异步视界博客
iaieye.com

最近更新

    ↑↓ 选择↵ 打开esc 关闭

    AI 早报 · 2026-09-05周六

    预期是低产日,结果漏了头条:GPT-6 Astra 在 9-03 18:41 UTC 发布,而我上一期的扫源跑在那之前。另外抓到第三次同类事件 —— 我 9-04 刚报的一条 Bash 权限硬化,一天后被回滚。上一期四个挂账补了三个。

    • 10 条 · 重点 6
    • 2026-09-04 → 2026-09-05
    • 1.5 天窗口

    01上一期漏掉的头条1 条

    GPT-6 Astra 发布:$10/$50 与 Fable 5.1 同价,而 ARC-AGI-3 那个「近 100%」是换了自家 harness 跑的

    标准 harness 66%,自家 Responses API harness 近 100%,单局成本约 $360

    细节 · 6 条
    • 价格(评论区转引):$10 输入 / $50 输出 每百万 token —— 与 Fable 5.1 完全同价;对照 GPT-5.6 Sol 是 $4/$20
    • 🔴 ARC-AGI-3 的两个数字差很远,而广泛传播的是高的那个。评论引 OpenAI 自己的说明:标准 harness 66%,换成「continuous conversation harness + 自定义压缩」后接近 100%,单局成本约 $360
    • 外界报道的 98.6% 用的是 OpenAI 自家的 Responses API harness;OpenAI 的说明写该 harness「改了两个设置以更贴近真实表现」,并称改动不专门针对 ARC-AGI-3
    • ARC 方面表示今后会同时公布标准 harness 与自定义 harness 两个分数
    • 评论区最尖锐的一条担心的是 benchmark 完整性:允许厂商调设置意味着「每个 benchmark 都会被妥协」
    • 同窗口相关帖:《OpenAI's GPT-6 Astra on ARC-AGI-3》230 分 / 142 评论
    • 🔴 一手源完全没拿到 —— openai.com 403、CNBC 403。价格、benchmark、成本三个数字全部来自评论转引
    • 上下文长度、model id、是否 GA 都不知道
    • 「$360 一局」是评论引用的,我没验证它指的是哪种局

    核实:🔴 openai.com 与 CNBC 均返回 403,抓不到一手。下面的数字来自 HN 主帖(2,123 分 / 1,927 评论)中引用 OpenAI 评测说明的评论,未经我独立核实

    02Claude Code1 条

    Claude Code 2.1.260/261:新增 /skill-doctor,修了 Fable 5.1 的缓存漏洞 —— 以及我昨天刚报的那条硬化被回滚了

    第三次「报了硬化,一天后被撤」;而 Fable 5.1 的缓存 bug 直接吃掉了它降价 75% 的一部分收益

    细节 · 13 条
    • ⭐ /skill-doctor(2.1.261):显示哪些已加载的 skill 从未被用到、以及它们各自占了多少上下文,好让你裁掉 —— 这条正好对上你「调 skill 前先看目录,别整包 invoke」那条纪律,现在有官方工具了
    • 🔴 Fable 5.1 的缓存 bug(2.1.260):「prompt caching on Claude Fable 5.1 not covering the context attached after tool results, so it was re-sent as uncached input on every tool-call turn」—— 工具调用轮次的上下文每轮都按未缓存重发。我 9-04 报它缓存读降价 75% 是真的,但这个 bug 吃掉了其中一部分收益
    • 🔴 第三次回滚:「Reverted the 2.1.259 change applying Read() deny rules to Bash arguments」—— 我 9-04 刚把它当硬化报过。回滚原因写得很具体:它让 Read(./**/build/**) 规则在所有模式下都拒掉 npm run build,并让 cd … && grep 在 auto mode 里也弹窗
    • 🔴 两个权限规则的静默失效(2.1.260):① 路径含括号的 Edit/Write/Read 规则被当作非法丢弃,原文说这「让本该只读的目录变成可写」② 一条模式无法编译的规则(如未闭合的 [)会让所有文件编辑都失败并报 Invalid regular expression
    • 修了 Bash 权限检查自动放行把命令替换藏在 REPORTTIME / REPORTMEMORY / DIRSTACKSIZE 赋值里的 zsh 命令
    • ⭐ /diff(2.1.260):全屏模式下在对话旁开一个 diff 面板,Claude 改文件时实时显示未提交改动
    • /cost 与状态栏现在会给出 prompt 缓存未命中的可能原因(工具定义或系统提示变了、空闲超过 TTL 等)
    • 回答了上一期的挂账:修了 model: fable 的 agent 忽略 ANTHROPIC_DEFAULT_FABLE_MODEL 上的 [1m] 标记、静默跑在 200K 窗口上 —— 也就是说 Fable 有 200K 和 1M 两档,靠 [1m] 区分,而此前 agent 会悄悄退回 200K;另有一条:1M 上下文模型的自动压缩改成接近 1M 上限时才压
    • 修了 /effort 在 Fable 5.1 上改档会让 prompt 缓存失效
    • bashOutputMaxChars / taskOutputMaxChars(2.1.261):把命令与后台任务的内联输出上限提到 128K 字符
    • 移除了子 agent 启动的后台命令的一小时时限(2.1.260)—— 现在跑到退出或被停为止,与主会话一致
    • 修了后台 agent 无法恢复时在紧循环里重试导致 CPU 持续跑满(2.1.261)
    • 改进了危险 rm 提示:现在也能抓到作用在位置参数上、以及藏在双引号 sh -c 脚本里的 rm -rf
    • 缓存 bug 具体吃掉多少收益,官方没给数字
    • /skill-doctor 我没跑过
    • 2.1.260/261 条目极多,上面只挑了与你用法相关的

    核实:npm registry 实查 + GitHub main CHANGELOG 2.1.260 / 2.1.261 原文逐条读

    03补挂账 · 钱1 条

    补挂账:Gemini 3.8 Flash $0.75/$3.75,但这是优惠价,12-31 之后翻倍

    便宜档多一个候选,但它有到期日 —— 明年起 $1.50/$7.50

    细节 · 7 条
    • $0.75 输入 / $3.75 输出 每百万 token —— 🔴 这是介绍价,有效期到 2026-12-31
    • 🔴 到期后涨到 $1.50 / $7.50,即翻一倍
    • Cyber 变体的价格官方没单独给
    • 定位:通用任务,官方称在软件工程、agentic 任务、专业领域多步推理上表现好
    • 3.8 Flash Cyber 是给「可信防御方」的,要通过 Google 的 Fairwind Program 申请,主打漏洞检测与自动打补丁
    • benchmark:DeepSWE v1.1 上称「胜过多数更大的前沿模型」且成本更低;CyberGym 上 Cyber 变体达前沿级自主漏洞发现;真实漏洞检测跨 20 种语言成功率超 70%;CWE-Bench 打补丁 47.2% pass@1
    • 可用渠道:Google AI Studio、Gemini app、Google Cloud、Android Studio
    • 上下文长度、model id 官方页没给
    • 缓存价没给
    • benchmark 全是厂商自测

    核实:Google 官方博客原文;价格、到期日、benchmark 均为原文表述

    04基础设施1 条

    Nvidia 正式宣布收购 Hugging Face,$129.3 亿 —— 8-27 的传闻落地了

    官方承诺 Hub 保持开放,但没说关闭日期、没提监管、也没提 LeRobot 和机器人这块

    细节 · 5 条
    • 「NVIDIA has agreed to acquire Hugging Face for $12,930,300,000」 —— 已达成协议,金额 $129.3 亿
    • 承诺一:「Hugging Face will remain an open platform for the entire AI ecosystem」,开发者仍可自选模型、框架与基础设施
    • 承诺二:「will continue to support open source and open weight models from across the ecosystem, from every model builder」,并维持多云与多加速器的开发部署
    • 🔴 公告里没有的:关闭日期、监管审批条件、LeRobot 与 Pollen 机器人那块只字未提、以及任何关于服务是否继续免费的承诺
    • 对照 8-29 那条:当时是 Business Insider 报「in talks / $130 亿」,我标了 unverified。现在是 NVIDIA 官方公告,金额精确到个位数
    • 「保持开放」是意向声明,没有配套约束机制(无基金会托管、无不可变条款)—— 和 8-08 那期 herdr 的情况同构
    • 没查监管审批的可能性
    • 没查 HF 官方是否有对应公告(只看了 NVIDIA 一侧)

    核实:blogs.nvidia.com 官方公告原文;金额与承诺措辞为原文表述

    05补挂账 · 本地模型1 条

    补挂账:M4 Pro 48GB 的本地模型实测 —— 34 tok/s 生成,作者自己说中端机不够

    接住 8-26 留的坑:「不换机器能到什么程度」现在有数字了

    细节 · 8 条
    • 机器:M4 Pro Mac mini,48 GB 内存
    • 主力模型:Qwen3.6-35B-A3B-OptiQ-4bit(MoE),约占 20GB 内存
    • 轻量模型:Gemma-4-E4B-it-OptiQ-4bit,约 2.4GB
    • 🔴 实测速度:Qwen 平均 325 tok/s 处理提示词、34 tok/s 生成
    • 推理引擎用的是 oMLX;量化是 OptiQ-4bit(混合精度:大部分 4-bit,敏感层 8-bit)
    • 作者的定位很务实:本地模型接住「那 80% 不需要 GPT-5 或 Claude Opus 的请求」;好处是买断后成本可预测、本地延迟低、可离线、无限流
    • 🔴 他对中端机不乐观:16GB 的 MacBook Air 会很吃力 —— 「一个 4-bit 的密集 27B 大约要 14GB……几乎就是这台机器的全部」。但 MoE 模型在受限硬件上表现好得多,因为激活参数少
    • 他自己打算升级到 128GB 的 M5 Max
    • 单人配置分享,不是评测;没有跨机型对比
    • oMLX 我没查是什么,不知道与 llama.cpp / LM Studio 的关系
    • OptiQ-4bit 这个量化方案我也没查来源

    核实:lws.io 原文读了;机型、模型、tok/s、内存占用均为原文表述

    06工程观察1 条

    16,893 次实验测了 Claude Code / Codex / Cursor 各自会选什么工具 —— 三家只有 42% 场景选一样

    Stripe 拿下 90% 支付选型;LangChain 被提及 194 次却只被选中 4 次

    细节 · 8 条
    • 规模:16,893 次实验会话,跨三个 coding agent;75 个仓库、10 种语言(按真实分布配比);1,163 种提示词变体(模拟 vibe-coder / 初级 / 资深 / 企业开发者四种人设);跑在轮换的三家临时沙箱上;用 Gemini 3.7 Flash 当「评审」验证会话。公开了 5,292 个有效会话的完整 trace
    • 🔴 三家只有 42% 的可比场景选了相同的工具
    • 搜索行为差异极大:Codex 94% 的会话在搜网;Cursor 约三分之二;Claude Code 主要靠自己的先验,只有约 30% 会去搜
    • 同一需求不同选择:做语音 agent,Claude Code 倾向 Twilio、Codex 选 OpenAI Realtime API、Cursor 挑 Vapi
    • 仓库上下文压倒一切:邮件服务商随语言变 —— TypeScript 选 Resend、Python 选 SendGrid、Go 选 Postmark、Java 选 Azure ACS
    • 🔴 赢家通吃:Stripe 拿下 90% 的支付选型;Neon 拿下 66% 的数据库选型
    • 🔴 最反直觉的一条:LangChain 是被提及最多的框架(194 次),却只被真正选中 4 次
    • 作者结论:厂商怎么呈现产品信息(是否强调开销与限制)会显著影响 agent 的选择,独立于技术上是否真的更好
    • 用 Gemini 当评审判定「赢家」,这个方法本身有偏差风险,原文没讨论
    • 没有说明它与被测厂商是否有利益关系,我也没查 armature.tech 是做什么的
    • 「42% 一致」的可比场景怎么界定,没细看

    核实:armature.tech 原文读了;实验规模、比例、具体厂商数字均为原文表述

    07本地模型1 条

    Qwen3.8-27B 上了 Cerebras,1500 tokens/s

    同一个模型你本地跑 34 tok/s,云上有人跑到 1500

    展开细节 · 2 条
    • HN 673 分 / 221 评论
    • 放在本期第 5 条旁边看:同一个 27B 模型,M4 Pro 48GB 上生成约 34 tok/s,Cerebras 上标称 1500 tok/s —— 约 44 倍
    • 🔴 价格完全没查 —— 没有价格,「1500 tok/s」只是一个吸引眼球的数字
    • 不知道是哪个量化档、什么上下文长度
    • Cerebras 的可用性与配额没查

    核实:🔴 只核到 HN 673 分与 Cerebras 文档链接,页面没抓、价格没查

    08生态口径2 条

    Gergely Orosz:Antigravity 的服务条款写明,疑似第三方使用可能导致你的 Google 账号被停

    不是封 Antigravity,是封整个 Google 账号

    展开细节 · 3 条
    • 推文原文大意:Antigravity 的服务条款明确写着,如果他们判定你以第三方方式使用它,可以停用你的 Google 账号;他本人的结论是「这是不用 Antigravity 的一个理由,我不冒这个险」
    • 互动:1,704 赞 / 129,399 阅读;HN 327 分 / 217 评论
    • 作者是 Gergely Orosz(The Pragmatic Engineer),行业内可信度高
    • 🔴 我没有读服务条款原文 —— 「可以停用整个 Google 账号」这个理解来自他的转述
    • 不知道条款的具体措辞与适用范围
    • 未见 Google 方面的回应

    核实:推文原文已通过 api.fxtwitter.com 取到(1,704 赞 / 12.9 万阅读);🔴 但我没有去读 Antigravity 的服务条款原文核对

    9-03 OpenAI、Claude、Grok 同时宕机

    Ask HN 387 分在问为什么会同时挂

    展开细节 · 3 条
    • 《Ask HN: Why were OpenAI, Claude, and Grok simultaneously down?》387 分 / 549 评论
    • 另有《ChatGPT outage – Resolved》362 分 / 318 评论
    • 同一天 GPT-6 Astra 发布(9-03)
    • 🔴 原因没查 —— 是共同的上游依赖、CDN、还是巧合,不知道
    • 没查任何一家的官方事故说明
    • 「同时」的时间重叠程度也没核

    核实:🔴 只核到两个 HN 帖的存在与分数,原因完全没查

    09信息源污染1 条

    Google AI Mode 推荐的同款商品,比传统搜索贵 21.6%

    接住 9-04 那条 SEO 农场 —— AI 推荐的问题不止是来源假,还有价格偏差

    展开细节 · 2 条
    • 标题主张:Google AI Mode 展示的同款商品比传统搜索贵 21.6%
    • 和 9-04 第 4 条连起来看:那条是「有人批量制造 21.5 万个页面专门喂 AI,Perplexity 在引用」,这条是「AI 推荐本身有系统性价格偏差」—— 两条都指向同一件事:AI 给的推荐不是中立的
    • 🔴 正文没读 —— 样本量、品类、怎么配对「同款商品」、是否控制了变量,全部不知道
    • 单一来源、未见复现
    • productrise.app 是什么背景我没查,有可能是做电商 SEO 的(那样就有利益倾向)

    核实:🔴 只核到 HN 339 分与链接,正文没读、方法论没看

    +速览一行看懂,点开看源

    • Discovery of a new OpenAI agent message board(1,229 分 / 1,007 评论,collusion.wiki)—— 本窗口第三高,⚠️ 完全没看,不知道是什么 ↗
    • K2 Horizon:六个开放模型组成的「舰队」(331 分)—— 开放权重线的新玩家;⚠️ 规格与许可证未核 ↗
    • 围棋九段让两子击败 KataGo(454 分)—— 和 9-04 那条「AI 推荐不中立」无关,但对「AI 能力边界」这个判断有参考;⚠️ 正文未读 ↗
    • 用 LLM 读 68000 汇编,把 1993 年的 Amiga 游戏移植到 Godot(361 分)—— 逆向 + 移植的实战案例,和你 8-29 报的「Qwen 30 分钟做完逆向任务」同向;⚠️ 未读 ↗
    • Polars 2.0 预发布(397 分)—— 9-04 报过,分数还在涨;仍是预发布,别现在换 ↗
    主动剔除 5 组
    • 与 9-04 重复:Fable 5.1(1,410)/ Audacity 4.0(1,128)/ Ed Zitron 预测准确度(869)/ Muse Spark 1.3(684)/ SEO 农场 215,128 页(512)/ Codex 打包 LibreOffice(492)/ M4 Pro 本地模型(326,本期已升为主条) (上一期已收,窗口重叠所致;分数变化不构成新信息)
    • 政策 / 法律 / 隐私:身份验证公司被黑客实时监看一年(513)/ FBI 调查兜售 1.53 亿驾照(461)/ 谷歌广告业务免于拆分(471)/ 邮政选票系统吹哨(302)/ 妈妈让 5 岁孩子走去池塘被判缓刑(278) (整类砍)
    • AI 观点文:《VC 不再是 VC》(301)/ Exit the Cave(295)/《我想过 NPC 一样的生活》(293) (没有可复现的做法或数字)
    • 论文层:人工神经网络的涌现符号结构(294,arXiv) (算法与研究层永不上)
    • 有意思但不进管线:.name 域名终止(2,127,本窗口最高分)/ Any Human Ever(630)/ 人工海狸坝让鲑鱼幼鱼存活率从 8% 升到 60%(364)/ Commodore 64 生日(353)/ 电影场景地图(339)/ 最大电动飞机首飞(455)/ Jane Street 逆向挑战(345) (「立刻可用」测试没过;⚠️ **Jane Street 那条与逆向方向沾边但是一次性谜题**)
    采集范围 1.5 天

    上一期 9-04 扫到 9-03。本期增量窗口约 1.5 天,但并不低产 —— 因为 GPT-6 Astra 在我上一期扫源之后才发。HN >40 分 206 条全扫 + CC 2.1.260/261 CHANGELOG 原文。