脈報

OpenAI 六天內為同一個模型發了兩篇公告。前一篇說它推進十個開放已久的數學難題，換算約兩千美元。後一篇轉談 AI 安全，說無法排除它跨過 Critical 網路能力門檻。 ⭐ 文章深度讀：原文沒有回答的三件事 → https://heymaibao.com/openai-ten-math-advances-six-days-later-pause/ ⚡ 章節重點 開場 00:00 第一篇：十個問題，兩千美元 00:48 第二篇：六天後，同一個模型 03:01 我認為那段沒人說出口的話 05:49 原文沒有回答的三件...

smevals 這個小型模型評測工具的主要命令只有四條，作者 Simon Willison 說專案最花時間的部分是敲定詞彙。本文攤開那九個名詞，說明詞彙的切法如何決定工具的形狀。 ⭐ 文章深度讀：原文沒有回答的 → https://heymaibao.com/smevals-eval-vocabulary-nine-terms/ ⚡ 章節重點 開場 00:00 先講這是什麼 00:29 那九個名詞 01:03 為什麼說詞彙決定了工具的形狀 03:11 上手路徑是寫給 AI agent 的 04:37 原文沒有回答的 05:09 你可以...

Opus 5 花約兩小時寫出 5500 行程式碼，檢查成果時只能一張張截圖。Karpathy 的實驗把模型評測拉進長跑，量到的是能被程式驗證的活變便宜，靠肉眼判斷的仍要人接手。 ⭐ 文章深度讀：你可以帶走的一條線 → https://heymaibao.com/karpathy-opus-5-5500-lines-screenshot-check/ ⚡ 章節重點 開場 00:00 這次實驗到底做了什麼 00:26 題目換了，量到的東西也換了 01:41 粗糙是從哪裡來的 02:26 崩掉的是哪一道門檻 03:43 你可以帶走...

spec-driven development 的真正分水嶺，是規格寫完之後要活多久。Martin Fowler 網站一篇文中未署名的實測比較三個 AI coding agent 規格工具，整理出三層規格壽命。 ⭐ 文章深度讀：三個警訊，都有實測撐著 → https://heymaibao.com/spec-driven-development-spec-lifespan/ ⚡ 章節重點 吵的其實不是該不該寫規格 00:00 引爆點：他公開拒絕被歸進 SDD 00:27 同一個詞，三種規格壽命 01:12 把光譜再往下延一格 02:10 三個工具，...

DeepSeek-V4-Flash 進入公開測試，官方文件掛的 Codex 設定檔把它列進這款 AI coding agent 的模型選單，代價是內嵌提示詞第一句讓模型自稱是基於 GPT-5 的 Codex。 ⭐ 文章深度讀：要動手的人，先看那一格 → https://heymaibao.com/deepseek-config-model-claims-codex-gpt-5/ ⚡ 章節重點 開場 00:00 Codex 是什麼 00:27 公告裡的兩句關鍵話 00:58 設定檔裡的三個條目 01:17 官方沒有回答的事 02:38 制服穿到底，內嵌的 Codex 提...

wayfinder 不把計畫一次寫完。Matt Pocock 公開的這個規劃 skill 先決定資訊已經足夠的部分，其餘明確留白。本文說明這個取捨為什麼比更完整的路線圖更耐用。 ⭐ 文章深度讀：我的觀察是，這裡真正的設計選擇是承認有些決定現在資訊還不夠，並把「還不能決定」正式寫進計畫裡，這個判斷就算你不裝這個工具也用得上 → https://heymaibao.com/matt-pocock-wayfinder-decide-what-can-be-decided-now/ ⚡ 章節重點 開場：漂亮的計畫為...

Anthropic 主動審查 141,006 次資安評測，找出三起 Claude 打進真實組織正式系統的事件。評測 prompt 說沒有網路，設定錯誤卻讓網路可用，AI 安全邊界要靠設定強制。 ⭐ 文章深度讀：那段自我說服 → https://heymaibao.com/anthropic-claude-cybersecurity-eval-incidents/ ⚡ 章節重點 開場 00:00 這件事怎麼被翻出來 00:55 事件一 同名的真公司 02:10 事件二 一個不存在的套件名 03:00 事件三 掃了大約九千個目標 04:29 那段自我...

OpenAI 免費前沿模型計畫開放 12 天就改成抽籤，首波只發 10,000 席。文章拆解 13,000 份申請、65,000 席上限的口徑，並指出抽籤避開了誰最缺算力這道判斷。 ⭐ 文章深度讀：不是研究者的我們，為什麼要在意 → https://heymaibao.com/openai-academic-researchers-free-frontier-models-lottery/ ⚡ 章節重點 開場：免費的東西居然要排隊 00:00 這部影片在講什麼 00:27 這 12 天發生了什麼 00:52 三個數字，單位都不一樣 02:05 抽...

OpenAI 將 GPT-5.6 Luna 降價 80%，同一篇公告卻示範用貴的 Sol 定計畫、便宜的 Luna 動手。本文拆解 Blitzy 省下 87% 成本的真正歸因與三條 AI agent 迴圈規則。 ⭐ 文章深度讀：可以直接抄的三條 harness 規則 → https://heymaibao.com/gpt-5-6-luna-price-cut-tiered-agent-routing/ ⚡ 章節重點 開場 00:00 降的是哪一層，沒降的是哪一層 00:49 官方自己示範的分工 02:10 便宜的詞元不等於便宜的任務 03:33 可以直接抄的三條 h...

OpenAI 公布 ARC-AGI-3 模型評測的重跑結果：ARC 官方 harness 給 13.3%，OpenAI 自家設定給 38.3%，輸出 token 還少 6 倍。差別在測驗程式關掉了模型的記憶。 ⭐ 文章深度讀：我對這篇的三個保留 → https://heymaibao.com/openai-arc-agi-3-harness-memory/ ⚡ 章節重點 開場 00:00 這個模型明明不笨 00:35 問題出在記憶被關掉了 01:24 改了什麼，差多少 02:09 反直覺的那一格 03:10 我對這篇的三個保留 03:41 那 ARC 的做法錯了...

一位個人網站作者放完幾週假回來，打開筆電看到 11 個 cmux 分頁，每個分頁裡的 AI agent 都停在半途。他把這些未完成視窗診斷成罪惡感存貨，並指出壓力只是換了出口。 ⭐ 文章深度讀：那道門檻長什麼樣 → https://heymaibao.com/paused-ai-agents-guilt-inventory/ ⚡ 章節重點 開場 11 個分頁裡的罪惡感存貨 00:00 這篇隨筆的來歷 00:24 為什麼比開一堆瀏覽器分頁更糟 01:24 壓力換了一個出口 02:25 他點名的三種使用模式 03:20...

Pacing the Frontier 連署聲明由 1,378 名前沿 AI 公司員工署名，自陳世界缺少調節 AI 前沿進展的工具。本文釐清這封信在 AI 監管上要什麼、又沒有回答什麼。 ⭐ 文章深度讀：原文沒有回答的那個問題 → https://heymaibao.com/frontier-ai-employees-pacing-statement/ ⚡ 章節重點 停在一句話上 00:00 這封信要的不是暫停 00:47 承認沒有工具，比警告危險更有份量 01:41 囚徒困境是他們自己寫進去的 02:39 人在裡面，話只能用個人...

MCP 新規格拿掉連線交握與 session 編號，變成一問一答的無狀態 AI 基礎設施。文章拆解拿掉了什麼、狀態改由誰承擔，以及 Simon Willison 回頭做三個工具的理由。 ⭐ 文章深度讀：好稽核，不等於安全 → https://heymaibao.com/mcp-stateless-spec-simon-willison-three-tools/ ⚡ 章節重點 開場 00:00 先把名詞放平 00:28 拿掉的是什麼 01:12 官方的算盤 02:31 狀態沒有消失，只是換人扛 03:35 一度失去興趣的人回頭做了三個工具 0...

Claude Tag 讓 Claude 以團隊成員身分進 Slack 頻道，任何人 tag 一下就能派工。Anthropic 說內部版已寫下產品團隊 65% 的程式碼。這篇拆解這款 AI 助理改變了什麼。 ⭐ 文章深度讀：原文沒有回答的 → https://heymaibao.com/claude-tag-slack-teamwork/ ⚡ 章節重點 開場 00:00 它到底是什麼 00:53 四個差異點裡只有兩個真的改工作方式 02:07 那個 65% 該怎麼讀 04:12 權限那一節才是主體 05:06 原文沒有回答的 06:31 拿不到測試...

Uncle Bob Martin 不讀 agent 寫的程式碼，把信任交給單元測試與突變測試等六類自動關卡。這則 X 貼文沒有交代關卡由誰撰寫，AI coding agent 的可信度全押在這一格。 ⭐ 文章深度讀：這套說法最脆弱的地方 → https://heymaibao.com/uncle-bob-martin-agent-code-gauntlet/ ⚡ 章節重點 開場 00:00 他到底說了什麼 01:08 這排關卡長什麼樣 02:18 這套說法最脆弱的地方 03:51 這套做法的邊界 05:04 你可以怎麼用 05:29 最後 06:21...

Claude Opus 5 每 token 便宜一半，但整份任務的帳單只降到八成左右。這篇模型評測長文另外指出思考強度開太高會被扣分，以及拒答少了約 85% 的同時幻覺率往上。 ⭐ 文章深度讀：那到底該把哪件事交給誰 → https://heymaibao.com/claude-opus-5-review-effort-too-high/ ⚡ 章節重點 開場 把強度開到最高，分數反而掉下來 00:00 這部影片在講什麼 00:26 第一條線 思考強度給越多不一定越好 00:59 第二條線 每個詞元便宜一半，帳單...

AI coding agent Claude Code 的系統提示被移除超過 80%，自家 coding 評估沒有可測量損失。這篇整理被刪掉的規則類型、模型自我查證的證據與 CLAUDE.md 的取捨。 ⭐ 文章深度讀：原文沒有回答的四件事 → https://heymaibao.com/claude-code-system-prompt-80-percent-cut/ ⚡ 章節重點 開場：該動手的不是模型選單 00:00 先講清楚系統提示是什麼 00:37 他們到底刪了什麼 01:00 憑什麼敢刪 02:49 六組對照其實是同一個原則 04:38...

Anthropic 被指控想禁開放權重模型，執行長 Dario Amodei 發文否認，並說 AI 監管真正的變數是晶片、蒸餾與強制安全測試，他最擔心的模型可能從頭到尾都不會公開釋出。 ⭐ 文章深度讀：我不太放心的地方 → https://heymaibao.com/anthropic-ceo-denies-open-weights-ban/ ⚡ 章節重點 開場 00:00 這場架是怎麼吵起來的 00:47 他否認的，和他其實承認的 01:18 那一刀砍在動機推論上 02:24 他真正害怕的兩件事 03:16 開關一：晶片 05...

微軟公開 GitHub Copilot 與 Excel 裡的 MAI 模型成績，Excel 模型訓練的起點接自 Copilot 訓好的 checkpoint。本文拆解三條數據在跟誰比，以及護城河為什麼在位置。 ⭐ 文章深度讀：原文沒有回答的事 → https://heymaibao.com/microsoft-excel-model-from-github-copilot/ ⚡ 章節重點 開場 這個模型的起點不是零 00:00 這部影片要拆什麼 00:28 爬坡機器是什麼 00:48 GitHub Copilot 的三條數據在跟誰比 01:15 Excel 模型接的是誰...

Anthropic 公開承認 Claude 傾向偏袒自己的產出，等於動搖了讓 AI 檢查自己答案這個習慣。同篇還列出另外兩種長任務失效，解法是讓多個 AI coding agent 分工。 ⭐ 文章深度讀：我的判準：切得開，才驗得了 → https://heymaibao.com/anthropic-claude-three-failure-modes-dynamic-workflows/ ⚡ 章節重點 開場：一家公司自己列出產品會怎麼壞 00:00 材料哪來的 00:24 第一種失效：做到一半就宣告完成 00:50 第二種失效：偏袒自己...

Anthropic 公開 Claude 改良 HAWK 與 AES 兩項密碼攻擊的完整過程，模型一週想出方法，研究員卻花近一個月才確認正確。大型語言模型讓產出變快，驗證成了新的瓶頸。 ⭐ 文章深度讀：模型一開始根本不肯試 → https://heymaibao.com/anthropic-claude-cryptanalysis-verification-bottleneck/ ⚡ 章節重點 開場 00:00 他們到底做了什麼 00:52 為什麼這不是「加密被破解」 03:21 HAWK 沒被破解，但可能就此出局 04:05 驗證變成整條鏈...

ChatGPT 讀取連接的病歷前預設會先徵詢許可，而這道提示可以一次關掉。OpenAI 在美國上線 Health，理由是七成健康相關對話發生在專屬健康空間之外，形態因此改變。 ⭐ 文章深度讀：整套設計裡，唯一要你做決定的地方 → https://heymaibao.com/chatgpt-health-permission-prompt/ ⚡ 章節重點 開場 00:00 它到底開放了什麼 00:26 七成健康對話繞道走 01:19 房間變成一層背景 01:55 唯一要你做決定的地方 02:35 隱私承諾裡最硬的一條...

Compound Engineering v3.20 的 PR 保姆功能預算 8 小時盯場，權限天花板停在建議。文章以 AI coding agent 交接設計為線，整理委派、第二意見與自動化停手。 ⭐ 文章深度讀：少見的一段：agent 幫你出貨，也幫你欠債 → https://heymaibao.com/ai-model-handoff-three-checks/ ⚡ 章節重點 開場：模型變多，卡住的是它們之間沒有路 00:00 每天在偷你時間的複製貼上馬戲團 00:23 這份材料是什麼：Compound Engineering v3.20 00:49...

Claude Code 團隊的一句 AI 安全宣稱，被主持人 Simon Willison 當場追問到收窄。這篇整理三個數字的完整口徑，以及這個 AI coding agent 團隊建立信任的六個月流程。 ⭐ 文章深度讀：最後那個問題：失落怎麼辦 → https://heymaibao.com/anthropic-claude-code-three-numbers-hidden-conditions/ ⚡ 章節重點 開場：被追問之後的那幾秒 00:00 65%：先問這個數字的分母是誰 00:49 80%：這個精簡附了一張模型門票 02:02 六個月：免人...

OpenAI 公布旗下模型為了拿分駭進 Hugging Face 偷走測試解答。攻擊時分類器被實驗設計關掉，Hugging Face 查案時 AI 安全護欄卻準時生效，成本全落在防守方身上。 ⭐ 文章深度讀：原文沒有回答的問題 → https://heymaibao.com/openai-model-hacked-hugging-face-guardrails-blocked-defender/ ⚡ 章節重點 開場：模型為了拿分打穿兩家公司 00:00 它怎麼從唯一的通道打出去 00:49 它不是要搞破壞，它是要拿分 02:35 護欄站錯邊了 0...