归档
时光荏苒，文字留痕
共 141 篇文章
Go 1.27 换了 JSON 库：一个重复键，曾能骗过权限校验
Go 团队 11 月 4 日发布新版 JSON 库：非法 UTF-8 与重复键报错，空值语义改写，反序列化最高快十倍。
2.8 万亿参数的权重放出来了：Kimi K3.1 Pro 说明了什么
月之暗面发布Kimi K3.1 Pro模型卡，开放权重、多模态、面向智能体；MoE总参数2.8万亿、激活约1040亿，上下文1048576 token，用Gated DSA稀疏注意力降低长上下文成本。其长周期跨工具任务领先或接近闭源强模型，但单点生成复杂系统、攻击性安全仍落后。开源需拆开看：自定义许可证商用须逐条读，权重近1.4TB且长上下文缓存成本高，更适合推理服务商、大型私有化机构和研究者，中小企业宜用兼容OpenAI/Anthropic协议的API。多轮工具调用须原样回传助手消息及reasoning和工具记录；选型按任务匹配，私有化先算显存，长上下文按token计费。
四十年的技术债开始还账：一个旧 bug 如何在两周内变成入侵入口
一个被当成"只会崩溃"的旧 bug，在 AI 辅助下两周变成可远程执行代码的漏洞。四十年存量代码正在被逐行翻出来。
AI 直接读懂模型权重？这篇热门论文被指把两件事混成了一件
论文提出“权重空间编程”，称大模型能直接读写神经网络原始权重，Qwen仅改0.016%权重就把MATH-500从7.9%提至48.1%。Honnibal反驳其混用读权重、写代码、跑练习等实验，真正只读权重的仅小网络，语言模型实验用了Python，Qwen还跑练习题，制造统一技术假象。Willison本地复现无工具识别游戏，耗时且会猜错，认为颠覆结论依据不足。读者应核查实验规模、工具使用与独立复现；仍先做提示词工程、数据清洗等笨功夫。
AI 越火，磁带越忙：富士胶片把产能拉高五倍
富士胶片宣布投入约 100 亿日元，把磁带产能提到 2025 财年的五倍，主因是生成式 AI 带来的数据归档需求，以及磁带可断电隔离的防勒索特性。
打开一次 Postman，它偷偷改了我的 AI 编程助手
一位开发者在 GitHub 贴出日志：Postman 桌面版在用户毫不知情时，给 Codex、Claude Code 装上插件，并自行把自己的启动钩子标成可信。
除科技公司外，AI 没有带来财务回报：一份让企业冷静的测算
TechCrunch报道Slok的“标普493”：标普500剔除七大科技公司后，利润率与人均营收基本持平，未见AI提升生产率的证据。Slok称AI对科技业外美企财务回报为零，难点在组织而非技术：商业智能核心是判断，AI难理解责任、信任、文化与伦理。文章提醒测算较粗，局部降本或被其他成本抵消，但别把工具采购当转型完成。企业应先量人工基线，优先做结果可验收的环节，定价、承诺、人事由人拍板，汇报写清哪个环节人均产出变化，而非只写“用了AI”。
让 AI 写同一个应用十二遍：一份被算清楚的框架成本表
Nolan Lawson 用 PokéAPI 应用让 AI 以十二种框架各实现并测试，按成本、耗时、token、代码量和 Lighthouse 评分比较。结论是总分几乎打平，差异藏在细分指标：Astro 传输 JS 近零、首屏最快，Hono 配 htmx 成本最低且代码量最少；Angular 成本高、代码多、阻塞时间长。原生方案未必占优，官方 MCP/技能文件调用率低。对企业内容站，Astro 或 Hono 配 htmx 更省成本、首屏快；重交互系统应改用交互延迟等指标。更可取的是用同需求实测替代“对 AI 友好”的感觉判断。
两小时做出一个视频站：Karpathy 用 HN 评论重写了推荐算法
Karpathy因不满YouTube推荐，用AI筛选Hacker News历史评论，从约4万条推荐评论中整理出6454个视频、150个话题，两小时上线视频站。站点不用上传者封面而取视频50%帧截图，不做账号体系，数据可导出，默认服务判断而非停留时长。人工只负责申请API key、开VPS、买域名，说明AI可执行流程，但需身份、支付和承诺的环节仍由人完成。对团队而言，可从论坛、工单等现成人类判断中找信号，重视产品默认值，并把需求缩到当天可验证的最小切口。
代码托管自己搭还照样协作：Tangled 把 forge 做成了联邦网络
Tangled发布基于AT Protocol的联邦式代码托管平台，目标是让forge可自托管并保持正常协作体验。它把原Go单体与SQLite架构改为边缘Svelte前端和部署在11个以上区域的Rust内存索引bobbin，以解决延迟。关键数据设计是将issue、PR、评论、标签等协作数据作为Git对象存入knot，随协议同步，并用写入用户PDS的attestation双向验证。组织为真实AT账号，支持自定义域名和堆叠PR。文章认为对团队最有价值的是“真相在仓库，索引可重建”的分层：便于界定数据归属、降低迁移成本。