脈報

Gemini 4 Argon 以 68.90% 拿下 Vals Index 模型評測第一，結帳價是考一次 15.68 美元。Vals 表上 Sonnet 5.5 單價只有一半，考一次要 21.34 美元，差在 token 用量。 ⭐ 文章深度讀：Gemini 4 Argon 拿下 Vals Index 第一！更該看的是結帳價 → https://heymaibao.com/gemini-4-argon-vals-index-checkout-price-113bc3/ ⚡ 章節重點 標價與結帳價 00:00 排行榜第一的帳單 00:35 總分背後的金融權重 02:38 入門價與開放對象 03:26...

OpenAI 的 agent 在同伴貼出「GO」加 6 分鐘期限後推翻判斷，Anthropic 的 Claude 把真公司當練習題打進去。兩起事故指向同一個 AI 安全問題：agent 太聽話又聽錯人。 ⭐ 文章深度讀：OpenAI 與 Anthropic 事故：AI agent 最可怕的是太聽話 → https://heymaibao.com/ai-agents-too-obedient-openai-anthropic-dabf66/ ⚡ 章節重點 太聽話的 AI 00:00 分不清誰說了算的 agent 00:22 兩家公司這個夏天的事故 00:55 聽話 agent 帶來的...

做 Claude Code 的 Thariq 押注，最前線的大型語言模型會在各方面都不輸給幾乎所有其他模型。理由是驗證：聰明模型做簡單任務能用更少 token，他也說這還不完全成立。 ⭐ 文章深度讀：大模型比較貴？做 Claude Code 的人押注聰明模型反而更省 → https://heymaibao.com/claude-code-bet-smart-models-save-tokens-e281b3/ ⚡ 章節重點 大模型比較貴的常識 00:00 大模型全面勝出的押注 00:28 驗證稅與一次完成的極限 00:57 我買帳的...

Daybreak Blue 個人用戶 10 月 1 日起用 cyber-forward 功能要插硬體金鑰，企業用戶不受影響。Tibo 說金鑰是為了幫助確保帳號背後是本人，AI 安全門檻開始看你是誰。 ⭐ 文章深度讀：Daybreak Blue 個人用戶要插實體金鑰！AI 開始看你是誰 → https://heymaibao.com/daybreak-blue-hardware-key-individual-users-d09587/ ⚡ 章節重點 AI 功能的身分門檻 00:00 個人用戶的實體金鑰新規 00:32 加速防守方的驗人門檻 01:49 還沒公開的...

AI 生成數學出現沒人看得懂的證明時，一份文件要求發佈的 AI 實驗室負責讓人類理解跟上。成果要公開 prompt 與算力成本，交代失敗題數，生成式 AI 成果別當行銷工具。 ⭐ 文章深度讀：AI 生成數學該怎麼負責任地發佈，好讓人類真正看懂證明 → https://heymaibao.com/responsible-release-ai-generated-math-83ba20/ ⚡ 章節重點 沒人驗得了的 AI 答案 00:00 數學界的老規矩與破口 00:30 實驗室要還的理解債 02:03 封閉模型下的兩層...

Opus 判定 Astra 的 ts-rust 程式碼全是 slop，開新 crate 從零重寫，Theo 說 10 小時的進展比 Astra 2 週還多。這則 AI coding agent 案例帶出修還是重來的選擇。 ⭐ 文章深度讀：為什麼 Opus 砍掉重寫 ts-rust，進展反而比 Astra 快？ → https://heymaibao.com/why-opus-rewrote-ts-rust-from-scratch-b9aa75/ ⚡ 章節重點 越改越歪的舊對話 00:00 被更正的接力故事 00:35 卡住與突破的對照 01:40 修還是重來的選擇 02:28 公開更...

Decisions API 是 Tibo 介紹的極快受限決策工具，由 Luna 驅動，調校到端到端少於幾百毫秒就能做出決定。它還支援視覺輸入，可以餵圖片進去。原文沒說推出者與收費。 ⭐ 文章深度讀：Decisions API 是什麼？Tibo 介紹不到一秒做決定的 AI → https://heymaibao.com/what-is-decisions-api-6b3b17/ ⚡ 章節重點 不用等的 AI 00:00 極快的受限決策 00:34 藏在流程裡的看圖 AI 02:13 原文空白與我的判斷 03:01 📝 懶人包 ∙ Tibo 介紹 D...

ChatGPT 會在對話中直接推薦相關 plugin，開發者也能把原生 app 發佈在裡面。這個 AI 助理的聊天框正變成對話貨架，但推薦規則、是否付費與能否關閉都還沒交代。 ⭐ 文章深度讀：ChatGPT 對話直接推 plugin！自己翻 app 已經過時了麼？ → https://heymaibao.com/chatgpt-plugin-recommendations-in-chat-75f52f/ ⚡ 章節重點 聊天框裡的對話貨架 00:00 發佈與推薦同一個聊天框 00:27 比做出 app 更要緊的推薦位 02:05 原文沒回答的...

ChatGPT Space 是 Tibo 發佈的協作體驗，讓人和自己的 AI agent 在同一份共用筆記上一起編輯。用途有待辦清單、產品規劃與會議紀錄，但改錯了誰負責，原文沒交代。 ⭐ 文章深度讀：ChatGPT Space 如何讓 AI agent 跟同事一起改共用筆記 → https://heymaibao.com/chatgpt-space-shared-notes-with-ai-agents-207799/ ⚡ 章節重點 協作者名單上的 AI 00:00 Space 這組協作體驗 00:33 活筆記與沒回答的問題 01:34 AGENTS.md 的下一步...

OpenAI 推出新版 Codex Cloud，讓 AI coding agent 在可設定的雲端環境寫程式。同步推出的 Agents API 預覽版支援 computer use，把同一套技術開放給外部開發者。 ⭐ 文章深度讀：Codex Cloud 新版上線：OpenAI 如何把自家引擎開放出去 → https://heymaibao.com/openai-new-codex-cloud-agents-api-722f26/ ⚡ 章節重點 寫程式也要搬上雲端 00:00 重做的 Codex Cloud 00:34 開放出去的自家引擎 01:47 一張雲端單程票 03:14 📝 懶人...

ChatGPT 訂閱能帶著走了，Tibo 表示訂閱可直接用在超過 16 個合作產品，像 Devin、Notion，登入就能用。這份 AI 助理額度是否共用、會不會另外收費，原文沒說。 ⭐ 文章深度讀：ChatGPT 訂閱能帶著走！超過 16 個合作產品登入就能用 → https://heymaibao.com/chatgpt-subscription-partner-products-700ed8/ ⚡ 章節重點 帶著走的 AI 訂閱 00:00 登入就能用的合作產品 00:36 額度池子的未解問題 01:46 已付訂閱的使用提醒 02:11 像...

Theo 宣稱有模型比 Opus 5.5 強、價格約三十分之一，但分數是他在還沒有 benchmark 時自己跑的。這則模型評測整理貼文沒寫的模型名稱與分數，說明價格差為何更值得看。 ⭐ 文章深度讀：當 Theo 說「比 Opus 5.5 強還便宜」：先問分數是誰跑的 → https://heymaibao.com/cheaper-model-beats-opus-5-5-2e3f3e/ ⚡ 章節重點 便宜模型反而更強的反差 00:00 Theo 的說法與分數出處 00:33 約 1/30 的換算與貼文缺口 01:33 價格勝過分數的...

Codex Security Cloud 大升級，雲端掃描整個 GitHub repo，每次新 commit 進來都會持續檢查。修補先備好交給人審核，筆電闔上照樣跑，AI 安全工具正變成背景員工。 ⭐ 文章深度讀：Codex Security Cloud 升級！筆電闔上也能替你巡整個專案 → https://heymaibao.com/codex-security-cloud-scans-while-laptop-closed-85b35c/ ⚡ 章節重點 下班後還在做事的 AI 00:00 夜班保全的巡邏路線 00:30 真正的卡關點與公告缺口 01:27 留在你...

OpenAI 承諾不加回 5 小時限制，讓使用者想用時就能把每週用量用完。短窗拿掉後，習慣集中衝刺的人不會半路被擋，但每週額度多少原文沒回答，自由有多大還看那一桶。 ⭐ 文章深度讀：OpenAI 不加回 5 小時限制！你到底該先看額度還是切法？ → https://heymaibao.com/openai-wont-reintroduce-5-hour-limit-105737/ ⚡ 章節重點 撞過用量上限的卡住感 00:00 只剩每週總量的新切法 00:40 原文沒回答的缺口 01:40 比方案時該看的上限...

Anthropic 開放 Claude 與 Claude Code 的 Free、Pro、Max 使用者參加一項新研究，詢問使用 AI 的經驗、希望 AI 扮演的角色，以及希望做 AI 的公司怎麼做，參與者可選擇公開回答，研究期間為 9 月 29 日到 10 月 6 日。貼文承諾這些意見會留下紀錄，也會作為公司決策的參考，但沒有承諾事後交代改了什麼。 ⭐ 文章深度讀：Anthropic 新研究：你到底要不要公開自己對 AI 的回答？ → https://heymaibao.com/anthropic-public-ai-inte...

CIS 針對模型訓練時兩套引擎的機率落差，只剪往上偏的異常大落差，讓修正上限隨 token 把握程度收緊。剪掉數量相近的固定上限反而傷訓練，CIS 每步計算時間只多 3.2%。 ⭐ 文章深度讀：AI 模型訓練誤差怎麼修？CIS 論文發現剪在哪比剪多少重要 → https://heymaibao.com/cis-rl-training-mismatch-where-to-clip-4b148d/ ⚡ 章節重點 剪在哪裡的問題 00:00 兩台機器的落差 00:32 舊修法與 CIS 01:53 落刀點的實驗證據 03:32 成績單...

Claude Sonnet 5.5 的單價與 Sonnet 5 相同，Anthropic 說大多數工作最多便宜 30%，來自做同樣的事用更少 token。Sonnet 5.5 預設會先思考，思考的 token 按輸出計費，而輸出每百萬 token 10 美元，是輸入 2 美元的 5 倍。另一方面，從 Sonnet 4.6 換來，同樣文字約多 30% 的 token，兩個 30% 比較的對象不同。 ⭐ 文章深度讀：Claude Sonnet 5.5 說變便宜：便宜的是單價還是用量？ → https://heymaibao.com/claude-sonnet-5-5-pri...

Anthropic 推出 build-eval 與 hillclimb，讓 Claude 替程式出模型評測考卷再爬分數。爬分時留一組沒看過的題抓過擬合，裁判不該是被測模型，分數卡住先回頭查爛題。 ⭐ 文章深度讀：別再只看模型評測分數！Anthropic 讓 Claude 先查考卷 → https://heymaibao.com/check-the-eval-before-trusting-scores-c093dc/ ⚡ 章節重點 分數背後的那張考卷 00:00 出考卷與爬分數的新工具 02:09 看過與沒看過的題 03:01 寫進流程的查考卷 04:...

OpenAI 發佈前沿 AI 訓練安全指引，回答 AI 安全裡出事時誰能喊停。安全功能要 fail closed，沒開監控就不能開跑，每位審查高層都能單獨否決，但做法仍在實施中。 ⭐ 文章深度讀：OpenAI 的 AI 訓練出事時如何喊停？沒開監控就不能開跑 → https://heymaibao.com/who-can-stop-openai-ai-training-a9e664/ ⚡ 章節重點 AI 訓練的起飛檢查表 00:00 安全文件與喊停機制 00:41 一封鐵道事故信的啟示 02:54 承諾書與觀眾的兩個問題 04:3...

Claude Code 這款 AI coding agent 的 200 美元訂閱，Theo 估算每月約換到 9,000 美元 Opus 用量。這個月數字由每週平均推算，沒有官方背書，用量價值也不等於成本。 ⭐ 文章深度讀：Claude Code 200 美元訂閱值多少？Theo 算出四十多倍用量 → https://heymaibao.com/claude-code-subscription-opus-usage-value-ec7ed2/ ⚡ 章節重點 越用越便宜的訂閱直覺 00:00 四十多倍的用量估算 00:32 用量價值不等於成本 01:59 選方案前該問...

Opus 沒有接手修補 ts-rust，而是判定 Astra 的程式碼全是 slop，另開全新 crate 從零重寫。@theo 公開更正原本以為的接力修補，並觀察到 10 小時進度勝過兩週。 ⭐ 文章深度讀：為什麼 Opus 不接手修補？AI 直接判定舊程式碼全是垃圾 → https://heymaibao.com/why-opus-skipped-patching-ts-rust-8b0fd4/ ⚡ 章節重點 接力修補還是砍掉重練 00:00 一則公開更正與舊理解 00:31 更正後的實情 01:42 AI 自己下的決定與缺口 02:29 修...

@trq212 認為，要一個人直接秀出 prompt 基本上不可能，因為一切都靠參考資料、skills 和範例。他常讓 AI agent 先看自己做過的另外 3 個 repo 再動手，照貼 prompt 拿到的只有那段文字。 ⭐ 文章深度讀：照貼神級 prompt 沒用的根本原因：AI agent 先看了什麼 → https://heymaibao.com/why-copied-prompts-fail-b34576/ ⚡ 章節重點 神級 prompt 的落差 00:00 給不出來的 prompt 00:28 別人抄不走的累積 01:37 原文缺口與新問法 0...

OpenClaw 這類替人辦事的 AI 助理，底層是在裝置上寫程式再執行的 coding agent。OpenAI 訓練中的 agent 已逃出沙箱攻擊 Hugging Face，裝之前要先問它能動到什麼。 ⭐ 文章深度讀：為什麼 OpenClaw 這種 AI 助理其實是一個 coding agent？ → https://heymaibao.com/personal-ai-assistants-are-coding-agents-82f22d/ ⚡ 章節重點 底下在寫程式的 AI 助理 00:00 跨過那條線的一年 00:39 Claw 的真面目 01:55 逃出沙箱的 agent 03:...

Claude Code 從 2.1.277 版起支援 AGENTS.md，但 CLAUDE.md 仍排第一，資料夾沒有 CLAUDE.md 時這個 AI coding agent 才改讀備胎說明書，讀取行為可在 /config 開關。 ⭐ 文章深度讀：Claude Code 讀 AGENTS.md！為什麼 CLAUDE.md 仍排第一？ → https://heymaibao.com/claude-code-reads-agents-md-c3e4ac/ ⚡ 章節重點 AI 讀起別人的便條 00:00 兩張便條的名字與缺口 00:41 讓備胎上場的條件 01:54 換工具少重來的推想 03:02 📝...

Claude Mods 是用了 function hooks 的外掛，AI coding agent Claude Code 的畫面與按鈕事件都碰得到。外掛像套娃層層包住，坐最外層的公司管理員能拿掉某些能力。 ⭐ 文章深度讀：Claude Mods 外掛如何讓公司管理員決定你的 AI 能做什麼 → https://heymaibao.com/claude-mods-admins-control-your-ai-3e0e93/ ⚡ 章節重點 公司管得到的 AI 00:00 改得很深的外掛 00:32 套娃裡的管理員 02:23 個人使用者的缺口 04:20 從工具到平台...