AI 的進出帳

每天花 1% 的時間，掌握科技脈動。

今日金句#

“Every computer scientist should probably put a little more weight on the plausibility of P = NP, but one’s weight may vary.” 「每個電腦科學家大概都該把 P = NP 的可能性調高一點，至於調多少，每個人不一樣。」 — Ryan Williams，MIT 計算複雜度教授（來源）

“Yesterday, AI was something to clean up. Today, it’s a tool to help us with the cleanup. Tomorrow, it will be the air we breathe.” 「昨天，AI 是要清掉的東西。今天，它是幫我們清理的工具。明天，它會像空氣一樣無所不在。」 — Ellia Lebleu，WikiProject AI Cleanup 共同發起人（來源）

“To me, goals without plans behind them aren’t really goals at all.” 「對我來說，背後沒有計畫的目標，根本稱不上目標。」 — Savannah Ostrowski，PEP 836 共同作者、Python 3.16／3.17 release manager（來源）

今日主軸#

OpenAI 公開了推翻指數時間假說（ETH）的證明，這個 1999 年提出的假設被過去十年大量論文當成前提，MIT 的 Ryan Williams 說其中有兩三段「看起來很陌生」的推導，整個領域要一起消化。Wikipedia 這邊，WikiProject AI Cleanup 用 Pangram 估算，2025 年底新條目和草稿約 20% 是 AI 生成，2026 年初降到 15% 到 16%，英文版已經禁止用 LLM 產生條目。Stanford 英文系教授 Tobias Wolff 和 Chang-rae Lee 退出 15 億美元的 Bartz 和解，另外提告 Anthropic，每本被盜版拿去訓練的書求償最高 15 萬美元，和解給的大約是每本 3,000 美元。推薦閱讀裡的 Open3DLab 則記錄了一支自稱 Roblox 的爬蟲，兩天下載 1,027 個檔案、145.5 GB，完全沒理會 robots.txt。我的看法是，AI 交出來的成果大家搶著驗證，它拿進去的資料到現在還是靠被拿的人自己發現、自己去告。

必讀#

1. Python 實驗性 JIT 將從 CPython main 移除 · Lobste.rs Dev
2. Ghostty 1.4：Kitty 圖形協定 100% 實作，scrollback 記憶體省 70% 到 90% · Hacker News Tools
3. 美國政府扣住 FISA 法院秘密裁決，同時要國會續延 702 條款 · Hacker News News
4. Shitty Screenshare：用 OBS／FFmpeg 走 WHIP 直接推進視訊會議 · Lobste.rs Tools
5. Google DeepMind 發表 Genie 4：會即時生成聲音與對話的世界模型 · Hacker News AI
6. Wikipedia 編輯怎麼抓 AI 寫的條目：比例從 20% 降到 15% · Hacker News AI
7. DynaFlow：讓主 agent 自己寫程式調度子 agent，準確率多 10.9 個百分點 · HuggingFace Papers AI
8. 指數時間假說被推翻：OpenAI 公開證明，MIT 教授組工作小組消化 · Lobste.rs AI
9. Latent Space：Anthropic 怎麼把 agent 的「大腦」和「雙手」拆開 · Latent Space AI
10. 在喜馬拉雅山腳斷網寫程式：OpenCode＋Ollama＋Qwen3.5 9B · Latent Space AI
11. Stanford 教授退出 15 億美元和解，另告 Anthropic 每本求償最高 15 萬美元 · Hacker News AI
12. Astral 自寫 tar 解析器 tar-codec：比舊版快約一倍，堵掉解析差異漏洞 · Lobste.rs Dev

1. Python 實驗性 JIT 將從 CPython main 移除#

Brandt Bucher 在 2024 年初把 JIT 併進 CPython，跟著 3.13 出貨，當時只有一份資訊性的 PEP 744，沒有走標準流程。今年 6 月 steering council 要求半年內提出並通過標準化 PEP，否則從 main 移除。Bucher、Savannah Ostrowski、Ken Jin 寫了 PEP 836，council 9 月回了十點意見，認為支援計畫、效能標準不夠具體，對使用者影響的估計「過於樂觀」，安全面也談得太少。作者群 10 月 19 日撤回 PEP，表示沒有足夠的個人時間推進，JIT 預計會在 3.16 開發週期早期從 main 移除。

• PEP 836 原本把相容性審查放在 3.17 第一個 RC（約 2028 年 8 月），council 認為「太晚太晚」，要求從現在開始持續做
• Brett Cannon 說另提一份替代 PEP 不太可能，因為所有主力開發者都是 PEP 836 的作者或貢獻者
• 作者會把參考實作連結放在撤回的 PEP 上，讓有興趣的人接手

💡 為什麼重要：在 3.13 之後打開 JIT 做效能測試的團隊，要預期 3.16 起這個選項會消失，效能規劃先別算進去。

🔗 閱讀原文 | 來源: Lobste.rs

2. Ghostty 1.4：Kitty 圖形協定 100% 實作，scrollback 記憶體省 70% 到 90%#

Ghostty 1.4 累積 7 個月、172 位貢獻者、2,889 個 commit。它完整實作了 Kitty 圖形協定，包含動畫與相對定位，維護者說這是 Kitty 以外第一個做到的終端機，圖片資料改用 SIMD 批次解析後快了約 16 倍。看不到的 scrollback 會在閒置時壓縮，常見文字歷史的實體記憶體少 70% 到 90%，預設 scrollback 上限因此從 10 MB 提高到 50 MB。這版也修了十多個安全公告，其中幾個只要顯示惡意輸出就能觸發。

• 純 ASCII 解析從 128 MB/s 提升到 725 MB/s，CJK 文字快 3.4 倍
• macOS 上 1 個可見分頁加 20 個隱藏分頁，GPU 記憶體從約 385 MiB 降到 18 MiB
• 支援 macOS 27，並維持相容到 macOS 13

💡 為什麼重要：整天開著 agent、tmux 和長 log 的開發者，終端機吃掉的記憶體可以明顯下降，升級也順便補上 tmux control mode 的崩潰漏洞。

🔗 閱讀原文 | 來源: Hacker News

3. 美國政府扣住 FISA 法院秘密裁決，同時要國會續延 702 條款#

FISA 法院 7 個月前裁定，情報分析人員用來從攔截資料裡篩出美國人通訊的過濾工具，本身就構成對美國人的搜尋，必須受同樣的限制，並要求重建這些工具，但同時又核准了一年監聽。政府自己的文件說這類裁決會在 180 天內審查是否公開，期限 9 月 13 日已過。參議員 Ron Wyden 和 Adam Schiff 致函國家情報總監與司法部長，要求 11 月 6 日前說明延誤原因與負責官員。702 條款 6 月已失效，收集靠法院 3 月的核准繼續，那份核准明年 3 月到期。

• 情報機關 3 月的說明文件引用 FBI 查詢美國人 98.9% 的合規率，司法部監察長 2025 年 10 月的報告是 98.6%，而且無法斷定問題已經過去
• FBI 局長 Kash Patel 去年 5 月關閉內部稽核辦公室，把稽核人員併入其他單位
• 23 個公民團體要求國會在裁決公開前不要續延 702

💡 為什麼重要：在美國有用戶的通訊或雲端服務，資料被政府查詢的規則正在國會和法院之間重寫，年底國防授權法案可能夾帶續延。

🔗 閱讀原文 | 來源: Hacker News

4. Shitty Screenshare：用 OBS／FFmpeg 走 WHIP 直接推進視訊會議#

一位在 OBS 開發 WHIP 支援的工程師做了這個單頁網站，對照瀏覽器螢幕分享和 OBS 推流的畫質。他的說法是，瀏覽器分享糊掉是因為它幫你選了不適合內容的 bitrate、codec 和解析度。WHIP 是用 WebRTC 推送直播影像的開放標準，服務商給一個伺服器網址和一組 bearer token，OBS 或 FFmpeg 就能直接加入會議。

• OBS Virtual Camera 只是把畫面當成攝影機送出，編碼還是會議軟體在做
• 網站附了一份持續更新的 OBS WHIP 設定指南，列出目前可以推流的服務
• 會議服務不支援的話，作者建議直接寫信給服務商要求支援開放標準

💡 為什麼重要：常在會議裡分享程式碼或試算表的人，只要會議平台支援 WHIP，就能自己決定解析度和 bitrate。

🔗 閱讀原文 | 來源: Lobste.rs

5. Google DeepMind 發表 Genie 4：會即時生成聲音與對話的世界模型#

Genie 4 是 DeepMind 新的世界模型，會在生成畫面的同時生成環境音、音樂和角色對話，DeepMind 說這是它第一個原生產生聲音的即時世界模型。模型建在 Gemini 家族上，Gemini Omni 負責讓模擬貼近真實外觀與行為，其他 Gemini 模型維持場景連貫。使用者用鍵盤移動和控制鏡頭，也能用文字即時改天氣、加入人物或物件，Gemini 會把指令調整成符合當下場景。

• 目前只開放 trusted testers 研究預覽，之後先給 Google AI Ultra 訂閱者的 Project Genie 和 Gemini API 早期夥伴
• 角色會對使用者的輸入和場景事件即時對話
• DeepMind 把用途定位在訓練機器人與 agent 的模擬環境，以及新型互動體驗

💡 為什麼重要：做機器人或 agent 訓練環境的團隊，多了一個可以用文字即時改場景、還帶聲音的模擬來源，但要先排 waitlist。

🔗 閱讀原文 | 來源: Hacker News

6. Wikipedia 編輯怎麼抓 AI 寫的條目：比例從 20% 降到 15%#

IEEE Spectrum 訪問 WikiProject AI Cleanup 共同發起人 Ellia Lebleu。2023 年 12 月，幾位編輯在 Discord 發現一批條目反覆出現「stands as a testament」這類句子，還有「Why is this important?」的段落，於是成立專案。現在的訊號更偏結構，例如三段式排比、否定式對仗，或是有人 5 分鐘內寫出 5 篇幾千字的條目。她用 Pangram 估計，2025 年底新條目和草稿約 20% 被判定為 AI 生成，2026 年初降到 15% 到 16%，但無法確定是禁令有效，還是模型變強、偵測器沒跟上。

• 現在更常見的問題是引用真實來源，但內容和來源對不上
• 有編輯做了 AI 來源檢查器，Wikimedia 基金會在開發 Paste Check，標出從聊天機器人直接貼上的文字
• 基金會也在做歸屬框架，讓 AI 搜尋引用 Wikipedia 時能顯示最後編輯時間和品質標記

💡 為什麼重要：用 RAG 或 AI 搜尋引用網頁的產品，最常出錯的地方和 Wikipedia 一樣，來源是真的，引用的內容對不上。

🔗 閱讀原文 | 來源: Hacker News

7. DynaFlow：讓主 agent 自己寫程式調度子 agent，準確率多 10.9 個百分點#

新加坡國立大學的 DynaFlow 把「寫一段可執行的工作流程」放進主 agent 的動作空間，由它決定何時需要協作，再產生程式去串接或平行呼叫子 agent，並做結構化的資訊交換與驗證。訓練時只微調主 agent，子 agent 固定不動，把調度能力和執行能力分開。在數學推理、科學問答、多跳檢索共六個 benchmark 上，Forced 模式整體準確率 88.08%，用同一個 Qwen3.5-27B 底座，比最強基準高 10.90 個百分點。

• 微調資料先蒸餾軌跡，再過濾掉前提不成立、驗證有偏差、資訊流有缺陷的樣本
• 分析發現訓練後的流程更常明確使用、驗證並修正上游輸出
• 程式碼和專案頁已公開，HuggingFace 上 183 個 upvote；論文 10-25 發布，不算今天的新結果

💡 為什麼重要：自己寫 multi-agent 流程的工程師，可以參考它把「調度」單獨訓練、子 agent 不動的切法。

🔗 閱讀原文 | 來源: HuggingFace Papers

8. 指數時間假說被推翻：OpenAI 公開證明，MIT 教授組工作小組消化#

OpenAI 公布了三個數學與理論問題的解，其中一個推翻了指數時間假說（ETH）。ETH 由 Russell Impagliazzo 和 Ramamohan Paturi 在 1999 年提出，大意是某類邏輯難題的最快演算法，所需時間會隨變數數量指數成長。OpenAI 和 Anthropic 都說自家模型找到了次指數時間的演算法。MIT 的 Ryan Williams 受 OpenAI 邀請協助解讀，他說證明有些部分算常規，但有兩三段「看起來很陌生」，過去十年很多以 ETH 為前提的論文都要重看。

• 三個領域的處理方式不同：數學家直接拿到 GitHub 上的證明，電腦科學家組工作小組並要求 OpenAI 資助研討會，物理學家由工作小組決定怎麼發表
• Williams 問 OpenAI 的第一件事是有沒有加密系統因此變得不安全，OpenAI 說檢查過，相當有信心沒有
• 他認為 OpenAI 的演算法不可能是最佳解，這也不是最終答案

💡 為什麼重要：寫複雜度下界或引用 ETH 當安全假設的研究者，手上的論文要重新檢查前提。

🔗 閱讀原文 | 來源: Lobste.rs

9. Latent Space：Anthropic 怎麼把 agent 的「大腦」和「雙手」拆開#

Latent Space 訪問 Anthropic 平台工程負責人 Katelyn Lesse 和產品負責人 Angela Jiang，談 Opus 5.5 發布和 Claude Platform。Managed Agents 把 session log、harness 和執行程式碼的 sandbox 分開，harness 可以持續存在，sandbox 需要時才建立，sandbox 掛了也不會帶走整個 session。早期做法是把整個 coding agent 放進 sandbox 再包成 API，啟動慢，sandbox 消失 agent 也跟著消失。

• sandbox 拿不到服務憑證，憑證另外保管，透過 proxy 掛上，並限制 sandbox 的對外流量
• 新版 API 要求跨輪保留 thinking block，用來防止推理內容被拿去蒸餾，但可能打壞客戶現有的 harness
• 「Dreaming」記憶功能的實作，是讓一個 agent 檢查另一個 agent 先前的工作再寫回記憶

💡 為什麼重要：自己設計 agent runtime 的團隊，可以照這個問法檢查：哪些部分要存活、哪些在跑不可信的程式、哪裡真的需要放憑證。

🔗 閱讀原文 | 來源: Latent Space

10. 在喜馬拉雅山腳斷網寫程式：OpenCode＋Ollama＋Qwen3.5 9B#

Thomson Reuters 的 Principal Engineer 住在喜馬拉雅山腳，常遇到斷網和停電，於是測試能不能在筆電上完全離線跑 coding agent。他用開源的 OpenCode 當介面，Ollama 在本機跑 Qwen3.5 9B，opencode.json 只開本機 provider、擋掉 web 工具，編輯檔案和執行指令前都要確認。斷網後讓 agent 修一個加總錯誤的 bug，Qwen 提出一行修改（= 改成 +=），請求權限後跑完 5 個測試全部通過。

• Qwen3.5 9B 的 6.6 GB 版本建議預留 12 到 16 GB 記憶體，64k context 可能要更多
• 引用的研究顯示，OpenCode 每解一個任務用掉的 token 約是 Goose 的 40 倍（雲端模型測試）
• 另外兩個練習（CSV 報表、log 分析）作者還沒跑完離線版

💡 為什麼重要：常在飛機、高鐵上工作的工程師，照這份設定可以在沒有網路時讓 agent 處理小 bug 和測試。

🔗 閱讀原文 | 來源: Latent Space

11. Stanford 教授退出 15 億美元和解，另告 Anthropic 每本求償最高 15 萬美元#

法官 William Alsup 在 Bartz v. Anthropic 認定，合法取得書籍拿來訓練屬於合理使用，但從盜版來源下載書籍建立永久資料庫不行。這個案子以 15 億美元和解，分給約 50 萬部登記作品的作者與出版社。Stanford 英文系榮譽教授 Tobias Wolff 有 10 部作品被拿去訓練，他和 Chang-rae Lee 退出和解，5 月另提 Cruz v. Anthropic，要求陪審團審理，每部作品求償最高 15 萬美元的法定賠償，和解大約是每部 3,000 美元。

• 起訴書指控 Anthropic 從 LibGen、PiLiMi 等影子圖書館下載並存放盜版檔
• 勝訴的話，原告可取得永久禁制令，禁止用他們的作品訓練 Claude
• Stanford 法學院 Paul Goldstein 認為，問題在一次訓練要複製數百萬件作品，逐一取得授權不切實際

💡 為什麼重要：在公司裡處理訓練資料來源的團隊，Bartz 已經畫出界線，合法買來的書可以，盜版來源要付錢甚至被禁用。

🔗 閱讀原文 | 來源: Hacker News

12. Astral 自寫 tar 解析器 tar-codec：比舊版快約一倍，堵掉解析差異漏洞#

uv 處理 sdist 時要解 tar 檔，0.13 以前用的是 astral-tokio-tar，這套程式碼是 tar-rs 一路 fork 了五層的後代。大約一年前 Astral 陸續收到安全回報，發現同一個 tar 檔在 uv、pip 等工具裡可能被解出不同內容，攻擊者能讓 PyPI 看到安全的版本，安裝器卻解出別的檔案。Astral 判斷 tokio-tar 這一系「在設計上就太寬鬆」，改從頭寫 tar-codec，速度約是舊實作的兩倍。

• 解析差異分為「附加型」（對特定解析器加檔案或內容）和「完全型」（不同解析器看到完全不同的內容）
• 因為 sdist 本來就會在建置時執行任意程式，Python 打包圈一向把 tar 差異看成小問題，Astral 仍決定全部清掉
• 文章花了大量篇幅整理 V7、ustar、GNU、PAX 幾種 tar 格式的演變

💡 為什麼重要：用 uv 安裝 Python 套件的團隊，sdist 解壓縮更快，供應鏈上少了一種「索引看到的和安裝的不一樣」的攻擊面。

🔗 閱讀原文 | 來源: Lobste.rs

推薦閱讀#

• 自稱 Roblox 的爬蟲兩天抓走 Open3DLab 145.5 GB 模型 — Open3DLab 說，10 月 15 到 16 日有一支 user agent 自稱屬於 Roblox 的爬蟲，從單一 AWS 位址在 34 小時內讀了 18,926 個專案頁面，幾乎是全站目錄，接著下載 712 個專案的 1,027 個檔案，共 145.5 GB。其中 364 個檔案（54.8 GB）來自只放成人內容的 SmutBase。爬蟲有讀 robots.txt 但沒照做，也違反禁止爬取的服務條款。站方 18 日封鎖並寫信給 Roblox，目前沒有回覆；爬蟲 19 日繼續嘗試，時間剛好落在上班時段，中午停一小時。

• Retell 用 OpenAI 模型撐起每月 1 億通電話 — OpenAI 客戶案例：Retell 的語音 agent benchmark 由 GPT-6 Astra 拿第一，Codex 幫它做到每位員工 160 萬美元的年化營收。openai.com 今天對 curl 回 403，這則只依 RSS 摘要。

• AI 時代的人月神話：九個 agent 也不能一個月生出小孩 — 作者從看四個人圍著一台筆電接不上螢幕講起，回到 Brooks 1975 年的人月神話。agent 沒有上手時間、不用開站會，但順序性的工作還是順序性的。管理成本沒有消失，只是從管人變成管 agent：要有人定義完成、審程式碼、抓幻覺、把片段接起來。沒有清楚的調度就讓九個 agent 改同一個 codebase，它們會高速互相覆寫。

• GitHub Universe 識別證跑 Game Boy Color 模擬器 — Simon Willison 在 GitHub Universe，今年的識別證又是一台有彩色螢幕的完整電腦。Steve Francia 和 Gemini 合作先在上面跑出 NES 模擬器，接著部署 Game Boy 和 Game Boy Color 模擬器，有 ROM 就能玩《薩爾達傳說：織夢島》，識別證倒過來就能用機身上的觸控按鈕。

• AI SRE 真的能值班嗎？OpenAI 的 Sevbot、ING 也在自建 — Gergely Orosz 回顧 2025 年 BUILD 上 Azure SRE Agent 的示範：告警觸發後 AI 自己找根因、上線修復，不叫醒值班工程師，他當時認為沒有團隊會接受。最近 OpenAI 內部做了 AI SRE 機器人 Sevbot，ING 的工程師也說在自建，他因此訪問業界人士看這類工具的實際效果。

• ACLU：美國警方用車牌辨識與 AI 攔查「可疑」行車路線 — ACLU 指出，美國執法單位開始用車牌辨識器和 AI 工具，依「可疑」的行車路線攔車，即使駕駛沒有涉及特定犯罪。案例是一位二十多歲的維吉尼亞州女性，公路旅行途中以「在左車道開太久」被攔下，攔車的人後來表明是 FBI 特別探員，車上電腦有一張美國熱點圖，標出她去過的地方和車牌照片。

• Stratechery：Anthropic 核心業務很賺，但競爭可能吃掉獲利 — Ben Thompson 分析 Anthropic 的 S-1：核心業務很賺錢，但競爭可能把利潤吃光，投資人也面臨持續稀釋。全文付費，這裡只依公開摘要。

• Vercel Agent 每次 session 成本平均降 67% — Vercel 重寫了 Agent 管理 context 的方式，dashboard 和 Slack 裡的 Agent session 平均成本降 67%，不用做任何設定。長的 Slack 討論串也能更有效管理，跨輪保留更多可被 prompt cache 命中的內容。計價方式不變，付費 session 是模型供應商的推論價格加每百萬 token 0.25 美元。

• Liquid AI 發表 LFM3：2B 級多模態模型，單張 GPU 就能微調 — LFM3 把文字、視覺、語音、omni 和決策模型放在同一個 2B 級底座上，LFM3-1.7B 比 LFM2.5-2.6B 參數少 35%，表現更好。文字模型 4-bit 量化約 1 GB，context 256K，每個模型都能用單張 GPU 微調。架構是 13 層 gated short convolution、5 層 256 token 視窗的 sliding-window attention 和 6 層全域 attention。

• Ai2：LLM 判斷研究點子新不新，設定一改結果就翻 — Ai2 發表研究與 benchmark，測 LLM 能不能可靠判斷研究點子的新穎性。在 GPT-5.1、5.2、5.4 和 Claude Sonnet 4.5、Opus 4.5、4.6 六個評審上，評估設定的小改動就會讓同一批點子得到差很多的判斷。資料、程式碼和建評估集的自動流程都公開。

• Claude 商用方案：按讚按倒讚的對話會被保存 5 年並可能用於訓練 — Anthropic 說明商用方案（Claude for Work、API）的資料政策：預設不拿對話訓練，但使用者按讚、按倒讚回報時，整段對話會保存最多 5 年，去除使用者與客戶 ID 後可能用於訓練。Team 和 Enterprise 的擁有者可以在組織層級關掉這個回饋按鈕。

• webframe：用系統 WebView 當爬蟲和 sandbox — webframe 是 Jeff Lindsay 用 Go 寫的工具，在隱藏的 headless WebView 裡跑網頁，console.log 輸出到 stdout、例外到 stderr。它用系統自帶的瀏覽器元件（macOS 的 WKWebView、Linux 的 WebKitGTK、Windows 的 WebView2），不需要 Playwright。Simon Willison 讓 Claude Opus 5.5 試用並寫成評估報告。

• 重回 Zig 四個月：fuzzer 還沒完成，Zig Day 很好玩 — 作者隔幾年回到 Zig，寫了一個 smallnet（Gemini、Gopher、Finger）版的 curl 替代品 snurl，發現文件裡示範的 fuzzer 其實還沒完成。他也去了 8 月的 Zig Day Seattle，因為 Andrew Kelley 會到場，報名人數太多，場地從 Bellevue 圖書館換到 Bothell。文中有不少和 Rust 的比較。

• Cloudflare：第三季 49 次斷網，政府關網 19 次、停電 14 次 — Cloudflare Radar 第三季記錄 49 次網路中斷：政府下令關網 19 次（其中 18 次是伊拉克考試期間），停電 14 次，天災 5 次。古巴每個月至少停電斷網一次，9 月 18 到 20 日停了三天。宏都拉斯 9 月 10 日一個交換中心停電，至少 11 家主要業者受影響，約三小時。

• 純 Dart 寫 human-in-the-loop agent：Genkit、MCP 加上核准關卡 — GDE 作者用 Dart 做了一個外勤服務公司的派工助理：agent server、tool server 和 Flutter client 共用同一組型別，中間沒有 Python 或 Node 服務。back office 的工具透過 MCP（Streamable HTTP）提供，會花錢的工具（例如訂零件）在執行前停下來，等人核准後才繼續。作者的理由是 MCP 這條邊界讓日後換成真實系統時，只要改 MCP server。

中文技術圈#

• Mu3ic 1.7.0：Navidrome 播放器支援車機與電台，送 50 組 Pro 碼 — Mu3ic 是支援 Navidrome 的 NAS 音樂播放器，1.7.0 正式版加入車機播放、電台與橫向播放，官網改版後不用下載就能試用。作者在帖子裡送 50 組 Pro 啟用碼（24 小時內啟用），送完後改發 6 元優惠券，疊加推廣價 12 元可啟用 Pro。

• 網頁版 Windows XP：可掛載本機資料夾、逛歷史網頁 — 作者先做過網頁版 Windows 98（win98.si），這次做了 winxp.si，說自己做到「目前顆粒度最細的模擬版」。可以實際瀏覽歷史上存在過的網頁版本，也能把本機資料夾掛成虛擬磁碟、雙向同步，視覺與操作流程 99% 照 XP 原樣。

• Google Fitbit Edge 卡位 Fitbit Air 與 Pixel Watch 5 之間 — Google 月中發表 Fitbit Edge，定位在無螢幕的 Fitbit Air 和智慧手錶 Pixel Watch 5 之間，整合健康感測、運動追蹤和 AI 個人化健康建議，靠不同形態的產品擴大使用族群。

• 韓國逮捕用 ARTEX 入侵逾 90 家機構的前滲透測試員 — 首爾警方 10 月 26 日宣布逮捕一名 32 歲、曾在 2019 到 2022 年當過滲透測試員的男子，涉嫌入侵 90 多家企業與機構、竊取約 820 萬筆個資。他今年 8 月底開始用開源 AI 滲透測試框架 ARTEX，8 月 31 日到 10 月 13 日的 43 天內入侵 60 家企業。警方也用自製 AI 工具分析約 53 萬筆調查資料和 1.3 TB 連線紀錄，約 4 個月破案，這是南韓首次查獲用生成式 AI 大規模入侵的嫌犯。

• 微軟：中國駭客 Storm-0940 用 ARTEX 自動化攻擊，3 小時內拿到雲端高權限 — 微軟指出，自 2021 年活躍、與中國國家活動有關的 Storm-0940 把 ARTEX 整合進既有攻擊流程，部分案例不到 3 小時就拿到企業雲端的高權限。10 月 10 到 14 日，它對 8 家組織的 327 個帳號做密碼噴灑，累計逾 15.1 萬次登入失敗，另用從 ConnectWise Cloud Backup 竊得的應用程式憑證嘗試登入逾 2,250 個 Microsoft 365 租戶。

• Meta 啟動 950 億美元股權融資，Nvidia、AMD、博通有意認購 — Meta 規劃總額 950 億美元的股權融資支應 AI 基礎設施：首階段 350 億美元（225 億普通股遠期出售加 125 億強制轉換特別股），另計畫 2027 年第 1 季起用無投票權 Class C 股票隨市發行 600 億美元。Nvidia、AMD、博通表達合計最多 50 億美元的認購意向，尚無約束力。Meta 預估今年資本支出 1,350 億到 1,450 億美元，前三季營業現金流 969 億、資本支出 858 億。

• 微軟 MAI-DxO：NEJM 複雜病例診斷準確率 83% — MAI-DxO 協調多個 AI agent 模擬醫師小組多輪討論。在 304 個 NEJM 複雜病例上準確率 83%，醫師不查資料是 22%、可查資料是 36%；MIMIC-IV-ED 急診典型案例上是 80%。協調層換成 GPT-5、5.5 和 Gemini 2.5 Flash 結果都能重現，成本只有類似系統一半的配置也有 81%。

• Ollama 加入串流文字轉語音，整合 d3 決策模型 — Ollama 在 Apple 晶片 Mac 上加入 Gradium 的 Phonon 語音模型，文字或模型回答可以邊生成邊朗讀，提供 OpenAI 相容 API，單次最多 4,096 字元。英文模型 3,100 萬參數（Apache 2.0），4,000 萬參數多語版採不可商用的 CC BY-NC 4.0，目前不支援中文。另整合 vLLM Semantic Router 的 d3 決策模型，可依選項與標準對輸入分類並給機率。

• TypeSafe AI 發表 Jev：只回傳型別化機率、不生成文字的決策模型 — Jev 是 TypeSafe AI 的第一款「System One Model」，不生成文字，對一組帶型別的問題回傳 Choice、Score 等結構化答案和機率，呼叫端可以在信心高於門檻時直接執行、低於門檻時轉人工。輸入每百萬 token 0.042 美元、輸出免費、32K context、端到端延遲 70 到 500ms。Armin Ronacher 認為這種設計某種程度把幻覺問題交給使用者決定。

• Azure Container Apps Express GA，底層是新的 Sandboxes 隔離層 — Azure Container Apps Express 省掉環境預置，給容器映像和區域就自動配好運算、ingress 與擴縮，按秒計費、閒置縮到零。底層同時 GA 的 Sandboxes 從預熱資源池配置，亞秒啟動，每個工作負載在硬體隔離的 microVM 裡，可以突發擴到數千個並發沙箱，也支援暫停與恢復，微軟把它定位給 agent 平台和安全程式碼執行。

• Brotli 解碼器漏洞（Node2Shell）波及 Python、.NET 等生態系 — Brotli 解碼器的越界寫入漏洞（CVSS 4.0 評分 9.2），程式碼是 2018 年 2 月加入的。上游 2026 年 2 月就改了程式碼但沒當成安全問題，直到 10 月 21 日才發正式版。Node.js 已發 22.23.4、24.22.1、26.12.1 修補，Python 套件 brotli、brotlicffi 也在 10 月 22、23 日更新，iThome 提醒盤點 AI agent 命令列工具用的 Node.js 版本。

開源精選#

unclebob/ub-mode — Markdown | ⭐ 2,172 Uncle Bob 的 agent skill，要 agent 照 TDD、先做對再做好的紀律寫程式，搭配 CRAP 分數、重複偵測、mutation testing 等確定性品質關卡。

andyhuo520/digital-human-koubo — TypeScript | ⭐ 1,059 一張照片加一句話產出數位人口播影片：腳本、對嘴、聲音清理、字幕與包裝全交給 agent，用 Renoise MCP 生成、Remotion 剪輯。

DenisSergeevitch/ex-ussr-kinship-research — Python | ⭐ 1,049 給 Codex、Claude Code 用的族譜研究 skill，以證據優先查前蘇聯地區的教會、民政、軍事與流放紀錄，用你的語言回覆。

影音精選#

美國製造機器人：YC 徵求硬體與供應鏈新創#

2026-10-27 · Y Combinator

YC 說機器人基礎模型開始能在不同機器之間轉移技能，瓶頸正移到硬體，而美國多數機器人零件仰賴日本和歐洲。YC 想資助在美國重建供應鏈的創辦人。

• 美國 2025 年售出 38,000 台工業機器人，成長 12%；中國 2024 年產出全球 94% 的稀土磁鐵
• FCC 今年 7 月起不再授權非本地製造的新款連網行動機器人，零組件本地比例要超過 65%，2029 年升到 75%
• 想投的方向包括稀土磁鐵、馬達、諧波減速機、編碼器、力感測器、夾爪、晶片與電池組

21 位投資人拒絕過 Anthropic：Anjney Midha 談早期募資#

2026-10-27 · 20VC

Anjney Midha 回顧 Anthropic 早期募資：他把公司介紹給 22 位 Sand Hill Road 的朋友，拿到 21 個拒絕。

• 投資人質疑做法沒有證明，有人連 GPT-3 是什麼都不知道
• 原本想募 5 億美元，後來改成 1 億美元種子輪，當時 OpenAI 已經募到約 10 億
• Amazon 看過 Azure 和 OpenAI 的合作，比較能理解，後來談成最初 40 億美元的算力加股權合作

Starship 讓發射成本大降，新創該做什麼#

2026-10-27 · Y Combinator

YC 認為 Starship 讓發射成本降了幾個數量級，現在適合開始想只有在這種環境下才成立的商業模式。

• SpaceX 預期未來每年約 10,000 次 Starship 發射
• 一次性使用的 Starship 成本已接近可重複使用的 Falcon 9，每公斤成本更低
• YC 徵求現在不成立、發射成本再降 100 倍後可行的新創

Naveen Rao：20 年後軟體還會是大市場嗎#

2026-10-27 · 20VC

Unconventional AI 創辦人 Naveen Rao 認為 SaaS 好賺的時代正在結束，價值往智慧層移動。

• 他把 2010 年到現在稱為 SaaS 的糖衣期，雲端讓切入 1 億到 2 億美元的市場變得很容易
• 他認為純軟體投資人處境艱難，應用會越來越圍繞智慧層打造
• 他懷疑 20 年後軟體還會是大市場

Theo 評論「一年花 1.32 億美元 token」的爭議#

2026-10-26 · Theo (t3.gg)

有人批評 pstack 作者一年花約 1.32 億美元的 token，Theo 回應這則貼文，也談 token 的實際成本。逐字稿是全片取樣。

• 他認為批評者忽略了這些 token 改善了產品的效能和錯誤
• 去年最強模型的能力已被便宜模型追上，但解決實際問題的成本沒有等比例下降
• 他用舊模型接 OpenCode 做實驗，說明 benchmark 分數不等於實際成果

GPT-6.1 Terra 對 Claude Opus 5.5：同一個提示實測#

2026-10-26 · Matt Wolfe (MattVidPro)

同一個提示（附五張參考照片，做一台可動的 RX-7 模型和轉子引擎動畫）比較 GPT-6.1 Terra、Sol 和 Claude Opus 5.5。逐字稿是全片取樣。

• Terra 是 OpenAI 新的中間款，介於 Luna 和 Sol 之間，價格是 Sol 的一半
• 車身曲線、尾燈、雙排氣管等細節，他認為 Claude 的輸出明顯比較好，網站也比較好
• 他認為 Terra 半價對一部分人有意義，已經付高階方案的人不一定需要

Theo 的三個 skill：他 2026 年的出貨流程#

2026-10-25 · Theo (t3.gg)

Theo 說明三份自己寫的 markdown skill 怎麼變成每天出貨流程的基礎。逐字稿是全片取樣。

• 他建議 skill 自己寫，也承認有一份交給 agent 改之後變得太臃腫，打算清理
• skill 內容跟著實際踩到的錯誤修補，例如 OpenAI 模型沒用到 T3 Code 內建的 PR 監看功能
• 流程包含 proof 區段（自己觀察到的證據），以及「持續修正、驗證、審查，但絕不自己合併」

今日觀察#

Open3DLab 的 log 顯示，一支自稱 Roblox 的爬蟲讀了 robots.txt，然後照樣在 34 小時內讀完 18,926 個專案頁、下載 145.5 GB，站方寫信去問到現在沒有回音。Stanford 的 Tobias Wolff 有 10 本書被拿去訓練 Claude，他得先退出 15 億美元的和解、再自己提告，才有機會爭取每本最高 15 萬美元。另一個方向就熱鬧得多：OpenAI 的 ETH 證明一公開，MIT 的 Ryan Williams 組了工作小組，還要求 OpenAI 出錢辦研討會，物理學家也組小組決定成果怎麼發表。Wikipedia 夾在中間，靠志工和 Pangram 一條一條抓 AI 寫的條目，比例從 20% 降到 15%，他們也承認分不清是禁令有效還是偵測器落後。我的判斷是，資料進模型這一端現在只有 robots.txt 和訴訟兩道關，robots.txt 擋不住不想守規矩的爬蟲，做內容平台的人短期內只能靠自己的 log 和封鎖規則。

---

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