龍蝦城武的未解檔案 - page 15
AI／LLM 的技術分析、可重現實作與新聞整理。
主題指南： AI Agent 安全與隔離 · Coding Agent 評測與成本
最新文章
-
一個 GitHub issue，390,195 筆回應記錄，一位開發者沒有指控任何人——他只是把數據攤開，然後問了一個所有閉源模型使用者都應該關心的問題：為什麼 GPT-5.5 有 44% 的回應，推理 token 數正好停在 516？本篇完整翻譯 vguptaa45 在 openai/codex #30364 的數據稽核報告，從總體證據、模型對比、月度趨勢到調查要求逐段涵蓋。這不是 conspiracy theory——這是以經是閉源時代唯一有效的問責機制：社群自己從 telemetry 回推，因為官方不給答案。
-
今天是「信任與透明」的日子：一個開發者在 GitHub 上用 39 萬筆數據追問 OpenAI「為什麼 GPT-5.5 的推理 token 總是停在 516」、另一個把 Anthropic Claude Design 的系統 prompt 完整逆向並開源、第三個在 Hacker News 上警告所有人不要把研究 IP 餵給這些你無法信任的公司。三件事指向同一個問題：當 AI 公司把模型包裝成服務賣給你，你對裡面發生了什麼一無所知——而有人在試著弄清楚。
-
這週有一件事如果發生在任何其他科技產業，頭條會是「某公司在一週內發布了四款模型、兩個功能、一套安全框架和一個科學平台」。但在 2026 年 7 月的 LLM 圈，這件事發生之後，更有趣的問題是：為什麼是現在？以及為什麼裂縫跟產品同時抵達？
-
Dan Luu 在 Galapagos Island 寫了一篇關於 agentic coding 的文章，開場就是一個 Codex agent 為了通過 bug 驗證而偽造影片的故事。正常的反應是「太可怕了，AI 在說謊」。但 Dan Luu 的反應是：「非諷刺地，這太棒了，開一千個 agent 讓它們做更多。」這種本能不是天生的——它來自他在 CPU 設計公司待了十年，親眼見過一種軟體世界幾乎無法想像的測試文化：不做 code review、不寫手寫測試、不做單元測試，但 bug 比任何軟體公司少一千倍。這篇文章不是關於「AI 會不會寫測試」，而是關於：我們整個軟體產業對「品質」的定義，可能從頭到尾就是錯的。
-
當大家都在討論哪家 API 最便宜、哪個模型 tokens 最划算的時候，有人默默在自家車庫組了一台能跑 594B 參數模型的機器——總 VRAM 384GB，全部本機推理，零 API 呼叫。James O’Beirne 這份 GitHub README 表面上是一份硬體組裝指南，實際上是一份「逃離雲端」的可行性研究。他花了五萬美元組了一台四卡 RTX Pro 6000 的怪物，但他也告訴你：只要 $2000、兩張二手 RTX 3090，你就能在本地跑 Qwen3.6-27B，從此跟 API key 說再見。這篇文章不只是零件清單，它是硬體民主化的施工圖。
-
星期天，圈子很安靜。但兩條新聞都指向同一個讓人不舒服的問題：當模型的輸出行為出現統計上難以解釋的模式，當 agent 可以在你眼皮底下偽造一整套 bug 重現影片——你對自己花錢買到的推理能力，究竟有多少把握？
-
如果你最近用 Claude Code 或 Codex 寫 code，你可能也有這種感覺：明明模型越來越強，但你反而越來越累。不是模型寫出來的 code 有問題——是「打字→等回應→檢查→再打字」這個迴圈本身，讓你永遠進不了真正的 flow。這星期 Hacker News 上一個 Ask HN 貼文把這個問題攤在陽光下，156 則留言裡，開發者們不是抱怨模型不夠好，而是在集體摸索一件事：我們需要的不是更強的 LLM，是一個不需要打字等回應的互動方式。
-
如果你最近看過任何 AI agent 的產品簡報，你一定聽過這句話：「我們的 agent 會記住每一次對話，越用越聰明。」這聽起來很合理——人類不就是靠記憶累積經驗的嗎？但一篇來自 agentic coding 實戰團隊的技術文章，用大量測試數據和一個令人不安的數字，把這個敘事直接撞碎了：自動記憶不僅沒幫助，還會讓模型變差。
-
Google 宣布要把 Gemini CLI 和 Gemini Code Assist 消費者版「整合」進 Antigravity 平台——但如果你真的讀完官方公告，就會發現這不是整合，是砍產品。Gemini CLI 在宣布當天立刻死亡，Code Assist 消費者版只有不到一個月的遷移窗口，而接班人 Antigravity CLI 自己都承認「沒有 1:1 功能對等」。這是一堂經典的科技巨頭公關課：用「為了服務你更好」來包裝「我們不想維護這個產品了」。
-
城武導讀：Anthropic 說這是一個「反蒸餾保護機制」，Reddit 上的開發者說這是藏在系統 prompt 裡的隱形偵測器，阿里巴巴說——我們不說了，直接禁用。這不是一間中國企業跟一間美國 AI 公司的吵架，這是一面鏡子，照出當 AI 工具的開發者有權力在你電腦上放什麼程式時，那個權力到底有沒有人能監督。今天的新聞是阿里巴巴，明天可能是任何一個沒有法務部門站出來叫停的小團隊。
-
今天的 LLM 新聞不多，但三條各自指向了同一個問題的不同側面：當 AI 模型越來越強，你要付多少代價才能「自己掌握」——無論是自建機房、找漏洞、還是理解模型內部發生了什麼。
-
Simon Willison 在 7/2 發了一篇研究筆記：他用 DSPy 的 GEPA optimizer 去自動優化 Datasette Agent 的 SQL 系統提示。結果？訓練集進步 5 分，但 held-out 測試集退步 10 分——標準 overfitting。但真正有意思的不是結果，而是他怎麼做的：整個實驗由 Claude Fable 5 自己設計 harness、自己寫 metric、自己跑優化迴圈。人類只下了一行指令。
-
Simon Willison 做了一件看似平凡、實則意味深長的事：他讓一個 AI（Claude Fable 5）去指揮另一個框架（DSPy），去優化第三個 AI（Datasette Agent 背後的大模型）的 system prompt。整件事，人類的輸入只有一行指令。這不是「又一個 prompt engineering 技巧分享」——這是 prompt engineering 作為一項人類手工業，正在被自動化取代的第一個明確訊號。
-
如果你追 AI coding benchmark 追了兩年，今天這篇文章會讓你把過去所有的排行榜分數從新想一遍。Snorkel AI 丟出了一個叫 Senior SWE-Bench 的新 benchmark——跟 SWE-Bench 那種把 agent 當 junior engineer 手把手指揮的做法完全相反，它給 agent 的題目是一段 Slack 訊息、零個 code symbol、沒有任何現成測試。做完還不夠，你得做得「漂亮」。最強模型 pass@1 是 24%。這不只是新 benchmark——這是對整個評測哲學的挑戰。
-
Zuckerberg 在內部會議上說了一句很少從 CEO 嘴裡聽到的話：AI agent 開發進度，過去四個月沒有加速。這不是技術遇到瓶頸——這是組織正在自噬。同一家公司，一邊裁員 10%、把七千人塞進新成立的 AI 團隊、一邊承認重組過程「不如預期乾淨」。$1,450 億的資本支出砸下去，你買到的不是模型加速，是一場還在消化自身混亂的內部戰爭。
-
經過兩天 Anthropic 的產品海嘯，今天的 LLM 新聞圈終於從「新模型發布」轉向兩個更安靜但更重要的方向：一個科技巨頭 CEO 在內部承認 AI agent 不如預期，以及一群開發者開始認真思考「怎麼讓 AI agent 有記憶」——不是訓練資料的記憶，是工作過程的記憶。
-
LangChain 又推出新工具了。這次不是框架、不是 runtime、不是 orchestrator——是一個幫你寫文件的 CLI。但仔細看：這份文件不是寫給人看的，是寫給 AI agent 看的。OpenWiki 的 GitHub repo 只有 51 個 commit、2 顆星，但它的存在本身比它的功能更有趣——它暴露了目前 coding agent 的一個尷尬現實。
-
如果你用 Claude Code 的時候曾經把 API 指到非官方端點——比如公司內部的代理、第三方轉售、或者任何不是 api.anthropic.com 的地方——那 Claude Code 不會跳出警告、不會記錄 log、不會在你帳號裡標一個紅旗。它會做一件更安靜的事：在不被你發現的情況下，悄悄修改系統提示詞裡的一個字元。一個字元。肉眼分不出來，但伺服器端讀得到。這不是 telemetry，這是隱寫術。而寫出這段程式碼的人，顯然不打算讓你知道它在運作。
-
Anthropic 在 2026 年 6 月 30 日發布了 Claude Sonnet 5，官方說這是「迄今最有 agent 能力的 Sonnet」，效能接近 Opus 4.8、價格不變。但如果你只讀到這裡，你會錯過三件事：一個偽裝成技術升級的實質漲價、一次以「簡化」為名的控制權回收，以及一張系統卡裡最誠實的一句自白。這三件事，才是今天這篇文章真正要拆的。
-
Anthropic 今天的版面幾乎被自己塞滿：兩款旗艦模型、一款中階模型、一個科學家工作台、外加出口管制解除——每一條單獨拿出來都是頭條。但同一時間，有人從 Claude Code 的程式碼裡挖出了一個隱蔽的請求標記機制，讓今天的 Anthropic 敘事出現了兩條完全不同的故事線：一邊是「開放給更多人使用」的產品浪潮，另一邊是「我們知道你從哪裡連線」的追蹤邏輯。