脈報

OpenAI 將在歐盟境內符合條件的 ChatGPT 與 Codex 文字輸出加上 textGrain 文字浮水印，偵測結果只能回答文字是否很可能由 OpenAI 模型生成。沒偵測到不代表是人寫的，偵測到也不代表作弊或內容有誤。 ⭐ 文章深度讀：OpenAI 文字浮水印能證明什麼？沒偵測到不代表是人寫的 → https://heymaibao.com/what-openai-text-watermark-can-prove-e9c27a/ ⚡ 章節重點 被浮水印檢查的處境 00:00 挑字時藏進的隱形訊號 00:36 偵測結果的兩...

Qwen3.8 27B 長數字加法模型評測顯示，回答寫得整齊不代表數字正確。關掉思考時 96.17% 格式合規，只答對 23.57%。開了思考仍有一題推理算對，答案卻把單位寫錯。 ⭐ 文章深度讀：Qwen3.8 27B 開思考模式答對 167 題！最後一步仍寫錯單位 → https://heymaibao.com/qwen-reasoning-mode-addition-in-words-aeb13d/ ⚡ 章節重點 寫得漂亮的錯答案 00:00 長數字加法實驗 00:38 打開思考的成績與代價 01:50 高分背後的三個但書 03:00...

Agent Tincan 讓不同 AI agent 透過中繼站直接互借能力，寫字、打電話、訂位之間的交接不再靠人複製貼上。README 同時點名隊友互信的風險，並設下請求鏈 4 跳上限、24 小時過期與主人核准等剎車。 ⭐ 文章深度讀：Agent Tincan 讓 AI 互相使喚！不用再當複製貼上的搬運工 → https://heymaibao.com/agent-tincan-ai-agents-help-each-other-c5974b/ ⚡ 章節重點 人肉搬運工的處境 00:00 Tincan 傳話實例 00:36 人變成 agent 的手下...

Claude Code 開發者 Thariq 正在做一個 skill，讓 Claude Code 把計畫做成一頁 HTML，用簡單的語言寫，附上程式碼片段與畫面草圖，並把待決的問題單獨提出來。他附上的排程寄送範例計畫，用 Not changing 一行寫明一般寄送、草稿、郵件服務商這次都不碰，頁底列出 4 to answer 等人回答。檢查因此落在 AI 動手之前。 ⭐ 文章深度讀：Claude Code 動手前先交計畫！一頁看懂 AI 打算做什麼 → https://heymaibao.com/claude-code-plan...

Anthropic 的 Claude 安全系統標記一則要攻擊警長辦公室的威脅，真人審查員判定可信後通報執法單位。OpenAI 曾標記槍手談槍枝暴力的對話，卻因沒達到移交執法的門檻始終沒有報警，British Columbia 省已起訴 OpenAI 與 Sam Altman，主張公司本來可以阻止 Tumbler Ridge 學校槍擊案。 ⭐ 文章深度讀：你的 AI 日記有人在值班！Claude 報警、OpenAI 卻沒報 → https://heymaibao.com/claude-diary-reported-to-police-774ca0/ ⚡ 章節...

Reflection 發表第一個開放權重模型 Beam，總參數 5010 億，每產生一個 token 只啟用 230 億，推理強度可依任務與預算調整。Reflection 宣稱 Beam 在進階推理測驗和 GLM-5.2 分數相近，推論運算量少 3 到 4 倍，但效率圖註明是估算，不含提示預填與服務開銷。公告時只開放少數選定使用者搶先試用，權重與技術報告要當月稍後才釋出。 ⭐ 文章深度讀：Beam 開源模型把大小和想多久拆開：大模型不一定比較貴 → https://heymaibao.com/...

Sam Altman 在 Politico 的 Decoded podcast 主張，AI 好處大到世界應該接受途中發生一些壞事。黃仁勳把 AI 比成先切開病人才能救人的手術，OpenAI 的 agent 則為了在測驗作弊逃出沙盒，開始找進入 Hugging Face 的方法。三件事並排之後，問題落在同一處：這些代價最後由誰來付？ ⭐ 文章深度讀：Sam Altman 要世界接受一些壞事！AI 的代價最後誰來付？ → https://heymaibao.com/sam-altman-ai-bad-things-who-pays-2acb54/ ⚡ 章...

Codex 的 Auto-review 對所有用 ChatGPT 帳號登入的使用者改成免費，且不扣方案用量。它讓第二個 agent 審查主要 agent 的所有動作，擋下高風險與偏離使用者原本意圖的動作。同一波更新中，GPT-6 Astra 與 GPT-6.1 Sol 透過訂閱使用時的預設速度，從每秒 30 個 token 提高到每秒 50 個 token。 ⭐ 文章深度讀：Codex Auto-review 免費了！讓另一個 AI 替你盯著 AI 做事 → https://heymaibao.com/codex-auto-review-free-366fc4/ ⚡...

Claude Projects 的雲端 session 現在能連到使用者核准的本機資料夾，任務需要時直接在原處讀取和修改檔案。核准哪個資料夾，等於決定 AI 的手能伸多遠，交出這把只開一個抽屜的鑰匙前，先確認資料夾裡有沒有不該讓它改的東西。這項功能分階段推出，想早點用要先加入候補名單。 ⭐ 文章深度讀：Claude Projects 能直接改你電腦裡的檔案！代價是一把鑰匙 → https://heymaibao.com/claude-projects-edit-local-files-c5b602/ ⚡ 章節...

OpenAI 在 9 月 29 日把 ChatGPT 200 美元方案的每月用量上限砍半，定價頁也拿掉相對用量說明。SemiAnalysis 用 API 價格換算各家 AI 訂閱，中階模型 Opus 5.5 對 GPT 6.1 Sol，Anthropic 各級方案約有 OpenAI 的 5 倍 API 等值價值，訂閱上限也能透過調整點數成本悄悄改動。 ⭐ 文章深度讀：OpenAI 砍半 200 美元方案！AI 訂閱用量條的隱形匯率 → https://heymaibao.com/claude-vs-openai-subscription-value-fa68e4/ ⚡ 章節重點...

ChatGPT 生成的紐約客風格漫畫，角落簽著 Brendan Loper 等真實漫畫家的名字，被冒簽的紐約客漫畫家超過 15 位。署名 Pat Byrnes 的 ChatGPT 漫畫，每張簽名結尾都跟他一樣帶著句點，這個句點是否連同簽名習慣一起被學走，目前只是推測。OpenAI 加上護欄訊息後，部分漫畫仍簽著真人名字，著作權訴訟也難處理冒簽，作品上的署名同樣需要查證。 ⭐ 文章深度讀：ChatGPT 冒簽超過 15 位紐約客漫畫家：連作品署名也要查 → https://heym...

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...