
1119 | 模型提速、代理上岗、漏洞频发:本周科技速览
Show notes
本期从新模型的速度与价格战讲到AI代理如何改变工作与人,再盘点本周安全事件、几件极客手工杰作,最后落到Anthropic的IPO定价。
时间轴
- 00:00:04 开场
- 00:00:41 模型竞赛:Gemini 4 Neon与微软MAI
- 00:04:55 小而专:精调与能量模型路线
- 00:07:56 AI代理上岗:审计与开源仓库
- 00:11:19 沙箱与基础设施的安全缺口
- 00:13:25 当DNS与开源平台被按下暂停
- 00:15:51 AI替代人的具体阵痛
- 00:20:53 Anthropic上市定价
- 00:22:07 从零开始的极客造物
- 00:24:37 理解机器:编译器与x86的血统
- 00:26:45 小工具收尾:打字、字典与年度词
- 00:28:45 收尾
相关信息
- Gemini 4 Neon looks like an Opus 5.5 competitor
- Gemini 4 Neon
- Why is Gemini 4 Carbon taking so long?
- Seven new models at scalable price-performance
- DaisyRose-27B
- Energy-Based Reasoners: 385x more efficient inference
- AI agents ask better questions than KPMG accountants in audit trial
- Show HN: Mastra Factory, the open-source software factory we use to build Mastra
- KVM: x86: Unconditionally reset MMU context when emulating INIT (CVE-2026-99312)
- Unauthenticated remote code execution in Nginx
- DNS resolvers are the wrong place to fight piracy
- Codeberg.org Not Reachable
- We need smart people who give a shit
- AI is killing All About Berlin
- The Cambridge Dictionary has named ‘human’ as the Word of the Year 2026
- Interviewed at a YC startup, found out they used my LinkedIn without permission
- Show HN: ExitPath – Open-source ways out of Slack, Notion and Microsoft 365
- CrossPoint Reader
- Anthropic prices initial public offering
- GTA6-like as a 942Kb UEFI bootable image
- Show HN: Take Voyager 1 apart, down to a single memory chip
- The Magic of Partial Evaluation
- The x86 CPU: From 4004 to 486
- Show HN: Type Fighter 2
本期节目由 Bri 出品。Bri 使用先进的 AI 技术将你在意的资讯转换成适合收听的播客。如需联系,请发邮件至 hi@bri.so。
Transcript
茉莉: 大家好,欢迎收听本期节目,我是茉莉。
白桦: 我是白桦。今天这期我们把过去二十四小时里值得聊的东西都翻了一遍——从模型价格战,到AI代理真的跑去审计上市公司、合并代码,再到Quad9和Codeberg这样的事件,最后还有一些特别有味道的极客造物。
茉莉: 这几条线索连起来看挺有意思的:一边是模型越来越快越来越便宜,一边是人被替代之后留下的那些窟窿,还有一群人在底层系统里找回乐趣。咱们就从最热闹的开始聊吧。
白桦: 好,那先说Google。Gemini 4 Neon发布了,官方给的数据是每秒127个token,对比它家的Carbon只有每秒46个,速度差距挺明显的。
茉莉: 而且不只是快。发布时给出的Agent Duel Elo预估大概在1066,已经很接近Opus 5.5的1078了。也就是说,它在代理任务上的表现,官方声称已经摸到了对手旗舰的边。
白桦: 定价也值得念一下:输入每百万token三美元,输出十五美元,一百万token的上下文窗口。在Artificial Analysis那个综合指数上得分61,排在第三。
茉莉: 我看到评论区里讨论得最凶的就是这个“排名第三”该怎么解读。有人说这是目前性价比最夸张的前沿模型——frontier级别的编码和分析能力,输入价格只要三刀,这个组合以前没有过。有人直接算账:同样的活儿用别家旗舰跑,成本可能是它的好几倍。
白桦: 但也有人泼冷水,说官方发布的那些基准数字要打折听。Elo预估是“projected”,是推算出来的,不是实打实跑出来的对局成绩。评论里有人就问:这套分数是不是挑了对自己有利的测试项?这个质疑没人能给个定论。
茉莉: 对,而且紧接着有一条实测反馈,跟官方叙事完全是两个画风。有人拿Gemini 4 Carbon跑真实任务,发现它慢得离谱——步数大概是Astra的七倍。
白桦: 七倍,这数字很扎眼。更狠的是后半句:大约一半的步骤,是在做票单里根本没要求的冗余工作。比如你让它修一个问题,它可能顺手把周围一堆没让它碰的东西也“整理”了一遍。
茉莉: 评论区对此的解读分成两派。一派说这就是代理类模型的通病:模型越强越“自信”,就越倾向于自作主张扩大工作范围,这在生产环境里是灾难,因为你没法预测它会改什么。另一派反驳说,这可能是提示词和使用方式的问题,不能全怪模型。
白桦: 而且这两条消息放一起其实有张力:官方说Neon快、便宜、接近旗舰水准;实测说Carbon在真实任务里步数爆炸、一半在干闲事。速度论和效率论是两回事——每秒127个token很风光,但如果你要多跑七倍的步数,那点速度优势可能早就被吃掉了。
茉莉: 这就是 unresolved 的部分:发布参数好看,真实任务里的开销没人算清楚。评论里有人喊话希望看到有人做严格的端到端成本对比,同一条任务、同一个验收标准,比总token消耗和总耗时。目前还没有这样的结果。
白桦: 然后微软在同一场合Ignite上也出招了。发布了七款新的MAI模型,其中主打的是MAI Code 2,宣称用大约40%的价格,达到GPT-6.1 Sol约98%的编码质量。
茉莉: 评论区听到这个数字的第一反应普遍是“98%这个说法很鸡贼”。有人解释:编码质量差2%听起来小,但在最难的题目上那2%可能就是能不能做出来的区别;而且98%是怎么测的、在哪个基准上测的、用的什么口径,公告里没说透。
白桦: 不过另一边也有务实的声音:如果你是给企业采购,员工日常八成的编码需求本来就是些常规活儿,那40%的价格拿下98%的质量,账完全算得过来。前沿那2%的差距,对大多数业务场景根本不重要。
茉莉: 所以你看这个月的格局:Google在拼速度和绝对性能,微软在拼价格和“够用就好”。两条路线其实都指向同一个事实——模型层的利润空间在被快速压薄。
白桦: 有条评论总结得挺到位的:这场仗里最开心的不是Google也不是微软,是下游做产品的开发者,因为今天你用半价就能拿到昨天旗舰级别的能力。至于这场价格战能持续多久,谁也不知道。
茉莉: 好那价格战和速度战说完了,咱们换个视角,看看另一条跟“大就是强”完全对着干的路线。
白桦: 对,这条是我今天看到最有意思的之一。RadixArk发布了一个叫DaisyRose-27B的模型,底子是Qwen3.8-27B,然后用强化学习去练它。重点在于训练的规模:只用了1200个任务,18天,144块H200。
茉莉: 这个数字放在今天的语境里简直是“寒酸”级别的。大家听惯了动辄几万张卡的训练故事,1200个任务、两周多时间,听起来像是个学生项目。
白桦: 但结果不寒酸。Terminal-Bench 4.1上的成绩从5.6%提到了12.0%。评论区里围绕这个提升有很认真的讨论。一派认为这证明了一个重要的事:任务的质量和多样性比数量重要得多,精心挑选的1200个任务可能比随便堆几十万个任务更有用,这直接挑战了“RL需要海量数据”的直觉。
茉莉: 另一派的质疑也很尖锐:5.6%到12%,翻倍了,但12%这个绝对值意味着模型在88%的任务上还是不及格。有人就说,用这么小的规模刷出来的提升,可能只是在容易任务上的窄域改进,泛化能力存疑。还有人问了一个更实际的问题:这种训练方法能不能叠加?如果再给它1200个任务、再来18天,能不能继续涨? RadixArk没有回答这个问题,至少目前没有。
白桦: 跟这个思路遥相呼应的是另一个更极端的例子。有个叫能量模型推理器,EBR,的东西,只有180万参数——180万,不是180亿——在Sudoku-Extreme上达到99.9%的准确率,而且推理阶段的计算省了345倍。
茉莉: 345倍这个数字评论区讨论得很热闹。有人解释这个模型的路子:它不是靠堆参数和堆推理步数,而是把能量模型那一套用来做推理,让模型在推理阶段隐式地“想”,但计算量被压得极低。
白桦: 当然也有冷静的声音,说Sudoku是一个规则完全确定、解空间定义清晰的任务,在这种任务上小模型大放异彩不奇怪,但你不能拿数独的成绩推广到开放式的现实任务上。这是目前最大的问号。
茉莉: 我觉得这两条消息放在一起,指向的是同一个叙事转变的可能性:如果小型专业化模型能在特定领域打平甚至超过通用大模型,那“算力军备竞赛”这个故事就得重写了。评论区有人甚至说,未来的格局可能是一两个通用大模型加上一大堆便宜的小专家模型,而不是人人都在卷一个万亿参数的怪物。
白桦: 那么问题自然就来了——模型再强,最后是要干活的。活儿谁来干?现在答案是:代理。咱们聊聊代理真的上岗的情况。
茉莉: 先说一个挺让人意外的:KPMG英国搞了个项目叫Project Exponential,在一次FTSE 250公司的审计里用了超过100个AI代理。
白桦: 审计诶,这是高度监管、高度靠职业判断的领域,让AI代理进来本身就是个大新闻。而最值得注意的是他们的观察:这些代理有时候会挖得比人类审计员更深,问出的问题比人问的更好。
茉莉: 这个“更好”在评论区引发了不少争论。相信的一方给出的解释是:代理不怕丢脸、不怕问“蠢问题”,可以穷举式地把每个疑点都戳一遍,人类审计员因为时间和精力有限,很多线索是凭经验取舍的,而取舍就可能漏。AI没有社交压力,也不会因为问了个基础问题而尴尬。
白桦: 反对或至少存疑的一派则说:审计的核心不只是发现问题,还有职业怀疑、责任承担、跟客户访谈时察言观色的能力。代理能问出好问题,但它能为自己的判断签字担责吗?出了事,是事务所负责还是模型负责?这一层现在完全没答案。
茉莉: 还有人提出一个更微妙的角度:如果代理“挖得更深”是因为它不嫌累、算力便宜,那这件事对审计行业的含义其实是人员结构的改变——初级审计员赖以成长的那些重复核查工作,正是最先被代理吃掉的部分。那下一代资深审计员从哪里练出来?这是个没有答案的长期问题。
白桦: 从审计再往前一步,就是写代码这种代理已经大规模试水的地方了。Mastra Factory搞了个开源的代理kanban,跑在Slack上,说白了就是让AI代理认领任务、写代码、提PR。上个星期它自己开合并了238个PR,同时人类合并了630个。
茉莉: 238这个数字很具体,也很微妙。评论区里最集中的一个观察是比例:AI合并的已经接近人类的四成。这不是演示,是持续运行的生产系统,每周都在发生。
白桦: 支持“代理可用”的人拿这个当证据:能稳定每周几百个PR被合并,说明代码质量和审查流程是过关的,至少在这些任务域里,代理已经不是玩具了。Mastra自己的生态也在膨胀,每周下载量到了大约400万。
茉莉: 但质疑的声音同样有力。有人问:这238个PR是什么性质的?是核心逻辑还是边缘的文档、测试、小修小补?如果代理干的主要是“安全的、低风险的”那类活儿,那这个数字的意义就要打折。还有人担心审查本身——谁在review代理的PR?如果review代理的也是代理,整条链上没有人在认真看,那出问题的概率只是时间问题。
白桦: 这就带出了这轮讨论里最核心的未解问题:可靠性和追责。代理进了关键工作流,但配套的问责机制、验收标准、出事后的处理流程,全都还在路上。
茉莉: 而且顺着这个往下想一层——代理跑在哪儿?它得有个执行环境。绝大多数代理沙箱就是虚拟机。这时候另一个帖子就很要命了。
白桦: 对,Linux KVM的一个漏洞,编号CVE-2026-99312。具体是:KVM在模拟INIT信号的时候,没有重置MMU上下文。
茉莉: 给不太熟这块的听众解释一下:KVM是Linux内核里的虚拟化基础设施,大量云主机、沙箱都跑在它上面。INIT是处理器的一种初始化信号,虚拟化软件需要在软件里模拟它。问题就出在模拟的时候,内存管理单元的上下文没有被正确重置,这意味着虚拟机之间可能存在隔离被打破的风险。
白桦: 评论区里讨论最热烈的一点,恰恰是它和代理的交叉:现在大量AI代理的沙箱就是虚拟机,如果底层KVM有洞,那“代理被关在笼子里”这个前提本身就动摇了。有人在讨论里说,以前大家担心的是应用层逃逸,现在连 hypervisor 这一层都要多留个心眼。
茉莉: 补救方面,社区的共识是这种内核级的洞,修复只能靠打补丁,云厂商的更新节奏就是关键变量。这事儿目前还处于“披露了、补丁要跟进”的阶段,实际被利用的风险有多大,还没有定论。
白桦: 同期还有另一个基础设施层面的坏消息。Wiz披露了NGINX的两个HTTP/2严重漏洞,CVSS评分9.2,属于未经认证就能远程执行代码的级别。修复版本已经发布了,所以今晚该升级的就升级。
茉莉: 有评论把这两件事放在一个框架里说:代理经济把越来越多的关键负载压到底层软件上,而这些底层软件——KVM、NGINX——本身也是人写的、也是会出洞的。AI代理跑得越广,这种“地基裂缝”的影响面就越大。这是个还没被充分讨论的系统性风险。
白桦: 基础设施有裂缝,然后接下来这两个消息更让人不安——因为它们说明连一些本该中立的公共服务,也在被外力按下暂停。
茉莉: 先说Quad9。Quad9是个非营利的DNS解析服务,以不记录用户数据、过滤恶意域名著称。因为拒绝按照法国法院的命令封锁盗版体育域名,它宣布从11月24日起停止向法国用户提供DNS解析。
白桦: 评论区的讨论很有层次。一派人完全站在Quad9这边:DNS解析器不是执法机构,让它去执行内容封锁,等于把一个中立管道变成审查工具;Quad9选择退出法国市场而不是妥协,是罕见但正确的姿态。
茉莉: 另一派则更现实:法院命令就是法院命令,公司的选择只有“配合”或“离开”,Quad9选了离开,用户是实际受损的一方。还有人指出一个技术现实——法国用户会转向别的解析器,但那些解析器未必有Quad9的安全过滤,恶意域名拦截这一层保护反而变弱了。
白桦: 然后是Codeberg的事,这个更离奇。Codeberg是个开源托管平台,它的域名在注册商Namesilo的账户里突然消失了,被暂停了。怀疑的方向是被转到了滥用处理团队手里,也就是说,可能是有人投诉触发了某种滥用审查流程。
茉莉: 社区的反应很能说明问题:他们已经在设置codeberg.eu作为备用域名。评论区里有人说得直白——一个开源基础设施项目,域名可以被一个注册商账户操作说没就没,这暴露了整个开源世界对商业基础设施的单点依赖。
白桦: 也有人借此讨论更深的机制问题:滥用举报机制本来是好事,但它变成了一个可以被滥用的武器——你不用赢得诉讼,只要触发一个举报流程,就能让一个平台的域名瘫痪几天。申诉流程有多快、透明度有多少,这些都是问号。
茉莉: 有一条评论把Quad9和Codeberg连起来看,我觉得挺有洞察的:一个是司法系统在挤压中立服务,一个是平台审查流程在误伤基础设施。共同点是——备用方案正在成为常态。项目们现在标配“主域名之外还要有个逃生舱”,这本身就是一个时代信号。
白桦: 好,那顺着“信任和生态”这个话题往下走,就是最扎心的一部分了——当AI开始替代人的时候,具体到个人头上是什么样子。
茉莉: VioletPixel写了篇文章,核心论点很直白:这个世界是靠“有担当的聪明人”撑住的,smart people who give a shit。而这种人在变少。
白桦: 他的证据是近期的那些故障——微软的、苹果的、银行的。他的推断是:这些事故背后是维护系统的那批关键人员被AI替代或者被裁员了,剩下的人不够。AI替代掉的不只是廉价劳动力,还可能是那些“出了事会深夜爬起来修、平时默默把边角料都照顾到”的人。
茉莉: 评论区对这个论点的反应是分裂的。同意的一方说,这就是所谓的“隐性维护债务”——系统正常运转的时候你感知不到这些人,他们消失几个月后故障率就上来了,而故障和裁员之间的因果链很难在公开层面证明,所以管理层永远不会为此负责。
白桦: 反对的一方则说,这是幸存者偏差加怀旧滤镜:过去的系统也出故障,只是没有社交媒体放大;而且把每次宕机都归因于“AI替代了关键人物”,是一种没有证据的叙事。有人要求看到故障率和人员结构变化的实际数据关联,目前谁也拿不出来。
茉莉: 这场争论里最没人能反驳的一点是:无论如何,“有担当的聪明人”是一种很难量化的资源,而最难量化的东西,恰恰是组织最容易被砍掉的东西。
白桦: 然后是一个更具体、更个人的故事。All About Berlin,一个很有名的柏林生活指南博客,因为Google的AI Overviews流量暴跌了75%。作者的说法是:AI用他的内容做了训练和摘要,用户不再点进他的网站,然后他自己失业了。
茉莉: 75%,对一个靠广告和推荐收入吃饭的独立作者来说是致命的。评论区里这是个情绪浓度最高的话题。同情的一方说,这就是内容创作者面临的结构性困境:你免费为互联网写了十几年的攻略,AI把它消化了,用户直接从搜索结果页拿走答案,你的流量归零,没有人付你一分钱。
白桦: 反驳和补充的声音也有。有人说,流量下滑不能全怪AI Overviews,搜索行为本身在变,SEO生态早就在恶化;AI只是压垮骆驼的最后一根稻草。还有人更冷峻:这暴露的其实是“免费内容换广告”这个商业模式在AI时代根本站不住了,问题不是AI,是商业模式本身。
茉莉: 但有个所有人都绕不开的追问:内容被拿去训练了,作者有没有得到授权费或补偿?目前的答案是,基本没有,而且法律层面也悬而未决。
白桦: 类似的争议还出现在另一个地方。有个求职者去面试一家YC孵化的创业公司,事后发现对方在未经许可的情况下使用了他的LinkedIn数据。这个事情在讨论区里引发了对诉讼可行性的热烈讨论。
茉莉: 争论点在于:LinkedIn的用户协议对数据抓取是什么态度?创业公司抓公开数据做产品,到底算不算侵权?有人说这种“抓公开数据”在行业里是普遍做法,法不责众;也有人反驳说,普遍不等于合法,更不等于被数据主体同意。这个案子如果真打起来,可能会成为数据权利的一个试金石,但目前还停留在“呼声”阶段。
白桦: 有意思的是,这些故事里的人并没有全部躺平,有一部分人选择了退出大平台,自己搭替代品。这就要提到ExitPath——一个完全在浏览器里跑的免费站点,专门给那些想离开Slack、Notion、Microsoft 365的人做目录,列出开源替代品,还给每个替代方案标注了迁移难度,配了迁移清单。
茉莉: 这个工具的思路在评论区很受认可:它承认“换平台有成本”这个现实,不空喊开源理想主义,而是告诉你从M365搬到开源套件具体有多疼、第一步做什么。这是把“退出”从口号变成可执行的计划。
白桦: 开源社区作为出路的另一个实证是CrossPoint Reader——给紧凑型电纸书设备做的免费开源阅读软件,支持XTEINK X3和X4、BOOX这些设备。242个贡献者,大约28万1736台设备在跑它。
茉莉: 28万台设备,这个数字说明一个小而美的开源项目是真的能撑起一个生态的。评论里有人感慨:当大平台越来越不可信的时候,这些由社区维护、不依赖任何公司存续的项目,反而成了最稳的基础设施。
白桦: 好,聊到这里,咱们把视角拉高一次。这些模型价格战、代理上岗、人员替代的故事,最后都会反映在一个数字里——Anthropic的上市定价。
茉莉: 对,Anthropic的IPO定价是每股83美元,9.8亿股A类股,11月19日登陆纳斯达克,代码ANT。按讨论区里评论的估算,市值大概在1.1到1.5万亿美元之间。
白桦: 评论区对估值的讨论很激烈。有人认为这个估值对应的是刚才咱们聊的那些东西——编码模型、代理经济、企业级AI的真实收入,逻辑是通的。也有人觉得1万多亿美元给一家还在烧钱的公司,是把未来十年最乐观的剧本提前定价了,任何一条叙事断裂,比如价格战把模型层利润打没了,估值就得重算。
茉莉: 我觉得有一条评论的观察很妙:咱们今天聊的每一个话题——模型降价、代理干审计、内容作者失业——这些微观事件加起来,最终就是在为这个估值投票。市场用钱押注“AI代理会重塑知识工作”,而这个押注的对错,未来几年会见分晓。
白桦: 好,宏观经济聊完了,咱们降降温度,聊点纯粹因为热爱而做出来的东西。这部分的两个项目,放在今天所有新闻里显得特别清新。
茉莉: 第一个是叫eklavya-raj的人做的gta6-uefi。一个942KB的GTA风格游戏——注意,不是942MB,是KB——它直接从UEFI启动,也就是说底下没有操作系统,你的电脑开机就直接进游戏。而且它的地图不是随便画的,是用OpenStreetMap的数据、NOAA的激光雷达、NAIP的航拍照片,拼出了真实的迈阿密。
白桦: 评论区对这种项目的热情是很统一的。大家佩服的点有好几层:第一,942KB意味着没有操作系统、没有驱动框架,图形、输入、内存管理全要自己从固件层面解决;第二,把OSM和激光雷达数据塞进这么小的空间,本身就是个数据压缩和工程取舍的艺术品。
茉莉: 有人讨论了这类项目的实际意义——严格说没有商业意义,但它证明了一件事:在所有人都在讨论云端和万亿参数模型的时代,有一群人在往反方向走,把软件压到最裸的金属上。这种“能跑在裸机上”的知识本身就是一种储备。
白桦: 第二个项目气质完全不同但精神相通。有人做了一个Voyager 1的交互式3D拆解,你可以一路拆到单颗存储芯片,还能看RTG——就是那个放射性同位素热电机——还有金唱片的封面,以及当年那个著名修复故障的故事。
茉莉: 这个作品的评论区氛围特别温暖。有人说,旅行者1号是1977年发射的,上面的计算能力和咱们今天随便一部手机比可以忽略不计,但它至今还在传数据回来。看它的3D拆解,你会意识到那些设计师在几瓦的功耗预算、几KB的内存里,做出了人类历史上飞得最远的东西。
白桦: 而且这两个项目连起来看,跟咱们前面聊的gta6-uefi是同一种痴迷:对底层系统的理解。Voyager的工程师要在没有调试器的条件下修一个半个太阳系之外的故障;UEFI游戏的作者要在没有操作系统的条件下画出迈阿密。都是把自己放到约束最狠的环境里去。
茉莉: 对,而且说到“理解机器”,还有两个帖子是专门讲这个的。Jimmy Miller写了一篇讲partial evaluation的文章,解释了一个非常优雅的思想:如果你有一个解释器和一个程序,把“解释器加上程序”这个组合做部分求值,你会免费得到一个编译器。
白桦: 给听众拆一下这句话。正常流程是:解释器读程序、执行。Partial evaluation的意思是,把其中一部分输入——也就是程序——提前“焊死”进去,剩下的输出物,就是一个针对这个程序特化过的、更快的执行器。而这个特化执行器,本质上就是编译产物。
茉莉: 评论区里学过编译原理的人对这个“免费午餐”都很兴奋,因为它揭示了一个深刻的统一性:编译器不是和解释器并列的另一类东西,而是解释器在部分输入已知时的自然产物。有人称之为“程序语言理论里最被低估的思想之一”。当然也有人承认,思想很美,把它做成工业级的partial evaluator非常难,所以实践中它更多是一种思维工具。
白桦: 配套的还有Pikuma的一篇x86历史,从Intel 4004一路讲到486。它解释了几个今天每个程序员都在用却很少问为什么的东西:小端序、AX到DX那套寄存器命名、分段寻址——这些决定都可以追溯到8008甚至Datapoint那个时代。
茉莉: 评论区的共识很清楚:今天的x86之所以长成这样,不是因为设计者高瞻远瞩,而是一连串历史决定——为了兼容Datapoint的终端、为了省当时几块钱的硬件成本——被四十年的向后兼容锁死了。每读一段历史,你就多理解一层现在。
白桦: 有人接话说,这也解释了为什么x86这么难被取代——不是技术上不可能,而是那套累积的兼容性太值钱了。这跟咱们前面聊的开源平台、中立DNS是一个道理:基础设施的价值在路径依赖里。
茉莉: 咱们快到尾声了,收尾的几个小东西比较轻快。第一个,Type Fighter II,一个免费的、不需要注册账号的街机风打字练习游戏,进度保存在本地。
白桦: 名字明显是在致敬街霸,评论区里玩过的人说手感做得挺有街机味儿的。但我觉得它出现在今天这个时间点特别妙——你想,咱们今天聊了那么多AI替代人的话题,而打字这个动作,恰恰是最“人”的活动之一:是你手指的节奏、你思考的速度。
茉莉: 这就跟剑桥词典的2026年度词接上了——他们选的词是"human"。理由正是AI模糊了人机界限,引发了全球范围的讨论。
白桦: 把这两个放在一起看:一个词典机构在年度词里承认“人”这个词现在需要重新定义,而同时有一个小游戏在让你用自己的手指一个字母一个字母地打出文字。这种对照,比任何一篇评论都更准确地概括了咱们这一期。
茉莉: 再补两个之前聊过但值得在收尾再提一下的实用工具:ExitPath那个开源替代品目录,还有CrossPoint Reader那个电纸书软件。一个帮你规划怎么离开大平台,一个让你在离开之后有个社区维护的阅读工具。都是小而具体的答案。
白桦: 好,那咱们今天从模型价格战聊到代理审计,从DNS被法院按停聊到独立博客作者失业,从一个942KB的裸机游戏聊到金唱片,最后落在一个词上——human。
茉莉: 所有这些故事其实都在回答同一个问题:当机器越来越能干的时候,人还剩下什么、人该守住什么。答案现在还没有,但至少今天讨论里的每一个人——写violet blog的、做UEFI游戏的、拒绝封锁域名的、给电纸书写阅读器的——都在用自己的方式作答。
白桦: 感谢大家收听,我是白桦。
茉莉: 我是茉莉,咱们下期见。