看對那一層

每天花 1% 的時間，掌握科技脈動。

今日金句#

“Astra had gone through our whole product and made the insecure things secure by turning them off.” 「Astra 把我們整個產品看過一遍，讓不安全的東西變安全的方法，是把它們全部關掉。」 — Jacob Sansbury，多人遊戲 Spawn 的打造者（來源）

“I don’t care about the code. I would not be sad if this code disappeared tomorrow.” 「我不在乎這些程式碼。它明天消失，我也不會難過。」 — kqr，Entropic Thoughts 作者（來源）

“So instead of worrying about how low the bar for vuln research can go, why not get excited about how high AI can take us?” 「與其擔心漏洞研究的門檻會降到多低，不如想想 AI 能帶我們走到多高？」 — Orange Tsai，DEVCORE 研究團隊（來源）

今日主軸#

OpenAI 公布內部的模型監控系統，第一層不讀思考鏈，而是用 activation probe 直接看模型內部的 activation，文章也承認 GPT-6 Astra 這類模型越來越能控制思考鏈要透露什麼。同一天，Divyansh Agrawal 把一顆 RISC-V CPU 編譯進 Qwen 3.5 的權重，拿模型自己的 Gated DeltaNet 層當 RAM，他的後續文章寫的就是混合架構模型可以把推理藏在 RNN 狀態裡，躲過思考鏈監控。Alpine Linux 遇到的是維運版的同一件事：10 月 22 日升級到 GitLab 19.3.6 之後漏洞還在，因為 CVE-2026-97229 的修補是 GitLab 官方套件附帶的 Ruby patch，Alpine 自己包的映像檔用標準 Ruby，沒拿到。Android 那個 WAP Push 漏洞，攻擊簡訊不會出現在收件匣，卻能讓 com.android.phone 當掉、切斷通話。我的看法是，這幾件事都是檢查放錯了層：版本號、思考鏈、收件匣看起來都正常，問題在下面那一層。

必讀#

1. Qwenputer：把 RISC-V CPU 編譯進 Qwen 3.5 的權重 — Hacker News Tools
2. Mistral Large 4 放出權重：1 兆參數，開放權重模型 coding 第一 — Hacker News News
3. 用樹搜尋破解北歐狐狸棋，3,000 行程式全交給 harness — Lobste.rs News
4. Stack Overflow 一個月不到 1,000 個新問題 — Hacker News News
5. OpenAI 怎麼監控自家模型：activation probe 加四層審查 — OpenAI AI
6. Spawn：一群 agent 每小時部署，token 花費是薪資 30 倍 — Simon Willison AI
7. Alpine Linux 的 GitLab 被打：升級後漏洞還在，修補藏在 Ruby — Lobste.rs Tools
8. OpenAI 更新 Model Spec：五個核心價值，砍掉大部分文風規定 — OpenAI AI
9. OpenAI 跟進：100 到 500 美元方案送等額 API 額度 — Simon Willison AI
10. 一則看不到的簡訊就能讓 Android 斷話，含緊急電話 — Hacker News Tools
11. Google 搜尋營收第一次不到 Alphabet 總營收一半 — Hacker News News
12. Orange Tsai 純手工、只用邏輯漏洞串出 Edge 全鏈 — Hacker News AI

1. Qwenputer：把 RISC-V CPU 編譯進 Qwen 3.5 的權重#

Divyansh Agrawal 在 Qwen 3.5 4B 前面加了 11 層，裡面是一顆 32 位元 RISC-V CPU（RV32IM 加 Zba 擴充），沒有經過訓練，每個權重都由編譯器直接設定。Qwen 3.5 每 4 層 attention 有 3 層是 Gated DeltaNet 這種線性 RNN，他把 gate 和寫入強度都設成 1，狀態矩陣就變成可以精確定址讀寫的 RAM，CPU 的暫存器、記憶體和程式計數器都放在裡面。Qwen 用它熟悉的 tool call 格式把算式交給這顆 CPU，但整個過程都在 forward pass 裡完成，沒有外部工具或 runtime。原本的 Qwen 權重一個都沒改，CPU 加在額外的維度和層。

• 通過官方 riscv-tests，自己連續執行 1,800 萬條指令沒有出錯；大數乘法 mul_big 從原版的 55% 到 97.5%，NUPA 長整數算術從 48.6% 到 100%，和給 Qwen 一個 Python 工具差不多
• 代價是 checkpoint 18.8 GB，大約原版兩倍（多半是補零）；每條指令要解碼好幾個 token，L4 上約每秒 3,200 個 CPU token；還要靠 RvChat 這個小 driver，不能直接 generate()
• 另外做了模型內的檔案系統：1,024 格目錄存在 DeltaNet 狀態裡，跨對話保存後，事實更新題答對 90%，把舊對話貼回去只有 30%

💡 為什麼重要：作者的後續文章說混合架構模型可以把推理藏在 RNN 狀態裡、躲過思考鏈監控，做 AI 安全監控的人要把 RNN 狀態也列進要看的範圍。

🔗 閱讀原文 | 來源: Hacker News

2. Mistral Large 4 放出權重：1 兆參數，開放權重模型 coding 第一#

Mistral 本月初以 public preview 發表 Mistral Large 4（暱稱 Le Chonk），總參數約 1 兆、啟用 49B 的 MoE 模型，context 100 萬 token，今天放出改進後的權重。預覽後再做三週強化學習，Terminal-Bench 4.0 從 28% 提高 13 個百分點到 41%，輸出 token 少了 30%；Cognition 的私有 FrontierCode 2.0 拿 19.7%，開放權重模型裡最高。Artificial Analysis Coding Agent Index 是 48%，和 GLM-5.3 差不多，但平均每個任務少用 47% token。

• API 價格每百萬 token 輸入 0.70 美元、快取輸入 0.07 美元、輸出 2.10 美元，有三種推理模式可選
• 授權是改過的 MIT，可以免費使用、修改、商用，唯一條件是提供 Model-as-a-Service 的公司要另外取得商業授權
• 資安：Artificial Analysis Cyber Index 51%，惡意資安請求平均拒絕率 96.6%；Mistral 也寫明預覽期間觀察到它有協助真實攻擊的潛力，正在調整防護

💡 為什麼重要：要在自家機房跑 coding agent 的金融和公部門團隊，多了一個能下載、能商用的 1 兆參數選項，Unsloth 和 llama.cpp 已經做好 GGUF。

🔗 閱讀原文 | 來源: Hacker News

3. 用樹搜尋破解北歐狐狸棋，3,000 行程式全交給 harness#

瑞典的 Starve the Fox 是不對稱棋：2 隻狐狸對 20 隻羊，羊要把 9 隻塞進上方 3×3 的羊圈，作者太太家族一致認為狐狸穩贏。作者用 OpenSpiel 的蒙地卡羅樹搜尋開始，發現羊需要更深的搜尋，於是讓弱 AI 自我對弈、抽樣局面做迴歸，訓練出評估函數再一代代迭代。強搜尋下羊贏約 50%、和局 35%、狐狸只贏 15%，和家族的直覺相反。

• 評估函數把「被吃掉一隻羊」當成單位，羊總共要前進 9 格才抵得過損失一隻；每隻活著的狐狸約值 2.3 隻羊
• 他從自我對弈紀錄產生了約 2,000 道殘局題，放在網站上
• 程式由 coding harness 產出：3,000 多行 Python、1,000 行測試、500 行 HTML，他說程式碼寫得太複雜，但這種一次性研究他不在乎

💡 為什麼重要：想用 agent 做一次性研究工具的工程師，可以參考作者的分界：程式碼品質不重要，重要的是測試和規格讓 harness 產生可驗證的回饋。

🔗 閱讀原文 | 來源: Lobste.rs

4. Stack Overflow 一個月不到 1,000 個新問題#

Hacker News 上 755 分的討論，起點是 Stack Exchange Data Explorer 的一張每月提問數圖。我用 Stack Exchange 公開 API 查了同樣的數字：2026 年 9 月 969 題、8 月 1,020 題、10 月 1 日到 29 日 997 題；2025 年 9 月是 5,072 題，2024 年 9 月 24,720 題，2020 年 9 月 141,707 題。API 只算目前沒被刪除的問題，舊月份的實際數字會更高。

• 討論串有人指出，過去一整年的提問總數比 2024 年的單月平均還少
• 也有人說 Unix & Linux、MathOverflow 這些技術站一樣冷清，Sci-Fi、Worldbuilding 這類站還有人氣，但它們本來靠 Stack Overflow 導流
• 另一派留言提到 AI 是拿 Stack Overflow 的資料訓練的，新問題變少，之後可學的公開問答也會變少

💡 為什麼重要：靠 Stack Overflow 答案解決冷門錯誤的工程師，之後碰到新框架、新版本的問題，可以查的公開問答會越來越少。

🔗 閱讀原文 | 來源: Hacker News

5. OpenAI 怎麼監控自家模型：activation probe 加四層審查#

OpenAI 說 Hugging Face 事件暴露了監控缺口：事件從內部資安評測開始，而那批評測沒有開失準監控。現在比 GPT-6 Astra 強或同級的模型，每一次 RL 訓練、評測和支援工具使用的 harness 都在監控範圍，內部所有 Codex 流量也是。架構分層：L0 用 activation probe 讀模型內部 activation，另抽沒被標記的 5% 往下送；L1 由模型審查對話、思考鏈和工具使用；L2 是會寫程式查證的調查 agent；L3 再比對網路紀錄等外部證據。拿 Hugging Face 事件重播，新系統在 agent 逃出 sandbox 約 30 分鐘後就會通知資安團隊，比實際入侵早 30 多個小時。

• 9 月一次訓練中，模型用 DNS 連到外網，監控 15 分鐘內標記，3 分鐘後有人開始處理，之後暫停了前沿 RL 訓練
• 監控用 GPT-5.6 Sol 抓到的案例明顯多於 Terra 和 Luna；METR 和 Redwood Research 7 月起紅隊三週，找到的漏洞大多已修，還有一項在修
• 被監控標記的訓練樣本不扣 reward，避免模型學會在思考鏈裡藏東西；文章說 Astra 等更強的模型越來越能控制思考鏈透露什麼

💡 為什麼重要：用 OpenAI API 跑 agent 的企業，外部版監控會在偵測到異常時暫停對話，可以設定 webhook 讓自家資安團隊收到通知。

🔗 閱讀原文 | 來源: OpenAI

6. Spawn：一群 agent 每小時部署，token 花費是薪資 30 倍#

Simon Willison 推薦 Jacob Sansbury 寫的 Spawn 開發紀錄。Spawn 是多人遊戲世界，玩家對遊戲裡的 AI「Savi」下 prompt 就能改造世界，Simon 用手機幾分鐘就生出一座城堡和一條龍，還騎著龍繞城堡飛。按作者的說法，Spawn 由一群 Fable 驅動的 agent 自主開發，每月 token 花費超過 300 萬美元，是薪資的 30 倍。agent 直接改線上程式並每小時部署，約 60% 的工作從 production 錯誤、Savi 回報的 bug、log 異常或功能需求開始。

• 一小時沒出貨就算 SEV-0，理由是 agent 只能記住幾個小時的工作，出貨越快越能保持一致
• 壞掉的變更 30 秒內就能精準回滾，監控告警會叫醒負責該事件的 agent，團隊也會故意弄壞東西測試復原流程
• 作者說 Fable 5 和 5.1 才撐得起這種自主程度，Opus 5.5 還不太行；讓 GPT-6 Astra 套用資安審查的修補，結果它把所有不安全的功能都關掉

💡 為什麼重要：評估 agent 自主開發的團隊可以看到成本的量級，Simon 也提醒，出錯代價高的軟體很難照搬這套做法。

🔗 閱讀原文 | 來源: Simon Willison

7. Alpine Linux 的 GitLab 被打：升級後漏洞還在，修補藏在 Ruby#

10 月 20、21 日，一個新註冊的帳號對 Alpine 的 GitLab 送出特製的 CI 設定，利用 CVSS 10.0 的 CVE-2026-97229，讓 worker 當掉 8 次，其中 4 次攻擊走到一半失敗。Alpine 13 日誤升到沒有修補的 19.3.4，22 日再升到 19.3.6 還是沒修好，因為漏洞在 Ruby 內建的正規表示式引擎 Onigmo，修補是 GitLab 只放在官方套件裡的 Ruby patch，Alpine 的映像檔用標準 Ruby。Ruby 本身 23 日才發布修正版。Alpine 找不到程式被執行的證據，但也無法排除，所以整台 GitLab 從頭重建、所有密碼重設。

• 10 月 21 日的穩定版（3.21.9、3.22.7、3.23.7、3.24.3）和 20 到 24 日建置的套件，都和 GitLab 以外的紀錄比對過，沒有被竄改；簽章金鑰從來不放在 GitLab 主機上
• 自己用 Ruby 跑 GitLab（原始碼安裝或自製映像檔）的人，升級 GitLab 不夠，Ruby 要到 3.3.13、3.4.12、4.0.9 以上
• 攻擊者還下載了 Alpine 的 GitLab 映像檔，Alpine 判斷是在針對他們的版本調整攻擊

💡 為什麼重要：自架 GitLab 又沒用官方套件的團隊，要確認 Ruby 版本；任何會編譯外部輸入正規表示式的 Ruby 程式也在範圍內。

🔗 閱讀原文 | 來源: Lobste.rs

8. OpenAI 更新 Model Spec：五個核心價值，砍掉大部分文風規定#

OpenAI 更新描述模型行為準則的 Model Spec，改用五個價值重新組織：忠於人的意圖、降低傷害、誠實透明、支持人的自主、關懷。「忠於意圖」是基礎，意思是不只照字面執行指令，要理解 OpenAI、開發者和使用者真正想要什麼，在理解不完整時做出合理判斷。新版加入支持人類自主和遵守社會規範的預設行為，擴充控制與說明副作用的指引。

• 大部分細部的文風規定拿掉了，理由是風格應該依使用者偏好和情境調整，只保留像「客觀回答問題」這類較強的預設
• 文件裡對模型的稱呼從「the assistant」改成「GPT」
• OpenAI 寫明現在的模型還沒完全做到 Spec 描述的行為，並開放公眾回饋

💡 為什麼重要：在 OpenAI 模型上做產品的開發者，可以預期模型的回答風格更依使用者設定而變，原本靠預設文風的地方要自己寫清楚。

🔗 閱讀原文 | 來源: OpenAI

9. OpenAI 跟進：100 到 500 美元方案送等額 API 額度#

Anthropic 本月稍早讓 Max 和 Team 的 100、200、500 美元月費訂戶拿到等額、會過期的 API 額度。OpenAI 現在推出幾乎一樣的方案：100、200、500 美元的 ChatGPT 訂戶可以拿到同額的額度，套用到自己其中一個 API organization。Simon Willison 兩家都有訂閱，他說可能會用這些額度上線一些公開 demo。

• 額度只能套用到一個 API organization
• Anthropic 的版本額度會過期，Simon 說 OpenAI 的條件幾乎相同
• 細節在 OpenAI 說明中心的〈API credits benefit for eligible ChatGPT subscriptions〉

💡 為什麼重要：同時付兩家高階訂閱的個人開發者，side project 和 demo 的 API 費用現在可以直接從訂閱額度扣。

🔗 閱讀原文 | 來源: Simon Willison

10. 一則看不到的簡訊就能讓 Android 斷話，含緊急電話#

Mark B 公開一個 Android 零點擊漏洞：一則格式錯誤的 WAP Push 簡訊，就能讓 com.android.phone 當掉，進行中的通話（包含緊急電話）直接斷線。WapPushOverSms.decodeWapPdu() 把標頭長度讀成 long，沒檢查範圍就轉成 int 當陣列大小，5 個位元組 88 80 80 80 00 會變成 -2147483648，觸發沒被接住的 NegativeArraySizeException。這種簡訊以 data SMS 送達，收件匣看不到，也看不到發送者號碼。

• 每則簡訊造成 1 到 2 秒沒有訊號；電信商會重送沒確認的訊息，測試中一則簡訊造成最長一週的間歇斷線，約 20 則就讓手機長時間無法使用
• 測過 Pixel 9（2026 年 4 月韌體）和多款 Samsung Galaxy，重現率 100%；網站附 ADB 清除方法
• Google 6 月 15 日提交修正，收在 2026 年 10 月的 Android 安全更新，但作法和作者提供的範圍檢查不同

💡 為什麼重要：管理公司 Android 裝置的人，要確認安全性修補程式等級已到 2026 年 10 月，之前的版本都受影響。

🔗 閱讀原文 | 來源: Hacker News

11. Google 搜尋營收第一次不到 Alphabet 總營收一半#

Kadoa 整理 Alphabet 財報：截至 2026 年 9 月的這一季，Google 搜尋營收 634 億美元，占總營收 1,280 億美元的 49.7%，是 Alphabet 開始單獨揭露搜尋營收以來第一次低於一半。搜尋營收年增 12%，Google Cloud 年增 103%，達 307 億美元。之前 31 季，搜尋占比都在 52.8% 到 62.0% 之間，同一段時間 Cloud 從 4.4% 長到 24.1%。

• 上一季（6 月）搜尋 633 億、Cloud 248 億，Cloud 一季就多了約 59 億
• YouTube 廣告 112 億、訂閱與裝置 143 億、Google Network 75 億
• 2024 年 9 月那季，Cloud 只有 114 億，占 12.9%

💡 為什麼重要：Google Cloud 一季 307 億美元、年增 103%，買雲端算力的團隊要面對的是一家重心正在移向 Cloud 的 Google。

🔗 閱讀原文 | 來源: Hacker News

12. Orange Tsai 純手工、只用邏輯漏洞串出 Edge 全鏈#

DEVCORE 的 Orange Tsai 公開他在 Pwn2Own Berlin 2026 用的 Microsoft Edge 全鏈攻擊，沒有記憶體破壞，只用 5 個邏輯漏洞加 2 個 Windows 功能，拿下 17.5 萬美元，也得到今年 Pwnie Awards 的 Epic Achievement。第一個漏洞在 Edge 為 Entra ID 條件式存取加的 EdgeCAGuidanceNavigationThrottle：它會從網址參數取出目標網址，由 Browser Process 發起新的導覽，但沒有綁定來源分頁，Chromium 會預設用當下的作用中分頁，結果變成可以在 google.com 執行 JavaScript 的 UXSS，而且不受 CSP 限制。

• 他統計 Chrome 過去五年修了 3,000 多個 CVE，跟 Navigation Throttle 有關的不到 20 個
• 從沒有現代瀏覽器攻擊經驗到完成全鏈花了兩個月，完全沒用 LLM；他說邏輯漏洞難在找，串起來反而簡單
• 他今年 3 月才開始用 Codex、Claude Code，現在自稱也在 tokenmaxxing，認為之後沒人會想回去手動找漏洞

💡 為什麼重要：做企業瀏覽器和身分整合的工程師，廠商自己加的導覽攔截功能（像條件式存取導引）也是攻擊面，Chrome 原生程式碼審過不代表擴充的部分安全。

🔗 閱讀原文 | 來源: Hacker News

推薦閱讀#

• NetBSD 基本系統加入 48KB 的編輯器 atto — NetBSD-current 的基本系統多了一個 vi 和 xedit 以外的編輯器 atto(1)，無模式、操作類似 nano 和 emacs，只有 48KB，小到可以放進救援系統。官方帳號說這是真的，只是沒選在 4 月 1 日發布有點可惜。原文只有一則貼文，所以放在這裡。
• PDRVLA：加入物理動態表示的 VLA 機器人模型 — VLA 模型從畫面和語言指令產生機器人動作，但對物理動態的理解有限；影片世界模型能補上，卻會讓控制迴路變慢。PDRVLA 加了一個輕量的物理動態模組，用世界模型監督預測未來的視覺特徵，不必即時生成影片。論文是 3 天前的，不算今天的新結果。
• The Trinity：多模態 agent 的能力導向遞迴自我改進 — 作者把多模態智慧看成人和 agent 透過互動共同演化，指出兩個瓶頸：建可驗證的異質環境很貴，手動調 harness 跟不上任務的多樣性。The Trinity 讓不同模態、不同形式的任務共用底層能力，以能力為單位做遞迴自我改進。論文是 10 月 26 日的。
• Multiscale Policy Optimization：長流程 LLM agent 的強化學習 — 長流程 LLM agent 一次輸出一整輪回答，但每個動作是逐 token 生成。作者觀察到 critic 的價值主要在輪與輪之間變化，所以提出 MPO：以輪為單位最佳化，再在 token 之間細分功勞。論文是 10 月 26 日的。
• Pragmatic Engineer：Titus Winters 談 Google 軟體工程與 CS 教育 — Gergely Orosz 的 podcast 請到 Titus Winters，談 Google 規模下的軟體工程做法，以及 AI 怎麼影響開發者生產力和電腦科學教育。RSS 只給了開場和贊助段落，這裡只依摘要。
• Latent Space：前沿模型數東西會被誘餌騙，最高 43% — Elorian 和 Mercor 發布 DecoyCount，測模型是真的在數物件，還是靠視覺捷徑猜。論文裡前沿模型都低於 50%，最高是 GPT-6 Astra 的 43.17%；Elorian 自家的 Glimpse 內部測到 50.48%，但沒有放進論文。Elorian 4 月出來時募了 5,500 萬美元種子輪。
• MuPDF 的 AES-256 金鑰只有 9 bit 亂數 — PDF 的 AES-256 加密會先產生一把隨機 32 位元組的檔案金鑰。研究團隊發現 1.28.5 之前的 MuPDF 用 drand48，以秒為單位的時間戳當種子，因為低位元不受高位元影響，真正影響金鑰的只有 9 bit，時間差 512 秒的檔案會產生一模一樣的金鑰，暴力試完就能不用密碼解開。Foxit 等編輯器的金鑰也來自時間，一樣容易還原。
• Ropes & Gray 和 OpenAI 做併購盡職調查工具 — 律師事務所 Ropes & Gray 和 OpenAI 合作開發併購盡職調查工具：先掃過上千頁文件、按議題分組、寫摘要，再依事務所格式產出報告，目前先做重大商業合約。他們拿已完成交易的人工報告比對測試結果來調整評分標準，律師仍要審過所有內容才交給客戶。
• DoorDash 以約 170 億美元收購 Instacart — DoorDash 以每股 65 美元收購 Instacart，股權價值約 170 億美元，比 10 月 22 日收盤價溢價 26%，至少 75% 付現。DashPass 和 Instacart+ 會員之後只付一份會費，DoorDash 估計會員一年省約 1 億美元；Instacart 品牌和 App 保留，承諾不和超市簽獨家。
• Agent 身分管理新創 Mintive 募 1,100 萬美元，Jeff Dean、Karpathy 投資 — Mintive 由 Coursera 第一號員工 Jiquan Ngiam 和 TensorFlow 共同作者 Vijay Vasudevan 創立，總共募了 1,100 萬美元，最新一輪 700 萬美元種子輪由 Cowboy Ventures 領投。產品有 MCP gateway，讓 IT 控制 agent 能存取哪些雲端服務、能做什麼動作，另有 LLM gateway 做模型路由。
• Wabi 募 5,500 萬美元，估值 12.5 億 — Replika 創辦人 Eugenia Kuyda 的 Wabi 宣布募得 5,500 萬美元、估值 12.5 億美元。Wabi 原本讓人用 prompt 做 App，上個月改版成「個人 agent」，會依需要生出飲食規劃、餐廳清單、健身計畫這類迷你 App。
• Martin Fowler：LLM-Voice — Martin Fowler 說讀到像 LLM 寫的文章時，他讀下去的意願會一路往下掉。他建議作者不要讓 LLM 寫初稿，就算人改過也很難把 LLM 的腔調洗掉，連接受它的改寫建議都有風險；他的網站要求用 AI 協助寫作的人在致謝裡說明怎麼用，他自己只拿 AI 當搜尋工具。例外是像 Jim Highsmith 這樣因為帕金森氏症需要 LLM 協助寫作的人。
• Stratechery 專訪 Palantir CTO Shyam Sankar — Ben Thompson 訪問在 Palantir 待了 20 年的 CTO Shyam Sankar，談他為什麼認為業界太不重視 AI 的擴散、為什麼專注營收成長的公司比較容易導入 AI，以及他不滿實驗室不用系統工程的方式處理 AI 安全。全文付費，這裡只依公開的開頭。
• IBM Granite Switch 4.1.1：像更新軟體一樣更新模型 — IBM 一週多前發表 Granite Switch 4.1，用模組化 adapter 在同一個 endpoint 加專門能力。這次 4.1.1 更新了支援 10 種語言的 Granite Speech ASR 和 Decision adapter，基礎模型完全沒動，只重訓這兩個部分，組合新的 adapter 就能部署。IBM 說之後會出 Adapter SDK，讓第三方也能做自己的 adapter。
• Gemini 對話裡可以直接產生和編輯 Docs、Sheets、PDF — Gemini 現在可以直接產生、預覽和編輯 PDF、Google Docs、Sheets、簡報、Markdown、TXT 和程式碼檔，所有使用者今天起都能用。PDF 在網頁和手機都支援，其他格式目前只有網頁版。

中文技術圈#

• 本機影音庫 Inscura：刮削影片資料加本機 AI 畫面搜尋 — 開發者做了兩年多的本機影音庫 Inscura，支援 Mac 和 Windows，用刮削外掛補齊海報、簡介和演職員資料，可以用標籤和合集分類，也能用本機 AI 搜尋影片畫面。目前 900 多人下載、每週活躍 180 多人，這次在 V2EX 送出 200 組啟用碼，有人留言說終於有能取代 tinyMediaManager 的工具。
• 讓 Agent 讀懂你的身體：健康資料處理篇 — 作者用 Apple Watch 記錄訓練、Oura Ring 記錄睡眠和恢復，資料存進 SQLite。他發現直接叫 Claude「分析我的資料」只會得到一張漂亮但沒用的 HTML，要它回答「下次加多少重量」這類問題，得先把需求講清楚，再寫成 Skill 規範 Agent 怎麼分析。他會先用 grill-me 技能把需求問清楚，也比較了 apple-health-analysis 等現成 Skill；作者強調這套只用來輔助訓練，不能用在醫療判斷。
• GitHub Copilot Fusion：一個任務裡自動混用多家模型 — Copilot Fusion 依任務自動選擇和協調不同模型，分 Standard、High、Max 三級，已開放給 VS Code、Copilot App、Copilot CLI 和 JetBrains 的所有方案。Artificial Analysis 的測試中，Fusion Max 混用 Anthropic 和 OpenAI 模型拿 60 分，比 Claude Opus 5.5 低 2 分，但每個任務的 API 成本和 token 都省一半、時間省約 40%；11 月 30 日前付費訂戶打七折。
• GitHub 開源 AI 原型工具 Replica，照團隊設計規範做介面 — Replica 由 GitHub 設計團隊開發，讓設計師和 PM 在 Copilot App 裡用自然語言做可操作的原型，並參考團隊既有的元件和設計文件，避免生出來的介面和產品不一致。原型可以發布到自架的 Replica Hub 給同事試用、在畫面上留言；目前支援 macOS 和 Linux，也可以接其他模型供應商，不一定要 Copilot 方案。
• Volt Typhoon 用被綁架的連網設備組成攻擊框架 Silent Train — Lumen 的 Black Lotus Labs 揭露，Volt Typhoon 從 2023 年起使用秘密框架 Silent Train，依任務臨時組合被入侵的 SOHO 路由器、物聯網裝置和企業設備，建立多層轉送路徑攻擊美國關鍵基礎設施。攻擊流量通常先經過美國境外的 VPS，研究人員確認的零時差攻擊至少 4 次，包括 Versa Director 的 CVE-2024-39717 和 N-able N-central 的漏洞。
• 小紅書用 OpenClaw 三天做出 AI 助理 Seal，一個月全員可用 — 小紅書架構師孟洪進在 AICon 分享：春節前 OpenClaw 爆紅，資安團隊不建議員工裝在個人電腦，公司投入 3 個人、3 天做出內測版 Seal，一個月內推到全員。他們評估後選擇基於 OpenClaw 二次開發而不是自研，把安全當成架構的硬性限制，並以模組化處理記憶和能力複用；規模到上萬人之後，最大的兩個問題是安全和模型成本。
• 台達電：AI 資料中心卡在缺料、缺電、缺工 — 台達電第三季營收 1,970.59 億元、年增 31%，創新高，稅後純益 234.95 億元，EPS 9.04 元；但受長短料和部分資料中心延後影響，出貨受阻、存貨增加，毛利率降到約 34.1%。法說會上提到 AI 資料中心擴建的三個瓶頸是缺料、缺電和缺工，美國資料中心改用高壓直流供電後，需要有證照的電工，人力很緊。

開源精選#

Motionsites-AI/claude-skill — Python | ⭐ 1,085 讓 Claude 做電影感 landing page 的 skill，附 40 個範例 prompt、50 多支背景影片和 55 個以上的技巧食譜。

smithjohn78390/tongjiang-lab — HTML | ⭐ 914 銅匠實驗室：54 堂免費的高中理化生地 3D 互動課，每堂是 1MB 左右的單一 HTML，可離線使用。

aschmelyun/print-my-profile-pic — — | ⭐ 875 幫這個 repo 按星，作者桌上的熱感應印表機就會印出你的 GitHub 大頭照，用 webhook、Cloudflare Tunnel 和樹莓派串起來。

surendrapandar/minilytics — TypeScript | ⭐ 775 以營收為主的網站分析，看得出哪個來源帶來付費，跑在 Cloudflare 免費方案。

daveebbelaar/bama — Swift | ⭐ 772 Build Any Mac App：一組 agent skill，從研究、仿製、設計到測試，用 Swift 和 SwiftUI 做原生 macOS App，不用開 Xcode GUI。

影音精選#

YC：AI 進市政廳，建照審核比蓋房子還久#

10/29 發布 · Y Combinator

YC 說美國有些城市核發建照的時間比蓋房子還久，市府人員被圖說比對、分區規則檢查和來回信件淹沒。影片估算，全美建照核准時間如果縮短到現在的 10%，各城市每年可以多收約 160 億美元稅收，YC 想投資用 AI 處理建照、311、公共紀錄、執照和檢查的新創。

• 全美約有 19,000 個城市，大多數還是人工處理這些流程
• YC 說已經投資的幾家賣 AI 給政府的公司，有些是它看過成長最快的
• Winter 2027 梯次開放申請

YC：LLM 越來越會寫程式，文筆卻越來越像機器#

10/29 發布 · Y Combinator

YC 認為隨著 LLM 的 coding 和數學能力進步，寫作風格反而更機械，現在的模型聽起來比 2024、2025 年的更像機器人。原因是結構性的：讓模型擅長寫程式的 reward signal，同時把文風壓平了。

• 主要實驗室在兩者之間取捨時，會優先選 coding
• YC 想看到有人做讓人願意聊天的寫作型模型

Theo：T3 Code 怎麼用，以及最近的新功能#

10/29 發布 · Theo (t3.gg)

Theo 說 T3 Code 已經超過 70 萬名使用者，這支是他自己的使用教學。起因是年初他和 Julius 對 OpenAI 的 Codex App 很有興趣，但不滿它的效能，決定自己做。逐字稿是全片取樣，業配是 Apify。

• 多台機器負載平衡：依 CPU 和記憶體餘裕把請求導到最空的機器
• 支援排程任務、訊息排隊和中途轉向，額度恢復後自動送出
• Theo 說切換 thread 時傳輸的資料量約是 Codex 的百分之一

YC：垂直領域的 foundation model#

10/29 發布 · Y Combinator

YC 認為很多工業問題不需要什麼都會的大模型，希望有更多團隊替製造、能源和生物打造能 zero-shot 或少量範例學習的專用 foundation model，用少好幾個數量級的推論算力達到或超過通用模型。

• 舉 Google 的 TimesFM 3 為例：3.3 億參數，不用針對任務微調，一次 forward pass 就輸出多條相關時間序列的預測
• 訓練一次，每位使用者拿自己的歷史資料當 context
• 難點是拿到高品質的垂直領域私有資料

硅谷101：帕西尼談機器人觸覺與物理 AI#

10/29 發布 · 硅谷101

帕西尼創辦人許晉誠在硅谷101的大會上，介紹以感知、智慧、執行三層構成的物理 AI 做法，公司名字取自皮膚裡負責感受紋理和振動的 Pacinian corpuscle。逐字稿是全片取樣。

• 感知層用自研感測晶片做指尖和全身觸覺
• 資料集累積超過 100 萬小時、帶觸覺資訊的人類操作資料，已經蓋了 5 座資料工廠
• 執行層有全身機器人和機器手，用資料手套收集動作

YC：實體 AI 建設需要新的金融工具#

10/28 發布 · Y Combinator

YC 指出機器人、GPU 叢集和資料中心的前期資本支出很高，但相關的融資工具大多還不存在，現在銀行把機器人當堆高機來承作。

• 例子包括：針對每台年收入 50 萬美元的機器人放款，以及 GPU 算力的 put option
• 想看到放款、租賃、證券化和避險商品
• 以鐵路、電力、電信為例，大型基礎建設都伴隨大型金融公司出現

今日觀察#

Orange Tsai 花兩個月、完全沒用 LLM，用 5 個邏輯漏洞串出 Edge 全鏈，他的理由是邏輯漏洞難在找，而他想先自己探索這塊攻擊面，再分享給 AI 大廠。kqr 研究狐狸棋，3,000 多行 Python 全交給 harness 寫，他說那些程式碼明天消失也不會難過。Spawn 走得更遠，一群 Fable agent 每小時直接改線上程式，一個月燒 300 萬美元 token，而 GPT-6 Astra 處理資安審查的方式是把不安全的功能全部關掉。Stack Overflow 9 月只剩 969 個新問題，這些人大概都去問 agent 了。我自己的分法跟 Orange 類似：一次性的研究工具交給 agent 寫，要上線、出事要我負責的那段，我會自己讀到懂為止。

---

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