路線的 Wayland 視窗管理器 — Lobste.rs Product
EFF：DraftKings 用 AI 專找快輸光的賭客再打廣告 — Hacker News AI
學術論文實測：9 個對話式 AI 的隱私追蹤全解剖 — Hacker News AI
美國人請客吃飯的習慣，50 年內崩跌 70% — Hacker News News
AIHOT：把自己每天在跑的 AI 熱點站整個開源 — GitHub AI
Claude Code 下一階段：專訪 Anthropic 的 Thariq Shihipar — Latent Space AI
Aho-Corasick 演算法：從一棵字典樹長出的多模式比對機 — Lobste.rs News
一個 Neovim 老手為什麼要跳槽去用 Emacs — Lobste.rs News
Rust 裡的 Arc downcasting：為了少一次 clone 走的彎路 — Lobste.rs Dev
Lenny & Friends Summit 全場演講影片上線 — Lenny’s Newsletter Product
GitHub 年度政策更新：透明度、州立法與下一步 — GitHub Blog Dev

1. GPT-6.1 Sol：智能逼近 Astra，價格只要五分之一 #

OpenAI 推出 GPT-6.1 Sol，定位是用五分之一的價格逼近旗艦模型 Astra：標準輸入 $2/百萬 token、輸出 $10，快取輸入砍到只要 $0.10，比 Astra 便宜九成五。在 DeepSWE v1.1（複雜軟體工程任務）上打平 Astra、成本卻只要五分之一，在 OSWorld 2.0（電腦操作）上以七分之一成本逼近 Astra 只差 2.1 個百分點。事實性錯誤率在低推理強度下從 GPT-6 Sol 的 11.4% 降到 7.7%。今天起 Plus/Pro/Business/Enterprise/Edu 用戶與 API（gpt-6.1-sol）都能用，Ultrafast 版本（速度快 8 倍）近日上線。

快取輸入 $0.10/百萬 token，比標準輸入價格再省 95%
科學研究任務（Terminal-Bench Science）平均每次 $5.47，只有 Astra 的四分之一不到
Astra 在最難的科學任務上仍是分數最高（68.1%），Sol 定位是日常大量調用

💡 為什麼重要：每天要跑上千次 agent 調用的開發團隊會直接感受到成本結構改變，重複用同一份 context 的場景（RAG、多輪 agent）現在便宜到可以放量測試，不用再為省 token 犧牲品質。

🔗 閱讀原文 | 來源: OpenAI

2. CoW：一款走 90 年代懷舊路線的 Wayland 視窗管理器 #

CoW 是用 C 語言寫成、以 River 為 compositor 的 Wayland 堆疊式視窗管理器，刻意重現 FVWM 和 MWM 那種 90 年代質感，同時支援 IPC 腳本、可自訂的伺服端視窗裝飾、規則式腳本語言等現代功能。專案在 Codeberg 上開發，最新穩定版是 0.3（2026 年 9 月），0.4 正在開發中，有活躍的 IRC 社群。

用 River 當底層 compositor，自己實現堆疊式視窗管理邏輯
內建過濾用的 DSL，可用外部程式腳本化整套工作流程
目標是「懷舊外觀 + 現代功能」，跟純走現代設計路線的視窗管理器區分開來

💡 為什麼重要：對還在用 i3 或 Hyprland、但懷念 90 年代桌面美學的 Linux 使用者，這是少數把「復古外觀」和「現代 Wayland 生態」真正接起來的專案，不用犧牲協定相容性換情懷。

🔗 閱讀原文 | 來源: Lobste.rs

3. EFF：DraftKings 用 AI 專找快輸光的賭客再打廣告 #

EFF 引用《紐約時報》報導指出，線上博弈公司 DraftKings 用自家用戶的下注紀錄訓練機器學習模型，目的是找出最可能持續輸錢、也最可能回應博弈促銷的「問題賭客」。模型鎖定這群人之後，DraftKings 送出客製化廣告把他們拉回平台繼續下注，因為這些人正是實際替公司賺錢的用戶。EFF 特別指出，DraftKings 用的是「純第一方資料」，不靠外部資料商，這說明只管制第三方資料交易的政策解方不夠，該做的是全面禁止行為廣告。

模型訓練資料完全來自 DraftKings 自家的用戶下注紀錄，不靠第三方資料
目標客群定義為「持續輸錢卻仍會回應促銷」的高價值（對公司而言）用戶
EFF 的立場是所有行為廣告都該被禁止，不只是這一個案例

💡 為什麼重要：「AI 讓廣告更精準」這句話在這裡有了最赤裸的示範，同一套技術用在正常商品是效率，用在會傷害自己的成癮行為上，就是把黑箱模型的判斷力直接變現用戶的脆弱。

🔗 閱讀原文 | 來源: EFF

4. 學術論文實測：9 個對話式 AI 的隱私追蹤全解剖 #

IMDEA Networks 團隊發表的隱私研究，系統性分析了 ChatGPT、Claude、Grok、DeepSeek、Perplexity、Gemini、MS Copilot、Mistral、Meta AI 這 9 個對話式 AI 服務的網頁與行動版，涵蓋不同同意選項與訂閱層級。研究發現多家服務會把對話衍生的內容（標題、提示詞、甚至截圖）連同持久化使用者識別碼（廣告 ID、雜湊過的 email、追蹤 cookie）一起洩漏給第三方廣告追蹤器。其中 Grok 的預設分享機制最寬鬆：免付費和付費用戶的對話連結預設就是公開可讀，選擇退出才會關閉；分享頁面上 TikTok 會收集對話截圖，Meta 和 TikTok 都會拿到用戶最新的提示詞內容。研究團隊還用 canary token 證實這些公開的對話連結真的會被第三方基礎設施存取。

9 個服務裡 Grok 立場最寬鬆，付費與免費層級的對話連結預設公開
Perplexity 訪客層對話一律公開，但 4 月起已停止把分享網址傳給 Meta 之類的第三方
所有 9 個服務的「分享對話」功能生成的公開連結都不需要驗證身份即可存取

💡 為什麼重要：如果你在對話式 AI 裡貼過含敏感資訊的提示詞又用過分享功能，這篇論文說的不是理論風險，是實測證實有第三方追蹤器正在讀取，包括你可能以為只是「給連結的人看」的內容。

🔗 閱讀原文 | 來源: 學術論文（IMDEA Networks）

5. 美國人請客吃飯的習慣，50 年內崩跌 70%#

Derek Thompson 引用 Data For Progress 複製 1975 年起的 DDB Needham Life Style 調查，發現每月在家請朋友吃飯或辦派對的美國人比例，從 1975 年的 42% 掉到 2026 年的 12%，半世紀崩跌 70%。文章排除「大家只是把聚會搬到餐廳」的說法，因為整體面對面社交本身就在下滑，餐廳業反而觀察到獨自用餐的人變多。作者提出四個原因：雙薰家庭時間被工作榨乾、密集育兒模式擠掉待客時間、貧窮與未婚族群的社交網絡持續縮小、以及在家獨自消磨時間變得太舒服太方便。

每月請客或參加晚宴的比例：1975 年 42% → 2026 年 12%
1995 至 2026 年間，單獨這段時間又再掉了約 20%
未婚政治獨立人士（44%）與無大學學歷者（39%）是「從不請客」比例最高的兩個群體

💡 為什麼重要：這篇本身跟 AI 無關，放進今天這份日報是因為，當科技圈整天在談 agent 幫你處理一切、AI 陪伴填補社交空缺，這組數字提醒的是，人類線下連結的流失是幾十年累積的結構性問題，不是任何一個產品能單獨補上的缺口。

🔗 閱讀原文 | 來源: Derek Thompson

6. AIHOT：把自己每天在跑的 AI 熱點站整個開源 #

開發者 KKKKhazix 把自己做的 AI 熱點聚合網站 AIHOT 完整開源，包括網站、後台、精選流程、事件聚類與熱度演算法，連所有提示詞原文和入選門檻都公開。作者是設計師出身，半年前才開始學程式，這套代碼是他和 AI 一起重寫的。開源動機很直接：很多做法律、人資、金融、貴金屬的朋友問能不能也做一個同類站，但他不懂那些行業、不知道哪些信源有用，索性把整套框架交出來，讓每個人換上自己的信源和精選標準。專案上線一天內就衝上超過 3000 顆星。

事件聚類：同一件事被多家媒體報導，會被合併成一個「事件」，用向量相似度加模型二次確認來判斷
熱度演算法按「事件」而非「文章」計算，48 小時內每個獨立來源只算一次，防止單一媒體發十篇灌爆熱度
倉庫附帶 18 個公開的海外 AI 資訯源做示範，換成自己行業的信源就能跑起來

💡 為什麼重要：這個專案的精選與聚類邏輯，跟這份日報自己在做的事幾乎是同一套方法論。一個半年前還看不懂程式碼的設計師，靠 AI 就重寫出一套完整的日報框架並開源，說明「做一份自己領域的熱點站」的技術門檻已經降到人人可以動手的程度。

🔗 閱讀原文 | 來源: GitHub

7. Claude Code 下一階段：專訪 Anthropic 的 Thariq Shihipar #

Latent Space 專訪 Anthropic 的 Thariq Shihipar，回顧 Anthropic 自五月完成史上最大募資（估值支撐 $47B ARR）以來的密集出貨節奏：六月的 Claude Tag、Sonnet 5 與 Fable 5；七月的 Opus 5；上月的 Fable/Mythos 5.1 與企業前沿護欄（EFS）；上週的 Opus 5.5、Plugins 平台、Cloud Sessions／Claude Projects；訪談當天更同步推出 Sonnet 5.5。訪談重點放在 Claude Mods（社群已經用它做出 Tetris）和 Claude Projects（把對話自動拆成多執行緒、平行跑在雲端 session）這兩個「軟體可變形」方向的產品。

Anthropic ARR 從 5 月的 $47B 一路衝到 7 月的 $65B，年底估值目標喊到 $2T
Claude Projects 把「管理多個 session」這件事交還給 AI 自己拆解執行緒
Claude Mods 讓開發者能直接在 Claude Code 裡建構可執行的迷你應用（示範案例是用它做出 Tetris）

💡 為什麼重要：對每天靠 Claude Code 做開發的工程師，Projects 把「你自己維護多個對話 session」這件苦工外包給 AI，代表接下來的工作流會更接近「持續丟想法進去、AI 自己排優先順序」，不再是逐一開 session 手動管理。

🔗 閱讀原文 | 來源: Latent Space

8. Aho-Corasick 演算法：從一棵字典樹長出的多模式比對機 #

這篇技術文章一步步拆解 Aho-Corasick 自動機的構造過程，先用 trie（字典樹）儲存一組字串，再靠「失敗連結」（suffix link）讓自動機在比對失敗時能跳到另一個仍可能匹配的狀態，達成同時比對多個模式字串的效果。文章用 {suit, suited, suitable} 和 {item, suits} 兩組具體範例，逐步畫出 trie 結構與失敗連結的指向，說明輸入 suitems 時自動機如何靠失敗連結繼續往下比對出 su[item]s。

trie 透過共享公共前綴，減少字串集合儲存時的冗餘
失敗連結指向「當前節點所代表字串的最長後綴」，且該後綴必須同時是某個模式的前綴
這套機制是許多字串搜尋工具（如病毒碼比對、grep 多模式搜尋）背後的核心演算法

💡 為什麼重要：對寫過正規表示式引擎或做過內容過濾系統的工程師，這篇把「為什麼能同時比對成千上百個關鍵字還很快」講得很具體，是理解 ripgrep、ClamAV 之類工具底層原理的好入口。

🔗 閱讀原文 | 來源: Lobste.rs

9. 一個 Neovim 老手為什麼要跳槽去用 Emacs #

作者長期是 Neovim 重度使用者，喜歡它的鍵位設計、套件系統和高度可自訂性，開發工作也用得很順。但他一直對「一套軟體做完所有事」和文字介面情有獨鍾，像是終端機瀏覽器、終端機讀信、終端機日曆、終端機聊 IRC，結果變成同時維護一堆各自有自己鍵位習慣的獨立工具。這讓他重新回頭認真嘗試 Emacs，最終選擇從 Doom Emacs 這套現成配置入手，而不是像他一貫堅持的那樣完全手刻自己的設定。

作者強調自己一向排斥用別人寫好的現成配置（無論是 i3、Hyprland 還是 Neovim 都自己刻），這次是例外
動機是想要「一個生態系統做所有事」，而不是十幾個各自為政的終端工具
文章聚焦在「為什麼選 Doom Emacs 入門」，屬於個人工作流轉換的心路過程

💡 為什麼重要：長期活在終端機裡、也在為「工具太多、鍵位不統一」煩惱的開發者，能從這篇看到一個具體的取捨過程，而不是空泛地喊「Emacs 比較好」。

🔗 閱讀原文 | 來源: Lobste.rs

10. Rust 裡的 Arc downcasting：為了少一次 clone 走的彎路 #

作者在寫一個 build driver 時碰到典型的併發快取問題：一個用 RwLock<HashMap> 包起來的快取，讀取命中要 clone 一次值才能安全回傳，寫入也要再 clone 一次存進快取，當快取的值是大型或樹狀結構時，這兩次 clone 的成本會蓋過快取本來該省下的運算時間。文章從這個最小可重現範例出發，展示他如何繞過 Rust 官方尚未提供的 Arc<dyn Any> downcasting 限制，設計出一套避免多餘 clone 的替代方案。

問題起點：一個共享的 RwLock<HashMap<String, JSON>> 快取，讀寫都各觸發一次 .clone()
當快取值是樹狀結構（如 JSON）時，clone 成本可能吃掉快取本該帶來的效能收益
文章附帶可執行的 Rust Playground 範例，方便讀者直接動手驗證問題

💡 為什麼重要：對寫 Rust 並發程式碼的工程師，這是一個具體、可重現的「快取反而變慢」案例，也順帶暴露出 Arc downcasting 在標準庫裡至今仍是一個沒被填平的坑。

🔗 閱讀原文 | 來源: Lobste.rs

11. Lenny & Friends Summit 全場演講影片上線 #

Lenny Rachitsky 宣布 Lenny & Friends Summit 的所有主舞台演講影片全數上線，講者包括 Stripe 設計主管 Katie Dill、Every CEO Dan Shipper、Linear CEO Karri Saarinen、Atlassian CPAIO Tamar Yehoshua、Google Search VP Robby Stein，以及 Anthropic 與 OpenAI 的產品主管對談。Lenny 回顧當天五個反覆出現的主題：對線下活動與人際連結的渴望空前強烈；「軟體工廠」與傳統路線圖該不該用，沒人有標準答案；建東西的門檻降到極低，讓「判斷力和品味」變成 PM 真正的價值所在；PM 的角色正在擴張而非被取代；以及被頂尖同行圍繞，會直接拉高自己對「什麽叫做得好」的標準。

完整播放清單一次收錄全部主舞台演講，方便錯過直播的人補課
Karri Saarinen（Linear）當天金句：「產出不是產品，客戶買的不是那幾行程式碼」
Robby Stein（Google Search）：「幾乎任何你想到的東西都能被做出來，那 PM 真正的價值就是判斷力和品味」

💡 為什麼重要：對產品經理和創業者，這場 Summit 反覆出現的共識很清楚：當 AI 讓「做出東西」變得極度容易，稀缺的不再是執行力，是知道該做什麼、以及做到什麼程度才算好的判斷力。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

12. GitHub 年度政策更新：透明度、州立法與下一步 #

GitHub 公布最新 Transparency Center 數據，並回顧 2026 年美國各州立法會期裡與開發者相關的政策攻防。政府下架請求從 2025 全年的 98 件跳升到 2026 上半年的 708 件，GitHub 說明這主要來自報告方法變更（現在納入所有政府下架請求，不論依據），而非審核政策改變。文章也整理了加州 AI 透明法案（SB 1000）、AB 2713（規範「大型線上平台」定義是否誤把程式碼託管服務納入）、以及加州、科羅拉多、伊利諾等州年齡驗證法案的最新進展，GitHub 持續遊說避免這些消費者導向的法規誤傷開源基礎設施。

政府下架請求：2025 全年 98 件 → 2026 上半年 708 件（主要是統計方法變更，非審核趨嚴）
科羅拉多 SB 26 修正後已排除對開源軟體與開發者基礎設施的衝擊
GitHub 接下來會關注 DMCA 1201 三年一次的豁免規則制定，涵蓋善意安全研究豁免的續期

💡 為什麼重要：對維護開源專案或自建開發者工具的人，這篇是少數會把「州立法怎麼定義線上平台」講清楚的來源。年齡驗證或內容溯源法案的措辭稍有不慎，就可能把程式碼託管平台也一併管進去。

🔗 閱讀原文 | 來源: GitHub Blog

中文技術圈#

Meta Muse 被爆偷看私人訊息，掀起隱私疑慮 — 科技新報
Agent 不只燒 Token：為什麼 Agent Sandbox 正在變得重要 — InfoQ 中文
AMD 併購李飛飛創辦的 World Labs，布局空間智慧 AI — iThome
佛州要求法院限制 OpenAI 開發新模型，禁止向未成年人提供 ChatGPT — iThome
GitHub 讓 AI 代理接手模糊測試，可依覆蓋率自動補測未觸及程式碼 — iThome
電商平臺 Magento、中介軟體 WSO2 重大漏洞遭積極利用 — iThome

開源精選#

mikehasa/golive-skill — TypeScript | ⭐ 1,111 讓 agent 建好的產品直接上線：偵測、規劃、批准、套用、驗證一條龍，全走使用者自己的雲端帳號，不經過任何後端或遙測。
lemomo-ai/lemo-opuscar — JavaScript | ⭐ 609 43 種影片風格提示詞，配上完全用 Claude Opus 5.5 寫程式生成的樣片，可直接套用自己的故事讓 agent 當導演。

影音精選#

OpenAI DevDay 2026 全解析：Dots、GPT-6.1 Sol 迎戰 Opus 5.5 #

8 小時前 · Matt Wolfe

Matt Wolfe 直播反應 OpenAI DevDay 2026，逐一介紹常駐 agent「Dots」、ChatGPT Space、更便宜快速的 GPT-6.1 Sol 與 Ultrafast、Decisions API 與 Agents API，並實測用 Sol 一句話生成 VHS 風格 3D 動畫。同一天 Anthropic 也推出 Sonnet 5.5，作者對是否要換掉手上的 Opus 5.5 仍保持觀望。

實測 GPT-6.1 Sol 一句話生成 VHS 風格動畫的效果
對比同一天發布的 Sonnet 5.5，暫不打算換掉主力模型

GPT-6.1 Sol 迎戰 Opus 5.5，OpenAI 這次反擊了 #

14 小時前 · Theo (t3.gg)

Theo 實測 GPT-6.1 Sol，認為它在終端測試分數逼近旗艦模型 Astra、速度快六倍且價格大砍，雖然寫程式能力仍不如 Opus 5.5，但很適合拿來做程式碼審查與問題定位這類輔助工作，他打算讓 Opus 5.5 呼叫 Sol 分工處理。

速度比 GPT-6 Sol 快六倍，價格同時大砍
計畫用 Opus 5.5 當主力、GPT-6.1 Sol 做輔助審查分工

AI 實驗室是不是在操弄自家的 benchmark？#

18 小時前 · 20VC

Higgsfield CEO Alex Mashrabov 在 20VC 訪談直言，大型 AI 實驗室為了衝 benchmark 分數拿季度獎金，會把測試資料偷偷混進訓練集、用 LLM 當裁判美化分數，他認為這在業界已是公開的秘密。

直指業界普遍存在「測試資料混入訓練集」的操作
用 LLM 當裁判評分本身也可能被美化分數

Tensor：打造能自我進化的機器人工廠 #

35 小時前 · Y Combinator

YC 介紹新創 Tensor，團隊出身柏克萊自駕賽車研究，打造一座 1.2 萬平方英尺的機器人工廠，產線同時生產人形機器人 Azimov 1、國際太空站零件與吸盤夾爪，每筆訂單都成為工廠自我學習優化製程的訓練資料，自稱是「機器人界的 TSMC」。

1.2 萬平方英尺工廠同時代工人形機器人與太空站零件
每筆訂單即是工廠自我優化製程的訓練資料

DHH 說手寫程式已經過時，Fireship 逐條檢驗 #

37 小時前 · Fireship

Rails 創始人 DHH 在 Rails World 大會上宣稱手寫程式碼已不再具經濟效益，Fireship 逐一檢視鍵盤操作、框架偏好、寫程式本身這三項技能是否真的過時，結論是機械式的程式撰寫確實貶值，但定義問題與設計系統的能力反而更重要。

拆解 DHH 說法為三個獨立命題逐條檢驗
結論：機械式編碼貶值，問題定義與系統設計能力升值

今日觀察#

GPT-6.1 Sol 把快取輸入砍到十分之一美分的同一週，IMDEA Networks 的研究團隊實測發現，Grok 的對話分享連結預設就是公開的，TikTok 甚至會在分享頁面上收集使用者的對話截圖；同一週，EFF 點名 DraftKings 訓練機器學習模型專門找出快輸光的賭客再回頭打廣告。這三件事表面上不相關，但共同的底層邏輯是：模型越便宜、agent 越自主，能被拿去榨取使用者的空間就越大，省下的算力成本，很容易被重新投入到更精準的鎖定上，而不是更透明的揭露上。我自己每天靠 AI 做研究、寫程式、剪片，越用越覺得，接下來該問的問題已經不是「這顆模型多聰明」，是「這套流程到底把我的資料和判斷力交給了誰」。

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

今日金句#

今日主軸：AI 一邊狂降價，一邊被抓到在越權#

必讀#

推薦閱讀#

中文技術圈#

開源精選#

影音精選#

今日觀察#