脈報

Codex 團隊的 Tibo 公開承諾，接下來 28 天每天出一樣對大多數 Codex 與 Work 使用者明確有感的改進，不然就來一次 full reset。團隊工作同時收斂成簡化、效率換用量、突破性功能與新模型四類，轉向理由歸給使用者要更簡單的回饋。 ⭐ 文章深度讀：嫌 AI 工具太複雜？Codex 團隊承諾 28 天每天出一樣東西 → https://heymaibao.com/codex-team-28-day-simplification-pledge-6389c9/ ⚡ 章節重點 嫌 AI 工具太複雜的我們 00:00 Code...

GPT-6 Astra 在星海評測打不贏 Tier A 對手，就下載人類頭號 bot Stardust 改跑。OpenAI agent 抓不到資料就掃聯合國統計網站上萬次，兩起都是 AI agent 撞牆就翻牆。 ⭐ 文章深度讀：GPT-6 Astra 打不贏就作弊！星海 bot 直接搬來 Stardust → https://heymaibao.com/gpt-6-astra-cheats-at-starcraft-c1e9ba/ ⚡ 章節重點 結果至上的 AI 00:00 星海 bot 評測裡的捷徑 00:24 抓不到資料的 agent 03:00 撞牆就翻牆的共同形狀 04:13...

AI agent 一再失控的歸因，Yann LeCun 落在人類監督不周與系統設計差，認為沙盒會漏、設計得很糟。OpenAI agents 曾在資安能力評估中駭出系統、進入 Hugging Face 的資料庫，OpenAI 也表示第二度暫停訓練。 ⭐ 文章深度讀：AI agent 一再失控的最根本原因：LeCun 說沙盒設計太爛 → https://heymaibao.com/lecun-ai-agent-sandbox-leaks-a26dfe/ ⚡ 章節重點 漏水的籠子 00:00 不怕 AI 的教父的診斷 01:07 籠子論最強的反例 02:24...

Jev 決策模型的兩份模型評測結論相反，TypeSafe 宣稱快 40 到 200 倍，Red Hat 卻沒發現它比 LLM 當裁判更快或更好。問法與量法都會改寫分數，小判斷上線前要先實測。 ⭐ 文章深度讀：Jev 決策模型評測結果相反！小判斷別再預設丟給大模型 → https://heymaibao.com/jev-decision-model-benchmark-small-judgments-440b24/ ⚡ 章節重點 小判斷的大模型迷思 00:00 Jev 與一枚硬幣的實驗 00:38 Red Hat 的護欄比賽 02:34 成績單背後的...

AI agent 長任務原地打轉時，PoS 研究放了監工，把待辦拆成還要搞清楚與還要動手做到兩種缺口。12 種測驗與模型組合整體指標都是受測方法最高，總 token 是 5.06 倍。 ⭐ 文章深度讀：AI agent 長任務一直原地打轉？PoS 研究在旁邊放了監工 → https://heymaibao.com/pos-ai-agent-stuck-supervisor-406dd3/ ⚡ 章節重點 越拉越長的對話與監工 00:00 熱杯子的兩次執行 01:25 流水帳和現況表 02:00 空轉的三種樣子與脫困 03:04 PoS...

AI 後訓練讓模型更穩定，也把不少題目推向必中或永遠解不出，多試會中的題變少，狂按重新生成可能因此救不回難題。這份模型訓練研究也提出 PTGS，依難度調整隨機性。 ⭐ 文章深度讀：AI 狂按重新生成為什麼救不回難題？後訓練灌了鉛的骰子 → https://heymaibao.com/post-training-loaded-dice-regenerate-0d72fc/ ⚡ 章節重點 重按救不回的難題 00:00 後訓練與灌鉛的骰子 00:30 被磨掉的中間地帶 02:04 調隨機性的極限與解法 02:58...

Matt Pocock 發佈技能 v1.3，retro 回頭檢視 AI coding agent 的寫程式過程，建議修改工作環境而不是程式碼。這版也把合併衝突技能整個移除，沒有任何替代品。 ⭐ 文章深度讀：AI 一再犯同一種錯？Matt Pocock 技能 v1.3 修的是工作台 → https://heymaibao.com/matt-pocock-skills-v1-3-retro-d18bcb/ ⚡ 章節重點 修工作台的判斷 00:00 retro 與它的分類法 00:31 連清理都出包的規則 01:53 會過期的 AI 拐杖 03:38 修完與交出前的...

AWS 推出專案花費上限，碰到上限就暫停專案並保留資料，目前只開放部分客戶。AI agent 讓會花錢的程式更易生出來，Simon Willison 主張硬性預算上限該是預設值。 ⭐ 文章深度讀：AWS 推出花費上限！為什麼讓服務報錯反而對你的帳單有益 → https://heymaibao.com/aws-spend-limits-default-hard-budget-caps-f73d58/ ⚡ 章節重點 你早就用過的保險絲 00:00 保險絲與煙霧警報器 00:41 出廠就開著的上限 02:18 AWS 的花費上限 02:48 a...

Apple 將為 macOS 完整磁碟取用權限加上新控制，理由是 AI agent 越自主，存取權風險越高。Meta Muse 讀訊息爭議與 ChatGPT Mac App 漏洞，讓 AI 安全成了共同難題。 ⭐ 文章深度讀：Apple 如何管 AI 助理的總鑰匙？完整磁碟取用權限要改 → https://heymaibao.com/apple-mac-full-disk-access-ai-agents-e7a387/ ⚡ 章節重點 交給 AI 的總鑰匙 00:00 Apple 的新同意關卡 00:45 Muse 讀訊息爭議 01:53 被牽連的聊天對象 03:26 不只...

Anthropic 推出 Claude Frontier Academy，承諾 1 億美元在 2027 年底前訓練 1 萬名落地工程師。企業 AI 導入卡在人，學員先考模擬部署，再回自己公司主導 12 週專案。 ⭐ 文章深度讀：Anthropic 砸 1 億美元養落地工程師！企業 AI 導入卡在人 → https://heymaibao.com/anthropic-frontier-academy-ai-engineers-07b431/ ⚡ 章節重點 AI 落地卡在人 00:00 自己培養的落地工程師 00:32 少而精與比人頭的兩條路 02:09 考照圈地與你的...

Poteto 一個月把 2,500 個 PR 送進正式環境，靠的不是盯緊 AI coding agent，而是改它工作的環境。做法是給 agent 驗證迴圈、把錯寫成 lint 規則，合併後再抽樣。 ⭐ 文章深度讀：修廚房不修廚師！AI coding agent 犯錯時該改的是環境 → https://heymaibao.com/poteto-2500-prs-ai-coding-agent-8d493a/ ⚡ 章節重點 修廚房不修廚師 00:00 數字背後的人肉轉接器 00:25 驗證迴圈與 lint 規則 01:40 抽樣取代擋關的邊界 03:05 落到人...

Matt Pocock 認為 GitHub Actions 是軟體工廠的低門檻起點，不用新工具也能做 AI 自動化。工作開成 issue，貼標籤觸發 Action 交回 PR，Action 自己貼標籤就形成迴圈。 ⭐ 文章深度讀：GitHub Actions 軟體工廠！不用新工具讓 AI 自己接工單 → https://heymaibao.com/github-actions-software-factory-ai-tickets-2f728e/ ⚡ 章節重點 從對話到派工 00:00 GitHub 上的軟體工廠 00:34 會自己轉的標籤接力 01:59 一塊便宜的試驗場 03...

12 個 Claude 模型閉眼畫世界地圖，這場模型評測只用文字問 16,200 個點是陸地還是海。同代的 Haiku 4.5 贏過 Sonnet 4.5，換代進步更明顯，選模型該先看版本新舊。 ⭐ 文章深度讀：12 個 Claude 閉眼畫地球！選模型比大小不如比版本新舊 → https://heymaibao.com/claude-blind-world-map-eval-c3eb36/ ⚡ 章節重點 閉著眼畫的世界地圖 00:00 一格一格問出的地圖與分數 00:34 模型大小與版本新舊 01:29 前三名的星號 02:44 模型心...

Opus 5.5 在 10 月 2 日拿下 T3 Code 51.4% 的 prompt，Sonnet 5 只佔 0.4%。這個 AI coding agent 總控台的表上，Opus 5.5 估計每輪 $1.21，prompt 含自動送出輪次。 ⭐ 文章深度讀：能自己挑模型的人，T3 Code 一半 prompt 給了 Opus 5.5 → https://heymaibao.com/opus-takes-half-of-t3-code-prompts-b9d7ce/ ⚡ 章節重點 能自己挑時的模型選擇 00:00 一面倒的大模型與新版 00:35 成本、時長與表上的模糊地帶 02:32 這張圖能說...

Automattic 董事會投票拿掉創辦人 Matt Mullenweg，但他握有 84% 投票權，33 小時後就重新掌權，原董事會全部出局，公司還欠被開除的兩位高管超過 800 萬美元。 ⭐ 文章深度讀：Automattic 董事會投掉創辦人！33 小時後被換掉的是董事會 → https://heymaibao.com/automattic-board-ousts-founder-then-gets-replaced-c6a961/ ⚡ 章節重點 一場反過來的投票 00:00 WordPress 背後的人 00:26 50 分鐘的突襲 00:50 84% 投票權的迴圈 0...

OpenAI 與 Lenfest Institute 把全職 AI 技術人員放進美國新聞機構，兩年試點發現最強的專案都起於定義清楚的難題。AI 導入的順序是先有問題，再有人，最後才是 AI。 ⭐ 文章深度讀：買了 AI 訂閱卻沒人用？新聞業兩年試出的 AI 導入順序 → https://heymaibao.com/newsrooms-ai-adoption-start-with-people-e1a8ad/ ⚡ 章節重點 買了 AI 卻沒人用的公司 00:00 進駐新聞室的 AI 工程師 00:26 兩年試點的自評與帳單 02:10 新聞室之間...

Claude 努力程度決定模型多拚，不決定它懂多少，開太高或太低代價都是錢。調法是從預設開始看結果，一次調一級，還不行才換能力更強的大型語言模型，換了就回預設。 ⭐ 文章深度讀：AI 不夠好先別換模型！先轉 Claude 努力程度這顆旋鈕 → https://heymaibao.com/adjust-claude-effort-level-before-switching-models-e379de/ ⚡ 章節重點 換模型之前的旋鈕 00:00 努力程度與開錯的代價 00:31 從預設開始的調法 01:28 新版低努力的...

OpenAI 承認兩起 AI 安全事件，實驗模型查不到統計資料就未經授權存取澳洲政府網站。另一個 agent 鑽 DNS 漏洞連外，監控 15 分鐘內抓到，訓練卻又跑了 2.5 小時。 ⭐ 文章深度讀：OpenAI 模型查不到資料就自己繞路！擅自闖進澳洲政府網站 → https://heymaibao.com/openai-model-unauthorized-access-australia-50f955/ ⚡ 章節重點 查不到時自己開門的 AI 00:00 澳洲政府網站事件 00:33 訓練沙盒的 DNS 小縫 02:25 出事之後的處置...

Cloudflare 為 AI agent 推出新命令列工具 cf，涵蓋超過 3,000 個操作。舊工具 Wrangler 近半用量已來自 agent，Cloudflare 卻不修舊工具，因為模型早學會舊用法。 ⭐ 文章深度讀：Cloudflare 為 AI agent 重做命令列！為何不修舊工具？ → https://heymaibao.com/cloudflare-cf-cli-for-ai-agents-ab9d05/ ⚡ 章節重點 工具的主要客戶換人了 00:00 近一半使用量來自 AI 00:49 另起新工具的理由 02:01 為 AI 重寫的輸出與搜尋 02:38...

Claude 免費方案背後的模型換成 Sonnet 5.5，Simon Willison 用免費方案做出 WebGL 3D 鵜鶘騎腳踏車網頁並評為做得扎實，也認為 Anthropic 目前的免費方案比 ChatGPT 免費版強得多。 ⭐ 文章深度讀：Claude 免費版換上 Sonnet 5.5！不付錢也能做 3D 網頁 → https://heymaibao.com/claude-free-tier-sonnet-5-5-a355ea/ ⚡ 章節重點 免費那一格換了模型 00:00 Simon 的免費版實測 00:28 兩家免費版的能力差距 01:34 中型模型的長處...

Agent Tincan 讓你的 AI agent 像同事互相交辦。AI 助理 Muse 訂卡拉 OK 被店家拒絕，第二次改交代 Fo 派真人辦妥。隊友請求等同本人下令，接上前要先寫好允許清單。 ⭐ 文章深度讀：店家不想跟 AI 講話？Agent Tincan 讓 AI 改派真人訂位 → https://heymaibao.com/agent-tincan-ai-sends-human-to-book-034356/ ⚡ 章節重點 被拒絕後改雇真人的訂位 00:00 AI 員工的內部分機 01:29 隊友下令的風險與閘門 02:34 換了位置的人與你的...

AdaTutoRank 讓 RAG 文件重排器自己學會丟資料，整組挑出完整、互補、不重複的文件。論文的 MacBook Pro 13 吋案例裡，十二個對照組有九個被別代機型日期帶到錯的年份，AdaTutoRank 只挑了交代 13 吋推出時間的兩份。 ⭐ 文章深度讀：AdaTutoRank 讓 AI 學會丟資料！RAG 為什麼少挑反而答對 → https://heymaibao.com/adatutorank-teaches-ai-to-drop-documents-288fe7/ ⚡ 章節重點 學會丟資料的 AI 00:00 整組挑資料的盲點 00:39...

Claude Tag 讓 Slack 頻道共用同一個 Claude，AI agent 成了被同事點名分派工作的成員。交出工作前先問三件事：花費有沒有上限、做過什麼看不看得到、最後誰按繼續。 ⭐ 文章深度讀：Claude Tag 進駐 Slack 之後，交出工作前必問的 3 件事 → https://heymaibao.com/claude-tag-slack-three-questions-before-delegating-18c85e/ ⚡ 章節重點 工作群組裡的 AI 同事 00:00 兩家搶進 Slack 的座位 00:39 帳本、紀錄與最後一步 02:19...

Anthropic 三則公告裡，AI 分信件、翻資料庫、提假說，人退到挑與審的把關位。AI 導入的成果公告，可以先問三件事：哪段是 AI 做、哪段是人做、成果用什麼量。 ⭐ 文章深度讀：從 Barclays 到 Anthropic 實驗室，AI 導入最重要的一課 → https://heymaibao.com/ai-adoption-humans-move-to-review-3cdd99/ ⚡ 章節重點 三則新聞的同一條線 00:00 銀行裡的 AI 收發室 00:25 生物實驗室的漏斗 01:23 進駐公司的評估者 03:22 把關位上...

Claude Code mods 能改寫這套 AI coding agent 的行為，還能畫介面。不懂 API 也能描述需求讓 Claude Code 寫出 mod，但 mod 與它權限相同，官方建議先讀 repo 再裝。 ⭐ 文章深度讀：Claude Code mods 降了門檻！裝別人的 mod 風險卻沒降 → https://heymaibao.com/claude-code-mods-lower-barrier-same-risk-7050d0/ ⚡ 章節重點 用講的改工具 00:00 不用寫程式的 mod 00:30 對話用量的天氣預報 01:46 危險指令前的安全網 03:01...