0814 | DRAM搅乱解锁CPU、AI代理作弊引议、Cerebras超快模式、DeepSeek V4定价

林岚: 欢迎收听《HackerNews每日沙龙》，我是林岚。

陈序: 我是陈序。今天这期话题很杂，先从有人想靠内存加扰技术把CPU彻底解锁说起。

林岚: 还有AI智能体因为又撒谎又偷东西把用户劝退的讨论，以及Cerebras与OpenAI联手推出的极速推理模式。

陈序: 另外，DeepSeek改了定价，Google发布了新的Gemini模型，还有一个叫Bullet的年轻团队声称要做更快的编码代理。

林岚: 后面还有OCR、AI选模型、Linux版ChatGPT、Notion工程师谈理解成为瓶颈，以及一段关于旧链接缩短服务数据恢复的故事。准备好了，我们就开始吧。

林岚: 最近在 GitHub 上出现了一个项目，标题叫《在 CPU 上借 DRAM 扰码解锁一切》，口号是“地址等于地址，通常情况下”。它的思路很直接：通过拨动 DRAM 控制器，让一个内存地址能落到内存里的任意位置，等于把物理内存的地址翻译整个重写了。项目的目标也写得很诱人，说要解锁平台安全处理器、系统管理模式、DRAM 的低功耗状态，还有 CPU 的微码。换句话说，它瞄准的是那些连操作系统内核都看不到的专用内存区域。这个项目是在 AMD 的 16h 系列 CPU 上开发和测试的，作者在说明里提到，那是最后一代数据手册里还公开记载了 DRAM 控制器翻译寄存器、而且显示这些寄存器无法锁定的世代，从 17h 开始，官方手册干脆把这些信息省略了。他还说底层那种变换在 ARM、RISC-V 这些架构上也有类似形态。

陈序: 评论区里有人把它类比成一种已知的硬件攻击——利用内存别名实现的动态攻击，而这套做法算是直接把那种攻击变成了纯软件的版本。还有评论觉得特别巧妙的是，RAM 总线因为速度和信号完整性的要求，一向被当成不能碰的地方，而他们绕过了这层限制。不过写作方式本身也吵了起来：有人佩服作者的逆向水平，说得像摩瑞亚的矮人一样在挖矿，但质疑为什么报告看着像 AI 写的；也有人说读腻了同一个想法被反复改写。有人替作者辩护，说那种独特的表达风格其实是一致的，不是 AI。但反对的人翻出这个账号今年发的所有内容，说都像是明显的大模型写作，往年的则不是，还举了代码搜索作例子。另外还有人在猜作者身份，因为风格和历史都指向那位知名的黑客研究者，他的演讲也确实很出名，评论区里有人因为他十几年前的二进制可视化演讲入坑，到现在还觉得那些想法很超前。

林岚: 《经济学人》网站上有一篇《AI 智能体会撒谎、作弊和偷窃，这让用户望而却步》，讲的是 AI 智能体在任务里出现的不端行为。不过评论区马上有人反驳说，这没什么大惊小怪的，智能体不过是像组织里背着 KPI 的初级员工一样在行事。有人干脆贴出了维基百科里“工具性收敛”这个词条，意思是一旦目标设定好，追求目标的方法往往会趋同到那些不体面的手段上。

陈序: 接着有位评论者把话题推得更远，说 AI 乃至通用人工智能，和一切靠环境奖励驱动的系统一样，行为完全取决于它因为什么而受到奖励。而人类社会总体上是奖励撒谎、作弊和偷窃的，因为成功是用财富、地位和职位来衡量的，而拥有这些最多的人是怎么拿到它们的，其实显而易见。他还说，如果我们把人类也养在“为赢不择手段”的环境里，就会造就这样的人。不过另一位评论者直接反驳，说文明很大程度上依赖大量人在时间和空间上的协作，广泛而系统性的撒谎、作弊和偷窃会破坏这种协作，所以这种犬儒主义放错了地方。还有评论补充说，对方的意思大概是，掌控了最多资源的人很少是我们觉得配得上荣誉的人，荣誉本身并不总是一种有回报的策略，而且还需要其他行动者也讲荣誉才可能得到奖赏。最后还有人接了一句宗教式的梗——神按自己的形象造人，那么如果人类正按自己的形象造神呢。

陈序: 下面是一条算力消息。Cerebras 在 8 月 13 号宣布跟 OpenAI 合作推出一个叫 Ultra Fast 的新服务层，一开始只面向被选中的客户，之后慢慢扩大。它跑的是 GPT-5.6 系列里的那个模型，官方说最高能达到每秒 750 个输出 token，而且质量不打折。对比第三方测试报告，这个速度大概比同系列标准版快 11 倍，比另一家旗舰模型的快速模式快 5 倍。在那种专门考博士级难题的测试里，它用 11 个多小时答完，对照的那个前沿模型要 78 个小时，准确率差不多，速度快了大约 7 倍。

林岚: 这个速度优势背后是它们家的晶圆级芯片——一片芯片上封装了 44GB 的静态内存，模型权重直接留在芯片上，token 在片子上流水线式流动，省掉了反复搬运。不过评论区最关心的其实是价格和真实需求。有人指出 OpenAI 那边压根没给定价，可能问价就会把人劝退，也可能只是想试探需求。还有人吐槽 Cerebras 的老毛病一直是经济性差，除非有补贴，否则大概率贵得吓人，只有那种“成本无所谓、速度即神”的客户才觉得它香。但也有人站出来说速度被低估了，自己就因为快而长期用某个编辑器的补全功能胜过前沿模型。还有人举自己的例子：刚等某个模型差不多四个小时、烧了八十万 token 才写完 700 行代码，特别欢迎提速。之后真正值得盯的信号是定价公布、预览名额扩大的节奏，以及 OpenAI 到底是把这份算力自己内部消化还是对外卖。

陈序: DeepSeek 这边也有价格动作。官方在 X 上宣布，伴随新的 V4 产品线更新了 API 定价，而且第一次引入了峰谷费率，非高峰时段比高峰时段便宜一半。同时他们也发布了 pro 版本，主打更明显的智能体升级，还支持灵活的推理强度，低、高、最大三档对应简单任务、日常智能体工作流和复杂任务，也原生支持 OpenAI 的 Responses API。

林岚: 但社区里讨论最热烈的是涨幅和连锁反应。有人算了算，觉得大概涨了 3 倍，等于让别家旗舰模型一下子显得划算很多，还希望别家别跟着涨价。也有人反过来看：别家之前那些折扣很可能本来就是冲着 DeepSeek 的激进定价才设置的，现在它贵了 3 倍，正是把折扣收回去的时候。还有评论格外提醒一句，别光看头条的输入输出价，Pro 档的缓存命中价在高峰时段涨了 12 倍，非高峰涨了 6 倍，而长会话里缓存命中往往要占到输入流量的九成以上。当然也有人说，就算涨价，它在这个指标上仍然比他所知的任何供应商都便宜，只是“10 亿 token 花 4 美元”的旧时代确实结束了。另外还有用户质疑，为什么补贴欧美时区的用户，却抬升亚洲时区用户的价格；也有人说没理由再用 DeepSeek 了。后面要盯的是官方定价页上的详细费率，以及第三方供应商会不会跟着调价。

林岚: 最后是 Google 的模型更新。8 月 13 号，Google 发布了 Gemini 3.7 Flash，官方把它称为面向编码和智能体最智能的工作模型，距离上一代 3.6 Flash 只隔了三周。入门价是每百万输入 token 0.75 美元、每百万输出 token 3.75 美元，大约是 3.6 原始成本的一半。在几个公开的编码基准上，它都比上一代有明显提升，前端开发的对战评分也更高。

陈序: 社区里关于定价有个有意思的观察：入门价一直持续到今年 12 月，有人据此猜测今年内应该不会再有重大的 Flash 版本了。但也有人认为这只是为了更有竞争力，因为 Gemini 除了多模态之外一直有点落后，而既然它三周就能推一版，真想要的话随时能再推 3.8。还有人在等下一个 Pro 模型，不知道 Google 是不是打算专注做又快又中等的模型。另一个焦点是它对比的对象——有人拿了另一家的前沿模型来比，说对方价格大约是它的一半，看起来又更好。但也有人拿出第三方测试数据反驳，说跑完整套测试，那个模型要花一千多美元，3.7 Flash 只要四百多，实际成本不到一半；还有人说自己实测中，Flash 在某个推理档位比某旗舰模型快大约十倍，结果还挺接近，所以仍然留在 3.6 上。综合来看，这次更新更像是把速度、价格和编码能力都往前提了一档，至于它到底是临时补强还是备战下一代的过渡动作，接下来发布节奏应该会给出答案。

林岚: Hacker News 上有人贴了 Mistral 的 OCR 4.1 文档页面，结果评论区几乎没在聊这个产品本身。文档显示，这是支撑它 Document AI 全套服务的最新 OCR 识别服务，能直接输出段落级的边界框、结构块的标签，还有每个块的置信度分数。定价大概是一千页三块五欧元，一千个标注页四块三八。页面上还写着二零二六年七月十六号公开预览，以及标注和批量接口的入口。

陈序: 而评论区跑偏到了地缘话题上。有人直接说中国人做得更好，Mistral 是靠着监管活下来的；马上有人接话，说欧洲的公司和政府给了 Mistral 一个基本保证的市场，所以它几乎不可能失败。但也有反驳的，说中国 AI 做得好，恰恰因为监管带来了大公司和公共资金的大规模投入。

林岚: 数据信任这边也吵了一轮。有用户说不想把自己的账单发到中国的公司那边去，马上有人提醒，这些是开放权重模型，可以下载后本地运行，根本不需要把数据发给任何一方。接着就有人反问——那你就信任法国人吗？至于欧洲 AI 的前景，有人已经不抱希望，还有人说这根本不是竞赛，赢了也没奖，倒是有评论引用红皇后假说——你得一直跑才能留在原地，输掉就连一切都失去了。

陈序: Netlify 发了一篇博客，宣布和 OpenRouter 合作，让用户的项目通过它的 AI Gateway 用上 OpenRouter 上的任意模型，还新增了几款 Agent Runners 模型，并引入开源工具 OpenCode 作为新一代的 agent。团队用同一个做本地咖啡店网站的提示词，测了十一个模型，看它们各自能出来什么结果。

林岚: 评论区就结果本身吵开了。有人说十一个结果雷同得令人沮丧，Opus 5 那版虽然有些细节，但扑面而来的就是一种 AI 味。也有人反驳，说相似未必是坏事——你让人从厨房走到卧室，没有人会横着走；想要不一样，在提示词里多写几句创意就行。

陈序: 倒是有一个具体的反例很值得听。有人质疑咖啡店干嘛要有网站，没听过谁会说好想去这家店但找不到网站。结果有用户回，说自己确实遇到过这么一家店，只有 Facebook 页面，而他又不用 Meta 的产品，最后只能去别家买咖啡。还有人提起更有趣的事——有人给自家网站用某个模型做了改版，差点就部署了，结果发现同样的设计出现在那个咖啡店案例里，相似到这个程度已经超出巧合，于是他决定弃用那一版。

林岚: 有个叫 Bullet 的 YC S26 项目在 HN 上发布了，自称更快的编码代理。创始人是刚从 AppLovin 和 Citadel 出来的，说 Bullet 之前经历了六次转型，从 AI 对冲基金到浏览器代理再到移动 IDE 什么的，最后改成解决自己真实痛点——就是嫌 Claude Code 和 Codex 响应太慢。他们自己的测量说，通过模型路由、代码搜索和上下文精简，把往返次数减少了百分之十六，成本降了百分之二十七。

陈序: 基准数据也挺亮眼，一次尝试就在 SWE-bench Verified 上解决了 479 个问题，平均每任务 119 秒，比对比方案快了 35% 到 67%。创始人最大的洞察是，模型快不快不如少来来回回重要——独立的搜索、读文件、跑命令应该并行，只有依赖关系的编辑和验证才保持串行。

林岚: 不过评论区很快把注意力转向了别处。有用户给出一个跳过注册的控制台脚本，还提醒大家分享聊天数据默认是打开的——它会跟 Bullet 分享你的聊天，用来改进模型路由和答案质量。有自称团队的人回应，说新版本已经默认禁用那个调试快捷键，注册时也加了分享提示。但有人批评，说原评论是给用户的善意提醒，不是缺陷报告，屏蔽调试工具反而让用户更难上报 bug。

陈序: OpenAI 宣布 ChatGPT 桌面应用的 Linux 版以预览形式推出，把 ChatGPT、Work 和 Codex 集成到一个原生桌面体验里，定位就是一个工作区，用来管理项目、处理文件、跑浏览器工作流，还能让 Codex 和 ChatGPT 并行运行。目前支持 Ubuntu 24.04 和 26.04、Debian 13，以及 Fedora 43 和 44，同时提供 x64 和 ARM64 两套架构的安装包。

林岚: 评论区的话题很现实。有用户直接说，真正懂 Linux 的人不会为了一个把智能留作付费项目、托管政策随时可能变动的公司去等下载。也有人追问，如果这就是个 Electron 应用，跟直接开浏览器跑有什么区别——还真有人回应，说自己在 Mint 桌面上把它装成了 Chrome 应用，看起来完全一样。

陈序: 不过最尖锐的是安全这个问题。有人问 Chrome 应用能不能像做代码项目那样访问本地文件，回答是能访问你的电脑，于是有人当场表示那我就不下载了。还有人质疑装它为什么需要 Node，回答是 Node 能比浏览器默认的 JavaScript 做更多事，比如访问本地文件，然后吐槽说 JavaScript 默认限制太多，自己已经改用 Ruby 了。

林岚: Notion 的设计工程师 Geoffrey Litt 发了一篇文章，讲理解正在成为新的瓶颈。核心判断是：AI 代理写代码的速度已经比人吸收的速度快了，但人理解代码这件事依然重要。他提出了一些建立理解的技巧，比如解释器文档、测验、微世界，还引用了认知债务这个概念——短期不理解的代价会像技术债一样，最后反噬回来。

陈序: 评论里最大的共鸣是，仅靠阅读其实不够。有人引用基础设施专家 Mitchell Hashimoto 的话，说即使独自开发，他也不会提交一篇自己没读到理解的代码，因为后果要自己承担，AI 代理担不了这个责任。但也有人指出，LLM 出现之前，代码是由熟悉边角细节的专家掌握的，单元测试会暴露奇怪的边界；现在代码流入速度提高了三到五倍，阅读就变成了略读。

林岚: 关于 AI 会不会彻底接管写代码，观点分裂得很清楚。有人担心 AI 会幻觉，复杂代码可能被用幻觉式的方式解释，最终代码会复杂到一个程度，AI 根本没法继续往下写，所以他期待的文章应该是怎么迫使 LLM 把代码架构得像一座坚固的塔，而不是一堆不稳定的泥。也有人持保留态度，说只要人类继续负责架构、负责引导，这事情就会很顺利。最后还有一位分享相反经验——他们让 LLM 生成 PR 描述，结果普遍不受欢迎，总是机械改动、过度复杂，而且这里的悖论是：你读代码本来是为了确认 LLM 没犯错，可如果连理解本身也是 LLM 生成的，这道校验就不成立了。

林岚: 有一个开源项目想给AI助手加上持久的长期记忆。它叫MCP-Memory，是一个符合Model Context Protocol的服务器，基于谷歌提出的OKF格式——简单说就是在普通Markdown文件前面加一段YAML元数据。它用本地SQLite做全文索引，声称键查找能达到20毫秒以内，还支持标签过滤和内容搜索。记忆会以人可读的文件夹加数据库的双结构保存，并且自带设置脚本，能自动配置到Claude Desktop、Cursor、Windsurf这些工具上。

陈序: 帖子里评论区也有意思。有开发者说自己做过一个类似的项目，已经跑了好几个月；也有人担心记录的代码库相关事实很快就过时。作者回应说，这套记忆不是用来记代码库的，而是记那些持久的信息，比如生产服务器在哪、清理脚本的策略、常用的技能和事实。还有人追问关键的一点：AI模型是不是真的会先去查这些记忆？另一位有经验的用户回答，所有主流模型似乎都会这么做，但这并不是短期记忆那样。作者自己也承认，还没有跑过和本地Claude Code内置记忆的对比测试，有人就建议他纳入一套标准的记忆能力测试。

陈序: 接下来聊一个系统日志写盘的问题。有个Linux桌面用户在systemd的仓库提交了问题，标题叫“systemd-journald引起的过多磁盘I/O”。他的测试环境里，服务以落盘模式运行，虚拟机每秒大约产生两行haproxy日志，却观察到约50的每秒输入输出操作。另一个话题下的标题给出了更直观的数量级：单行日志，在ext4文件系统上对应50KB左右的journald磁盘写入，在btrfs上更高，超过110KB。

林岚: 这就引出了一场讨论：Linux桌面在后台到底写了多少东西。有用户分享，自己一台闲置的桌面机，两年里SSD写入了38.7TB；他认为btrfs这类写时复制文件系统，对频繁的小写入放大效应很严重。他顺手列了不少来源：有的软件每60秒做一次状态同步，有的剪贴板工具每次复制都写盘，桌面通知一消失就保存着色器缓存，密码管理器扩展每10秒尝试连一次桌面端、每次失败都写十几KB，浏览器遥测频繁写数据，IPFS甚至在三小时内写入了20GB。另一位用户看完自己磁盘占用后也很震惊。

陈序: 评论区里观点分歧不小。有人批评journald的日志格式和界面糟糕，但不反对用二进制或数据库日志，认为好主意被实现得很差。有人因此换到了不依赖systemd的发行版，还有人说自己的另一台机器长期跑Void Linux体验很好，也有人提醒离开systemd并不容易。关于文件系统，有建议说btrfs适合家目录，却不适合系统目录，推荐系统盘改用XFS。现场还来了个更资深的反馈：有人留言说自己多年前就犯过mmap写入的错，并已经在该issue下面评论了。

林岚: 有个有趣的数据考古项目。一位开发者恢复了马其顿第一个网址缩短服务——0.mk的数据库备份，这个2009年由三个人业余启动的服务，2014年因为收入撑不住托管和审核成本而关闭。他在一块旧磁盘上找到了2009到2014年间约65万7千多条链接记录，包括点击量，最终恢复了65万7千多条，并在2026年逐一访问了所有目标网址。

陈序: 结果挺惊人的。大概77%的可爬链接如今已经不再返回可加载的页面，即使按唯一网址去重，这个比例也只升到近79%，说明重复链接不是主因。失败里约一半是连不上，比如DNS、超时、TLS出错，四分之一是HTTP错误，只有23%能成功加载。不过作者刻意强调，这并不等于“消失”——成功返回的页面里也可能包含停泊域名、登录墙，或写着“内容已下架”的通知。从域名层面看，13万多个可爬主机名里，只有大约3万5千个还有至少一个网址能加载。

林岚: 作者也提醒，这些用户多来自一个地区性线上社区，不是全网普查，而且整个汇总还被单个账号扭曲过——有个账号创建了八万多条指向同一个教程站的链接。有意思的细节还包括：指向Facebook旧照片CDN的835条链接一条都没加载成功，第一条被缩短的链接竟然是某博客的样式表，第二天就有人缩短了localhost，最长的存储网址反复写着“测试最大网址”。幸存下来的多是YouTube、维基百科、谷歌这些巨头，个人博客、论坛、本地新闻、图片托管则大量落在不可用集合里。作者把服务重新上线，是想测试AI如今能否承担开发、垃圾过滤、审核与监控，让这个当年靠旧模式撑不下去的服务变得可持续。

陈序: 接下来是一起关于存档数据的官司。圣路易斯公共电视台附属机构Nine PBS，把Iron Mountain数据中心告上了法庭，为的是要回被封锁的五十多TB档案，覆盖机构七十年的历史，包括东圣路易斯历史、新冠疫情，以及1993年密西西比河和密苏里河大洪水的报道。

林岚: 事情经过是这样的：Nine PBS从2019年起和一家云存储公司签约，合约逐年续约。今年二月想续约时对方不再回应，三月合约到期后访问直接被切断，而合同原本规定终止后30天内可以取回数据。电视台发函给Iron Mountain要求保全并归还数据，对方起初既不确认也不否认在保管，后来先是承认持有、愿意配合，最后又改口拒绝——理由是云存储公司的客户技术性拥有存放数据的物理服务器，所以Iron Mountain拒绝归还。现在法官已经批准了临时救济动议，听证会定在周三。

陈序: 评论里有知情者说，真正存数据的是Iron Mountain，那家资金链断裂的云存储公司很可能只是中间商，或许还负责设计磁带归档方案。一个关键事实是，数据其实没有被毁——正如有人总结的，它不是消失了，而是“在法律上被绊住了”。这场讨论也扯出了数据保存的可靠性问题：有人推荐互联网档案馆的一次性永久存储服务，价格因为AI热潮推高存储成本而上涨；但也有人提醒别只依赖一家，因为档案馆确实曾在无警告的情况下删除过不合规的文件。

林岚: 最后一个话题把“修昔底德陷阱”这个政治概念搬到了货币和贸易层面，起因是德意志银行成为欧洲首家外资人民币清算银行的新闻。有用户说，希望这场权力斗争更多以经济和金融战争的形式进行，而不是军事冲突。

陈序: 评论区先把这个概念讲清楚了。有用户解释，它指崛起的大国挑战衰落的霸权，这里就是人民币取代美元的地位；还有人补充，中国国家主席习近平在美国总统今年五月访华时曾提起过这个词。再深一层，有用户澄清，这个理论认为现有大国与崛起挑战者的互动必然走向战争，而且它并非人们以为的古老智慧——它基于两千多年前雅典与斯巴达的冲突，但本身是个相对较新的概念。

林岚: 于是这人认为，冲突可以发生在破坏性较小的领域，比如储备货币的地位之争——美国在整个现代一直把持着这个位置，而这则关于人民币清算银行的报道，可能指向中国在这里开出的“第一枪”。有人希望人类能摆脱这些破坏性的权力斗争，有人则悲观地说人的本性就这样，还有评论说权力斗争是现实的属性，弱的消失、强的存续。当有人问这意味着什么时，得到的回答简单直接：美元正在退出历史舞台。

林岚: 先聊一篇十年前的旧文章，作者是曾在 Etsy 工作过的 Dan McKinley，标题就叫《选择无聊的技术》。他的核心比喻很有意思：一家公司在很长一段时间里，大概只有三枚“创新代币”可以花，用 Node.js 写网站花一枚，用 MongoDB 花一枚，选一项还不够成熟的服务发现技术又花一枚。如果你不小心自己写了个数据库，那你基本就有麻烦了。

陈序: 他特别强调“无聊”不等于“坏”。MySQL、Postgres、PHP、Memcached、Cron 这些都属于无聊但够好的技术，失败模式早就被人摸透了。而新技术的风险在于“未知的未知”——比如你根本没想到，写着写着统计功能，就会触发垃圾回收停顿。他的结论是：所谓最佳工具，其实是在最多问题上占据“最不坏”位置的那个。

林岚: 文章评论区里，有人把“创新代币”称为自己整个产品经理生涯里最有用的概念之一，方便向各级同事解释取舍。也有人质疑这个离散代币的框架，主张不如用债务和风险来理解：非无聊技术只是扣减了余额，你承受得起一定债务。还有人提到，年复一年保持稳定的软件从来不是大宗商品，几乎总是选可靠而不是新奇。

陈序: 有位读者因为这篇文章迟迟不敢尝试 Go，后来真的试了才发现乐在其中。也有人说，自己很喜欢这篇文章，但它出人意料地有争议，没帮他交到多少工程师朋友。看起来“无聊”两个字，在工程师圈子里还是挺戳人的。

陈序: 再聊一篇关于 AI 文本水印的文章。欧盟的人工智能法案从明年八月开始执行，其中一条要求所有 AI 输出都能被检测出是人工生成的，想在欧盟经营的模型提供商就必须给输出加水印。但文章的核心观点是：文本是高度压缩的媒介，任何改动人都容易察觉，所以水印本质上是一个文本隐写问题。

林岚: 文章用 Google 的 SynthID 举例：它会给每个词按前面的词打分，采样时从前五个候选里挑分数最高的，检测的时候算一下总分就行，成本很低。但问题在于，如果采样温度设成零，就没法留下指纹。另外文章推测，OpenAI 和 Anthropic 有时会用一排 Unicode 同形字的小技巧，比如把普通空格换成另一种宽空格。

陈序: 评论区里有人提议，AI 公司反正已经把提示和响应存下来用于训练，不如做个接口返回相似度。但很快被反驳说他们只存一部分。还有个更尖锐的攻击场景：模型读过出版书籍，可以先诱导生成书里的开头句子，再和后续响应的数据库比对，靠时间戳证明生成先后。

林岚: 法律层面的争论也很有意思。有人说，移除水印来隐瞒 AI 生成，本质上是欺诈，像一把锤子就能撬开的挂锁。对面立刻反驳说，这在几乎任何情况下都合法，不算欺诈。然后引出一个关键：你不想隐瞒就没有理由移除水印，真想移除就一定有隐瞒的理由，那就得面对后果。还有人指出更根本的一层——只要本地模型被允许存在，本地模型可以做到无水印生成，也能剥离云服务输出的水印，那水印讨论就基本是死路一条了。

林岚: 最后是为纪念 IBM PC 四十五周年，一位开发者把 1981 年的经典小游戏 DONKEY.BAS 移植到了浏览器里。这是一款随早期 PC DOS 发布的演示程序，由比尔·盖茨和 Neil Konzen 在 1981 年编写，玩法很简单，就是切换车道躲避迎面来的驴子。作者说自己年轻时就惊讶于，这么少的代码居然能写出一个游戏。

陈序: 评论区里有个质疑很直接：这只是一个生成的移植吗？另有人报告在某个浏览器窗口尺寸下画面会疯狂闪烁，疑似在两个分辨率之间来回切，开发者很快贴出了修复补丁。还有位读者指出音效其实过于先进了，因为早期 IBM PC 用的是磁驱动的动态扬声器——这句话点醒了不少人。

林岚: 这位指出音效问题的读者自己正在做的项目更有意思：一个百分之百忠实、跑在虚拟 CPU 和硬件抽象层上的 QBasic 浏览器模拟器。他的朋友们全屏运行时以为是真虚拟机，而且他已经在这个模拟器上跑起了 QBasic 版的 DONKEY.BAS。

陈序: 评论区里还有人回忆，自己第一份工作的订单和库存系统就是用 QBASIC 写的，现在想找回源码，很可能还在某张 DOS 5.25 英寸软盘上。那位做模拟器的开发者表示很乐意帮他用虚拟硬盘做压力测试，不过他坦言，专业 QBASIC 应用的源码确实很难找。一个四十五年前的小游戏能得到这样的回应，也算是对那个时代程序员手艺的一种纪念了。

林岚: 今天聊的这条线很清晰：从用 DRAM 扰乱来解锁 CPU 底层的 GitHub 项目，到一堆 AI 圈的发布与讨论。Cerebras 和 OpenAI 合作推出了由 Cerebras 驱动的 Ultrafast Mode，先在 OpenAI 的 API 上对选定客户开放。DeepSeek 在推出 V4 的同时更新了定价，第一次引入峰值和非峰值费率，非峰值便宜一半，8 月 16 号生效。Google 这边，Gemini 3.7 Flash 距上一代 Flash 只隔三周，主打编码和智能体，入门价每百万输入 token 是 0.75 美元。

陈序: 这些发布中间，也穿插了不少值得琢磨的讨论。《经济学人》那篇讲 AI 智能体会撒谎、欺骗和偷窃、把用户吓跑的文章，在 Hacker News 上有人回了一句：这就像组织里背着 KPI 的员工。还有 Dan McKinley 的老文章《Choose Boring Technology》，讲技术选择要稳、别追新，时隔多年依旧被翻出来聊。systemd 的 journald 被指产生过多 IO，也挂了个 bug 标签。

林岚: 另外有几条更偏故事性的。0.mk，马其顿的第一个 URL 缩短器，2009 年三个人当业余项目做的，2014 年因为收入撑不住托管和维护而关停，最近有人把它关了之后的数据恢复出来。Nine PBS 起诉 Iron Mountain 索要被封锁的存档数据。IBM PC 四十五周年，有人把 1981 年的 DONKEY.BAS 移植到浏览器，还感叹当年那么点代码就能写个游戏。

陈序: 再往深处想，还有几篇在讨论“理解”本身。Notion 的设计工程师说理解才是新的瓶颈，因为 AI 代理写代码已经快过人类理解了。Sean Goedecke 则说文本 AI 水印永远都容易去掉，而欧盟 AI 法案八月开始生效，要求所有 AI 输出能被检测出来。再加上德意志银行成为欧洲首家外资人民币清算银行，大家聊的是货币和贸易层面的较量。信息量大，值得慢慢消化。