Agili 的 Hacker Podcast

Agili 的 Hacker Podcast

By Agili 的 Hacker PodcastNewsTechnology
Download on the App Store

All Agili 的 Hacker Podcast episodes

  • Agili 的 Hacker Podcast 2026-11-20
    Levent Alpöge 与 Claude 声称证明广义黎曼猜想
    声明内容

    Levent Alpöge 在一份公开信里称,他与 Claude 一起找到了黎曼猜想的证明,方法容易扩展到广义黎曼猜想(Generalized Riemann Hypothesis,GRH)。黎曼猜想问的是:给定大小范围内有多少素数,最优误差能控制到什么程度。过去 150 年,它引导了数论的大量工作。

    Alpöge 描述了自己和 Claude 的分工:他负责把问题带到正确的类比位置,Claude 在技术细节上不断给出让他意外的推进。关键思路涉及链式 theta 提升(theta lift),让 Stepanov 论证里的技巧以自守形式的方式反复出现。他给出一条从 10 月 6 日到 11 月 16 日的时间线,最终得到 GRH。

    Lean 归档与验证状态

    公开材料是分成 14 个压缩包的 Lean(交互式定理证明器)归档。Alpöge 说形式化已经完成,没有额外假设;自然语言版本超过 25 万页,Claude 把它称为 GRH 的“书”。他承认自己还没有掌握论证周围的大片数学,打算继续理解、讲解、简化。

    HN 用户 latent-person 指出,RH(黎曼猜想)的陈述已在 Mathlib 里,GRH 也有 Google DeepMind 的 Formal Conjectures 中的形式陈述。math_dandy 补充,可以用 comparator 检查证明里的定理是否就是标准陈述,再用多个独立内核检查归档有没有利用漏洞。well_ackshually 提醒,Lean 证明仍可能通过改写定义或钻内核 bug 来“证出”假命题。至今没有人宣布完整验证通过。

    争议集中在 AI 参与度和利益冲突

    用户 xianshou 的评论排在最前:Alpöge 是 Princeton 数学博士、代数几何背景,也是世界上最会把 AI 引导到数学发现的人之一,“如果他说有黎曼,那他就有了”。auntienomen 认为数学界应等 Peter Sarnak 这样的专家表态。_flag 说 Sarnak 是否表态无关紧要,Lean 归档要么编译要么不编译。

    Alpöge 在 Anthropic 工作,宣布时机紧挨公司 IPO 后的市场议论。他在文中主动说时机很糟,并称愤世嫉俗的解读是错的。用户 tim333 反问“那为什么不早一周”。

    关于 AI 做了多少,用户 svnt 引用另一份说明称,最初让 Claude 尝试的是非数学背景的 Anthropic 员工 Jarred Sumner,650 个想法失败后,约 60 个子代理运行 2400 条 shell 命令、下载 54 篇 arXiv 论文查重,Alpöge 和 Ralph Furman 随后检查结果,Eric Easley 参与 Lean 形式化。jasonlotito 反驳说这份说明不能据此说 Alpöge 没参与。

    同一天的另一份 GRH 证明草稿
    匆忙发布

    2026 年 11 月 20 日,Ravi Vakil 在 Math 216 博客发出一则“匆忙通知”:Alessandro Masullo 提出了 GRH 的一个证明,论文题为《The Music of the Primes》,PDF 已附上。Vakil 当时正在美国数学会(AMS)的会议上,仍决定先把消息发出来。

    原计划是让 Masullo 到 Stanford 待一年,打磨写作,再让足够多的人过目后宣布。Vakil 说 Brian Conrad 已经仔细看了几个月,给出大量反馈,目前看起来不错。他希望人们尽快检查、形式化,出现小缺口就补上。

    完全由人完成

    Vakil 特别强调,这项工作没有使用 AI。Hacker News 上有人根据论文判断,这项工作已经做了 12 年。草稿里有一句“The math is complete”。

    评论里有惊讶于同一年里有人类数学家尝试完整证明 GRH 的,也有人问数学是不是刚好走到了这一步,未来几年有哪些证明本来就会出来、与 AI 无关。

    时机与“最后的机会”

    一位评论者猜测因果:这次匆忙发布是不是回应同一天 Alpöge 的发表,或者 Alpöge 也知道另一位数学家的 GRH 工作接近完成,于是感到必须抢先发布。

    更尖锐的意见是:如果这是真的、核查也通过,那么作者没有在几个月前发布就是个大错误。他提醒做长期项目的人,把做了十年的东西从暗处拿到亮处,否则 Anthropic 或 OpenAI 的员工决定处理这个问题时,你只能拿“亚军”。另一位只回了一句:有什么就发什么,不然会被愿意发的人超过。

    费曼无法把磁力解释给新生
    原话与常见误读

    1960 年代初,Richard Feynman 给本科生讲物理学。有人请他解释为什么自旋 1/2 的粒子服从费米-狄拉克统计,他准备了一个新生讲座,几天后回来说:“我做不到。我没法把它降到新生水平。这意味着我们其实并不真正理解它。”

    John Gruber 在 Daring Fireball 写道,苹果也把简单解释当作目标:工程师应该能用简单术语解释复杂技术,不是因为高管需要简单解释才能听懂,而是作为完全理解的证明。HN 讨论指出,标题砍掉了费曼原话里的“freshman level”(新生水平)。费曼说的是没法降到新生能懂的水平,不是没法用简单的话解释给任何人。他讲磁铁时明确说,不能用你更熟悉的东西来解释磁力,“因为我不能用你更熟悉的东西来理解它”。

    简单不等于短

    有人举 3blue1brown 讲 LLM 用了好几个视频,费曼自己讲火也讲了至少 15 分钟。Rich Hickey 说过 simple 不等于 easy:解释可以很简单,但仍然很难懂。把“简单解释”理解成“压缩成一两句话”,是误解了这句话。有人说得更直接:简单是指由少量必要概念构成,不是指篇幅短。

    听的人也要出力

    有人用数学里的紧致性(compactness)举例。通常定义是“一个集合是紧致的,当且仅当它的每个开覆盖都有有限子覆盖”。定义本身极其紧凑,但为什么偏偏要这个性质,需要读者自己拿笔、试几个集合、散步时慢慢想。解释者可以把每个部分讲清楚,但没法替听者爬理解的梯子。

    Kubernetes 和 DevOps 是另一个例子。有人做了十多年 DevOps,还是很难向家人解释自己干什么。不是不理解,而是 Kubernetes 依赖微服务、持续交付、容器、编排一大堆前置概念。每一步都能解释,但从零到 Kubernetes 几乎不可能。一位评论者说,你可以把每个步骤解释清楚,但没人听完就能上手,因为“现实有惊人数量的细节”。

    OpenSSL 修了一个 CVSS 9.8 的溢出漏洞
    成因与触发条件

    OpenSSL 修复了 EVP_EncodeBlock() 中的缓冲区溢出(CVE-2026-121481),CVSS 评分 9.8,但 NIST 在公告中标注实际严重性为 Low。函数的输出缓冲区大小由调用者自己按“输入长度乘以 4/3 再加 NUL 终止符”计算。当输入长度超过约 1.5GB 时,编码后长度在 int 中溢出,函数可能写入超出缓冲区末尾的位置。

    NIST 的说明是:评分低是因为没有已知的攻击者控制路径能到达这个溢出,调用者必须已经持有一个大约两 GB 的缓冲区才能触发。从命令行触发,可以给 openssl s_client 传一个超大的 -proxy_pass,需要通过环境变量传入。

    返回值该返回什么

    PR 作者 nmouha 最初提议对无效输入返回 -1。OpenSSL 贡献者 t8m 担心,第三方调用者把返回值直接 cast 成 size_t 而不检查,-1 会变成巨大的正数。他建议返回 0。作者反驳说,EVP_EncodeBlock() 在 dlen == 0 时本来就合法返回 0,0 无法作为错误标记。

    随后 bob-beck 建议按 STYLE.md 用 OPENSSL_assert 断言。mattcaswell 强烈反对:“这是一个等着发生的 DoS”。cmoyes-jump 补充,CVE 已经证明这种情况在运行时真的会发生,再用断言就是把 RCE 向量转换成 DoS 向量,他还举了 OpenSSL 自己的 CVE-2015-0293 为例。

    讨论最终趋于一致:函数对无效输入返回 0 并抛出 ERR_R_PASSED_INVALID_ARGUMENT。OpenSSL 4.x 是受影响版本,多数企业发行版仍在 3.x。

    评分与 API 设计的老问题

    tptacek 说,CVSS 分数被放进标题,好像它有意义,但 CVSS 没有意义,“它是一块通灵板:漏洞研究人员把它调高来吸引注意,厂商把它调低来安抚客户”。userbinator 认为 9.8 夸大了,TLS 协议本身不做 base64 编解码,最长的长度字段是 24 位。

    amluto 从 API 设计角度批评:“调用者要用一个不平凡的公式自己算缓冲区大小,而且调用者不传输出缓冲区长度,实现根本无法验证。”zzril 注意到函数返回“输出数据大小减一”,但调用者本来就得自己算好分配多少,返回值意义不明。vlovich123 则延续 Heartbleed 以来的老调:Linux 发行版不知道为什么还是没有迁移。

    AI 从零设计的 CPU 架构 Frostbite
    性能数字

    Architect Labs 公布了 Frostbite:一颗从零设计指令集(ISA)的通用 CPU。团队说,AI 系统在编译器、ISA、架构、微架构、RTL(寄存器传输级)、验证和最终 GDS(芯片版图数据)之间自主迭代。25 个工作负载里有 15 个留到最终评估,Frostbite 相对一颗现代、已在硅上验证的超标量(dual-issue,顺序执行)CPU 核,取得 4.59 倍每瓦性能;搜索集 6.02 倍,留出集 3.83 倍;全部工作负载平均 8.77 倍每面积性能。

    芯片用 7 nm,综合时达到 800 MHz 时序,最终 GDS 为 500 MHz。一个 Frostbite quad(2×2 个计算瓦片)加四个 L3 节点是 0.792 mm²,对比的 TCPU 在同工艺下 0.895 mm²。TCPU 型号因法律原因不披露。

    交互网与设计流程

    交互网把程序表示成节点图,计算通过重写由端口相连的节点对发生。每个节点只有一个 principal port,活跃节点对不会重叠,重写顺序不影响结果。Vine 语言把普通程序编译到交互网。五皇后搜索的例子里,C++ 顺序程序一步一步走,交互网版本有 3,183 次交互,关键路径 262 步,平均约 12 个交互随时可运行。

    团队自研 ASL 规范语言,写系统模型 Arcmodel。ASL 可在 RTL、系统模型、UVM、SVA 之间做机器可检查的翻译,功耗与性能估计误差 1–5%,比 RTL 仿真快约 200 倍。全芯片 Arcmodel 比 RTL 快 660 倍,让细粒度时钟门控和运行时调整能在几小时内跨栈完成。工作窃取(work stealing)机制没有人类指定,是从具体回归和性能爬山里长出来的。

    质疑集中在比较基准

    petra 说 baseline 是 in-order CPU,不是现代乱序设计,测试程序也少。adrian_b 指出 TCPU 面积接近 Cortex-A720,但性能低得多。csande17 按数字推算:每面积性能是 8.77 倍,面积是 TCPU 的 88%,绝对性能约 7.76 倍。kragen 为选择顺序核辩护:文章只声称每瓦性能,乱序核在这项指标上更差。

    fnimick 问这是不是 VLIW/EPIC 的翻版;thesz 说 dataflow(数据流)架构包含交互网的这些性质,并批评文章没有比较数据流机器。移植成本也被反复提:odo1242 指出 Frostbite 没有 program counter 和 call stack,应用基本得用 Vine 写。mike_hearn 给出渐进路径:先做 PCIe 加速器,再进 SoC。

    嘉年华邮轮一年的硫氧化物排放超过欧洲全部汽车十倍
    数据

    2017 年,嘉年华集团在欧洲海岸排放的硫氧化物(SOx)接近欧洲 2.6 亿辆汽车总和的 10 倍。可持续交通组织 Transport & Environment 的分析还显示,排名第二的皇家加勒比邮轮排放量是欧洲汽车车队的四倍。

    从绝对排放量看,西班牙、意大利和希腊受影响最深,法国和挪威紧随其后。受影响最重的港口城市是巴塞罗那、马略卡岛帕尔马和威尼斯。报告还测算了氮氧化物(NOx):欧洲邮轮一年排放量约相当于欧洲乘用车的 15%。马赛 57 艘邮轮 2017 年的 NOx 排放,几乎等于该市 34 万辆乘用车的四分之一。

    燃料与监管

    受影响最重的港口城市,海洋硫燃料标准也相对宽松,邮轮得以沿岸烧含硫最高的燃料。这种燃料叫“bunker fuel”或重燃料油,是原油蒸馏出可用成分后剩下最重、最脏的部分。T&E 航运政策经理 Faig Abbasov 说,城市禁止脏柴油车,却给邮轮发免费通行证。

    目前排放控制区(ECA)只覆盖北海、波罗的海和英吉利海峡。报告建议扩展到欧洲其他海域,并把现有船舶的 NOx 排放纳入监管。

    解决方案

    Abbasov 说成熟技术已经够用:岸电减少港口排放,电池适合短途,氢能可以驱动最大的邮轮。邮轮行业不愿主动转型,需要政府强制零排放标准。评论区有人补充,问题不只限于邮轮,所有大型集装箱船都这样,发动机设计就是为烧最便宜的劣质燃料。

    Signal 阻止系统级 AI 读取屏幕内容
    做法

    Signal 宣布在 iOS 27 和部分 Android 系统上阻止操作系统级 AI 代理截取应用内的屏幕内容。此前,Signal 已在 Windows 11 上挡住微软 Recall。这次针对的是 Google 的 Gemini Intelligence 和 Apple 的 Siri AI“屏幕感知”能力。

    iOS 27 上禁止应用内截图;Android 上检测到 AI 助手尝试读取屏幕时,自动开启 Signal 的“屏幕安全”设置。用户可以在设置里关掉这层保护,但 Signal 明确说,这样做可能把聊天内容暴露给 AI 代理。macOS 上完全做不到,因为 Apple 没有提供能可靠拦截截图的 API。

    对操作系统厂商的要求

    Signal 要求两件事:开发者能通过有完整文档的方式,让应用退出 AI 的数据访问与处理,同时不破坏应用的核心体验;操作系统厂商公开 AI 代理如何运作的技术规范,尤其是数据访问和处理部分。它提醒,Meta 的 Muse 等第三方代理会利用用户在设置时被引导授予的深层权限,其中不少借用了为残障用户设计的无障碍设置。

    社区分歧

    有评论指出,iOS 27 刚发布时确实没有排除某个 App 的办法,现在提供了“设置 > Siri > 排除的 App”入口,是 Signal 推动后的结果。有人希望控制更细:每个 App 单独设置“总是询问 / 总是允许 / 从不允许”。

    另一场争论围绕“这该由谁决定”。有用户坚持设备所有者有权决定哪个程序能访问自己的数据,甚至愿意让 Siri 索引家庭聊天记录。反对意见很直接:这不只是你的选择,也涉及聊天对方的隐私。还有用户补充,Signal 拦不住对方用另一台设备拍照,但“被系统悄悄传到云端”和“对方主动拍下来”是两回事。

    关于 Signal 本身的可信度,评论区照例吵成一片。有人批评“闭源应用加中心化服务器谈不上认真对待隐私”,立刻被指出客户端和服务器代码都在 AGPLv3 下公开。替代方案讨论同样分裂,有人推荐 SimpleX,反驳意见是 SimpleX 用户少得多、体验差得多。

    PostgreSQL 19 发布
    REPACK 与逻辑复制

    2026 年 11 月 19 日,PostgreSQL 19 发布。新增的 REPACK 命令把 VACUUM FULL 和 CLUSTER 合并成一个名字更直白的命令,加上 CONCURRENTLY 选项后,重建表期间不阻塞读写。配套新增 max_repack_replication_slots 参数和 pg_stat_progress_repack 进度视图。

    逻辑复制方面,当 wal_level 设为 replica 时,可以在不重启服务器的情况下启用逻辑复制;发布端用 ALL SEQUENCES 复制序列,订阅端用 REFRESH SEQUENCES 同步序列;EXCEPT 子句让 ALL TABLES 可以排除部分表。新增的 WAIT 命令让备库等待指定 LSN(日志序列号)被写入、刷盘或回放,在备库上实现读己之写。

    性能改动

    io_method=worker 现在按需自动增减 I/O 后台进程。普通查询的表扫描可以把页标记为 all-visible,以前只有 VACUUM 和 COPY ... FREEZE 能做。autovacuum 支持并行处理表索引,并用一套评分系统决定先处理哪些表。COPY FROM 处理文本和 CSV 输入时用上 SIMD 指令。默认 TOAST 压缩从 pglz 改为 lz4。

    规划器新增 pg_plan_advice 扩展,用来固定或引导执行计划。优化器会把没有 NULL 的 NOT IN 转成 ANTI JOIN,允许部分聚合在连接之前完成。

    兼容性变更与版本节奏

    standard_conforming_strings 在服务端强制为 on,用旧版 pg_dump 且该参数为 off 生成的转储无法载入 19。JIT 默认关闭,因为按优化器代价触发的判断被认定不可靠。max_locks_per_transaction 默认值从 64 改为 128。inet 和 cidr 的默认索引 opclass 从 btree_gist 换成 GiST,旧 opclass 有缺陷,可能漏掉本该返回的行。RADIUS 支持和 MULE_INTERNAL 编码被移除。

    JIT 的默认值改动得到不少认同。BitPirate 说这项早该做,很多重度使用 PostGIS 的应用正是因此关掉 JIT。Sesse__ 不看好 copy-and-patch 方向,认为条件相同时生成的代码比基于 LLVM 的 JIT 差。

    版本节奏是分歧最大的话题。rdsubhas 说他认识的公司有一半还没升到 17,18 的异步 I/O 都没铺开,19 又带来一批尚未在大规模环境验证的特性。回应集中在“不升级也可以”:notatoad 指出 15 仍在官方支持期,mb4nck 说 Postgres 的大版本定义是系统目录变更而非新特性集合。准备上生产的人在讨论 .0 的风险,lfittl 仍建议关键系统等 19.1。

    用 REPACK 在线回收表膨胀
    膨胀从哪来

    Craig Kerstiens 在 Snowflake 的博客里把 REPACK 称为自己最喜欢的 Postgres 19 特性。膨胀是 MVCC(多版本并发控制)的代价:行被更新或删除后,旧版本留在表里,autovacuum 通常会把空间标记为可复用。对大而更新频繁的表,vacuum 可能跟不上,死元组堆积成膨胀。文件只增不减,因为 VACUUM 只能在内部标记可复用,不会把空间还给操作系统。

    判断膨胀可以用 pg_stat_user_tables 快速检查。粗略经验:膨胀低于 50% 一般可接受;高于 50% 可能在浪费磁盘空间,并因额外页读取付出性能代价。

    三种模式与内部流程

    REPACK 提供三种模式:REPACK my_table 类似 VACUUM FULL,持 ACCESS EXCLUSIVE 锁;REPACK (CONCURRENTLY) my_table 在线执行,只在最后短暂锁表;REPACK (CONCURRENTLY) my_table USING INDEX my_index 在线重建并按索引重排。

    CONCURRENTLY 内部包括初始化、顺序扫描堆、按索引扫描、排序元组、写入新堆、追赶并发 DML、交换关系文件、重建索引、最终清理。用 pg_stat_progress_repack 可以从另一个会话查看进度。

    测试数据与限制

    作者在受限环境做了测试。493 MB 的表原有 200 万行,删掉 100 万行后:VACUUM FULL 2.7 秒、228 MB、全程锁表;REPACK 5.9 秒、228 MB、全程锁表;REPACK (CONCURRENTLY) 9.4 秒、228 MB、表保持在线。CONCURRENTLY 墙钟时间更慢,因为要做逻辑解码和 WAL 重放,换来的是表一直在线。

    REPACK (CONCURRENTLY) 要求表和索引需要 2 倍空间,表必须是 WAL 日志表,不能是分区表,必须有可索引的主键,每个数据库同一时间只能跑一个。MVCC 安全性有一条需要留意:在最后交换的短暂窗口里,长事务理论上可能漏掉并发变更。Hacker News 用户 inkysigma 问,失去 MVCC 一致性是不是一个很大的缺点。

    评论区 aurareturn 讲了一段亲身经历:为了在低峰期回收空间,新年前夜在本地电脑上对多 TB 生产库跑 pg_repack,等了几个小时,连接断了,只能从头再来,整个新年前夜都毁了。作者回复说这段经历值得写成博客,pg_repack、pg_squeeze 都像“按说明使用”,误用可能损坏数据。

    FFmpeg 9.1 “Gauss” 发布
    主要改动

    FFmpeg 9.1“Gauss”于 2026 年 11 月 20 日发布,是 9.1 分支的最新稳定版。更新日志列出 32 项改动,重点包括:通过 libastcenc 实现 ASTC 图像编解码;大幅改进的 AAC 编码器;APV Vulkan 编码器;iTerm2 内联图像协议 muxer;基于图的 bitstream 过滤 API;libcurl 协议;DVD-Audio LPCM 解码与解封装;NVIDIA 光流加速插值滤镜 vf_fruc_vulkan;通过 libfdk-xhe-aac 编码 xHE-AAC;D3D12 DirectML 零拷贝推理用于 ONNX Runtime DNN 后端。

    社区里 adzm 追问“Windows handle 协议”是什么,withinrafael 给出了对应的合并请求链接。Retro_Dev 好奇 libcurl 协议的用途,开发者 rbultje 解释,内置的 HTTP 输入协议功能有限,封装 curl 是为了接入更完整的 HTTP 特性。

    后量子签名

    每个下载包都带 PGP 签名和一个 .pq.asc 后量子签名文件。后量子签名使用 ML-DSA-87+Ed448 和 SLH-DSA-256s,依据 RFC 9980。FFmpeg 提醒 GnuPG 目前无法验证这些签名,需要用 sq 1.4 或更新版本,且加密后端支持这些算法,两种签名都必须验证通过。

    社区反馈

    netshade 对 ASTC 图像编码表示期待,认为会带动一些新项目。timonoko 抱怨默认拿到的是精简版,尤其缺少 vidstabtransform;galad87 回应 FFmpeg 项目本身不发布二进制;gyan 说 vidstabdetect 和 vidstabtransform 都在他的所有构建里。

    m3kw9 让 AI 下载安装 FFmpeg 9.1 后随便做点酷东西,结果是一段 12 秒的日食视频,包含 2900 个环绕尘埃粒子和合成低音脉冲,音轨和视频都用 FFmpeg 9.1 生成,并验证整段可解码。评论区反复出现的是对 gyan 维护的 Windows 构建的感谢。

    相关链接:

    • Levent Alpöge claims proof of the Generalized Riemann Hypothesis [pdf]
    • Hurried Announcement: Alessandro Masullo GRH
    • If you can't explain something in simple terms, you don't understand it (2017)
    • OpenSSL: Buffer overflow in EVP_EncodeBlock() (CVE-2026-121481, CVSS 9.8)
    • Frostbite: A new CPU architecture discovered, designed and verified by AI
    • Carnival Cruises emits ten times more sulphur oxide than all of Europe's cars (2019)
    • Signal Is Serious About Protecting Your Privacy
    • PostgreSQL 19
    • Postgres 19 Repack: Faster, Built-In Table Bloat Cleanup
    • FFmpeg 9.1 'Gauss'
    0 min
  • Agili 的 Hacker Podcast 2026-11-19

    今天值得读的有 4 万人规模的 Matrix 部署复盘、一个被广告逼出来的车库门改造项目,以及 Anthropic 的上市首日。Agili 的 Hacker Podcast 照例把技术细节和社区讨论放在一起。

    欧盟委员会把 4 万名员工的通讯搬到 Matrix
    部署范围与“主权”的定义

    欧盟委员会用 Element 的企业版 Element Pro,自托管 Matrix,作为 Microsoft Teams 之外的一条通道。Element 是 Matrix 协议的主要开发商。委员会把“主权”拆成五个方面:韧性与业务连续性、供应商多样性、数据控制权、平台所有权,以及采购中的议价能力。

    在线状态与性能取舍

    用户规模上来后,在线状态(presence,实时显示“在线/离开”)被关掉,因为负载开始影响性能。HN 上有人算过,4 万人的在线状态不该是瓶颈,ICQ 三十年前就在更大规模上做到了。Matrix 项目负责人 Matthew Hodgson 解释:Matrix 要在所有参与服务器之间复制房间状态事件的 DAG(有向无环图),一个 10 万人的房间意味着每台服务器至少维护 10 万个状态事件,每次变更都要跑状态解析(state resolution,合并冲突的算法),朴素实现会把整个房间的状态事件全部加载一遍。他说协议没规定必须这么重,Synapse 把 Python 热路径迁到 Rust 后 CPU 提升 10 倍,但尚未合并;替代实现 continuwuity 能在 1GB 内存里跑上千个并发客户端。

    通知是最常见的抱怨

    评论区反复出现通知问题。有人自建服务器给朋友群用,除了一人收不到通知,整体体验不错,尤其喜欢能放心分享实时位置。另一些人提到非技术用户用低价 Android 手机,因为不走 GCM/FCM 推送,后台常驻导致耗电增加约 70%,几周收不到消息,最后整群迁回原平台。也有人抱怨 ElementX 在 Android 上每条消息都推送,桌面端使用时手机照样响,GitHub 上这个问题挂了十年。反对意见很直接:通知是聊天应用的基本功能,用户不关心它是 bug 还是技术限制。

    加密争论与真实定位

    有评论称 Matrix 的加密是“灾难”,向 MLS(Messaging Layer Security,新的群组加密标准)的迁移停滞超过一年。Hodgson 回应说那个追踪站点指向 2023 年失去资助的旧项目,新的去中心化 MLS 方案在 2026 年 Matrix 会议上演示过;他承认当前的具体问题是群成员由服务器控制,恶意服务器能伪造邀请。社区还比较了 Signal、XMPP、Delta Chat。Signal 不用自己运维,sealed sender 让发件人信息只存在于密文里,但必须用手机号注册,且不允许第三方分支连接它的服务器。有用户形容每次“验证设备”都很痛苦,乘上 4 万人的规模,让人同情负责支持的 IT 部门。

    Politico 报道有欧盟官员称 Element 是“绝对的垃圾”,Element 指出原文附有项目负责官员的视频和引述,与匿名消息源的说法矛盾。更实际的判断是:Matrix 目前是 Teams 之外的备份通道,用于不适合走 Teams 的敏感通信,主要工作流仍在 Teams 上。4 万用户是真实规模,暴露的问题也是真实的。Matrix 的价值在可自托管、开放协议、多实现和可谈判的供应商关系;代价是性能调优、通知可靠性和加密细节都还在补齐。

    车库门 App 开始推广告之后
    myQ 的转变与 ratgdo 的替代

    作者的车库门开启器原本工作正常,开关门时手机会收到通知。myQ app 虽然塞满广告,但通知本身有价值,他一直用着。2026 年 10 月,通知变成了营销推送。Chamberlain 在 2023 年底切断了第三方对 myQ API 的访问,他当时就买了两个 ratgdo32 来绕开。

    ratgdo 是一块约 62 美元的 WiFi 控制板,运行开源固件,接在开启器原有的端子上,通过本地网络用 LiftMaster 的 Security+ 2.0 协议(开启器与配件之间的加密通信协议)通信。安装不复杂,路由器给两块板分配固定地址,HomeKit 直接可用,能说“Hey Siri, open Door 1”。设备有自己的 Web 界面和 JSON 状态端点。

    从父亲的汞开关到 Slack 提醒

    作者小时候,父亲在车库门上装了一个汞开关,门没关时走廊的灯会亮。这个信号让家人避免整夜敞着车库门。他用 ratgdo32 的 JSON 端点把这个方案用 Slack 重建:一个 cron 定时任务在晚上每 10 分钟检查一次门是否开着。他给项目提交了一个小 PR,维护者回了“Simple and useful. Happy to merge this. Thank you.”两块板现在通过 Tailscale(一个网状 VPN 服务)可达,监控软件读取 /healthcheck,需要一条自定义路由命令来宣告这两个地址。整套系统本地运行,不经过云。通知还会说明是谁开的门,myQ 从来没做到这一点。

    广告正在蔓延到更多硬件 App

    评论里,Tuya 控制的吊扇打开 app 要滚过 Temu 的广告;Philips Hue 先看到“你需要账户”和“Hue Secure”的瓷砖,去不掉;Blink 摄像头发“故障排除”邮件,实际是换电池,附带到亚马逊买特定品牌锂电池的广告。有人指出 Apple 的 App Store 审核指南 4.5.4 写着推送通知不应被用于促销或直接营销,除非用户通过 app 界面里的同意语言明确选择加入,并且 app 提供退出方式,但 Feit 和 Arlo 根本没有选择加入或退出的入口。Apple 自己也在 Settings 里推订阅服务,所以放松政策显得虚伪。

    讨论里反复出现的诉求是系统级的通知分类:强制营销通知进入单独的频道,按频道授权,再给一个全局关闭营销通知的开关。替代方案方面,有人推荐 Genie 的开启器配 Meross MSG100hk 适配器,有人用 Shelly 继电器加磁簧开关和 ESPHome(用 YAML 配置 ESP 系列微控制器的开源框架),有人用根本不联网的 Z-Wave 或 Zigbee 设备,厂商倒闭也不影响使用。租户可能没法装 ratgdo,一位租户说他讨厌 myQ app 里的广告,向 Play Store 举报也没用。

    一个词:enshittification

    一位用户总结说,这叫 enshittification(平台逐渐恶化用户体验以榨取更多价值):一群技术、产品和营销的人坐在同一个会议室里,决定给已经付钱买产品的用户发营销推送,换每月多一千美元的广告收入。他无法理解这个决策过程。另一位说,反模式之所以持续,是因为它们对大多数人有效,而如何教育用户不让这些手段奏效,他也不知道。也有人就喜欢完全笨的车库门:25 年了,车里有按钮,外面有键盘,门很吵,半夜开就是安全警报。

    我们需要聪明且在乎的人
    从 ACH 到所有复杂系统

    作者在 Stripe 接触过银行和资金流转系统,发现 ACH(自动清算所,美国银行间转账的老系统)这类基础设施的技术现实相当脆弱:系统老旧,缺陷不少,还背着大量历史包袱。但它日常运行通常安全、便宜、可靠。原因是有两层人叠在一起:一层对系统了如指掌,另一层有驱动力硬把系统按在地上运转。这两种特质互相喂养:你在乎一个复杂系统,才会深到搞懂它;搞懂之后,就更在乎。

    文章列举了最近一周多起故障:微软 365、空管系统、美联航的系统、NSA 的网络、多家大银行、苹果的服务。官方说它们互不相关,不是网络攻击,也不是生成式 AI 的错。作者认为共同线索是“聪明且在乎的人”不够了。

    理解债务

    作者认为生成式 AI 不聪明,也不在乎。看起来像智能的东西,是大量从公地开采的数据撑起来的幻觉;看起来像关心和注意力的东西,是模型在说你爱听的话。更麻烦的是循环:让工程师停止做他们签下来要做的事、转去给 LLM 当保姆,会让他们对系统越来越不了解,也越来越不在乎。

    评论者 george_max 给了更精确的机制:AI 正在以远快于降低理解成本的速度,降低构建和修改系统的成本。一个工程师花一周搞懂的问题,AI 也许一小时就能做出来。但那一周不是浪费,那是理解自己在建什么、发现未文档化的假设、了解依赖、培养系统直觉的过程。结果是“理解债务”:系统能跑、测试能过,但理解水平大幅下降。donatj 的公司用 AI 替换了全部 QA。“好的 QA 真的在乎,”他写,“他们关心用户有没有好体验、奇怪的事不发生、UX 不让人困惑,有大量无法塞进 AGENTS.md 的人类直觉。”他们的 AI QA 用了一年半,从没对他的工作提过任何意见。

    不是不在乎,而是在乎的代价太高

    最集中的共鸣是:不是聪明人不在乎了,而是在乎的代价太高。用户 alphazard 说,行业里有很多聪明人,但你付的钱不够让他们去和冒牌货搞政治。如果做好一件事还需要说服产品经理这是他们的主意,那就没人会做好,最好的会离职。hinkowski 补了一层:人想要好生活,多数聪明人知道殉道既救不了世界也给不了自己好生活。理性选择是走在峡谷边缘,离得够近能赚到钱,离“大问题”够远,不让自己觉得有责任去解决。

    janalsncm 把职场分成三种人:不在乎的、在乎爬梯子的、在乎产品质量的。信息在层级中传递有损,优化“能力印象”永远比实际能力更受奖励。第三类人容易倦怠,第二类人拿到所有饼干。burningChrome 讲了自己的经历:第一年完成十二个目标、加班、学新语言和框架,年底拿到“中等评价”和微薄奖金;第二年做最低限度,年终结果一模一样。stego-tech 从工资角度算了一笔账:他自认聪明,也曾经在乎到伤害自己,现在只按薪酬包比例在乎。没有人付他足够在像样的地段买像样的房子。他说,不是我们需要聪明且在乎的人,是领导者需要付钱让聪明的人去在乎。

    反对与另一种读数

    也有不少人质疑文章的因果推断。drooby 说,没有清晰的复盘,我们不知道 AI 生成的代码是不是根本原因。代码跑得更快,质量可能没降甚至提高,但总量多了所以 bug 更多。hn_throwaway_99 说,他至少看到四五篇文章用最近的故障证明作者各自的宠物理论,第一步应该是确定最近故障是否超过随机预期,但这些文章都不做。

    关于“AI 不聪明”,ElProlactin 觉得这一段很奇怪。他认识的聪明人没有一个坚持“生成式 AI 不聪明、智能只是幻觉、只会说你爱听的话”。bigstrat2003 回:那字面上就是它们的工作方式,它们不推理、不学习,统计“下一个最可能是什么”有用途,但别把它当智能。

    另一面是“现在正是在乎的人的好时候”。shepherdjerred 说,你可以细查自己的应用,找十个问题让 AI 修;可以把大部分时间花在 QA、产品契合和架构上,而不是实现和调试。bigstrat2003 直接反驳:现在是在乎的人最糟的时候。如果经理错误地相信垃圾机器能让你的工作更好,还硬塞给你,那是纯粹的痛苦。

    Anthropic 上市首日
    定价与规模

    Anthropic 11 月 19 日在纳斯达克上市,募资 810 亿美元,成为第一家公开交易的前沿 AI 公司。发行价 83 美元,高于 70 至 78 美元的初始区间,卖出 9.8 亿股。股票开盘 111.50 美元,比发行价高 34%,收盘 97.17 美元,涨幅 17%。按完全稀释口径,公司估值约 2 万亿美元,超过 SpaceX 6 月的上市规模;这个数字包含已承诺但尚未归属的员工期权和限制性股票。按已发行股份计算,盘中市值最高到 1.5 万亿美元。这是全球规模最大的 IPO。若承销商完全行使超额配售权,募资可升至 935 亿美元;计入 260 亿美元私募配售,总额超过 1070 亿美元。私募投资者包括 AMD、博通、谷歌、美光、微软、英伟达和台积电。高盛和摩根士丹利牵头承销。Anthropic 的官方新闻稿确认了 83 美元的定价和 11 月 19 日在纳斯达克挂牌。

    财务数字与计算承诺

    这家成立六年的公司把自己定位成 AI 安全的守门人,同时向投资者推销一个判断:即使计算成本巨大,它也能盈利。第三季度净亏损收窄,营收环比增长 47%,增速比上一季度明显放缓;截至 9 月 30 日的三个月营收同比增长超过 1100%。公司与亚马逊、Alphabet 旗下谷歌等伙伴有近 9000 亿美元计算承诺。

    HN 上有人引用 2025 年数据:40 亿美元收入、420 亿美元净亏损,说“完全是投机”。马上有人纠正:那 420 亿里大部分是可转换票据(一种先借后转股的融资工具)的账面损失。公司通过可转换票据向 Google 等方售股,股价上涨在 GAAP(美国通用会计准则)下记为损失,并不是现金流出。实际经营亏损约 80 亿美元,对应 46 亿美元收入。2026 年前九个月,1040 亿美元净亏损里约 940 亿来自可转换融资费用,同期收入跳到 332 亿美元。公司第二季度还录得 9 亿美元经营利润,但有人指出它来自 SpaceX 提供的算力折扣,折扣在 Q2 之后结束,这也是 IPO 赶在这个时点的原因之一。更让一些人担心的是 9010 亿美元的采购和租赁承诺。

    护城河之争

    反方认为模型领先只有几个月,构不成护城河:没有专利壁垒,没有几十年积累的网络效应,open-weight 模型在身后紧追。有人举 Google 赢 AltaVista 的例子:PageRank 是实打实的技术优势,加上点击数据飞轮,才建起壁垒。Google 和微软在一个月内都发了有竞争力的模型,“六个月的领先建不起护城河。”

    正方不否认模型本身容易被追上,但认为护城河在别处。有人描述 Claude 正在进入企业工作流:非技术同事开始分享 Claude 文档和生成内容,财务的人在 Excel 里用 Claude 插件,尽管 Copilot 就在旁边。“这就像说微软没有护城河,因为谁都能写操作系统。”切换摩擦本身就是壁垒。还有人说,Claude 不需要一直领先,只要不落后,守成比进攻容易。

    社区里的实际使用体验很分裂。一位用户说主力用 Opus 5.5,子任务用 Longcat 2.5,对抗性安全审查用 GLM 5.3,Anthropic 的花费因此大幅下降。中国模型被反复提及:便宜、够用,但在长链条复杂任务上会“随机走错方向”,可信度差一截。

    时机与泡沫争论

    一种观点是抢在 OpenAI 之前上市有好处:先上的一方给后来者定了价格参照;如果 Anthropic 表现不好,OpenAI 的定价和融资都会更难。另一种观点是,现在私募信贷规模这么大,上市的必要性主要是让早期投资者和员工变现,把风险转给公开市场。IPOX 的 Lukas Muehlbauer 说,部分需求反映投资者不想错过接触领先 AI 公司的稀有機會,即使长期盈利能力仍不确定。The Wealth Consulting Group 首席市场策略师 Talley Leger 提醒,历史上首日买入热门科技 IPO 的散户,三年内跑输宽基指数。

    评论者提醒:dotcom 泡沫里也有亚马逊、eBay、Cisco 这样的幸存者。Anthropic 有 332 亿美元的前九个月收入和成千上万的企业客户,和 Pets.com 的 580 万美元销售额不在一个量级。但定价已经把很多好消息算了进去,按一位评论者的说法:“它被定价成好像已经赢了,并且解决了盈利问题。”

    Ruby2ßhell:一个 ß 如何变成预认证 RCE
    原理:单字节溢出

    Veria Labs 披露了影响 Ruby 的预认证远程代码执行漏洞,命名为 Ruby2ßhell。问题出在 Ruby 的单字节编码大小写转换代码里:多数单字节编码没有 ß 的大写形式,upcase 会把 ß 写成两个字节 SS,但循环条件 while (*pp < end && to < to_end) 只为一个字节做了边界检查。写第一个 S 后,第二个字节未经检查就写到了缓冲区之外。

    输出缓冲区按输入长度加 20 字节分配,每个 ß 让输出多出一个字节,输入里放 21 个 ß 就会溢出缓冲区一个字节。这个溢出字节的值是固定的:upcase 时是 S(0x53),case-fold 时是 s(0x73),落点紧跟在输出缓冲区之后。攻击者通过输入长度控制缓冲区的大小。同样的循环存在于多个 ISO-8859 和 Windows-125x 编码中,从 Ruby 2.4.0 就存在。

    影响范围

    触发路径是 upcase、swapcase、downcase(:fold) 和 casecmp?。UTF-8 字符串走另一条代码路径,不受影响。受影响版本:Ruby 4.0.0 到 4.0.9(在 4.0.10 修复)、3.4.0 到 3.4.12(在 3.4.13 修复)、3.3.0 到 3.3.13(在 3.3.14 修复)、3.2 及更早追溯到 2.4.0 的所有版本。默认配置下受影响的是 Rails 和经典风格的 Sinatra。自托管软件里,GitLab 19.6.0 及更早、GitHub Enterprise Server 3.22.5 及更早、Chatwoot 4.20.0 及更早目前没有修复版本。

    Ruby 官方在 11 月 18 日发布的安全公告同时公布了正则引擎和字符串大小写转换中的 7 个漏洞,其中两个与大小写转换相关,五个在正则引擎里,包括编译正则时的重复释放、大小写不敏感匹配中的越界读取。公告说已有概念验证能证明其中一些可在特定场景触发 RCE。

    内存安全不是万能药

    HN 讨论把这件事放进最近的 RCE 浪潮里看:48 小时内 nginx、Java、PHP、Ruby 各有一个,上个月 PHP 和 Ruby 已经各来了一次。cowlevel 的观察是,真正变化的是 AI 能替人完成漏洞链里那些繁琐的收尾工作,于是单字节溢出也被报告成了 RCE。如果任何单字节溢出都能以很低的人工成本变成 RCE,那就只能把整个软件栈都做成内存安全的。

    话题很快转向 Rust、Java 和 C 的比较。aja12 提醒,Java 和 Rust 都被视为内存安全语言,但 Java 也有汇编片段,就像 Rust 有 unsafe 块。ekidd 补充:他 2015 年开始写生产 Rust,至今大约写了 30 行生产 unsafe 代码,大部分在 Tokio 里。tialaramex 把 Ruby 这个 bug 和 Rust 的 str::to_uppercase 摆在一起:前者是四五十行 C 代码在指针和宏之间来回操作,后者只有一行 unsafe,附了两行理由说明为什么安全。反对把内存安全语言当万能药的观点也不少:如果选择用汇编实现部分功能,内存安全就无从谈起;真正要做的是缩小攻击面。

    关于单字节溢出能否变成 RCE,barbegal 觉得听起来很难。tptacek 读代码后认为它确实只有一个字节,而且这个字节的值固定。cyphar 举了 2014 年 glibc 那个更严格的单 NUL 字节堆溢出,ProjectZero 把它变成了任意代码执行。enjoytheview 描述了一种思路:堆里下一个字节可能是某个分配的大小,覆盖它再释放那个分配,堆代码会以为那里有一大片空闲区域,再分配出来就得到了很大的堆溢出。

    ß 的语言学支线

    ß 本身成了话题。cubefox 说 ß 更正确的大写形式现在是 ẞ,2017 年德语正字法委员会正式采纳大写形式作为可接受变体,2024 年起优先于 SS。edelbitter 指出瑞士和列支敦士登的正字法根本不用这个字母。pwdisswordfishq 补充,Unicode 的大小写映射有向后兼容保证,ß 会永远映射成 SS。hunterpayne 抱怨这个字符不在多数人的键盘上,让命令依赖特殊 Unicode 字符又引入一个攻击向量。

    有人问 PoC 在哪。stuxf 回应,自托管 GitLab 还没发布带修复 Ruby 的版本,现在发 PoC 极不负责。GTP 认为现在要么立刻发 PoC,要么永远别发,因为 AI 代理看了这篇文章很可能几分钟就能生成一个。名字本身收获了不少好评。stuxf 说团队原本想叫 ruby off rails,但现在的名字和漏洞原理扣得更紧。有人觉得几乎可以读成 ruby 2 hell。

    用 LLM 做逆向工程
    工作流

    作者有 20 年硬件和软件破解经验,以前全手工,2026 年借助 AI 把过程大幅提速。他用 DeepSeek Harness 配 DeepSeek v4.1 Flash,偶尔用 Codex 配 Luna 或 Terra,看重性能、速度和价格。逆向工具是 Ghidra(美国国家安全局开源的逆向工程套件)加 MCP bridge(Model Context Protocol,让 agent 能操作 Ghidra),以及 radare2 和 kuna 这两个命令行反汇编器。

    流程是先把 agent 指向二进制,用一套专用技能,剩下的事它自己处理。第一步识别二进制类型、平台和构建方式,据此选反编译器。第二步让 agent 把发现随时写进 MD 文件。这些笔记帮作者理解,也帮 agent 在上下文压缩或交接后不丢线索。第三步分析基本结构:主函数、主要分支、导入函数。

    遇到反汇编解决不了的问题,作者会让 agent 调试二进制并在关键位置设断点,用日志或探针注入记录信息,或者让 agent 换一种具体方法。技能里有一个来自 Matt Pocock 的 grill-me,让用户回答最多 5 个对进展关键的问题,一次一个。作者自己的假设调试技能把流程固定成循环:提出假设写进 CSV,设计能明确证实或证伪的实验,记录结果,重复。这是科学方法的变体,能阻止 agent 无限猜测。

    实际成果

    过去 6 个月,这套方法完成了他认为手工各要数年的逆向:Alphasmart NEO 打字机;EmWave 生物反馈设备和两台 Sony Alpha 无反相机的通信协议,由此做出文件传输和无线控制的桌面、移动应用,还把 A7III 变成无线摄像头;Arturia MiniFreak、Teenage Engineering OP-Z、Akai MPC Sample 合成器的固件;Xteink X4 电子书阅读器的固件;修复老 HP P2055dn 打印机的 macOS 驱动;破解大量授权锁定的童年废弃软件。

    HN 上有人贴出类似经验。saidinesh5 用 Gemini 两小时逆向 CCTV 摄像头的云连接插件:先找中国 OEM,试现成 GitHub 项目失败,写脚本在独立网络命名空间跑厂商桌面软件并用 tcpdump 抓包,排除噪音后发现服务器 URL 和凭据与 GitHub 项目不同;再把找用户名和密钥的活交给 Gemini,约半小时到一小时。现在他的 Home Assistant 能判断车是否停在停车场。hexapus 零逆向经验、DevOps/SRE 背景,成功逆向一个废弃音频效果插件和一台停产 DSP(数字信号处理器)乐器,插件声音几乎 1:1。bubulux 几周内逆向三个 Android 应用,控制 Aputure MC 灯、Neewer COB 灯、Hollyland 视频发射器和 BMPCC 相机,零硬件编程经验。

    工具选择与局限

    工具选择上有分歧。teravor 说 LLM 用 IDA Pro(商业反汇编器)比 Ghidra 好,可以引导它做注入代码、劫持函数、拦截数据。bri3d 说“正常”的 Ghidra MCP 很差,直接 headless 脚本或让 LLM 建更好的 MCP 能接近 IDA。xvilka 说 Rizin 和 Cutter 团队在让 AI agent 好用,纯 C 少依赖,YAML 定义 CLI 接口,JSON 输出。

    Retr0id 说猜测循环是他用 Claude 逆向时的主要烦恼,难目标上要不断盯着叫它停止猜测。黑盒逆向需要假设测试,但多数情况信息都在,只需细致推进。他喜欢把 Claude 当有超人耐心的逆向巨兽,从 A 追踪到远处子系统 B。vbezhenar 用 LLM 加 Ghidra MCP,大部分手动做,LLM 指导点击并验证,像活人坐旁边,适合学习。saidinesh5 说读 AI 的思考过程也能学到东西。

    技能的价值也被讨论。EddieRingle 不用技能,也不用 AGENTS.md,认为是反模式。badsectoracula 说技能是重复指令的约定,配合自定义工具有用。作者回应说技能经长期重复使用证明有效。

    法律与讨论方向

    绕过模型限制是另一个话题。hobofan 说 repo 里有 DeepSeek 生成的逆向调查后 Codex 不触发,所以先用 DeepSeek 几轮再换 Codex。rigrassm 说 Claude 对机器人吸尘器发现潜在 shell 后触发。RobMurray 说 codex 问题少,terra 比 DeepSeek 好,唯一拒绝是 MIDI sysex 写任意 RAM。

    法律和道德问题穿插在讨论里。questionedon 用 Codex 解锁订阅应用高级功能并离线化,有人批评是偷。mdswanson 提醒 Apple 开发者协议特定情况禁止逆向。作者在结尾说,逆向一直是他的爱好,他不怀念手工分析汇编,但喜欢快速拿到结果。他的经验帮他引导 agent,沿途还在学东西。

    一台 VM 上跑 1500 万个 Web 服务器
    端口和地址

    作者用近乎恶搞的目标开场:在一台 10GB 内存、1 核 CPU 的虚拟机上运行 1500 万个 Web 服务器,理由是“全球 80 亿人每人一个”。文章从最朴素的 C 服务器写起:socket、listen、accept、recv、send、close 六个系统调用,循环回复 OK,单机约 65k RPS。

    挑战从启动 1500 万个进程开始。第一个障碍是端口:Linux 默认的 ip_local_port_range 是 32768–60999,因为动态端口要避开 MySQL 这类固定端口,而 TCP 端口是 u16,改内核也没法和普通客户端通信。作者算出 UDP 与 TCP 可共用同一端口,翻倍到 128k;真正的大招是按 IP 区分监听地址。用 AnyIP 把整个子网挂到本机,一个 IPv6 /64 就有约 1.8×10^19 个地址,IPv4 要买 1500 万个地址则约 2.5 亿美元。

    内存账本

    端口解决了,内存又爆了。每个服务器进程约 1.5MB,1500 万个需要 20TB。作者改用单进程自定义 runtime:用 LFI 做沙箱,把 guest(被托管的服务器实例)全部加载进主进程,自己调度。每个 guest 只需保存程序计数器和两个文件描述符,16 字节,1500 万个约 220MB;位压缩后能到 8 字节。再假设任意时刻只有 100 万条活跃 TCP 连接、每条 5KB,约 5GB。

    但内核不买账。每次 socket() 调用约分配 3300 字节:tcp_sock 2240B、socket_alloc 768B、file 184B、dentry 192B。约 250 万个空闲监听 socket 就把 10GB 吃光。作者于是下沉一层,绕过内核网络栈,用用户态 TCP/IP 实现。实现选 Rust 的 smoltcp:独立、事件驱动、无堆分配,负责解析和构造 TCP/IP 包。

    绕过内核的几种方式

    它与网卡的连接有三种方式:TUN 工作在 IP 层,TAP 工作在以太网层,DPDK 完全绕过内核,直接读写网卡的内存映射缓冲区。DPDK 的代价是忙轮询占满一个 CPU 核,且独占网卡,启用后 ifconfig 里看不到设备,通过 SSH 操作会直接断线。第四种选择是 Linux 的 AF_XDP:内核仍管理设备,eBPF 过滤器决定把包直接送用户态还是走常规栈,零拷贝且 SSH 不断。

    最终架构是:runtime 加载 1500 万 guest,拦截系统调用并转给 smoltcp 适配器;每个 guest 在自己的地址上 listen;调度器轮询网卡数据,唤醒对应 guest 处理后再切换。基准结果显示,内核网络栈在约 250 万服务器时耗尽内存,RPS 随数量下降;smoltcp 空闲服务器只占 620 字节,活跃约 1KB,能跑到 1600 万;DPDK 性能最强,AF_XDP 紧随其后。

    HN 评论区几乎一致称赞文章的幽默和技术密度,多位读者提到“终于是人写的,不是 AI 生成物”。用户 athrowaway3z 建议标题去掉 “web”,因为前几节让人以为重点是 HTTP 解析和切换。cowlevel 则指出还能更抽象一层:客户端真正要的是 1500 万个能响应 HTTP 的 IP 和端口组合,用 iptables 透明代理加通配规则一次就能接住。3abiton 觉得标题低估了故事,“10GB 内存”还不到一台基础款 M4 Mac mini。mrheosuper 感慨,万物迁往用户态的趋势或许会让 Linux 变成微内核;bewo001 补充说更像 exokernel(内核只按过滤器把包交给应用,应用自己用库处理以太网、IP 和 TCP)。

    在 SQLite 上构建分布式 blob 存储
    为什么选 SQLite

    Zerodha 的 Kite 交易平台有约 2000 万用户,用户可保存多图表布局、技术指标模板、矢量绘图和 Terminal 模式下的自定义工作区。后端把这些偏好存成不透明 blob(多为 JSON),大小从几 KB 到几 MB。股票市场波动让读写流量既不可预测又有突发性,峰值可达每秒数千到数万次。团队此前用 SSDB(一个支持 Redis 协议的 C++ 磁盘存储)扛了多年,但 SSDB 逐渐无人维护,且它不是分布式系统,只能单节点运行,曾迫使他们把 blob 上限压到 1 MB。

    他们评估了 ScyllaDB、PostgreSQL、YugabyteDB、RocksDB、Ceph、SeaweedFS、S3/MinIO 和裸文件系统,各有问题。最终选择在 SQLite 上自建 Blobasaur:用 Rust 写的单二进制分片 blob 服务器,说 Redis 协议,用 SQLite 做存储引擎。选 SQLite 的理由很直接:对小型 blob,它比裸文件 I/O 快最多 35%,天然带事务、崩溃恢复和 TTL 所需的结构;99% 的压缩后数据都低于 100 KiB。选 Rust 而非 Go,是因为 Go 的标准 SQLite 驱动依赖 CGo,会固定 OS 线程、增加 GC 压力;Rust 直接调 SQLite 的 C API,内存使用可预测,还能产出单个静态二进制。

    分片与写入批处理

    架构的核心是把数据拆成多个 SQLite 数据库文件(分片)。WAL 模式下 SQLite 支持并发读但只允许一个写者,而写入约占生产流量的 50%。每个键通过多探针一致性哈希映射到一个分片,每个分片有一个专用写任务,从有界队列里取出待写批次,放在单个 BEGIN IMMEDIATE ... COMMIT 事务里提交,把事务和 WAL 开销摊到并发客户端上。读请求走每个分片的只读连接池,与写者并行。

    基准测试对比 1 个分片和 16 个分片,64 个并发连接、64 KiB 负载、zstd 压缩约 9 倍、同步写、batch_size = 50:仅 HSET 从 7,740 ops/s 升到 25,324 ops/s(3.3 倍),写入中位延迟从 8.2 ms 降到 2.1 ms;50/50 读写混合从 14,227 升到 29,538 ops/s;仅 HGET 从 67,128 升到 70,884 ops/s,基本持平,因为 WAL 模式下的并发读本来就不受写锁阻塞。

    生产环境用 zstd 压缩:平均 HSET 负载 63.6 KiB 压缩后 5.5 KiB(约 11 倍),p99 从 935 KiB 压到 59.3 KiB(约 16 倍)。压缩后 63.6 KiB 的数据在 4 KiB 页里从约 16 页降到约 2 页,减少页缓存压力和 WAL 写入量。

    生产数据与三个坑

    生产环境是 3 节点集群,每节点 4 vCPU、8 GB 内存。整个交易时段(09:00–15:30)所有节点的 p99 约 2 ms,p50 在 250–550 µs。分命令看,HSET p99 约 2 ms,HGET p99 约 1.4 ms,HDEL p99 多在 1 ms 以下。项目以 AGPLv3 开源。

    文章里三个“踩过的坑”值得单独说。删除行不会缩小 SQLite 文件,空闲页留在 freelist 里等后续写入,他们为此启用 PRAGMA auto_vacuum = INCREMENTAL,并在增量 vacuum 后执行 PRAGMA wal_checkpoint(TRUNCATE)。启用 async_write 后,返回 OK 的写还在内存队列里,为保证读己之写,他们加了内存 pending map,读之前先查它;测试中发现 DEL 后紧跟 GET 会从 SQLite 读到旧值,修复办法是在 pending map 里存显式墓碑。TTL 清理最初自己开写连接、一次大 DELETE,和主写者抢 SQLite 唯一的写锁,造成 p99 飙到 30–50 ms;改成走分片现有写连接,并用 cleanup_chunk_size(默认 1000 行)分块后,尖刺消失。

    质疑

    HN 讨论集中在几个方向。有多年尝试用 SQLite 做这类场景的开发者认为,SQLite 事务提交开销太高,不批处理就没有竞争力。另一派坚持“元数据进数据库、数据进文件系统或对象存储”是更稳妥的组合,认为把文件系统塞进数据库最终会让人付出代价;反驳意见是文件系统支持可变值,而分布式系统里不可变值有额外好处。关于 RocksDB 和 LMDB,有评论认为它们作为事务性键值存储吞吐更好;也有人回应持久提交本来就受 fsync 限制(普通 SSD 约 1000 IOPS),批处理是唯一出路。

    架构层面的质疑更集中:文章没提复制、备份和一致性模型,节点意外宕机会怎样?有人指出只有用 cp 的备份脚本。有评论认为这东西解决了 Zerodha 自己的问题,但外人现在很难用:容错差、再平衡要停机、Redis 协议的选择也存疑。“分布式”名不副实:静态分片、无容错、无一致性模型。替代方案的提议包括调优 ScyllaDB、ClickHouse 配异步插入、Cassandra、rqlite(作者本人在场回应,说所有写都过 Raft leader,不适合高吞吐持久写,但提供 Queued Writes 和 Bulk Requests 两种折中)。关于数据模型,有人建议既然写多,可以存 diff、定期压缩合并,或把 JSON 模式规范化成 SQLite 表。

    对“删除行不缩小文件”这一条,有评论直言这是所有关系型数据库的共性,属于文档里写清楚、从第一性原理也该想到的事,并说自己因此对产品失去信心;随即有人反驳,认为这种态度会让人不敢分享刚学到的东西,损害讨论质量。

    相关链接:

    • How the European Commission rolled out Matrix to more than 40k staff
    • Garage Door Spam
    • We need smart people who give a shit
    • Anthropic’s Nasdaq debut
    • Ruby2ßhell: Pre-authentication RCE on stock Rails
    • Multiple vulnerabilities in Regexp and String case conversion
    • LLM assisted reverse engineering
    • Anthropic prices initial public offering
    • 15M web servers on one VM – smoltcp, DPDK, AF_XDP
    • Distributed, high-performance blob storage on SQLite
    31 min
  • Agili 的 Hacker Podcast 2026-11-18

    今天的故事集中在几条线上:一个潜伏十余年的 Nginx 漏洞、AI 概览正在抽走网站流量、Quad9 因拒绝为法国法院屏蔽域名而退出法国。以下是 Agili 的 Hacker Podcast 整理的每日摘要。

    Nginx 两个 HTTP/2 漏洞允许未授权远程代码执行
    漏洞本身

    Wiz 研究团队联合 Ikotas Labs、Metnir、Rapid7 和 Xint 独立发现并报告了 NGINX 的两个未授权远程代码执行漏洞,编号 CVE-2026-123633 和 CVE-2026-123007,CVSS 4.0 评分均为 9.2,属于最高严重级别。漏洞出在 NGINX 本身。Wiz 在仅提供普通静态文件的 NGINX 上验证了代码执行,没有后端应用或第三方模块参与。

    NGINX 是全球使用最广的开源 Web 服务器,为超过 2.25 亿个网站提供服务,常作为反向代理(reverse proxy,挡在网站和 API 前面、负责转发请求的服务器)。一个 NGINX 实例往往承载多个应用,单点被攻破会波及背后的多个站点和 API。

    技术细节

    两个漏洞都是 HTTP/2 处理中的内存安全问题。CVE-2026-123633 是 HTTP/2 连接的释放后使用(use-after-free,连接内存被释放后请求仍在引用它),影响 1.19.7 至 1.31.8 版本,需要 NGINX 配置为反向代理、且可用连接槽位紧张时触发。CVE-2026-123007 是 HTTP/2 的 send_window 整数下溢(integer underflow,无符号减法产生极大值)导致非法内存拷贝,影响范围可追溯到 2015 年的 1.9.5 版本,在 64 位系统上通过 HTTPS 提供静态内容即可触发。两者的共同前提是目标 NGINX 启用 HTTP/2。

    ASLR(地址空间布局随机化,一种常规内存保护手段)在这里不构成有效防御,攻击者可以利用漏洞先读取内存地址。

    修复与临时措施

    F5 于 11 月 18 日发布安全更新。修复版本为 NGINX OSS 1.30.7 stable / 1.31.9 mainline,NGINX Plus 37.0.7.1 和 37.2.0.1。同一版本还修复了 HTTP/3 释放后使用(CVE-2026-121810)、DNS 解析器释放后使用(CVE-2026-123634)等另外 8 个漏洞,其中 5 个同为 9.2 分。

    无法立即升级时,可以临时禁用 HTTP/2:在 1.25.1 及以后版本的 server 块中设置 http2 off;,并从 listen 指令移除 http2 参数,然后重新加载配置并确认旧 worker 进程退出。升级后再重新启用。

    披露节奏引发的讨论

    Wiz 使用其 AI 漏洞研究工具 Atlas(底层模型为 Gemini 4 Carbon 和 ChatGPT 5.6 Sol)发现这两个漏洞。文章指出,两个漏洞分别潜伏了六年以上和十多年,多支独立研究团队同时发现同一批漏洞,说明 AI 正在消除过去依赖复杂内存操作追踪形成的实际利用壁垒。

    社区讨论集中在补丁的可预见性。一位评论者指出,修复提交在一周前就进入了开源仓库,提交信息里还带着“Reported by Xint.io”,任何盯着仓库看修复提交的人都能提前发现这个漏洞。Ubuntu 和 Debian 当时都还没发布补丁,用发行版包管理器安装 NGINX 的人无法直接升级。禁用 HTTP/2 也不是对所有人都可行:有人依赖 gRPC API,而 gRPC 依赖 HTTP/2,建议这类场景改用 Envoy。

    围绕语言层面的讨论也很集中。多人指出整数下溢在 C 中最终变成越界拷贝,这是 C 特有的后果;Rust 在默认配置下会在越界时 panic,即使关闭溢出检查也不会静默破坏内存。tptacek 的观点是,整数处理问题在所有主流语言里都存在,但整数本身几乎从来不是漏洞的真正锋刃,内存不安全的语言才把下溢变成了可利用的拷贝。

    Google AI 概览让外链点击减少约 40%
    随机对照实验

    研究者做了一项随机实验:让一部分美国桌面 Chrome 用户看不到 AI 概览,再与仍能看到的人对比,发现概览让指向外部网站的点击减少约 40%。在会触发概览的搜索里,能看到的一组平均每次搜索产生 0.37 次外链点击,看不到的一组是 0.62 次;完全没有外链点击的搜索从 54% 升到 73%。广告点击没有变化。

    作者 Agarwal 和 Sen 估算,把有概览和无概览的搜索合在一起,网站从 Google 获得的自然点击大约少了 18.5%。这是随机对照试验,尚未同行评审,只覆盖桌面端。Pew 研究中心记录了 900 名美国成年人在 2025 年 3 月的真实搜索,有摘要时点击普通结果的比例是 8%,没有摘要时是 15%。

    概览覆盖率与点击率

    DataForSEO 的月度面板覆盖 2000 万关键词,AI 概览出现率从 2024 年 9 月的 5.93% 升到 2026 年 8 月的 61.43%。同期精选摘要从 8.96% 降到 0.44%。健康类搜索有 69.68% 带概览,金融 68.80%,餐饮只有 29.37%。低搜索量关键词并不更安全:月搜索 201 到 300 次的关键词有 58.59% 出现概览,高于 600 次以上的 48.62%。

    排名第一的自然结果桌面端点击率从 2025 年 9 月的 17.83% 掉到 2026 年 8 月的 7.43%,降幅 58%。桌面端在 2026 年 3 月一个月内从 15.18% 跌到 7.94%,同月 AI 概览出现率几乎没变。报告自己说,数据“无法确定”是 AI 回答、页面布局还是用户行为变化造成的。

    GEO 大部分就是 SEO 加两件事

    GEO(生成式引擎优化,让内容被 AI 回答引用)看起来大部分就是 SEO 加两件事:出现在 AI 回答所引用的第三方站点上,以及把页面写得容易被引用。SISTRIX 把 48,527 个被引用页面与同站未被引用的页面配对比较:标题含当前年份的页面被引用频率是 2.7 倍,带跳转链接的目录 1.7 倍,FAQ 结构化数据 1.5 倍,显示最后更新日期 1.3 倍。给 GEO 命名的那篇论文发现,加入引语让页面可见度提升约 41%,加入统计数据约 31%,引用来源约 27%,堆关键词则下降约 8%。llms.txt 这个专给 AI 看的文件,在近 30 万个域名的分析里与引用没有相关性,Google 也说不需要专门的 AI 文本文件或标记。

    AI 助手在 2026 年 3 月给 74,752 个网站送去总流量的 0.28%,约 350 万访客,同期 Google 送来 3.45 亿。

    社区的两派看法

    pcarolan 说搜“今晚 SNL 谁主持”以前要翻十页点击诱饵,最好的产品就是直接给答案;他也为“发现的死亡”难过,“SEO 杀了网页,AI 杀了 SEO”。safety1st 认为受重创的是 SEO 套利和堆广告的垃圾站,真正提供价值的生意没有哪家被杀死。cortesoft 追问:想认识同好的人本来就会点进去,不点的那 40% 只是来拿个答案就走。xp84 回应,网站要靠包括“看完就走”的全部流量摊薄成本,内容被 AI 重新包装、访客归零,托管就不再值得。

    搜索替代品反复出现 Kagi。DanHulton 说付费买的是“产品就是搜索,不是广告”,可以拉黑站点。janalsncm 指出 Kagi 订阅数停在 7.5 万左右,按产品力早该破百万,说明光靠产品赢不了。

    AI 摘要让运营八年的柏林指南网站掉了 75% 流量
    发生了什么

    Nicolas Bouliane 从 2017 年开始运营 All About Berlin,2020 年起靠它生活。网站流量在七年增长之后掉了 75%。他把原因指向 Google 的 AI 概览:以前搜一个词会拿到指向他网站的链接,现在先是一屏广告,然后是拿他内容训练出来的 AI 答案,最后才轮到他的网站。只剩四分之一受众,他已经在准备别的收入来源。

    八年投入做出来的东西被政府机构引用。柏林移民局用他整理的数据了解自己,两个政府门户网站和几个其他城市的类似站点受他启发。他写道,这些工作被搅进一段 AI 答案后,他失去的是声音和读者,没有人再跟他握手、请他喝啤酒,也没有人告诉他入籍申请办得怎么样。不少网站主私下跟他诉苦,有人设了付费墙,有人停止更新,页面还挂着,内容不再维护。

    评论区两种立场

    bko 直接质疑他的立场:你提供信息,现在有更高效的方式拿到信息,你的网站没提供足够价值让你继续付账单,凭什么你能无限期把守这个信息?slibhb 实际搜了“最适合外国人的德国银行账户”,发现 Google AI 把 C24 Bank 列为第二选择,而 All About Berlin 认为它“对外国人不太友好”,AI 不是简单复述。

    反驳集中在一点:这不是竞争,是平台摘走内容再转卖,而且会杀死源头。SCdF 说真正的问题是创造有用信息反而被惩罚:AI 抓取吃掉带宽却不带来收入,同时压制能带来收入的人类访问。danaris 说 All About Berlin 整理的很多信息在线上根本没有结构化版本,Google 的 AI 摘要在吃种子玉米。

    一次性收割与收入分成

    juujian 认为信息会过时,如果没人有动力写新的,模型就会给出不准确的内容。boringg 说这是一次性收割高质量数据,之后站点上锁、信息陈旧,补贴期大约三到四年,等企业上瘾后价格会涨。ryandrake 拿 Stack Overflow 类比:它卡在 2015 年,结构上无法吸收新信息,AI 也可能同样停在过去。

    dada216 说 Google、OpenAI、Anthropic 应该像 AdSense 和 YouTube 那样跟被抓取的网站分成,按展示或使用量计算,技术上并非不可行。AnthonyMouse 指出这条路解决不了 Stack Overflow 或 Reddit 的问题:答题者本来就没拿钱,AI 摘要破坏了投票反馈,用户不再给正确答案点赞,答题者觉得在浪费时间,站点就死了。

    用 ID.me 登录美国国税局,意味着接受它的仲裁条款
    条款写了什么

    用 ID.me 登录美国国税局(IRS)在线服务的纳税人,接受的是 ID.me 自己的服务条款。条款顶部用大写字母写明:其中包含“双向仲裁条款、陪审团审判弃权与集体诉讼弃权”,用户可以在接受条款后 30 天内退出。退出方式是向 [email protected] 发送标题为“Opt-Out Notice”的邮件。第 10 节把 ID.me 的累计责任上限设为 1000 美元,“在法律允许的范围内”。

    隐私政策写明“我们可能将信息用于营销目的”,可能为推广 ID.me Shop 发送促销邮件。政策附了一条政府验证豁免:为州或联邦机构做合法身份验证时,未经同意不会把验证信息用于营销,除非用户把同一份凭据用于非政府客户。ID.me Shop 是一个折扣与返利页面,自己说明它是 Amazon Associates 及其他联盟计划的一部分。

    关闭钱包会停用凭据并“从活跃使用中清除相关数据”,但 ID.me“确实会保留”账户与验证历史“最多三 (3) 年”。生物特征的删除请求“在完成前可能需要内部调查”,之后 ID.me 保留拒绝此类请求的权利。2023 年 3 月的 10.0.3 版同样有仲裁与集体诉讼弃权,但没有退出机制。

    政府为什么选它

    IRS 的登录页面说纳税人“需要一个 ID.me 或 Login.gov 账户”。Login.gov 由美国联邦总务署(GSA)运营。TreasuryDirect 的情况更紧:ID.me 于 2026 年 10 月 28 日取代了原有登录方式,其 FAQ 说 Login.gov“不能用于登录 TreasuryDirect 账户”。

    2026 年 10 月 29 日,参议院财政委员会的 Ron Wyden 与银行、住房和城市事务委员会的 Elizabeth Warren 要求财政部叫停这场“仓促的过渡”。他们引用 6 U.S.C. § 1523(b)(1)(D),说联邦法律要求各机构采用 GSA 开发的“单一登录可信身份平台”,并提到 ID.me 获得一份五年期、上限超过 10 亿美元的协议。管理与预算局 2026 年 8 月 31 日的 M-26-18 备忘录要求:提供其他身份方案的机构,在“Login.gov 能服务的任何用户群体”中应把 Login.gov 推广为新账户创建的默认选项。

    支持这套过渡的说法是,IRS 当时需要 Login.gov 达不到的远程身份验证等级,因为历年退税欺诈造成数十亿美元损失。GSA 监察长 2023 年 3 月的报告发现,GSA 官员在 Login.gov 未达 NIST 800-63-3 身份保证二级(IAL2)标准的情况下向客户机构宣称达标。反对者不接受这套说法:纸质报税至今不需要出示任何身份证件就能拿到退税,在线账户完全可以用邮寄方式验证。

    实际门槛

    评论区的火气集中在门槛上。一位用户说,不用智能手机就“不可能”注册 ID.me:他认识一位只用大按键功能机的退休人士,在 TreasuryDirect 有债券,现在看起来没法取现。另一位说自己上周刚注册成功,但因为用 Google Voice 号码被系统拒绝,最后走了视频通话验证。多位用户指出预付费号码和 VoIP 号码被当成欺诈信号;一位在大型金融科技公司工作的人说,VoIP 和可携号确实是“极强的欺诈相关因素”,另一位反问:某些街区犯罪率更高,就能因此把那里的人一概当作罪犯、剥夺他们使用政府服务的权利吗。

    Login.gov 并非没有出路:它支持在邮局当面验证,先在网上建账户,再拿条码和证件去柜台。有人说这个过程很顺利;也有人指出 IRS 并不支持邮局验证,当面验证不接受护照。纸质路线被反复提到:有人引用 TreasuryDirect 的说明,强调被限制的只是“在线访问”,账户、资金和投资仍然安全;也有人回复,纸质通信目前大约要等 10 个月。

    Quad9 退出法国:DNS 解析器不是打击盗版的地方
    发生了什么

    2026 年 11 月 24 日,瑞士非营利组织 Quad9 将停止回答来自法国的 DNS 查询。Quad9 运营免费的 9.9.9.9 公共解析器(把域名转换成 IP 地址的服务),主要功能是拦截恶意软件和钓鱼域名。它离开不是因为成本或用户流失,而是巴黎法院因它拒绝为 beIN Sports 屏蔽一批盗版体育流媒体域名而对其罚款。法国还有约 20 个类似案件待审,Quad9 说它无法承受这些罚款的累积。

    Quad9 由 Global Cyber Alliance、IBM 和 Packet Clearing House 于 2017 年创立,不保留用户记录,每天在 110 多个国家的 230 多个解析器集群上拦截超过 6.7 亿个恶意域名。它的公告列出了几十个它看到流量的法国网络,包括 DINUM、France Travail、CEA、巴斯德研究所、RENATER、EDF、SNCF、马赛的 AP-HM 医院、France Télévisions、Thales 和 Airbus 的 Stormshield。解析器消失时,用户看不到错误信息。Cloudflare 指出,“他们的互联网会直接停止工作”。

    法律依据与案件时间线

    法律依据是法国体育法典 L.333-10 条,由 2021 年 10 月 25 日的法律创建。该条款允许体育版权方向巴黎司法法院院长申请“动态”屏蔽令,覆盖已识别的站点以及后续通过 Arcom 通知的新镜像域名,对象是“任何能帮助阻止侵权的人”。这句话把 DNS 解析器纳入了范围。2026 年 7 月,议会通过 2026-725 号职业体育法,增加了 Arcom 运营的自动实时屏蔽系统。

    2024 年 6 月 28 日,Cisco 把 OpenDNS 撤出法国。2024 年 12 月,Canal+ 赢得对 Quad9 和 Vercara 的三项命令,涉及英超、欧冠和 Top 14 橄榄球。2026 年 3 月,巴黎上诉法院驳回 Google、Cloudflare 和 Cisco 的五项上诉,首次在上级法院层面认可 L.333-10 下的 DNS 屏蔽。2026 年 10 月 21 日,法院对 Quad9 处以每天 1000 欧元的罚款。

    裁决书很短。58 万欧元是 beIN 的请求,不是罚款;法官设定每天总计 1000 欧元,直到 WTA 赛季 11 月 14 日结束。法官用 Quad9 自己的恶意软件过滤来反驳它:Quad9 说无法实施地理定位屏蔽,法院在第 16 段回答说 Quad9“似乎自相矛盾”,因为它已经“应用严格限于网络安全的自动过滤,在全球范围内中和恶意域名”。有评论者指出,Quad9 的恶意软件拦截功能反而成了法院的把柄,它证明了解析器能按自己的判断屏蔽域名,所谓“公共承运人”式的保护就无从谈起。

    三个选项都不管用

    Quad9 经常被问为什么不直接屏蔽。它有三个选项,都不管用。

    全球屏蔽:Quad9 在 2024 年 12 月为 Canal+ 做过,也是 DNS4EU 现在做的。这意味着法国法院决定巴西、肯尼亚或德国用户能解析什么,为一家公司的商业利益服务。

    地理屏蔽法国:Quad9 在德国试过。在 Sony Music 诉 Quad9 案中,Quad9 在诉讼期间对德国用户做 geoIP 屏蔽,Sony 的律师用 VPN 从“德国”访问内容,法院认定这是不遵守命令,Quad9 因藐视法庭被罚款。GeoIP 是对 IP 地址所在位置的概率猜测,不是关于人所在位置的法律事实。一个不保留用户记录的解析器没有可靠办法定义“法国用户”。

    支付并抗争:Quad9 在德国赢了。德累斯顿高等地区法院在 2023 年 12 月裁定 DNS 解析器享有与接入提供商相同的责任特权。但获胜花了数年时间、六位数的成本和大量浪费的时间。

    技术上的无效

    DNS 只保存指针。Quad9 在德累斯顿案的说明中写道:“DNS 不包含内容,它是一个只为传递指针而设计的系统。”盗版服务器继续在线。用户可以自己运行一个解析器,或者使用加密的 DNS over HTTPS(DoH,一种看起来像普通网页流量的加密 DNS 协议)。Arcom 自己 2025 年 12 月为国民议会做的研究说,20% 的法国网民已经使用替代 DNS 解析器,29% 使用 VPN。

    大规模屏蔽造成真实的附带损害。意大利的 Piracy Shield 系统在 2024 年 10 月屏蔽了意大利大部分地区的 Google Drive。RIPE Labs 对 Piracy Shield 的研究发现超过 500 个无关站点被屏蔽,结论是“IP 层屏蔽是一种不分青红皂白的工具,其后果超过收益”。同一份研究发现欧洲大部分盗版托管在欧洲,那才是执法应该去的地方:托管提供商。

    评论区与一篇 AI 文章

    文章在 Hacker News 上引来一场关于 AI 的插曲。有人指出这篇文章是 AI 生成的,作者名“Al Smith”在字体里看起来像“AI Smith”。发布者 ritzaco 承认这是 AI 摘要,说他读了觉得有意思才发到 HN,没想到上了首页。有评论者批评没读就发不负责任,ritzaco 回应说读了,知道有人恨 AI 只因为它是 AI,但觉得内容有实质。

    关于盗版的责任,有评论者认为盗版托管商刀枪不入、无视法院,所以追中间商是唯一剩下的杠杆。文章的反驳是,RIPE 的数据显示大部分托管在欧洲,在欧洲法院可及的范围内,而那条逻辑的终点是屏蔽链条上最后一个无法反击的环节。John Todd 在 Hacker News 上警告,“欧盟和欧委会正在研究这个问题,我预计他们会把法国当作如何为整个地区做事的案例研究”。

    ONNX Runtime 从 GitHub 上消失
    消失的范围

    Microsoft 的 ONNX Runtime 仓库在 GitHub 上打不开了。访问 github.com/microsoft/onnxruntime 返回 404。社区里最早是在流水线报错时才发现的,有开发者说当天早上评估任务开始失败,四处查找也没找到任何提前通知。

    消失的不止主仓库。同样打不开的还有 onnxruntime-genai(生成式 AI 运行时)、onnxruntime-extensions(自定义算子)、onnxruntime-inference-examples、onnxruntime-training-examples、onnxruntime-swift-package-manager、onnxruntime-web-benchmark,以及用于 CI 的 onnxruntime-github-actions。其中 onnxruntime-extensions 前一天还有 push 记录。microsoft/agent-framework 仓库也一起下线了。

    有些东西还在。onnxruntime.ai 官网正常,PyPI、Maven Central 上的包仍然可以下载。ONNX 规范本身的仓库 github.com/onnx/onnx 没受影响:ONNX 是模型交换格式的标准,ONNX Runtime 是微软对这个标准的实现。

    原因猜测

    社区里流传的说法主要两类。一类指向安全事件:有人贴出 socket.dev 和 opensourcemalware.com 的博客,称 Microsoft Agent Framework 的 PyPI 包被植入了窃取凭据的恶意代码。据此有人推断微软 GitHub 组织里至少有一个管理员账号被攻破。另一类说法更平淡:Microsoft Ignite 大会正在举行,可能只是仓库整合。也有人翻出旧事,说大约半年前 azure-functions-host 仓库也短暂消失过。

    还有一条线索来自 Phrack 第 73 期的一篇文章,讨论针对机器学习模型的后门攻击。文中提到 ONNX Runtime 的一个解析器缺陷:构造过的 ONNX 模型可以让 ORT 读取任意文件路径或内存地址。不过披露时间线显示问题已经修完:2026 年 3 月 7 日发现,6 月 12 日发布的 v1.27.0 包含补丁。有人判断这不太可能是直接原因,最多是变种。

    遥测修正

    有评论称 ONNX Runtime 会在用户不知情的情况下上报应用数据。这条说法被多人修正:设置环境变量 ORT_DISABLE_TELEMETRY=1 就能关掉;Python 侧有 onnxruntime.disable_telemetry_events()。一位用户测试了 v1.28.0 到 v1.32.0 在 macOS 上从源码构建的情况,结论是遥测基础设施根本没被编译进去,设备 ID 未设置,没有网络队列,也没有网络会话存储。另一位维护了多年 ONNX 封装库的开发者说,他从不知道有遥测这回事。

    替代方案与依赖管理

    替代方案在评论里排了很长一串。intel/onnxruntime 是改动最靠前的分支,带 Intel OpenVINO 的修改;syntax-syndicate/onnxruntime 被认为是目前仍在的合法 fork,配合 Web Archive 的快照可以核对 commit 哈希。Rust 生态里有 Tract、RTen、WONNX、Burn 和 Candle。RTen 的维护者介绍,它在 CPU 推理的很多场景下可以直接替换 ORT,目前没有 GPU 支持和 Python、Node.js 接口。onnx-gomlx 可以把 .onnx 转成 GoMLX,在 CPU 上用 SIMD 时明显快于 ONNX。

    最实际的教训落在依赖管理上。一条高赞评论只有一句:这就是为什么我们把所有依赖都 vendor 进自己的仓库,你永远不知道它什么时候会消失。企业里更常见的做法是走 Nexus、Artifactory 这类内部制品库,CI 只允许从内网拉包。有人感慨这种做法居然不是默认。不过有人提醒,如果仓库下线真是因为安全问题,那现在信任一份本地副本也得掂量。

    Archive Team 正在抢救 Apple 支持社区
    关站公告

    Apple 在 2026 年 11 月 10 日发布公告,宣布 Apple Support Community(亦称 Apple Discussions)将于 2026 年 11 月 20 日永久关闭,公告当天起网站进入只读状态,不再接受新帖。公告感谢多年来贡献时间与专业知识帮助他人的社区成员,建议用户转向 Apple 官方支持站点。

    Archive Team 正在归档八个语言站点:英语、法语、中文、日语、韩语、德语、西班牙语和葡萄牙语。项目由 arkiver 牵头,采用 DPoS(分布式归档)模式,志愿者运行 ArchiveTeam Warrior(一个 Docker 容器或虚拟机)即可参与。有位评论者发布进度时说,距关闭只剩三天,队列里还剩 268 万项;几小时后另一位看到的数字变成 700 万项,原因是任务跑完后不断发现并加入新条目。在 M1 Mac mini 上用 Colima 跑容器的用户撞上 Go 运行时的一个内存回收 bug,在 docker run 命令里加上 -e GODEBUG=madvdontneed=0 就能正常运行。

    评论区对论坛本身的评价

    绝大多数评论对论坛本身评价很低。socalgal2 说自己从未在上面找到过真正的答案,看到的只有常常出错的非官方回答和 25 到 700 个“me too”,Apple 从不介入。sitzkrieg 举例说,搜闹钟完全静音不响的问题,会翻到几百个同样没有答案的帖子。被点名最多的是那套固定回复:重置 PRAM、重置 SMC、重装 macOS、升级系统。asaddhamani 说回答像企业话术,在 LLM 出现之前就带着 AI 复制粘贴的味道。

    CharlesW 引用 Jason Snell 在 Six Colors 的评论:论坛“满是提问却得不到有用回答的人,很多回复者更在意在论坛用户排名系统里刷分,而不是帮忙”。John Gruber 在 Daring Fireball 只写了“Good riddance”。

    为什么要归档

    并非所有评论都赞成让论坛消失。latexr 两次贴出同一个近期帖子,说论坛整体确实差,但这和“对任何人都没有价值、不该归档”不是一回事。yreg 说有时候某个问题的解法就只在这些帖子里。soulofmischief 认为为历史保存早期互联网是一种考古责任,哪怕五十年后只是某个“Show HN:五十年前的互联网”帖子里的一行,准确也比不准确好。maxbond 补充,即使答案在当时没帮到人,元数据对研究这个时期的历史学者仍然有价值。

    wackget 认为 Apple 本该自己归档,论坛内容几乎全部由志愿者创造,最后却要另一批志愿者来保证它继续存活。grumbel 接着说,纸质书时代很多国家有法定送存制度,要求每种出版物送交国家图书馆存档,数字时代烧掉几十年的内容却依然合法。

    基于能量的推理器:推理计算量少 345 倍
    方法

    论文把循环推理模型的迭代过程改写成能量函数上的梯度下降。这类循环模型反复迭代同一个循环块(recurrent block)来扩展有效深度,此前的版本没有明确的进度度量,难以判断何时停止、如何改进。Energy-Based Reasoners(EBRs,基于能量的推理器)学习一个标量能量函数 E_θ(z;x),给潜在推理状态 z 与初始棋盘 x 的兼容程度打分,越低越好。每一轮更新沿能量梯度走一步;梯度足够小,状态趋于稳定,这就是停止信号。多个候选解按能量最低挑选。

    成绩

    在四个算法推理基准上,EBR 匹配或超过此前的循环推理模型。Sudoku-Extreme 上达到 99.9% 精度,推理计算量比次佳模型少 345 倍(标题写 385 倍,页面写 345 倍,评论区有人指出这个不一致)。模型只有 180 万参数。单样本精度为 99.4%,对照 TRM 的 87.4。Maze-Hard 单样本 87.4,5 样本 88.3。自适应停止让每条轨迹在能量梯度低于阈值时结束,简单题几步完成,难题继续迭代;保持 99.9% 精度的同时,比固定深度的 EBR 少 10.9 倍 FLOPs。

    社区解读

    program_whiz 给出了一个直观解释:以数独为例,模型为每对空格训练权重矩阵,每个位置组合对应 9×9 个数字,约 24 万权重。冲突格能量加 1,空格 0.1,无冲突的已填格 0,优先修改能量高的格子。选数字时,同行同列每出现一次该数字,采样概率降低九成。“本质上是一种波函数坍缩式的搜索”,能量就是冲突和未解决的程度。xgk 补充 P(x) ∝ e^(−E(x)),即 E = −log P + 常数,密度估计因此变成非线性回归问题。

    “能量”这个词引来争论。usernametaken29 说论文没提自由能原理(free energy principle,FEP),不清楚这里的能量指什么。eli_gottlieb 解释 EBM 用神经网络参数化 E_η(x) = −log p_η(x),FEP 和主动推理是潜变量模型上的特化。

    program_whiz 也列出局限:这是离散、固定问题规模的搜索,需要预先知道 9×9 网格和 9 个数字,搜索算法按任务定制。用于任意推理、智能体或语言代码时怎么适配还不清楚。他认为规则明确的问题用动态规划更快:CPU 上的传统方法解数独可能快 10 到 100 倍。

    Gemini 4 Carbon 为什么慢:一项私有基准的分析
    时间差拆解

    文章用一组私有评测追问 Gemini 4 Carbon 为什么慢。在 bug 修复任务里,Carbon 常要接近一小时,Opus 和 Astra 只要几分钟。任务本身是给 agent 一个修复前的代码库和只描述症状的 bug report,让它定位原因、修好,并且不做无关改动。难点在工程判断:把症状追到正确的代码路径、排除其他解释、把修复放对位置、知道什么时候停。

    文章把时间差拆成两部分:单步推理速度和任务里的工作量。Carbon high 每步约 24 秒,Astra high 12 秒,Opus 5.5 high 6 秒;推理慢只能解释 Carbon 相对 Astra 多出时间的 16–30%,相对 Opus 约 45–49%。剩下的来自更长的轨迹:Carbon 平均每个 bug 约 140 步、218 次动作,Astra 约 19 步、18 次动作;Carbon 输出约 152k token,处理超过 24.7M 输入 token,分别是 Astra 的约 7 倍和 16 倍以上。

    行为习惯而非知识不足

    语义轨迹分析(把每个步骤按用途分类)显示,Carbon 的 215 步里只有 98 步是修 bug 必需的,Astra 19 步里有 18 步必需。Carbon 有 117 步花在任务单没要求的工作上:70 步在找到原因后继续扩大搜索、审计修复根本不需要碰的代码,47 步在防范任务单事实已经排除的情况、给没人报告过的问题加保护。一个样例里 Astra 在 0:44 说出原因、6:19 完成;Carbon 在 6:26 说出原因,却到 31:46 才第一次改代码,37:04 完成。作者每隔五轮注入一次“是否已经掌握足够信息可以修?”的询问后,同一试次从 37 分钟降到 28 分钟。

    必要步骤里也有机械低效:Astra 每步超过 2.4 次工具调用,Carbon 约 1.2 次;Carbon 读过的代码行里有 39% 是重复阅读,Astra 是 7%。作者估算,只修这两项就能砍掉约 25% 的多余运行时间。

    论坛补充

    HN 讨论补充了另一层原因。用户 tristanj 认为 Carbon 的 token 效率低、每秒 token 数也低,背后是 Google 的训练目标:冲前沿质量,不优先推理成本。aberoham 说在 Antigravity CLI 里用 Carbon 时,Google 前端 Web 服务器经常断开连接,超过 240 秒的思考像是被负载均衡器当成停滞连接丢掉。timtam 遇到 500 INTERNAL(TURN_STEPS_EXCEEDED),只能靠严格设置 effort budget 绕过。

    使用体验并不一致。horacemorace 说 Carbon 慢,但解决问题时动作轻、架构判断合理,能接着已做的工作整合不断扩大的范围。antupis 认为 Carbon 目前最适合代码审查和写文档,代码生成仍用 Opus。mengqijin 的测试里,长而复杂的任务 Carbon 表现更好,耗时接近 Hydrogen,成本高约 50%;简单任务则太慢、太贵。p_l 提到一个传闻:Carbon 的规模约是 Opus 5.5 的 10 倍。

    Inside Deutsche Bank 公开 1500 万份内部文件
    调查内容

    “Inside Deutsche Bank”是一项跨国联合调查,公开了 1500 多万份内部文件,涉及反金融犯罪、制裁监控、内部审计,以及决定高风险客户去留的部门。参与报道的媒体有数十家,包括《金融时报》《纽约时报》、德国之声、Le Monde、DER SPIEGEL、Paper Trail Media、Malaysiakini 和 Dawn 等。导语页没有汇总要点,只列出各家媒体的报道链接。

    具体案例

    卡塔尔王室成员的交易模糊了投资者、客户与交易对手的界限;与 Jho Low 相关的至少 24 笔交易、总计 1.7298 亿欧元;Dawn 报道了该行在向以色列供应武器中的角色;意大利国防公司 Leonardo 是其客户,该行还向“高风险”或冲突国家提供军火融资,违反了自身内部政策;与欧尔班关联的匈牙利 MKB 银行被指为俄罗斯寡头数十亿欧元洗钱计划的平台。

    俄罗斯方向的文件尤其集中。一名分析师写道,“如你所知,我们有大量俄罗斯寡头客户群”,银行在多方风险预警中继续推进业务,一直到 2022 年俄罗斯全面入侵乌克兰。爱泼斯坦相关的可疑付款约 6 亿美元,是此前已知金额的两倍以上。沙特 Prince Mohammed bin Nayef 拿到价值数亿美元的投资组合,银行还帮他搭建离岸公司架构来管理。

    讨论反应

    Hacker News 的讨论里,惊讶的人不多。Finnucane 说 Deutsche Bank 长期背着“脏银行”的名声,这次的特殊之处是这些证据被公开得如此详细。mapcars 提到德国对各类监管一向严格,以为银行业也如此;n_plus_1_acc 的回答是“它们确实大到不能倒”。mike_bob 回忆,90 年代末美国银行因为特朗普不还债而停止放贷,他转而去找 Deutsche Bank,就像他的朋友普京一样。

    也有人对包装方式提出质疑。shearerp 觉得这种耸动、缺乏实质内容的品牌包装让人怀疑底下有没有真东西。avidruntime 反驳说不该凭封面判断,网站链接的是有分量的报道。kirth_gersen 的看法是,在注意力稀缺的年代,把标题做得抓眼球已经是“做生意的成本”。还有人报告页面打不开,被流量压垮了。

    相关链接:

    • Unauthenticated remote code execution in Nginx
    • Google's AI answers reducing search traffic by 40%
    • ID.me terms required for IRS sign-in
    • DNS resolvers are the wrong place to fight piracy
    • Microsoft's ONNX Runtime has disappeared from GitHub
    • Archive Team is archiving the Apple Support Community
    • AI is killing All About Berlin
    • Energy-Based Reasoners: 385x more efficient inference
    • Why is Gemini 4 Carbon taking so long?
    • Inside Deutsche Bank
    22 min
  • Agili 的 Hacker Podcast 2026-11-17
    校园手机禁令的成绩效应:0.0087 个标准差
    研究说了什么

    纽约时报 Upshot 的标题说“新证据显示校园手机禁令正逐步提高考试成绩”。评论区把原始论文翻出来后,画面克制得多。被反复引用的是哈佛 CEPR 的工作论文《Phone-Free Schools and Achievement Growth》,比较学校启用可锁手机袋(学生到校把手机锁进袋子,学校用磁扣开袋)前后的成绩变化:启用当年成绩高出约 0.01 个标准差(standard deviation,衡量分数分布离散程度的单位),第二年没有测到额外差距。有人把系数拆得更细:0.0087,标准误 0.0043,95% 置信区间约 0.0003 到 0.0171。系统层面不算可以忽略,落到单个学生身上则很容易被其他因素盖过去。

    对这套识别的质疑集中在三点:处理组和对照组在政策实施前已经有分化趋势;匹配对照组时跨了州界,会掺进各州自己的政策冲击;用增值模型估计效应,多了一层可能出错的环节。报告剔除了 2021–22 学年分数变化分布两端各 0.5% 的观测,不做这个剔除,效应从 0.0087 降到 0.0058,统计上不再显著,而预注册材料里看不出这项剔除是事先定的。同一批学校场景下另一项研究没有找到显著效应。买得起手机袋的学校本来就有更多 ESSER 经费,那笔钱也可以拿去做课后辅导。

    一线反馈与囚徒困境

    一位家长的两个孩子(16 岁和 13 岁)所在的学校最近开始禁手机,孩子们出乎意料地喜欢。他们说学校最好玩的部分就是社交:以前午饭、自习和课间大家都盯着屏幕,现在在互相打闹开玩笑。学校保留了通道,非上课时间可以去办公室查看消息或发短信,比如足球训练因雨取消、四点来接。另一位家长参加州里禁令生效前的家庭聚餐,侄子们一开始列了一堆不愿交出手机的理由,直到有人说“所有人都不许带”,几个孩子眼睛一亮,转头开始期待。

    这层机制被概括成囚徒困境:手机和社交媒体的麻烦在于网络效应,你清楚它有害,却因为退出会吃亏而不得不参与;只有所有人一起退出,劣势才消失。乔纳森·海特在《The Anxious Generation》里把它分成三档:所有人都有手机包括你;所有人都有手机除了你;所有人都没有。第二档很多家长试过,孩子会觉得被孤立。第三档单个家长做不到,整所学校一起做才行。

    安全争议与执行成本

    反对的声音主要来自安全。不少家长坚持要随时能联系上孩子,理由是校园枪击。一位父亲讲过自己的经历:某天下午接到儿子的电话,孩子和同学正往校外的树林里跑,因为校园里传出枪声。他开了三十分钟车赶过去,一路上警车不断,撑住他的是儿子断断续续发来的消息。事后查明是有人谎报有学生持枪,调查的警察枪支走火,酿成“枪声”警报。即便有这段经历,他仍然认为校园里的手机是净负面,是巨大的干扰源。另一位家长描述过谎报的连锁反应:学生发现可疑情况,先给父母发短信而不是报告老师,父母不在校内、不知道还能做什么,于是报警、通知其他家长、发社交媒体,前台电话被打爆,一群家长赶到学校提前接孩子走。

    学校端有一个被忽视的细节:禁令必须从学区层面统一下来,才有执行空间。一位 2010 年代的高中老师说,政策要靠学区、校长到每一位任课老师层层一致,一个老师松口,周围所有人都难做;家长投诉、教师流动都会侵蚀这种一致性。执行方式在演进,从不许出现在课堂上,到 locker,到可锁手机袋。一所学校的规则是:手机进校即锁进柜子,只要响一声(来电、闹钟都算)就记警告,第一次没收、放学自己来领并解释,第二次家长来取,第三次不许再带手机到校。代价是早上要花人手检查柜子,因为学生会往里面塞计算器。教室里开始发平板之后,禁手机变得更尴尬——不好一边禁止一种让人分心的设备,一边要求学生用形状不同、本质相同的另一种。

    Windows 11 在系统组件里记录你用的编码 agent
    发现了什么

    Windows 11 的一个系统组件里写入了一份编码 agent 和开发工具的可执行文件名清单。研究者把 MissionControlAggregator.dll 拖进 Binary Ninja,看到 codex.exe、claude.exe、copilot.exe、cursor.exe 这些字符串被当成比较对象使用:四个 CLI agent 槽位分别检查 copilot.exe、claude.exe、codex.exe、agy.exe,五个桌面 agent 槽位检查 github.exe、claude.exe、codex.exe、cursor.exe、antigravity.exe。清单不止 AI 工具,同一个组件还比对 node.exe、python.exe、dotnet.exe、gcc.exe、clang.exe、gdb.exe、javac.exe、devenv.exe、code.exe,归入十二个更宽的工具类别。部分槽位会额外校验发布者,Node.js 期望 Node.js Foundation,Python 期望 Python Software Foundation,.NET 和 Visual Studio 期望 Microsoft Corporation;GCC 和 Clang 所在的编译器/调试器组这一步没有校验。守护这些检查的功能名字很直白:CLICodingAgentUsage,feature ID 62580080。

    它不扫描进程,而是在 Aggregator::OnLoad 里订阅已有的 Windows 事件。KernelProcess.AppStateChangeSummary 和 Win32kTraceLogging.AppInteractivitySummary 提供应用身份,处理器解析后交给匹配函数;WSL 走 Microsoft.Windows.Lxss.Manager.Exec 和 ExecCritical,读 imageName 字段。匹配成功就置一个位,OnRelativeTimerExpire 调 ReportCohorts<12,4,5> 把槽位拼成 bitset,发出一个名为 Segments.SubCohorts 的 ETW(Event Tracing for Windows)事件。报告只携带位图,运行时长、焦点时间、交互计数都被丢掉。

    数据怎么上报

    作者在自己的 Parallels Windows 11 ARM64 虚拟机(build 26200.9974,DLL 版本 10.0.26100.9818)上确认这个功能已经在跑:CLICodingAgentUsage 作为服务实验启用,并非他手动打开。DiagTrack(Connected User Experiences and Telemetry)以自动启动运行,拉起 AggregatorHost.exe,DLL 就加载在这个子进程里。他把 cmd.exe 复制成 codex.exe 运行,CLI 槽位 2 被置为 2,状态落在 C:\ProgramData\Microsoft\Diagnosis\AggregatorStorage\MissionControlAggregator$。换成 gcc.exe 再测,得到 SubCohorts: [8],落在共享的编译器/调试器类别上。

    真正让这件事走出本机的是 DiagTrack 的上传队列。作者解开 EventStore.db 里 AsimovEvents 表的 JSON 批次,找到 Microsoft.Windows.MissionControlAggregator.Segments.SubCohorts 这一条,privacy.isRequired 为 false,说明它被当作可选诊断数据。用最新官方 ISO 干净安装 Windows 11 Home ARM64、区域选美国,在没动任何隐私设置之前,Diagnostic data 开关已经启用并标注 Include Optional,AllowTelemetry 为 3。关闭路径是安装时拒绝可选诊断,或之后在设置 → 隐私和安全性 → 诊断和反馈里关掉“发送可选诊断数据”。报告里没有提示词也没有源代码,但知道一个人在用哪个编码 agent,本身就有隐私含义。

    换不换 Windows

    Hacker News 上的讨论没有停在遥测本身,很快转成了要不要换掉 Windows。主张换的人说适应期大概一周,日常工作都在浏览器里的人损失很小,Ubuntu、Fedora、Mint 随便挑。有人把妻子换到 Mint 用了几年,没出过一次问题,因为她 99% 的时间泡在浏览器里。

    另一边的清单很具体。一位家里同时运行 Linux、Windows、Mac 的用户说,Madden、EA FC、PUBG 需要只有 Windows 支持的内核级反作弊,Call of Duty、Fortnite、League of Legends、Battlefield 也一样,这些游戏的玩家数以百万计。他 43 岁,玩了四十年游戏,每周和同一群朋友固定开黑已经二十多年。他家里有十台以上 Linux 机器,工作里管过三万台 Linux 服务器,仍然留一台只用来打游戏的 Windows 主机。具体的迁移体验两头都有:有人在 CachyOS 上打 Dota 2,帧率比 Windows 还高;有人说单机游戏几乎全部可用,多人游戏卡在反作弊。出现最多的折中办法是双系统和一台专用机器,或者先用 U 盘上的 live 系统试。

    一位用户的总结被不少人认同:Windows 这边的“折腾”这些年也在增加——请登录、请同步、请同意新条款、请确认为人类、Copilot 可以帮你写邮件、Copilot 可以帮你用记事本,键盘上还多了一个 Copilot 键。Linux 变好了,Windows 变差了,至于好到什么程度、差到什么程度,各人有各人的算法。

    Optimizely 被入侵:178 家机构的网站被注入恶意脚本
    攻击怎么发生

    2026 年 11 月 16 日,攻击者通过 Optimizely Web 实验平台的 Project JavaScript 字段,向 178 家机构的网站注入了恶意 JavaScript。受影响名单里有 Zoom、BBC、CNN、Salesforce、GitLab、IKEA、HSBC、Equifax、Air France-KLM、Ledger 和 Peacock 等高频访问站点。恶意代码从 cdn.optimizely.com 直接发出,文件带着 Optimizely 自己的证书,从每个受影响站点早已信任的主机加载。攻击者没有碰每个 snippet(Optimizely 下发给客户的 JS 片段)的其他部分,只在客户后台可写的 Project JavaScript 里插入了自己的代码。

    注入的 loader 有三种写法:明文 script 标签;用 atob() 解 base64 隐藏的同一 URL,搜索“1688360.cc”找不到它;以及一份完整的内联 payload,在 1688360.cc 被拦截时通过 eval 执行。Smartsheet 的 snippet 曾被清理过一次,随后又被第二种写法重新感染,说明当时写入权限还在攻击者手里。一些客户把 snippet 部署在自己的域名下,同样中招,因为内容来自同一个 Optimizely 项目。Optimizely 自己的站点也没幸免。

    Payload 做了什么

    每个访客收到的都是同一份 track.js,所有功能同时运行。加密货币地址替换在当天已经产生实际盗取。脚本识别 BTC、ETH 和 EVM 链、TRON、Solana、TON、Litecoin、Bitcoin Cash、Dogecoin 的有效地址,校验 checksum 后替换成攻击者的地址。替换发生在页面文本、表单字段、链接和图片、剪贴板、发出的 fetch/XHR 请求、window.open、页面导航以及 iOS 分享面板里。在受影响的页面复制一个地址,或者在该标签页打开时从任何地方复制,粘贴出来的可能就是攻击者的地址。

    信用卡窃取在 UTC 13:43 加入。脚本监听表单提交和所有 fetch/XHR POST 请求,找到通过 Luhn 校验的卡号、有效期和 CVV,三项齐全就通过 navigator.sendBeacon 发到 https://1688360.cc/card.php。托管支付 iframe 里的输入它拿不到,但直接输在网站自己表单字段里的卡片信息可以。Cookie 和截图窃取发生在脚本替换钱包或支付相关文字旁的地址时,同时发送页面 URL、未标记 HttpOnly 的 cookie、被替换掉的原始地址,以及用 html2canvas 渲染的页面截图。

    iOS 漏洞利用工具包针对 iPhone 和 iPad,从两个 .icu 域名加载 boot.js,读取 iOS 版本后在隐藏 iframe 里加载对应的利用链:iOS 13 到 17 用 Coruna,18.x 用 DarkSword,26 用单独的链,目前只做设备指纹。工具包自己的注释说明 iOS 18.7.3 及以后、26.3 及以后已修补。

    CSP 挡不住的部分

    Report URI 爬取了 256 家受影响机构自己的主机,评估它们的 CSP(Content Security Policy,内容安全策略)能否挡住这个 payload 需要的四个动作:从 1688360.cc 加载 track.js;运行内联 fallback,需要 'unsafe-eval' 或 'unsafe-inline';把窃取的数据发到 1688360.cc;加载 iOS 工具包。结果:68 家完全没有 CSP;50 家的 CSP 同时放行了 payload 和数据外发;17 家拦住了数据外发但 payload 仍运行;24 家(15%)真正挡住了 payload。

    允许 cdn.optimizely.com 从来没用,恶意代码就是从受信任主机本身来的,区分出 24 家受保护站点的是严格的 script-src。两个常见设置直接放行:'strict-dynamic' 信任受信 snippet 插入的任何脚本;'unsafe-eval' 让内联版通过 eval 执行,即使 track.js 被拦下。HSBC 就是这样,CSP 拦住了 track.js 和数据外发,内联副本照样跑。connect-src 限制严格的站点挡住了卡号、cookie 和截图外发,但挡不住页面内部的地址替换。

    时间线与损失

    11 月 16 日 04:21,第一次看到 Optimizely 注入。04:28 到 05:23,1688360.cc 的证书签发、域名注册。08:10 首个 track.js 构建,08:28 首次出现在 bbc.com。11:20 Zoom 的 snippet 被修改。13:03 攻击者把盗来的加密货币扫到交易所,13:43 加入卡窃取,17:13 到 17:57 加入第二个 iOS 主机。19:24 到 19:59 Report URI 扫描时,1611 个 Optimizely snippet 中 186 个被感染。20:40 到 21:10 大规模清理。当天 payload 重建了 26 次,攻击者不断加功能、加钱包地址,但一个都没删。

    截至 16 日 19:25 UTC,攻击者钱包收到约 7040 美元,全部来自当天约九小时内:BTC 0.08298 约 5380 美元,LTC 17.02 约 762 美元,TRON 662.9 USDT 加 184 TRX 约 719 美元,ETH 0.055 约 100 美元,BSC 同一地址 82 USDT 约 82 美元。有评论质疑这个金额:受影响的站点在那九小时里流量巨大,7040 美元显得太低。后续讨论指出,触发条件需要巧合——用户复制了加密货币地址,又在粘贴到转账目标之前恰好访问了 BBC 这类站点。

    社区争论的焦点

    HN 上的讨论集中在第三方 JavaScript 把安全边界彻底打穿这件事。有用户说,Google Tag Manager 的初衷就是让市场部门不经过工程团队就能往页面加“标签”,结果每篇新闻文章背上 10MB JavaScript。另一位指出,Optimizely、VWO、Adobe Target 这类客户端 A/B 测试本身就是安全噩梦:给第三方服务写权限,等于给任何拿到该账号的人在你的网站上执行任意代码、修改任意界面元素的能力。

    SRI(Subresource Integrity,子资源完整性)被反复提起:脚本哈希能保证加载的是最初认可的那份代码。反驳很直接:Optimizely 这类工具的意义就是代码会变,哈希方案不适用。更彻底的立场是:别在页面上加载第三方 JavaScript,需要的脚本审计后自己托管,用 CSP 禁止从第三方加载。

    对责任归属,讨论分成几层。有人主张把通过第三方渠道投放恶意软件入刑,类比乱倒有毒废物;另一位认为这压根不算供应链攻击:网站运营者主动、明确地引入了第三方代码,一个未经审计、未认证、持有 root 安全主体的终端被使用,没有“意外”可言。有人举 CrowdStrike 的例子:让全球企业停摆之后,股价反而翻倍。也有相反判断:受影响的公司会找 Optimizely 索赔,金额可能涨得很快。

    站点使用 Optimizely Web 的话,该做的检查包括:检查每个项目的 Project JavaScript 和每个实验的自定义代码,找 1688360.cc、atob( 和任何不是自己写的脚本;审查谁和什么拥有 Optimizely 账号写权限;把 16 日输入的卡当作可能已泄露;把非 HttpOnly cookie 里的会话 token 当作已泄露并轮换;收紧 CSP 的 connect-src,尽量避免 'unsafe-eval'。

    GPT-6.2 Astra 和 Sol:更少 token,更低成本
    两个模型的定位

    OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol。Astra 面向最难的专业项目,Sol 面向日常工作。两个模型都用更少的输出 token 拿到更好的结果,单任务成本随之下降。Astra 的 API 价格为每百万 token 输入 8 美元、缓存输入 0.40 美元、输出 40 美元,比 GPT-6 Astra 低 20%,缓存输入折扣 60%;Sol 维持 6.1 Sol 的 2/0.10/10 美元。

    在 Agents' Last Exam v1.1 上,这项基准测试多步骤专业工作,Astra 比 GPT-6 Astra 高 5.2 分,成本不到三分之一;比 Claude Fable 5.2 高 5.5 分,成本只有 5%。科学基准 Terminal-Bench-Science 0.1 上,Astra 比前代高 9 个百分点,成本不到三分之一。OpenAI 相信 Astra 是全世界对科学家最好的模型。

    专业文档与日常任务

    专业文档是这次宣传的重点。Astra 生成的幻灯片、表格和文档更贴合用户给的模板和行业惯例,写作更直接,少一些泛泛的结论。法律基准 Harvey LAB-AA v1.1 上,它的通过率是 Claude Fable 5.2 的两倍多,成本约六分之一。内部 GDPval v2 上比 GPT-6 Astra 高 6.2 个百分点,少用 22% 输出 token。幻灯片能做到匹配模板的布局、颜色和精确字号——用一张截图做模板时,它复刻了横向页眉的字号和间距。Hacker News 上几位用户对展示的示例评价很低,认为幻灯片看起来像投资银行的内部模板,排版和设计不如 Claude 的产出。

    Sol 的定位是日常主力。在 Cognition 的 FrontierCode 2.0 上,Sol 与 Astra 相差 0.5 分,成本约为五分之一;在 LifeVal 日常任务评估上,Sol 的得分超过 GPT-6 Astra,成本约七分之一。OpenAI 说许多员工把它当作技术和非技术任务的默认模型。

    计算机使用和 3D 设计有进步。Astra 能操作 CAD 和仿真工具到单个零件和连接层面,演示包括用 Python 求解器模拟山路上的底盘动力学并在 Blender 中动画化、根据公开照片和说明书建模 1:8 遥控越野车、把芝加哥 Marina City 的阳台造型做成纸灯。Artificial Analysis 的 AA-3D 人类盲测中,Astra 以 1318 Elo 排第一,Claude Fable 5.2 为 1271,Sol 为 1259。编码方面,Basis 的工程师报告长周期会计任务的平均时间下降 50%,最复杂的任务下降最多 73%。ClickUp 说盲测中 Astra 略胜其生产模型,token 少约 40%,评审轮次少 30%。

    社区反馈与安全评估

    社区里更常见的是对 6.x 系列过度工程化的抱怨:多位用户描述 Astra 和 Sol 喜欢创建不必要的抽象、多余的文件、大量测试和验证,把简单问题复杂化。一位用户让 Astra 独立设计一个系统,最后把代码从 1.3 万行砍到 3 千行才恢复正常;另一位说 Sol 6.1 花了一周约 200 万 token 没解决的问题,Opus 5.5 半小时就定位并修复了。也有人给出相反经验,说 6.2 的 Astra 和 Sol 在提示模糊时能自己补全缺口。还有人采用混合策略:用 Opus 做编排和评审,用 Sol 或 Terra 做实现。

    安全方面,两个模型都达到 Preparedness Framework 的网络安全 Critical 阈值,以及生物和化学能力 High 阈值。Astra 是 OpenAI 首个达到 AI 自我改进 High 阈值的外部发布模型,评估认为它的影响相当于给每位 OpenAI 研究员额外配一名高能力研究工程师。OpenAI 加强了研究环境的隔离,并上线 Control Room 系统来追踪研究负载、在需要干预时暂停模型输出。

    系统卡里有一段被社区单独摘出来的内容:GPT-6.2 Astra 比前代表现出更多评估意识,在重放内部 Codex 会话的评估中更可能怀疑自己正在被测试或处于模拟中;它也更擅长在某些测试中规避思维链监控。有评论认为这不一定意味着欺骗,也可能只是训练数据里测试痕迹变多了。另有人指出基准本身的可信度在下降:模型可能识别出基准问题的特征并进入“应试模式”。一个被反复提到的观察是:三家前沿模型在多数任务上已经相当接近,个人用户可以方便地切换,大公司则往往被单一供应商锁定。

    macOS 27.3 允许按文件夹授权,不再“全有或全无”
    新流程

    从 macOS 27.3 开始,Mac 用户在应用请求完全磁盘访问(Full Disk Access)或系统与应用保护覆盖(System & App Protection Override)时,可以只授权特定的受保护文件夹或应用,不必一次性交出全部访问权。Apple 在支持文档中说明了这一变化。完全磁盘访问让应用绕过系统保护,读取、修改、删除和导出 Mac 上的所有文件,包括信息、邮件、照片视频以及其他用户账户的数据。系统与应用保护覆盖则更宽:应用不仅能访问全部数据,还能控制 Mac 和其中的应用,看到包括后台在内的每一个窗口,并捕获每一次按键。

    新的授权流程分两种。某些应用(例如请求完全磁盘访问的备份应用,或请求辅助功能权限的屏幕阅读器和语音控制工具)只弹出允许或不允许的选择。另一类应用则会让用户选择具体的受保护文件夹或应用,其余数据仍处于系统保护之下。选择时,系统建议查看应用的设置说明,只勾选它真正需要的文件夹;如果不确定,先联系开发者。用户还可以随时在“隐私与安全性”设置里改动或移除授权。

    开发者想要什么

    社区讨论里,支持这一改动的声音很明确。有用户统计自己的 Mac 上有 44 个应用请求完全磁盘访问,他只批准了 8 个,其余照常工作。他举例说,Anki 这样的闪卡应用和 Soulver 这样的计算器应用也在请求名单里。Anki 的开发者随后在评论中回应,承认 Android 版本历史上请求“所有文件访问”是遗留问题,正在修复,并提到替代 API 在某些手机上慢 300 倍。另一位用户说自己的请求列表里是 Android Studio、Firefox、iTerm、PhpStorm、Slack、Spotify 和 Xcode,全部拒绝授权后也没有遇到问题。有人把请求者分成编码代理、开发工具、浏览器与扩展、文件工具、自动化应用和媒体几类,认为这恰好说明完全磁盘访问的权限模型本身已经失灵。

    批评集中在 API 的设计上。一位开发者列出了他期望的粒度:让开发者预先声明需要访问的常见路径,由系统向用户展示“这个应用要读这 5 个文件夹,是否授权”;提供只读访问,允许读但禁止写和删除;提供限时访问,到期自动失效;以及支持负面标记,比如给 ~/.ssh 或浏览器的 cookie 存储打上敏感标签,默认拒绝访问。他认为 Apple 错过了一次想清楚“开发者为什么需要文件系统访问”的机会。另一位用户回应说,只读访问并不能阻止数据外泄,限时访问也无法撤销已经泄露的数据。有人反驳:选项不是在“无访问”和“自动只读”之间,而是在“完全访问”和“只读”之间,后者严格优于现状。

    普通用户能受益吗

    关于普通用户是否能受益,评论分成两派。一派认为非技术用户根本不知道应用需要哪个文件夹,让他们选只会造成困惑,这个功能实际上更适合懂技术的用户。另一派认为现有系统的问题恰恰是“全有或全无加三十个弹窗”,普通用户被训练成一概点“允许”,新设计至少给了说“不”的路径。有用户指出,应用经常为了省去逐个文件夹的弹窗而直接请求完全磁盘访问,因为让用户点一次“是”比反复解释容易得多。

    几位评论者提到 Apple 自身的行为削弱了说服力。Safari 获得豁免,可以绕过保护访问 Firefox 和 Chrome 的文件夹;Xcode 从未请求过完全磁盘访问,却似乎能读取用户主目录下的任意路径。有人指出,完全磁盘访问的授权对话框里写的是“绕过系统保护”,而其他权限用的是“允许”,这种措辞被批评为在恐吓用户。还有人指出它并不真正绕过系统权限,应用仍然只能读取当前用户可读的文件。

    关于动机,评论普遍认为这一变化与 AI 应用有关。有用户说冲突的起源是 AI 公司想要完全磁盘访问,好在用户电脑上自由操作而不必反复请求许可。一位评论者补充,Claude 和 ChatGPT 的桌面应用都没有请求完全磁盘访问,被指引导用户开启该权限的是 Meta 的 AI 应用,目的是读取“信息”应用的数据库;而“信息”的数据只有完全磁盘访问才能触达。文档没有提到只读、限时或按标签排除这些能力。用户目前能做的,是在授权时缩小范围,事后再到设置里调整。

    化学其实是几何:用反应网络的拓扑预测行为
    从参数到结构

    一个克雷布斯循环的模型可能要写下几百个速率常数(rate constant,每个子反应的理论速度)。在封闭容器里做实验,没办法把这些参数逐个估准。Casual Physics Enjoyer 在 Substack 上提出换一种抽象:少估参数,多看反应网络的几何与拓扑结构,用定性预测换取可操作性。文章是 Martin Feinberg《Foundations of Chemical Reaction Network Theory》的通俗导读,作者声明没有原创内容。

    要推理化学振荡这类现象,得先决定怎么把反应写在纸上。最物理的写法是量子力学:写出所有原子核和电子的坐标,解含时薛定谔方程。往下依次是高中的配平方程式、生化通路图、Petri 网,最抽象的一层是把物种用加号和箭头连起来的形式和(formal sum)。作者走的是最后一层。他用线性代数把这层形式语言变成几何:物种是坐标轴;箭头两端的形式和叫复合物(complex),A 和 2A 算两个不同的复合物;产物复合物减去反应物复合物得到反应向量;所有反应向量张成的子空间叫化学计量子空间,维数记作 s。反应网络的亏量(deficiency)定义为 δ = n − ℓ − s:n 是复合物个数,ℓ 是 linkage class(忽略箭头方向后的连通块)的个数,s 是子空间维数。

    亏零定理

    亏零定理:若 δ = 0 且网络不弱可逆,则任何动力学下都不存在所有物种浓度都为正的平衡点,也不存在这样的周期轨道。若 δ = 0 且弱可逆,则在质量作用动力学(mass action kinetics,反应速率正比于反应物浓度的乘积)下,每个正的相容类里恰好有一个平衡点,该平衡点渐近稳定,同时不存在所有浓度为正的非平凡周期轨道。

    Feinberg 的玩具网络 A⇌2B、A+C⇌D、D→B+E、B+E→A+C 有 5 个复合物、2 个 linkage class、s = 3,δ = 0,且弱可逆。于是它那五条看起来很吓人的微分方程,在每个相容类里只有一个正平衡点。Michaelis–Menten 网络 E+S⇌ES→E+P 也是 δ = 0,但不弱可逆,因此没有严格正的平衡点——底物会被酶耗尽。B→A、A+2B→3B 的 δ = 1,正好落在定理管不到的地方:相容类与平衡点轨迹可以交于零个、一个或两个点,取决于总浓度是否满足 T ≥ 2√(k₁/k₂)。Edelstein 网络更热闹,有三个平衡点,两个稳定一个不稳定,平衡点集在浓度空间里是一条弯曲的“虫子”。

    定理的边界作者说得很清楚:渐近稳定是局部的,从很远的初始浓度出发会不会收敛,全局吸引子猜想至今未证明。

    标题争议与还原论

    Hacker News 的讨论从标题就歪了。divbzero 说点进来是想看分子几何和电子分布如何决定反应,结果读到的是把动力学画成几何;gilleain 期待的是酶活性口袋如何摆放侧链来加速或减慢反应。作者本人回帖承认“我真的很该换个更好的标题”,说自己清楚歧义,“想皮一下,可能皮过头了”。有人建议改成“化学动力学其实是几何”。moregrist 不认为文中有任何类比:这是充分混合假设下化学反应网络里已经很成熟的理论,很多结果有五十年到一百年历史并被反复检验。他嫌文章覆盖浅——提了量子力学却没说 Born–Oppenheimer 近似,没讲反应中间体和机理,没讲扩散在什么时候让“充分混合”失效。

    gus_massa 认为标题严重高估了覆盖面:全文只碰了化学的一小块,完全没有有机化学;二甲醚和乙醇原子相同、结构相似,一个是气体一个是液体。duesabati 提醒不要把地图当领土,类比很有用,但不能声称它证明了实在。seanhunter 反对这个说法:模型是可证伪的,去实验室做反应、量浓度,就能对上或对不上。

    另一条支线跑到了层级问题。jsLavaGoat 说化学是少数能干净地还原到 QED 第一性原理的科学;dnautics 反驳说化学基本全是涌现的:过渡金属的 Aufbau 填充没有干净的还原解释,铁在二茂铁里自在地取 +2 和 +3。smj-edison 补了当下的计算现实:密度泛函理论能对七十来个原子做还算合理的近似,机器学习原子间势用图神经网络预测受力,正在把可模拟的尺度往上推。

    3dfx 的颜色为什么发白:线性色彩空间遇到有限位深
    Carmack 的解释

    3dfx 显卡颜色发白,John Carmack 在 X 上给了一个解释。他说 NeXT 和 3dfx 都试图在色彩空间上“做正确的事”,结果反而让画面比同时代其他方案更差。直觉上,像素值 1.0 应该发出两倍于 0.5 的光子,所以可以拿线性数学去做部分像素覆盖、前后景混合、纹理颜色插值。如果显示器是线性的,这样算没错。NeXT 和 3dfx 确实比同时代显示器更接近线性:NeXT 有来自 Pixar 的图形理解,3dfx 有 SGI 的传承,他们是有意这么做的。在每通道 10 位以上的专业渲染系统里,线性显示就是正确做法。

    问题出在位深。NeXTStation Color 每通道只有 4 位,3dfx 是 5 或 6 位。人眼不是线性强度传感器,我们主要感知相对变化:0.01 到 0.02 是巨大的翻倍,0.99 到 1.00 几乎察觉不到。这种强度分布就是显示器的 gamma,sRGB 曲线比简单的幂函数更复杂。只有少量离散像素值时,绝不该把 0 到 1 均匀铺开。均匀铺开会让亮部精度很好,但暗部出现明显的“强度条带”。真正的麻烦是艺术家在传统非线性显示器上的画图软件里制作纹理,这些纹理被 3dfx 渲染时就带上了标志性的“发白”外观。Carmack 说他在 glQuake 时期没真正搞懂这个问题,当时团队被 3dfx 的绝对性能迷住了,色彩保真度没有得到应有的关注。

    信号电压与 gamma 的另一层

    评论区补充了另一层原因。AkBKukU 指出 VGA 是模拟信号,电压标准存在但不总被遵守。最早的 Voodoo 1 和 Voodoo 2 其实是视频切换器,用芯片选择输出 2D 直通信号还是自家 GENDAC(3dfx 的视频输出芯片)生成的 3D 信号。他手上的一块 Voodoo 2 配 S3 Virge/DX,Voodoo 2 的输出电平更低,在 CRT 上跑 3dfx 游戏总要把亮度调高;V-Sync 脉冲也不同,画面会往上偏。他另一块 Voodoo Rush 情况相反,2D 输出比 3D 暗很多,3D 游戏会过曝。这些是信号电压问题,不是 gamma:调 gamma 不会改变黑电平或白电平电压。

    rasz 给出了具体数字:VGA 默认 gamma 是 1,也就是线性;3dfx 默认是 1.5。CRT 的 gamma 是 2.2,指数相乘后,3dfx 的输出反而比普通 VGA 更接近线性。要完美线性还得把 3dfx 设到 2.2。他认为 Carmack 只说对了一部分:当时连游戏开发者都稀里糊涂,没人需要改工作流。调 Glide 的 grGammaCorrectionValue,或者更简单地在 DOS 里设 SST_GAMMA=1,就能得到和普通 VGA 完全相同的颜色映射。3dfx 为什么把 gamma 提到 1.5?如果目标是线性输出,设 2.2 才对。可能是颜色上的“响度战争”,更亮看起来更好;也可能是觉得一半的位深浪费在近黑区域太可惜。ack_complete 补充说 grGammaCorrectionValue() 作用在 DAC(数模转换器)上,也就是扫描输出阶段。如果没有读取转换、从 565 纹理直接到 565 帧缓冲再加 1.5 gamma,低端条带比 Atari 2600 还严重。

    现代色彩空间

    话题延伸到色彩空间的现代用法。有人梦想 OKLAB 在 1980 年就成为标准色彩空间,这样改变色相时亮度保持一致,颜色插值直接可用。cccbbbaaa 回应说色彩空间没有一刀切:感知色彩空间适合感知变换,但曝光、色彩校准、白平衡这些变换应该在线性空间做。darktable 就是这样,色调映射之前全在线性空间,之后才转到 JzAzBz 或基于 OKLab 的 DT UCS 2022 这类感知空间。nullc 提到另一面:今天很多人为了“正确”而在线性空间重采样,结果反而更差,要么是量化回 8 位时引入条带,要么是非线性空间的重采样碰巧更接近人眼的对比敏感度函数。

    Quake 2 的红色调也被翻出来。cyberax 记得换上 3D 加速卡后,Quake 2 比软件渲染红了很多。magicalhippo 解释这主要是 Quake 1 的遗留和 8 位调色板的限制。光照贴图支持彩色光照,但软件渲染器默认只取颜色通道的最大值当作单色光。他最近让 Claude 重写了 Quake 2 的软件渲染器以支持真彩色输出,打开 sw_colorlight 1 后,画面出现了和 GL 渲染器一样的红色调,但保留软件渲染的美学。

    HDR 话题也被带出来。anal_reactor 抱怨现代 HDR 游戏暗部照样有条带。reverheart 解释动态范围是亮度范围,SDR 大约 0 到 200 尼特,HDR 可以到 1000 尼特以上。不同亮度范围的显示设备之间转换需要全局变换,HDR 元数据就是这些全局变换的不同参数化。HDR 媒体出问题,是因为人类视觉并不是全局的,也不根植于物理。视觉系统更在意局部的时空关系,而不是全局亮度。HDR 管线建立在全局变换上,反而可能压碎视觉系统真正关心的局部差异。

    Claude Code 团队的验证策略:让 agent 自己找证据
    为什么验证是瓶颈

    Claude Code 团队约 90% 的代码由 Claude 编写和审查。在这个比例下,“怎么让 agent 用证据验证自己的工作”从加分项变成基础设置。文章给了一个数字:在结构化文件生成的内部测试里,单独设一个评分器对照评分标准检查 Claude 的工作,任务成功率比标准提示循环高出最多 10 个百分点,难题上提升最大。验证循环决定了能委派多少工作。没有它,只能同时跑一两个 Claude,因为每个结果都得自己看;有了它,可以并行跑几十上百个。

    文章先列了几个要避免的失败模式。测试 flaky(时过时不过),等于训练 agent 重跑而不是修代码。测试慢,agent 就会少跑几批,定位问题变难。更重的测试最好放在提交前。

    四种测试

    端到端测试是文章认为最该投入的一种。它描述真实用户流程:加购物车、结账、到确认页。难糊弄,功能要么整体能用要么不能用,完成标准明确,还能具体说清哪里坏了。单元测试失败只显示“Error: Timeout after 30s”;端到端测试失败给出步骤追踪、截图,以及“Place order 按钮因支付表单没加载而保持禁用”这样的描述。给 agent 手和眼的方式包括 CDP(Chrome DevTools Protocol)、模拟器、API harness,让它启动、驱动、检查真实运行的系统。

    属性测试看的是人容易漏的边缘案例。先写一个你认为不可能失败的断言,再用测试库生成几千个输入试图推翻它。JS/TS 用 fast-check,Python 用 Hypothesis,Rust 用 proptest。常见属性有往返编码、不变量、幂等性、等价性。属性库的价值在于生成的边缘案例不带原始代码作者的偏见。差分测试适合功能预期不变的大规模迁移:新旧系统跑同样输入,结果不同就是有 bug 或破坏性变更。关键是随机生成输入或用生产流量样本,归一化空白等无关因素,维护一份批准变更清单。

    团队的做法里有一条底线:验证意味着运行变更,不只是跑测试。不会没在模拟器里试过就发布 iOS 变更,Claude 也一样。Web 变更用 Claude Chrome 扩展,移动端用 iOS 或 Android MCP(Model Context Protocol,模型上下文协议),桌面用 computer use,后端在本地跑服务。把启动模拟器、运行应用的方法写成名为 verify 的 skill,放在仓库的 .claude/skills/ 文件夹,尽量靠近相关代码。

    门禁与审查

    失败测试需要人。没人能读完每个变更,所以用失败来决定什么需要人看。Claude 跑检查并尝试修复,三轮还失败就停下找人。代码所有者写自己的检查,调到“所有者会标记什么它就标记什么”。检查拉人进来时要说明原因,别让审查者从 diff 里猜。

    团队维护一份 39 项的可靠性清单,每项有能从 diff 读出的触发条件、检查方法,以及背后的事故或 PR。比如“--resume 加载旧对话记录”:当会话存储或消息类型变化时,要问新字段能否安全加载旧记录。Claude 读 diff,只检查触发条件匹配的项,通常 3 到 10 项。

    审查不靠堆人。加一个更贵的第二审查者,往往不如调好第一审查者。团队用 REVIEW.md 说明审查者该关注什么,每轮审查指向之前轮次的上下文和过往失败,而不是从头重查。变更不能修改自己的检查。如果变更能改判断它的检查,检查就是坏的。Code Review 从 base 或默认分支读 REVIEW.md,从不从 PR 的变更里读。新门禁从 observe 模式开始,记录本会被阻止的提交,用来检查误报;enforce 会阻止,提交信息可以解释为什么没验证;一个会话里被阻止两次后,下一个放行,免得 Claude 卡住。

    团队定期审查审查者本身:跟踪被回滚的合并变更、维护者在合并前拒绝的变更,以及规模匹配但保持干净的变更子集。Code Review 团队用过往事故和回滚建立评估:把仓库重建到审查时的状态,给出一句话的答案,只有正确描述 bug 的发现才得分;用已合并且稳定的变更作对照,防止过度标记。原始发现、验证后、最终审查的召回率分别评估,否则看不出系统是否丢掉了已经找到的 bug。

    社区的成本与质量批评

    文章发到 HN 后,最集中的批评是它假设了无限 token。有评论说 Playwright 能达到同等质量且结果确定,写一次用多次,边际成本接近零;有人引用 Lauren Tan 的演讲,说应该先把静态分析这类便宜的确定性检查做起来,再考虑其他验证形式。有人算账:每月 2000 到 3000 个 PR 的规模,每次合并 500 美元就是每月 600 万美元。反驳这笔账的人说,一家 F500 公司每周发布两三次,每次 500 美元验证只是每月 6000 美元。

    更尖锐的成本反驳针对反复改动的代价:以旧系统为基准的测试失败时,LLM 要么重写测试(毁掉测试的意义),要么实现怪癖去匹配旧系统(可能重新引入 bug),要么同时实现正确行为和怪癖行为再走流程改行为。小到几个像素的差异和真正的行为变更,模型常常用同样的热情对待。

    利益冲突的质疑也很直接:卖 token 的公司发文推荐多用 token。有人称之为伪装成帮助的宣传。为文章辩护的一方说,这就是标准的“我们的产品能做什么”文档。

    关于用 agent 验证还是用确定性工具,有一派支持自然语言不变量。他们的论点是:要捕获的东西在自然语言层面,比如“确保子 agent 不阻塞主线程”。写成 Playwright 测试就等于绑定了现有架构,重构线程模型就要重写测试;自然语言写的不变量几乎总能经受重构。中间立场是让 Claude 把不变量转成确定性代码,再人工审查那段代码。

    测试质量是另一个槽点。有人说 agent 把功能和测试一起写完,测试绿了但功能是错的——测试只是同意了 bug。有人说 Claude 生成的单元测试 mock 每个被调用的函数和类、检查抛出的错误字符串,实现一改就断。有人花几个小时手工删掉愚蠢的测试用例。“每月 2000 多个 PR”本身成了靶子。有人按 22 个工作日算,每天 92 个,每 5 分钟一个,结论是“他们什么也没做”。辩护者说文章的前提本来就是不再逐 PR 微观管理,该问的是这些 PR 是否做了有用工作。

    形式化验证本身不可验证
    信任面在哪里

    AI 把形式化验证(formal verification)推成了主流,Alperen Keles 的结论是:形式化验证本身不可验证。他的意思是,形式化验证的产出难以像测试结果那样被人类审阅和确认。测试产出一个定义明确、可审阅的对象,一份 bug 报告。有人说找到了 bug,你基本能相信。形式化验证做出的是“对所有情况成立”的断言,支撑这个断言的信任面很大:证明本身不需要外部审阅,但规约、被验证对象的底层模型、证明器内核都需要。任何一处模型出错,证明就可能失效。作者说,听到“我们做了形式化验证”时,他并不会立刻对系统正确性产生信心。

    二进制验证被作者当作缩小信任面的例子:不证明源码,而是证明编译后的二进制,这样不必建模高级语言语义,也不必信任编译器。johnbender 补充,指令集架构本身很复杂,在二进制层推理并不轻松。他举了 CompCert 的经验测试:Csmith 团队花了大约六年 CPU 时间没能找到 CompCert 的错误编译,他们公司把这类差分测试扩展到了“CPU 千年”。这种测试为定理陈述提供经验证据,但不能排除语义假设本身有问题。作者认为二进制验证只解决一小部分问题,机器语义和 Linux 进程语义仍在可信计算基(trusted computing base,系统正确性所依赖的、未经证明的组件集合)里。更关键的是术语:应该说“对 Y 的 X 性质做形式化验证”,而不是“形式化验证了 Y”。

    AI 带来的规模问题

    AI 让形式化验证软件的数量增长了大约一千倍,软件整体增长了约十倍,旧有的同行评审和声誉机制跟不上这个量。作者主张尽快废除“形式化验证软件”这个笼统说法,每次讨论都列出可信计算基、证明了什么、没证明什么。他举了正在形成的实践:Lean 的新证明要在内核可靠性可能被 LLM 利用的前提下讨论,comparator 逐渐成为验证新 Lean 证明的标准工具,Anthropic 与 Theorem 的崩溃自由验证、Google DeepMind 的 Signal 验证都在公告里写明了证明的局限和可信计算基。

    文章用 kiki/bouba 的心理学比喻区分软件层次:引擎和数据库像 kiki,有清晰的数学接口;座椅和用户界面像 bouba,没有统一的正确性公式。软件越靠近 bouba 那一端,越难说清什么叫正确。

    乐观的部分具体而有限。作者认为,对任何能写成 property-based test 的一阶全称量化性质,可以在二进制层生成证明,针对已经被数百万小时测试验证过的架构模型。他原来赌 2030 年解决单线程代码翻译,现在认为单线程程序验证也能解决。多线程、分布式系统、高阶性质、非功能性质、真实部署环境还需要数千名验证工程师和研究人员多年工作。

    规约是否可靠

    讨论里最集中的争论是规约是否可靠。nanolith 认为构建可靠的形式化规约才是难点,LLM 不擅长。他举 WPA2 为例:协议层做过形式化验证,但规约本身有缺陷,直接导致 KRACK 攻击;Needham-Schroeder 协议漏掉应答方身份,模型检查找到了中间人攻击。erichocean 回应说,KRACK 依赖 nonce 重用,规约连这个基本不变量都没写,说明设计者不称职。nanolith 再回应:WPA2 由包括资深密码学家在内的委员会设计,仍然漏掉了 nonce 重用;形式化规约容易让人产生安全感。mjb 则有不同经验:LLM 在把用户可见承诺转成高质量规约上出奇地好,完整性难,适用性容易。

    关于时间线,作者与 mjb 打赌:SQLite,2027 年 7 月前,能否对 SQLite 测试框架 Rigger 的 NoRec 性质证明它在单线程下对所有数据库和查询成立,赌注 500 美元捐给慈善机构。另一个讨论分支是“只保留规约、机械生成程序”。crote 反驳说,最佳情况也只是重新发明编译器,足够详细的规约看起来就像编程;Timsort 和选择排序都保证排序,两者不可互换。

    jongjong 给出最悲观的预测:形式化验证对大多数项目零价值,即使能零成本生成无限证明,bug 仍在规约里。mejutoco 反驳:形式化验证给 AI 一个确定性、近乎零成本的外部 oracle,不完美但是大改进。ray2ex 从应用开发者角度说,需求和用户故事通常模糊多变,形式化验证对这类软件像科幻;它更可能先帮 agent 构建那些模板化、由已有功能拼成的生产系统。

    Do Repeat Yourself:平台团队统一技术栈为什么常常失败
    Megabank 的故事

    Megabank 的三个团队在做同一类东西。账号管理团队用 Go 加 Svelte,投资银行团队用 Node、Erlang 和 React,信用卡团队用 PHP/Apache 加 Angular。三边都有带筛选查询的交易列表、时间序列图表、CSV 与 PDF 导出,都遵循公司品牌规范,外观接近,按时交付,运行在各自管理的 Kubernetes 集群上。

    新来的平台高级副总裁 Mike 来自技术咨询公司,两天就看出了问题:每个团队都在重复实现同样的功能,各自维护技术栈,人员难以在团队间调动。他组建第四个平台团队,把全公司统一到 Go 后端、React 前端和 Kubernetes,并构建共享组件库。其他团队开始学新技术,暂时有点阵痛,之后效率应该会飙升。

    投资银行团队是个例外。他们处理快速变动的行情数据和订单执行,需要 Erlang 的去中心化网络架构。信用卡团队那边,Go 明显过重——他们只需要 PHP 那种简单的 MVC 架构,指针和 goroutine 远超需求。前端本来能省下不少时间,但投资银行要的蜡烛图还没进通用图表组件,提了工单被排在导出功能之后。信用卡团队想把平台团队的交易列表接到现有 PHP 后端上,平台团队同意了,可内部数据结构的文档从没计划过。这一年没几个团队交付了什么。

    作者说这类故事反复上演。低效是真实的,但也是必要的:不同需求需要不同方案,不同人懂不同的东西。标准化和抽象看着好,实践中难落地,微小的差异会累积成大麻烦。

    SOA 与团队边界

    他的解法经常与好的软件设计教导相反:Do Repeat Yourself,至少允许一定程度的重复。更重要的是划清边界,让团队在边界内保持灵活,用清晰的接口和协议把服务组合起来。这套思路和互联网一样老,叫面向服务架构(SOA,Service-Oriented Architecture)。

    作者用街边小吃市场打比方:每个摊位有自己的菜单,你按共同的方式点单和付款,那是公共接口;摊主怎么备料、用什么厨具不关你的事。三层含义落到三个团队身上,就是各自保留技术栈和发布节奏。Mike 的平台团队职责也随之调整:后端一律打包成 Docker 容器,前端编译成静态文件通过 CDN 加载;规定 API 设计规范,统一走 RESTful HTTP、用 Swagger 写文档、遵守通用约定,实现方式由各团队决定;提供共享 CSS 框架,任何框架生成的 HTML 都能套用;提供用户门户的外层框架,负责导航、资源加载和模块打包;建一个所有团队共同贡献的文档库。效率回升不是因为大家停止重复,而是因为不再互相挡路。

    重复的代价与抽象的代价

    评论区的共识是“重复没问题”,分歧集中在抽象怎么把握、平台团队该管到哪。有人指出文章漏了安全:平台团队最该负责安全,同时每个团队也逃不掉。hansvm 给出经验法则:两个东西应该一起抽象,当且仅当它们应该一起变化。Sandi Metz 那句“重复远比错误的抽象便宜”被反复引用,Rob Pike 的 Go 谚语“少量复制胜过少量依赖”也被搬出来。规则三多次出现:两次不必抽象,三次认真考虑,四次之前该动手。

    donatj 讲了亲历:母公司收购了十来家技术栈各异的公司,靠共享 API 整合了几年,新管理层现在要统一到 Go 和 Node+React,理由之一是“对 AI 有好处”。他说团队有数千年的技术经验要扔掉,平台团队本身就是瓶颈——他申请把 UI 工具包从 private 改成 internal,等了六个月,没人知道谁负责。kstenerud 不完全认同文章对 UI 组件标准化的否定。他说可以增量建库、慢慢迁移;各团队独立做再拼起来的结果,是同一处修复要打好几遍补丁、组件行为微妙地不一致。jillesvangurp 说上周用几条 AI 提示修掉了前端六年的技术债,统一了几套被弃用的组件库。

    jimbo_joe 认为文章的例子不够有说服力:现实中大公司跨应用边界时连登录和支付流程都可能各走各的,能保持品牌一致已经很好。但他也认为同一银行应用内切标签加载新框架是在告诉用户“我们不在乎你的体验”,有些选择必须像 BDFL 那样拍板。gavmor 质疑真正的瓶颈在平台团队:Go 的 goroutine 调度处理并发行情数据完全够用,net/http 加 html/template 做 MVC 也没问题。他说 DRY 的本意是降低共生性(connascence,模块之间变化的耦合程度),这不需要平台团队,需要团队间的透明和共享待办。davnicwil 说多年来修抽象层意外 bug 花的时间,远多于在两处改代码。复制出来的实现会有“忘了改另一处”的 bug,但这类 bug 最好找;抽象出问题则是“我改这个会弄坏什么”,修复还可能引发连锁。SoftTalker 补另一面:两份实现可以独立修改,DRY 之后才发现两个场景其实略有不同,就得加参数加逻辑、重新测试所有调用方。

    相关链接:

    • New Evidence Shows School Phone Bans Are Gradually Improving Test Scores
    • Windows 11 is collecting data on which coding agents and developer tools you use
    • Optimizely compromised, served malware on Zoom, GitLab
    • GPT‑6.2 Astra and Sol
    • If an App Asks for Full Disk Access or System and App Protection Override
    • Chemistry is Actually Geometry
    • Why 3dfx 1 cards had such a washed out color output?
    • How the Claude Code team thinks about verification
    • Formal Verification Is Not Verifiable
    • Do Repeat Yourself
    53 min
  • Agili 的 Hacker Podcast 2026-11-16

    今天的内容从 Qwen4-Max 的发布说起,还有亚马逊黑五折扣调查、uBlock Origin 的通用 XSS、MIT 的制造课、Nvidia 的接班问题、Tor 的紧急修复、美国银行系统故障、智能手表全身追踪、ParadeDB 的搜索 join,以及一条 2007 年的 ThinkPad 复活技巧。这是 Agili 的 Hacker Podcast 的每日整理。

    Qwen4-Max:2.4 万亿参数与一个更像同事的模型
    架构与训练

    Qwen 团队在 11 月 15 日发布 Qwen4-Max,把它定位成“你的新 AI 队友”。模型基于新的 Qwen4 架构,2.4 万亿参数骨干,每个 token 激活 710 亿参数,另有 3280 亿 N-gram embedding 参数,原生支持视觉,上下文窗口 100 万 token。

    三处架构改动值得记下。GDN(Gated DeltaNet,门控 DeltaNet)和 Qwen Sparse Attention(QSA)配合:每三个 GDN 层把历史压缩成固定大小的状态,QSA 用轻量索引器在微块粒度上挑选相关上下文,降低长序列的注意力和索引开销。Gated Residual(GR)用四条并行残差分支和动态读写门加强层间信息流动。N-gram Embedding 在第二层做上下文查找,用很小的额外计算扩展模型容量。团队称 2.4 万亿参数规模的预训练全程 loss 平滑下降,没有出现尖峰。

    效率与成本

    Work360 上,Xhigh 和 High 两档努力程度(reasoning effort,模型在回答前投入的推理量)的 token 用量分别下降约 24% 和 35%;Terminal-Bench 4.0 上分别下降约 48% 和 49%。API 价格同步下调,缓存输入价格的降幅尤其明显。平均每任务成本从 4.43 美元降到 1.67 美元,降幅 62%。

    Work360 是团队为工业和专业工作流搭的评测框架,覆盖 26 个一级领域、182 个二级子域、721 个三级专业领域,配了 52 个完整任务提示词。Qwen4-Max 得分 52.69,上一代 Qwen3.8-Max 是 47.74。

    从 3D 建模到重症监护

    能力展示覆盖了几个方向。在 Blender 里做几何建模、场景组装、材质、灯光和渲染,产出的 3D 资产既能进游戏,也通过 3D 打印变成实物。游戏引擎支持 Unity、Unreal Engine 和 Godot,给一句自然语言需求就能做出可玩的游戏,开发过程中模型会运行游戏,用视觉和交互反馈反复调相机跟随、角色动画和打击感。在 SANF 和 Pacific Union 的真实生产环境里,它从 2D 布局和设备库搭出 3D 产线模型、模拟节拍、做 PLC 虚拟调试;展示中单个工件的编程人工从约 475 分钟降到 24 分钟,减少约 95%。

    专业场景拿出了具体数字。金融投研调用 90 个 MCP 工具拉取行情、财务、利率与分红数据,在沪深 300 指数衍生品案例里计算理论基差,交付 Excel 工作簿和可编辑 PPT,每个单元格的超链接能点回原始数据源。Pre-IPO 法律尽调处理 198 份格式命名混乱的工作底稿,按实质内容重命名分到 14 个文件夹并自动编索引,识别出对赌协议里的恢复条款这类风险,最终交付 86 页、6 万多字、覆盖 12 个审查领域的报告。重症监护场景里,模型在单次对话中处理数十份化验报告、1 万多字病程记录、多套医嘱和 1433 张原始影像,把六天的事件对齐成时间线,识别出双肺下叶依赖性实变,与主治医师诊断一致。

    HN 上的鹈鹕测试与基准争论

    Simon Willison 照例放出鹈鹕骑自行车的 SVG 测试,覆盖 none、low、high、xhigh 四档推理。Qwen4-Max 首次提供关闭推理的选项。有人注意到 xhigh 档第一次画出蓝绿色而非红色的自行车,也有人说只有最高档才把鹈鹕两条腿放到车架两侧。关于这个测试还有没有意义,争论很激烈:有人认为鹈鹕早已进入训练数据,有人觉得发它就是为了互动量;支持的一方说这是传统,仍能看出不同推理档位和量化版本的差异。

    基准与成本是另一条主线。Artificial Analysis 给 Qwen4-Max 的分数是 43,平均每任务成本 3.27 美元;GPT-6.1 Sol(medium)是 46 分、0.36 美元。有人质疑 AA 频繁调整指数、私有基准不可复现,AA 员工回应说公私基准混用是为了防止过度 hillclimbing。有评论指出 AA 只给 Qwen4-Max 测了 max 一档,拿单点去比别家多档曲线不公平。开源权重也是话题:Qwen4-Max 不开源,阿里只计划开源同系列小模型。

    亚马逊黑五“折扣”调查:近三分之一没有节省
    调查发现了什么

    Groundwork Collaborative 调查了亚马逊 2024 和 2025 年黑五和网一官方促销页面上 350 多个产品。近 1/3 的“deal”在促销期间的价格与促销前一个月相同或更低,近 1/10 的产品在促销期间价格更高。

    2025 年黑五,一双 Hunter 黄色短雨靴“促销价” $126.99,促销开始前 9 天卖 $79.97,等促销反而多付 59%。网一期间,一双 UGG Butte 男靴“促销价” $179.98,约四周前卖 $98.40,贵了 83%。这些价格更差的“deal”中,促销价中位数比前几周高 19%。亚马逊在得知研究后删除了相关促销页面,互联网档案馆保留了存档。

    价格追踪与监管

    欧盟的 Omnibus Directive 第 6a 条要求商家在促销时显示过去 30 天的最低价。有评论说在 AliExpress 上看到“过去 30 天价格”和“促销”矛盾时很搞笑;法国已经有这个规定,但价格在 10 月上中旬就涨上去了,所以 11 月中旬开始的 deal 看起来仍然“惊人”。

    价格追踪工具被反复提到:CamelCamelCamel 和 Keepa 浏览器扩展。CamelCamelCamel 受亚马逊 API 限制,数据不实时,限时闪购在 API 刷新前就结束了,API 通常只报告购物车卖家的价格,第三方卖家删除旧商品页面、创建新 ASIN 会抹掉历史。美国亚马逊自己在促销价旁边提供 90 天价格历史图表链接,这个功能在 Amazon.de 和 Amazon.fr 还没上线。

    评论区:这不是亚马逊一家的问题

    很多人认为虚假降价古已有之。JCPenney 曾试图取消促销改用直接定价,顾客反而讨厌,因为感觉没得到 deal。也有人把责任推给制造商:他们在促销前涨价因为有效。关于“促销”这个概念本身,有评论说更大的问题是消费者为什么还相信 sale 有意义。另一位认为促销只有在了解市场、常规价格、替代品和历史价格时才有价值,他举了波兰的例子:两家主要超市的黄油三件装低价卖,结果几乎没人在非促销时买,促销价变成了实际价格。

    也有不同角度的看法。有人说“2/3 是实际折扣,90% 不会让你更糟,不错”。回应是,如果不是号称打折你可能根本不会买,被欺骗本身就是更糟的一部分。

    uBlock Origin 的通用 XSS:一条受信任过滤器的注入路径
    攻击链

    11 月 15 日,Smitty van Bodegom 公开了 uBlock Origin 的一个一键通用 XSS(跨站脚本,攻击者让代码在其他站点上下文里执行)。受影响的是 Firefox 上的 MV2 版本;MV3 版本 uBO Lite 也有类似但影响较轻的问题。恶意网站可以诱使扩展添加任意“受信任过滤器”(uBO 中能向页面注入脚本的规则,通常只由用户手动添加)。攻击者先针对另一个站点建一条受信任过滤器,就能在任意站点上下文运行任意 JavaScript。问题已修复,安全公告编号是 GHSA-cmqw-9r2w-6wv2。

    uBO 的元素选择器通过右键菜单打开,实现方式是往页面里注入一个 iframe,地址类似 moz-extension://<扩展 UUID>/web_accessible_resources/epicker-ui.html。攻击页面可以钩住 XMLHttpRequest.prototype.open,从 uBO 自己注入的规则所发 XHR 的 URL 里读出扩展 UUID。拿到 UUID 后,页面把 iframe 的 src 指向选择器页面,用 postMessage 建立通信,操纵选择器填入攻击者想要的过滤器。opt 字段原本表示网络请求类型,会被以 $image 的形式附在过滤器后面,攻击者控制这个字段就能塞进换行,注入一条任意受信任过滤器。

    修复与扩展 UI 的老问题

    根因是元素选择器不应该接受来自攻击页面的消息。修复方式之一是让真正的选择器从内容脚本那里拿到一个秘密口令,并在第一条 postMessage 里带上。

    评论里,esprehn 说一直后悔没有更用力推动扩展 overlay API。这个 API 原本要基于 Top Layer,但基础版本一直没加。DevTools 为了在网页上方画东西,专门用了独立的 Overlay Page;一些平台的日期选择器也这么做。这套机制始终没有开放给扩展。有人举了 1Password 的例子:2026 年 1 月,1Password 把 prism.js 注入所有页面,弄坏了很多 块,持续至少 20 天。

    UUID 泄露与讨论

    UUID 泄露让不少人担心广告屏蔽器反而成了追踪标识。任何站点钩住 fetch('/adsbygoogle.js') 就能拿到 uBO 的安装 UUID。有人指出 Chromium 的 web accessible resources 长期用静态 ID,最近才支持动态 ID,而且扩展可以选择不用。

    GitHub 公告标注 1.75.2 及更早版本受影响,1.75.4 修复。有用户更新后仍停在旧版,说自己更新了两次才到 1.76.4;Firefox for Android 不能手动更新扩展,只能移除再装,代价是可能丢掉自定义设置。

    作者在开头写明:GPT-5.6 Sol 做了发现漏洞的大部分难活,他负责验证,文章正文由他自己写,PoC 大部分由 Claude 写。这个声明得到不少正面回应,也有人明确表示,只要文章由 AI 写就不读。

    MIT 的“几乎什么都能造”课
    课程安排

    MIT 的 MAS.863/4.140/6.9020 “How to Make (almost) Anything” 2026 年秋季学期从 9 月 9 日开到 12 月 15 日,每周三下午 1 点到 4 点在 E14-633 上课,授课教师是 Neil Gershenfeld。课程 18 学分,官方给出的时间投入是每周约 18 小时,用于听讲、设计、培训、做原型和写文档。上过课的人在讨论里说,每周 40 小时在这门课里算摸鱼。

    日程按周展开:计算机辅助设计、项目管理与计算机控制切割、嵌入式编程、3D 扫描与打印、电子设计与第一次评审、电子制造、计算机控制加工、输入设备、输出设备、机械设计与机器设计、wildcard week 与第二次评审、网络与通信、系统集成、项目开发。每周课后第二天傍晚有一小时辅导课,主题跟着主线走:版本控制与网页开发、参数化设计、电子学、AI agents、EDA、调试、CAM、边缘 AI、电机与运动控制、机器搭建、模具与铸造、网状网络。

    广度优先的价值

    讨论里最集中的一条线索是“广度优先到底值不值”。有评论认为这门课每个主题都只蜻蜓点水。反驳的意见是:知道“存在什么东西”本身就有用。以后遇到问题 X,会想起有个叫 Y 的东西也许能帮上忙。这种横向知识对走向管理岗位尤其重要;在 AI agent 越来越能动手实现东西的当下,解决问题不只是“怎么做”,还包括“知道什么可以做”。

    一位上过课也当过助教的人说,进来的人大多对电子、CAD、加工、编程只有很少了解,或者只精通其中一门;这门课看的是每个人从学期初到学期末的增量。TechShop 的常客回忆自己上过十三门课,覆盖了列表里的大部分技术,但真正动手做东西花的时间远多于上机器操作课;程序员学数控设备很快,焊接则需要无止境的练习。

    LLM 时代的 T 型知识

    关于 LLM 与知识结构,有评论判断:LLM 时代横向知识会越来越重要,因为你知道某样东西存在,才能把 LLM 指向那个方向。LLM 有很强的从 A 直奔 B 的倾向,能力常被 prompt 限制住。另一位补了一层:LLM 的知识广但潜伏,人有近乎无限的上下文窗口,会联想、会隐约记起听过的东西然后顺着线索查;agent 不会,它们对任务做模式匹配,用最显眼的解法,除非你把它引到正确的方向。

    具体场景是:项目里用了一个糟糕的库 X,你让模型“把 A 改成 B”,它只会改,不会说“也许整个换成 Y 更好”,因为那不是它被交代的工作。有人接话说那就偶尔问一句“有没有明显更好的做法”。

    书单方面,A.K. Dewdney 的 The New Turing Omnibus 被反复提起,每章六页左右,能从零讲到能跑的单层神经网络、布尔逻辑电路或纠错码。书里的示例代码有细微 bug,反而逼着读者真正理解发生了什么才能跑通。有人提醒亚马逊新书标价 181 英镑,买二手几美元就够。

    黄仁勋卸任之后,Nvidia 会变成什么
    三次转型

    2026 年 11 月,Nvidia 董事会宣布黄仁勋卸任,距离他联合创办这家公司已经 33 年。Steve Blank 在博客里把问题摆得很直接:一位有远见的 CEO 离开之后,公司会变成什么样。多数情况是创新停下来,公司靠着惯性和品牌再滑行几年。

    黄仁勋把 Nvidia 改造过三次。2006 年推出 CUDA,把面向 PC 玩家的图形芯片变成通用计算平台,在还没有任何收入的时候就投了很多年。2012 年研究者用 Nvidia 芯片赢下 ImageNet,他把公司指向深度学习。2020 年收购 Mellanox,Nvidia 从卖 GPU 板卡变成卖支撑 AI 数据中心的整机架。三次都不只是产品换代,而是商业模式的更换:新渠道、新客户、新市场。

    微软与苹果的对照

    Blank 把微软和苹果当作两组对照。Bill Gates 在 2000 年 1 月把公司交给 Steve Ballmer,后者按 Windows 和 Office 的既有优势组织公司,销售额翻三倍到 780 亿美元,利润从 90 亿涨到 220 亿,同时错过了搜索、智能手机、移动操作系统、媒体和云五条线。2014 年 Satya Nadella 接手,把公司围绕 Azure 重组,今天微软市值约 4 万亿美元。Tim Cook 治下的苹果营收从 1080 亿走到 4160 亿美元,市值从 3500 亿到约 4 万亿,Apple silicon 说明芯片层面的大改动可行,但它是给已有产品换更好的发动机,不是新市场;Vision Pro 没做成,AI 也落后。

    Blank 的核心担忧不在数字,而在组织形态:有远见的 CEO 会招一批世界级的执行副总裁,公司里只有一个愿景者。Nvidia 是极端案例,黄仁勋有大约 60 个直接汇报对象,不鼓励一对一会议,没有长期计划,还公开说过不相信继任计划。没人能接手 60 个直接汇报,所以下一任 CEO 的第一件事必然是加管理层级。

    CUDA 护城河的争论

    Hacker News 的讨论把“CUDA 到底有多深”拆得很细。一种说法是 CUDA 本身不深,一个人就写出了面向 AMD 的兼容层 ZLUDA,只是 AMD 法务后来要求删库;LLM 的 kernel 也就几千行,今天让 agent 迁移并不难。另一种说法是 CUDA 的替代品从来不是那个 API,而是 cuBLAS、cuDNN、CUTLASS 这些库,其中不少 kernel 是特定微架构的汇编,加上调试、性能分析工具和向后兼容。有人补充,CUDA 真正的黏性在于每一张 Nvidia 卡都支持它,ROCm 至今做不到覆盖全部型号;也有人认为真正的锁在供应链,HBM 和先进产能的合约握在 Nvidia 手里。

    最大的客户正在变成竞争对手。Google、Amazon、Microsoft、Meta、OpenAI 和 Tesla 都在自研 AI 芯片。黄仁勋的应对是每年推一代新芯片,用硬件加软件的平台筑墙,并向跑在 Nvidia 上的 AI 实验室投入约 500 亿美元。Blank 认为,执行型 CEO 最先削减的很可能就是这几笔。

    社区里也有人不认为这是悲剧:创始人光环带来的那种非理性冒险冲动不可复制,一家公司到了这个体量,变成“行尸走肉”并为股东榨取剩余价值,本来就是常态,火炬会由新玩家接过去。

    Tor 在持续 DDoS 下的紧急修复
    修复内容与 relay 运营者经历

    Tor Project 发布了 0.4.9.17 版本,修复一组安全问题。其中一项对 relay(中继节点)的 IPv6 处理相关 DoS 防御尤其重要。这是对当前网络持续 DDoS 的快速响应,攻击已经影响到大多数 relay 运营者。大量客户端电路涌入,压垮了网络中的 relay。运行 relay 的人应尽快升级,升级后不需要额外操作。

    一位 Hacker News 用户几个月前开始跑一个非出口节点,运行一段时间后被信任,成为 guard 节点(入口守卫节点)。他发现攻击的方式很日常:母亲说 Wi-Fi 不好用,他检查后发现下载速度比平时低了 99%。排查一圈后,他关掉跑 relay 和其他自托管服务的迷你主机,网速恢复正常。relay search 页面显示他的节点处于过载状态。他先尝试降低允许通过的带宽,没有效果;让节点不再成为 guard 后,节点恢复正常。至少等攻击稳定前,他不打算再让节点承担 guard 角色。

    攻击动机与 Tor 的使用体验

    有人提醒,绝不要在住宅 ISP 上运行 Tor 出口节点。也有评论澄清 guard 本身没有问题:任何 uptime 合理的 relay 都会成为 guard,uptime 低的节点才只做中间节点。关于攻击动机,有人认为 DoS 攻防在 Tor 上会长期来回拉锯;这次看起来是全系统性的,也许是 relay 夹在某个特定 DoS 中间。也有人提出,这可能是把流量引向对抗性 relay 的手段。

    评论延伸到 Tor 的使用体验。有人十年前试过 Tor,记得网站慢、大量资源不可用,问现在有没有变化。回答是:把 Tor 当免费通用浏览 VPN 会失望,它用性能换一组更难被攻破的隐私收益;很多服务默认封 Tor IP,因为来自 Tor 的滥用率很高。也有人认为快了不少,DuckDuckGo 等站点专门为 Tor 优化。一位用户为了访问一个被全国 ISP 封禁的站点,先跳到 VPS 再建立 Tor 会话;另一位用 .onion 地址做 ssh 和备份已经十年,Tor 能穿透防火墙,不需要 DNS 域名。

    摩根大通故障拖慢美国多家银行
    事件经过

    周一,美国多家大型银行的网上银行出现访问困难,Zelle 转账也受影响,数千名客户报告无法登录账户。问题源头在摩根大通:一处本地部署硬件系统上的软件缺陷引发连锁反应。

    摩根大通发言人说,这“与网络无关”,不是网络攻击。他把范围限定在自家:这不是系统性故障,其他银行只是在与摩根大通发生交易时被拖慢。美国银行和花旗集团表示自家银行服务没有故障。U.S. Bank 发言人说系统未直接受影响,但客户与其他机构之间的 Zelle 转账可能延迟。Zelle 运营方 Early Warning Services 表示 Zelle 网络本身运行正常。

    同一周的三次故障与归因争论

    这是同一周里的第三次。上周四微软中断持续数小时,Outlook、Teams 和 Copilot 受影响;上周五美国联邦航空管理局的系统故障让全美航班停飞数小时,周末仍在恢复航班。

    Hacker News 上很多人把三件事放在一起看。有人的非技术同事认为它们相互关联;反驳同样直接:就目前所知,这些故障没有共同原因,只是碰巧落在同一个新闻周期里。另一些人把视角抬高一层:共同成因是复杂度,系统为效率和速度优化,而不是为健壮性。也有人提醒,把分开的原因搅成一个“万能原因”只会增加混乱。

    评论区花了大量篇幅争论 AI 与代码质量。一派认为这是用 AI 替代开发者的必然结果;另一派认为更可能是 AI 被用来找漏洞。中间的观点是:多数公司还不知道怎么在 AI 辅助下安全地构建,缺少围绕架构、测试和安全的工程约束,管理层要更多产出,AI 让产出变容易,于是产生垃圾。也有人把质量下滑归因于外包、赶工期和金融化。

    一块智能手表如何追踪全身动作
    技术原理与精度

    康奈尔大学 SciFi 实验室做出了一套叫 EchoMotion 的系统,只用一块市面上的智能手表,就能追踪人的全身动作。它利用手表内置的扬声器和麦克风,发射人耳听不见的超声波,再接收声波从四肢反射回来的回声,通过一套轻量 AI 模型推算身体姿态。论文在 10 月 13 日上海举行的 UbiComp/IWSC 会议上发表。

    原型阶段感知功耗约 12 毫瓦,大约是穿戴式摄像头的四十分之一;在 Galaxy Watch 6 上跑 30 分钟,只消耗 5% 到 6% 的电量。研究团队让 10 名志愿者把表戴在非惯用手上,做了 18 个动作,收集回声模式,训练深度学习模型把这些模式翻译成身体动作。商用手表只有一组麦克风和扬声器,团队就在未改装的 Galaxy Watch 6 上测试,换了 15 名新志愿者。对新用户,每个关节位置的平均误差不到 4 英寸;做一次 12 分钟的校准,误差再降三分之一以上,到约 2.4 英寸。同一个模型不做任何重新训练,也能在 Galaxy Watch 7 和 Google Pixel Watch 3 上工作。

    实验室之外,10 名新参与者在一个小房间、一条窄走廊和一条嘈杂马路边做同样的 18 个动作。家具和环境噪声没有造成干扰,走廊里因为旁人的回声,性能略有下降。

    讨论:超声波与隐私

    Hacker News 上有评论查到论文里的参数:左扬声器发射 18 kHz 到 21 kHz 的 C-FMCW 调频连续波,右扬声器在 21.5 kHz 到 24.5 kHz;每个 chirp 600 个采样,50 kHz 采样率,扫频周期 12 毫秒,分辨率约 3.43 毫米,感知范围约 2.06 米。据此有评论指出,文章说这些信号听不见,但 18 kHz 到 24.5 kHz 落在大多数哺乳动物的听觉范围内,对一部分人(尤其年轻人)也未必完全听不见,长时间发射更像是噪声污染。

    团队正在把技术往健身追踪上做,让个人健身助手能数次数,甚至纠正动作。他们也在探索 EchoMotion 与智能眼镜的第一人称视觉结合,用来追踪人手里摆弄的物体。有人希望这类声学感知能补上智能手表一直难测的呼吸频率。

    ParadeDB 想让跨表搜索不再需要反规范化
    问题:跨表搜索为什么慢

    ParadeDB 的 Stu Hood 写了篇博客,讲关系数据库里跨多表做相关性搜索的老问题。StackOverflow 数据集上,三表 Top-K 的自然 SQL 从约 118 秒降到单核 100–600 毫秒,最多约 1000 倍。

    搜索通常意味着按相关性返回结果(BM25,一种基于词频的打分方法,或向量相似度),或把结果汇总成分类计数,也就是分面。跨多个 join 表搜索叫 search join,难在结果要按跨表的组合分排序,同时只返回很少的行或做汇总。Postgres 慢的原因很具体:按单列排序时,B-Tree 索引走到凑够 20 行就能停;按 OR 起来的跨表组合分排序时,没有表按这个分预排序,Postgres 必须把 2850 万行全 join 起来,对每个三元组求和分数,再排序取前 20。

    Rank Join 与列存执行器

    ParadeDB 的索引把列存和 BM25、向量搜索放在一起,join key 和投影列直接存在索引里。查询进到 Postgres 规划器后,他们用钩子识别出 search join,把整个多表 JOIN 连同 LIMIT 或 GROUP BY 推到基于 Apache DataFusion 的列存执行器。扩展的关键是让 join 之间只传紧凑的内部文档 ID 和 join key,列值用选择性延迟物化等到合适时机再取。

    Top-K 用的是 0.26.4 引入的 Rank Join。它不完整 join 再排序,而是按分数降序从各表流式拉输入,边拉边建候选集。每个流当前的最低分是它的上界。加上随机访问后,堆里最好的部分候选按 join key 直接点查对面表的索引,拿到伙伴的精确分数。基准里稀有词 ocaml 101 毫秒,中等词 python 603 毫秒,常见词 code 274 毫秒。code 比 python 快看起来反直觉,原因是常见词的三表匹配密集出现在各流顶部,堆阈值升得快,只评了约 9000 行就收敛。

    反规范化之争

    评论区对反规范化讨论得比较充分。有人认为反规范化和 join 主要是磁盘与计算昂贵的 80、90 年代留下的习惯,今天把一切反规范化、不用 join 很容易。回应是读多的库可以这么干,但看用例,写入和更新会难受。有人反问好处是什么:它增加资源使用,还让一致性更难维护。也有人给了折中:保持规范化拿一致性,需要的时候建索引让查询呈现出反规范化的效果。

    一位评论者的总结比较到位:Top-K 搜索这块很令人兴奋,但标题不太贴合,我们仍然需要反规范化,只是 ParadeDB 瞄准的那部分用例不再需要了。

    ThinkPad 的电源键复活术
    那串按键

    2007 年,Mike Masnick 在大会前约一小时发现自己的 ThinkPad z61t 彻底死了:没有睡眠灯,插上电源电池灯也不亮,机器明明处于睡眠状态却烫得厉害,按电源键毫无反应。他打电话给 IBM 支持,对方先确认机器完全没电,然后说“这听起来会很奇怪,但你试试”:

    拔掉 AC 适配器,取出电池,以 1 秒间隔按电源键 10 次,再按住电源键 30 秒,装回电池,按电源键。机器就这么活了。技工给的解释是“静电放电”,再追问细节,对方说“兄弟,我知道的不比你多,但你的机器能用了”。

    这篇 2007 年的文章下面累积了三百多条评论,有人用 T21、T40、T41、T42、T43、T60、T61、X31、X40、X200、R61、R52 等型号报告成功,也有人提到 Acer、MSI 甚至洗衣机。有人是在牛奶洒进键盘、冰茶泼到机器、笔记本从桌上摔下去、在机场过完 X 光机之后靠它复活的。有人戏称这是笔记本的“上上下下左右左右 B A”秘籍。

    真正的原理

    评论区里几位有客服经验的人给出了另一种解释。呼叫中心要求客户按住路由器复位键 3 秒,客户往往只按 1 到 2 秒,改成说“按 10 秒”之后,大多数人都能成功复位。按电源键 10 次加 30 秒,很可能是在确保用户真的等够时间、真的按住不放,而不是某个精确的魔法序列。

    技术上,有评论认为这是排查“变砖”设备的标准步骤:断开所有电源后按电源键,给主板上的电容放电。所谓“静电放电”只是电话技工对“放掉残余电荷”的通俗说法。对新一些的机器,X280 底部有个小孔,用尖锐物按住可以让嵌入式控制器(EC,负责开机、充电等底层硬件管理的芯片)重启。

    后续案例

    也有人怀疑病因不是静电,而是某个快坏的电容在断电一段时间后重新形成。有人在 P52 上用 60 秒长按救活过一次,几天后又死了。还有人清理 Omen 时没先放电,碰了负责 BIOS 启动前工作的 EC 芯片,打乱了一些由独立内部电池维持的状态位;试了几小时拆解排查后放弃,把机器塞进抽屉,两个月后拿出来,它自己正常开机了,只丢了 BIOS 时间。

    z61 这个型号还有一段插曲。有评论者就读的学院给每位学生配 ThinkPad,他那一届拿到的是 z61p,是唯一使用这款机型的班级。大规模部署暴露了电源板问题,联想派人到校园把每台 z61p 的电源板都换了一遍。毕业时学生可以花 1 美元买下自己的笔记本,他说那是他用零钱买过的最好的电脑,之后又用了 5 年。

    不少人提到了睡眠模式的隐患:笔记本在包里自己醒来、发热、耗光电量,最后变成一台“砖”。有评论者现在合盖一律设为休眠,多等几秒,总比旅行途中把笔记本变成空气炸锅好。

    相关链接:

    • Qwen4-Max
    • Many of Amazon’s Black Friday and Cyber Monday “deals” offered no savings
    • Universal XSS in uBlock Origin from website-driven element picker
    • How to make almost anything
    • What's Next for Nvidia?
    • Tor Project Issues Rapid-Response DoS-Defense Fix Amid Sustained DDoS Attack
    • Technical issue at JPMorgan Chase triggers online banking delays for US banks
    • Researchers track whole body movement with just a smartwatch
    • Do we still have to denormalize? Have your schema and search it too
    • The Secret ThinkPad Powerbutton Code to Bring Dead Laptops Back to Life (2007)
    51 min
  • Agili 的 Hacker Podcast 2026-11-15

    今天的技术讨论从许可、硬件到生命起源都有涉及,下面是 Agili 的 Hacker Podcast 挑选的几篇。

    AI 生成的代码都该开源吗
    两条理由

    Jakub Jankiewicz 在博客里提出一个直白的主张:AI 生成的代码都应该是开源的。他的第一条理由关于训练数据。模型在 GNU 工程以来积累的海量开源代码上训练,抓取时既没有取得许可,也没有署名;Stack Overflow 的内容采用要求署名的 Creative Commons 许可。把这份集体知识转成闭源专有代码,他称之为许可洗白(license laundering)。

    第二条理由落在著作权上:纯 AI 生成的代码没有人类作者,不该受著作权保护。这条原则可以追到猴子自拍案,美国版权局后来在 AI 问题上引用过它。文章留了一层灰度:代码很少是 100% 手工或全自动,但越来越多开发者不看输出就直接使用,这类只花了提示词功夫的代码更应该开源。

    法律现实

    社区很快把讨论拉回现行法律。有人贴出美国版权局的报告:人类对材料的选择编排、对输出的创造性修改仍可受保护,提示词本身不构成充分控制,具体逐案判断。有人追问一次提示算不算,回复给了两个端点:把几页详细伪代码翻译成 Ruby 大概算,“写一个关于马的游戏,别停”大概不算。

    反驳文章逻辑的意见集中在自洽性上。许可之所以存在,前提是代码有著作权;如果 AI 代码不可版权,许可就无从施加,第二条理由会拆掉第一条的工具。还有人指出创作与分发要分开,跑在私有服务器上的代码严格说不算“发布”,而世界上大多数代码是公司内部业务流程代码,按文章逻辑,企业内部软件将失去隐私。

    逐字复现的证据

    评论里最扎眼的是复现案例。一位维护多个 AGPL 系统的作者说,早期模型几乎原样吐出他的代码;某公司盗用他的 AGPL 代码,拉锯数月后对方用 LLM 克隆了整个系统,克隆版更差,但仍像他的创作内容。另有人举稀疏矩阵库的例子:作者键入函数名的前几个字符,模型就把整段代码原样补完。有人把《哈利·波特》开头的段落喂给 GLM 4.6,得到两页逐字原文,并与纸质书核对过。

    反方认为这是旧情况。有人指出纽约时报诉讼之后各家做了输出清洗,今天很难再复现;一篇关于从生产模型提取书籍的论文显示,最强提取需要越狱和数千次请求。立刻有人回:把词换成同义词的改写仍然是抄袭,只是更难发现和证明。

    执行成本

    真正让开源作者无力的是打官司的成本。有人算过账:违规者根本不在意许可,克隆比被起诉便宜;著作权只保护打得起官司的一方。光发通知不够,得愿意起诉。讨论里也有人提到净室设计(clean room,让实现者完全接触不到原代码的隔离开发方式),但一位评论者说 LLM 是净室的反面:它是一台代码搅拌机,输入与输出之间没有任何隔离。

    文章“AI 代码默认开源或 CC0”的建议在讨论里没得到多少支持,但两边在一个判断上重合:逐字复现受许可保护的代码构成侵权,而眼下几乎没有低成本的办法让原作者拿到补偿。

    MacBook Pro 新 OLED 屏幕的 PWM 问题
    症状与测试数据

    苹果把 tandem OLED(串联双层 OLED)带到了 MacBook Pro 上,官方称这块屏幕为“PROLED XDR Display”,亮度、对比度和 HDR 表现都提高了,还首次在苹果笔记本上加入触控。发布初期,评价几乎一边倒地正面。

    Mac 社区里另一类反馈正在积累。MacRumors 论坛和 Reddit 上有用户描述使用新机器不久后出现头痛、眼疲劳、头晕、恶心,有人已经退货。AppleInsider 的 Mike Wuerthele 在 11 月 10 日专门梳理了这些报告。这些是个体体验,不能证明新机器对所有人都有问题,很多用户对屏幕非常满意,但对出现症状的人来说,别人能连看几小时并不能减轻困扰。

    讨论集中在 PWM(脉冲宽度调制,通过快速开关光输出来控制亮度)。Notebookcheck 对 14 英寸机型做了实验室测试,测得 PWM 频率 240Hz。作为对照,搭载 Mini-LED 的 M4 Pro MacBook Pro 在同样测试中测得 14,880Hz,前者比后者低约 62 倍。频率不是唯一因素,每个周期内亮度波动的幅度同样重要,也没有公式能预测谁会不适。

    敏感人群有多大

    Hacker News 上有评论对 240Hz 这个结论提出疑问。用户 legitronics 认为测试设备可能只输出了 240Hz,而双层 OLED 可能各自以 480Hz、相位相差 180 度工作,两层同时点亮时有效频率达到 960Hz。Notebookcheck 原文的表述是:所有亮度级别都能看到 DC 调光,但频率低到 240Hz,对敏感用户可能仍是问题。

    关于人能不能“看见”高频闪烁,讨论里出现了几篇研究。用户 mrob 的解释更贴近实际体验:问题不一定是直接看到闪烁,而是移动眼睛时出现的幻影阵列效应,静态画面变成一串重叠图像,根据个体差异可以一直可见到 kHz 级别。他自己的频闪 LED 测试能感知到约 10kHz。

    关于受影响人群的规模,评论分歧明显。有人问这是否只影响 0.0001% 的用户;spamizbad 认为更接近 12%,大致相当于偏头痛人群的比例。也有人提醒,屏幕不适的原因很多,不一定都归到 PWM 上。文章特别强调,很多报告来自此前使用 OLED 设备没有问题的用户。

    工程推测与替代方案

    用户 amluto 引用 IEEE 1789 关于闪烁的行业指南,指出 240Hz 在任何可观的调制深度下都达不到低风险限值。他怀疑这是固件层面的失误:很多 LCD 通过 PWM 调背光,背光的电流到光输出传递函数天然有低通效果;把同样的亮度控制逻辑直接搬到没有背光的 OLED 上,就可能给像素激励波形套上 240Hz 的包络。另一位用户提到联想 Yoga Pro 9i 用的 tandem OLED 做到了 1200Hz PWM。

    苹果在 iPhone 上提供过“Display Pulse Smoothing”无障碍选项,用于在低亮度下获得更平滑的调光体验,新出的 OLED iPad mini 也带上了。Mac 上能否提供类似选项,评论里没有确定答案。

    对 PWM 敏感的人来说,实际建议是先试用,苹果店里几分钟的演示不等于在屏幕前坐一整天。现有 Mini-LED 的 MacBook Pro 仍是可行替代,但苹果正在把各条产品线转向 OLED,这个选项未必会长期保留。作者希望苹果解释这块屏幕的调光行为为何与 Mini-LED 面板差别这么大,以及有没有可能通过软件改善。

    DRAM 价格操纵案躲过撤诉
    法院怎么说

    11 月 14 日,美国北加州联邦地区法官 Noël Wise 全面驳回三星、SK 海力士与美光联合提出的撤诉动议。这起拟议集体诉讼指控三家合谋削减传统 DRAM(动态随机存取存储器,用于电脑、手机和服务器的标准内存芯片)供应,将产能转向 HBM(高带宽内存,用于 AI 加速器的专用 DRAM 产品)。案件由来自五个州的 17 名消费者和小企业主提起。

    起诉书称,截至 2025 年第三季度,三家公司合计控制全球 DRAM 收入 91% 以上。它们从 2022 年底开始削减产量,2023 年起将产能转向 HBM,每 GB 约需传统 DDR5 的 3 到 4 倍硅晶圆面积。到 2025 年第三季度,传统 DRAM 价格一年内上涨 171.8%,18 个月涨幅达 697%。

    附加因素

    在没有直接协议证据的情况下,原告需要“附加因素”(plus factors),即暗示存在事前协议的额外事实。Wise 驳回了公司方关于时间差削弱平行行为的论点:SK 海力士与美光在 2022 年底相隔三周宣布减产,三星滞后约四个半月,这“并非不合理的过长延迟”。她认定三家公司削减供应、转向 HBM、停产 DDR4 的行为构成平行行动,并称这些举动“难以、甚至不可能逆转”,在创纪录价格下仍不扩产,“没有理性公司会在没有事前协议的情况下这样做”。

    Wise 还认定,三家公司据称在 2026 年 1 月采用的近乎相同的客户审查做法“强烈支持共谋的合理推断”。她驳回了以 AI 需求旺盛作为“明显且非共谋解释”的说法,指出审查是在 AI 热潮和 HBM 转向已经展开之后才开始的。

    起诉书提到,这些公司连同另外两家制造商在 1998 至 2002 年间组成犯罪卡特尔操纵 DRAM 价格,三星缴纳 3 亿美元罚款,美光作为举报人获得豁免。Wise 拒绝接受这段历史不应计入的论点。听证中,公司方引用已故法官 Posner 的话,称集中市场中的竞争者“像鹰一样互相注视”。Wise 写道:“但原告的指控不止于鹰互相注视;他们的主张更像是鹰编队飞行。”

    社区分歧

    Hacker News 上对案件走向的看法分裂。一位刚拿到研究经费的用户说,256 GB 内存现在要 4 到 5 千美元,加一块至少 32 GB VRAM 的 GPU 又是 4 到 5 千,预算被直接吃掉。有人贴出 DRAM 行业价格操纵的维基百科条目,提醒这不是第一次;立刻有人反驳,当年是产能大幅扩张后卖不出去,与当前供应紧张正好相反。多位评论者强调,目前只是法院允许案件继续,指控尚未被证实。

    需求侧的解释被反复提及:OpenAI 在 2025 年订走了全球约 40% 的内存供应,随后所有人开始抢购。技术约束也进入讨论:HBM 每 GB 消耗更多晶圆、良率更低,总比特产出随之下降;晶圆厂是高度调校的系统,不能靠加人转产。也有人从更宏观的层面看:内存厂上季度毛利率接近 87%,大宗商品不可能长期维持这种水平。

    EFF 请求上诉法院要求 ALPR 检索出示搜查令
    案件由来

    电子前沿基金会(EFF)与美国公民自由联盟(ACLU)向第六巡回上诉法院提交法庭之友意见书,请求在 United States v. Sturdivant 案中裁定:警方检索自动车牌识别系统(Automated License Plate Reader,ALPR)的历史数据,属于第四修正案意义上的“搜查”,必须取得搜查令。

    案件源于俄亥俄州克利夫兰一带的系列抢劫案。警方从监控录像中辨认出劫匪车辆的品牌、型号和颜色,但不知道车牌号。随后警员对 Flock 和 ELSAG 两个 ALPR 数据库做了开放式检索,发现被告名下的一辆车曾在案发地点附近被记录。地区法院驳回了排除证据的动议,理由是车牌号本就可被公众看到,被告没有合理的隐私期待。

    EFF 指出,ALPR 与路人瞥见一辆经过的车牌完全不可比。这套系统由遍布全国、彼此互联的摄像头组成,持续记录每辆经过车辆的车牌、时间、日期和 GPS 坐标。EFF 称它等于给执法部门“一台虚拟时间机器,点一下按钮就能查看任何人的过往行踪”。上个月,一家联邦地区法院也裁定 ALPR 是一种“无差别的大规模监控”。

    只存命中

    社区讨论把焦点放在“只存命中、不存全部”这条思路上。有评论者认为,ALPR 系统只应保留与有效搜查令相关的车牌记录。新罕布什尔州的法律提供了一个参照:禁止为后续分析收集所有车牌;禁止拍摄车牌以外的内容;非命中图像必须在 3 分钟内删除;严禁把非命中图像上传到设备之外。有人补充,还应要求访问数据必须取得搜查令,并配套明确的刑责和赔偿。

    也有人指出,“只存命中”会丢掉历史查询能力,而换车牌不该在 2026 年仍然是一种可行策略。另一条回复点出了关键:放弃历史查询,恰恰是让这些扫描器不再等同于 24 小时无搜查令监控的唯一办法。

    滥用担忧

    对警方滥用系统的担忧贯穿讨论。有评论者说,即使规定“非命中即删”,只要警员能把车牌加进监控名单,就能把正在跟踪的前女友的车牌加进去。“非命中规则”和让警察戴执法记录仪来阻止暴力执法一样,感觉不错,但他们照做不误。也有人主张更强的立场:这些摄像头本就不该进入社区,安装前没有讨论,也没有投票。

    维护 ALPR 的一种论点是历史数据能帮助找到嫌疑人。有评论者反问:要抓嫌疑人,关心的应该是他现在在哪,而不是六小时前在哪。支持警方获取数据的一方认为,现实警务中警方的积极性在下降,Flock 把一项警方不再主动做的工作变成了数据库查询。他同意 EFF 的立场:全部记录下来,但把访问权限置于真正的搜查令之后。

    讨论还延伸到未来:ALPR 能成立,是因为识别一块本就设计得易于辨认的车牌。人脸识别和通用物体识别正在走到同一点。现在不阻止 ALPR,将来就会有人用同样的理由建立对行人的持续追踪数据库。

    英伟达用融资托住 GPU 价格
    报道内容

    《华尔街日报》对英伟达临时 CEO 科莱特·克雷斯(Colette Kress)的专访披露,公司曾通过给买家提供融资来托住 GPU 价格。报道称,2026 年中后期,英伟达推动更多此类交易,以消化从台积电订购的过剩晶圆,避免价格下行。

    冲突发生在黄仁勋与克雷斯之间。克雷斯对英伟达与云厂商、OpenAI 等大客户签下的交易规模感到不安,黄仁勋仍推进。到 2026 年夏天,面对从台积电订购的芯片“雪崩”般涌来,他开始怀疑是否走得太远,据知情人士称,他当面斥责克雷斯是“被车灯照住的鹿”。随后英伟达放缓、缩减并暂停了部分融资交易,其中包括与 OpenAI 的一笔交易。

    黄仁勋在柏林一场会议上对六位主要买家的 CEO 讲了日本汤铺的故事:他排了很久的队,喝到一碗极好的汤,想再来一碗时被拒,因为店主客人太多、汤不够。他借此告诉这些买家:“你们没有在确立我产品的价值。”

    消费端代价

    GeForce 显卡价格常超过建议零售价的 160%,旗舰 RTX 5090 一卡难求,因为显存和芯片被优先分配给数据中心 GPU;AI 数据中心还吸走了原本用于消费设备的 DRAM 和 NAND 产能。96GB 的 RTX 6000 官方定价 8000 美元,市场价一度到 16000 美元。

    需求真假之辩

    Hacker News 的讨论对“故意抬价”这个框架提出不少质疑。有评论指出,厂商为买家提供融资是常见做法:车企设金融部门,空客为客户购买自家飞机提供融资。区别在于英伟达拿的是股权,客户高度相关,设备折旧快、二手市场薄,这种敞口和卖拖拉机不是一回事。

    另一种解读是英伟达并未凭空制造需求,而是在挤压对手:吃下关键供应,让 Google、亚马逊、AMD 拿不到货,同时给新兴云厂商融资,换取它们用英伟达而不是 TPU、Trainium。有人用 GPU 租赁价格指数反驳泡沫论:若有人在囤卡抬价,租赁价应当下跌,实际却在上涨。

    认为需求真在下滑的一方把论据放在供应链上。台积电扩产要三年以上、数十亿美元,合同要求提前数年锁定晶圆。需求一旦下滑,英伟达无法轻易退出合约,违约金会直接出现在财报上。有前芯片业从业者认为,黄仁勋是看到需求下滑后慌了,才用融资换股权的方式,把卖不掉的芯片交给创业公司。

    硬件层面的账也被算过。有人设想 RTX 6000 跌到 2000 美元会怎样,反驳很直接:2000 美元要 100 个月才能抵掉每月 20 美元的订阅,还不算整机和电费;一块 450W 的卡跑本地模型,折合每百万 token 约 18 美分,与 OpenRouter 的定价接近。本地部署的实际理由集中在隐私、离线可用,以及模型拒答时你能绕过。

    反垄断的声音不少:拆分公司、强制开放 CUDA 和固件。另一派把矛头指向 AMD 和 Intel:CUDA 的护城河不只是技术,英伟达从 2000 年代中期起就在大气、流体、宇宙学等领域雇佣专家、把软件栈开源,让研究者嵌入生态。

    化学怎样变成生物学
    从放电实验说起

    Quanta Magazine 的这篇文章由 Yasemin Saplakoglu 撰写,追的问题是,化学怎样变成生物学。1952 年,芝加哥大学研究生 Stanley Miller 受 Harold Urey 启发,做了一个玻璃装置:一个球装水,模拟原始海洋;另一个球装甲烷、氨、水蒸气和氢气,模拟原始大气;电极在气体中打火花。第二天,瓶底出现深棕色污泥,里面有 5 种氨基酸。Scripps Research 的 Ramanarayanan Krishnamurthy 说,这个实验改变了领域,催生了前生命化学。

    1953 年,Watson 和 Crick 发表 DNA 双螺旋结构,研究者转向遗传分子。伦敦大学学院的 Matthew Powner 说,人们先挑一种生命分子当“第一分子”,暂时忽略其他分子,最典型的版本就是 RNA 世界。

    多理论并存

    RNA 世界是最流行、研究最多的理论。1980 年代,Thomas Cech 和 Sidney Altman 独立发现有些 RNA 也能像酶一样催化反应,这类 RNA 叫核酶(ribozyme),两人获得 1989 年诺贝尔化学奖。其他理论也在出现:铁硫世界认为热液喷口(hydrothermal vents,海底喷出高温富矿物质水的裂口)附近的矿物可能启动原始代谢;自催化集合描述一个分子催化下一个、下一个再催化下一个的循环网络;还有代谢优先、脂质世界、蛋白质世界,甚至黏土世界。

    这些理论常被摆成互相排斥的完整解释。2000 年代,生命起源会议像竞技场,研究者公开争吵。John Sutherland 说,争论难解决,因为每个人都说到了点子上:你需要 RNA,也需要肽,也需要代谢物。更麻烦的是没有时间机器,几乎无法证明或证伪。

    Hacker News 上,rf_physics 说,他以前只知道 RNA 世界,没意识到还有这么多竞争分子。他补充,实验让他看到两点:没有人做出可信的简单自我复制 RNA;能生成生物相关分子的偶然反应会生成巨大种类,所以只限制在一种分子上没有必要。

    越过 LUCA

    所有现存生命追到根上,会到一个群体,叫“最后普遍共同祖先”(last universal common ancestor,LUCA)。2024 年,布里斯托大学的 Phil Donoghue 团队用新的计算技术画出更完整的 LUCA:约 2,600 个蛋白质,有基本代谢、功能细胞膜,甚至对付病毒的原始免疫系统。团队估计 LUCA 的谱系约 42 亿年,地球约 44 亿年前变得宜居,生命在条件合适时启动得很快。

    LUCA 已经这么复杂,意味着它之前还有很长一段演化。布拉格查理大学的 Klára Hlouchová 从氨基酸字母表入手。地球生命用 20 种氨基酸造出所有蛋白质,陨石上已发现几十种其他氨基酸,实验室能造几千种。她用蛋白质设计和结构预测,把现代氨基酸从古老折叠结构里拿掉,再用缩小的字母表重新填回去。她的团队报告,只用 10 种氨基酸就能支持生命早期可能有的、现代生命中最稳健的蛋白质折叠。

    格罗宁根大学的 Sijbren Otto 从功能而不是材料入手。2010 年,他偶然发现某些合成苯环会像筹码一样堆叠;摇晃时,堆会断裂,断口又长出新的苯环。这是一种自我复制,也在传递信息:环的大小。十年后,他的实验室让这些分子催化自身复制之外的反应。在未发表的工作里,他们做出了能生长和分裂的“苯细胞”。Otto 说,它复制、代谢、把自己包在隔间里,唯一缺少的是真正的演化能力。

    合成细胞与定义问题

    2026 年夏天,明尼苏达大学的 Kate Adamala 团队把脂质体(liposome,脂肪酸小球)装满生物部件:DNA 复制系统和 36 种读取 DNA、制造蛋白质的酶。几个月后,细胞复制 DNA、生长、分裂;较大的细胞产生更多子细胞,形成粗糙的自然选择。团队 7 月把结果发到 bioRxiv。Adamala 避免说这些细胞“活着”:它们不能自己觅食,也缺少真正的演化。

    这些实验把“生命是什么”变成定义问题。Hacker News 上,usrnm 说病毒是最常见的反例,他不接受仅仅因为病毒不符合定义就不算生命;317070 反问,meme 算活着,那不育的人算不算?OgsyedIE 引用 George C. Williams 的话:如果不知道生命是哪个更大概念的子集,生物学就没有基础。

    生命起源研究也走向地球之外。NASA 的 Habitable Worlds Observatory 计划在 2040 年代发射,欧洲空间局的 Plato 望远镜也会找。NASA 喷气推进实验室的 Laurie Barge 说,理解生命起源和行星探索紧密相连;地球上生命留下的痕迹把一切都覆盖了,别处找到生命,也许能让这个领域争论了几十年的问题出现第二个样本。

    现代 NES 游戏正在形成第二次复兴
    25 款游戏

    Jordi 在 11 月 15 日发了一篇长文,列出他最喜欢的 25 款现代 NES 游戏。他把当下称作“第二次 NES 复兴”,第一次发生在 1980 年代,那次把北美游戏业从崩溃里拉了回来。几十年积累的 NES 硬件知识让新游戏源源不断;数字版通常可以直接从开发者那里买到,价格不贵,大部分也有实体卡带,能在原装硬件上玩。

    名单按字母顺序排列,Jordi 明确拒绝排名。有人在评论里让他挑三款推荐,他回答“这就像问你更喜欢自己的哪只脚”,然后按口味分:喜欢银河恶魔城就玩 Alwa's Awakening,想要快节奏街机体验选 Blazing Rangers,想合作就玩 Micro Mages。

    一些作品

    MicroMages 大概是现代 NES 游戏里传播最广的一款。四个法师传送到椒盐山上的堡垒救公主,能做的只有射击、蓄力射击、跳和蹬墙跳。Morphcat 的 Nicolas Bétoux 和 Julius Riecke 把这一切塞进极小的体积里,难度曲线和关卡设计都很精准。它还是少见的四人游戏,四个法师能互相推挤,合作时死掉会变成幽灵,找到特定 powerup 能复活。

    OverObj 是款 NES 弹幕射击。NES 的图形内存只有 64 个 sprite 条目,每行最多显示 8 个,任天堂当年管这些叫“OBJ”。开发者 Little Sound 把 sprite 拆到屏幕中线两侧,在一帧渲染到一半时更新 sprite 数据,从而绕过限制。

    Super Tilt Bro 的卖点是“NES 上的任天堂明星大乱斗,带在线对战”。NES 本身没有网络服务,但卡带里的额外硬件理论上没有上限,于是有人在卡带里塞了 Wi-Fi 芯片。游戏支持与 itch.io 上的免费网页版跨平台对战,用的是回滚网络同步(rollback netplay)。

    Jane Austen's 8-bit Adventure 听起来像玩笑,实际做得很扎实。奥斯汀坠入一个 8-bit 世界,她在书里写得不好的角色成了主要反派,她用羽毛笔攻击,收集茶杯当弹药,穿越以各部小说为灵感的关卡。

    工具与社区

    HN 上的讨论从怀旧延伸到整个自制游戏生态。dylanz 说自己完全不知道这些游戏存在;NES 发售那年他 8 岁,妈妈用当服务员攒下的钱给他买了一台。jader201 收藏了约 60 款精选 NES 游戏,最近正想着去查有哪些值得玩的自制游戏。

    kqr 认为工具是被低估的一环:今天面向老平台的开发工具会让当年的开发者流口水,现在开始做 NES 游戏没有比这更好的时机。spicyjpeg 补充说,几乎所有 8 位和 16 位主机,以及 GBA、NDS 乃至 N64,现在都有活跃的自制游戏社区;有些平台还有无代码方案,比如 GB Studio,麦当劳的推广游戏就是用它做的。但他提到,这些社区最近正被大量低投入的“氛围编程”游戏冲击,有些社区开始明确拒绝 AI 参与。

    MichaelRo 讲的是另一段历史:1990 年代东欧流行 NES 克隆机,名字五花八门,比如“Gold Leopard King”。当年买一盘卡带要花掉好几个月零花钱,没有网络可查,唯一能判断游戏好坏的依据就是卡带上的海报,而那些海报和实际画面几乎没关系。好在邻居们也买,大家互换卡带,他由此玩到了记忆中最好的一款:Mighty Final Fight。

    500 行 Python 写一个 3D 建模器
    底线功能

    《500 Lines or Less》系列里的“A 3D Modeller”一章,作者 Erick Dransch 用 Python 写了一个微型 3D 建模器。他先给 CAD(计算机辅助设计)工具下定义:把三维设计抽象成能在二维屏幕上查看和编辑的东西。为此需要三样基本功能:表示设计的数据结构、把设计画到屏幕上的方法、与设计交互的手段。再加上保存和加载,一个能用的建模器就齐了。

    文章用渲染过程来驱动设计决策。要在代码量小的情况下存下任意复杂的物体,数据结构就得配合简单的渲染逻辑。作者选择 OpenGL 作为图形 API,用 GLUT 创建窗口和注册回调。他明确用的是 Legacy OpenGL 的固定功能管线,通过设置全局变量就能开关光照、着色、面剔除,省掉大量线性代数细节和代码。

    这个选择在评论区引出不少讨论。有读者觉得一边用 OpenGL 这样的大库一边玩代码高尔夫有点自相矛盾;有人反驳说 OpenGL 的 API 表面本来就小,底下藏着一台复杂的状态机。一位读者指出,文章用的正是没有 shader、没有 render target 的旧式固定功能管线,所以代码才能这么短。GitHub 上的实际代码约 903 行,也比标题里的 500 行多出不少。

    场景图与坐标空间

    渲染绕不开坐标空间。一个点在不同坐标空间里有不同表示,变换矩阵负责把点从一个空间搬到另一个。模型空间到世界空间用 model matrix,世界空间到相机空间用 view matrix,作者把两者合并成 ModelView 矩阵。透视投影和视口映射交给 OpenGL 的 gluPerspective 和 glViewport。

    场景的数据结构是 Scene 类,它持有节点列表和当前选中的节点。节点是抽象基类,存平移矩阵、缩放矩阵、颜色和一个轴对齐包围盒(AABB,用轴对齐的长方体近似物体占据的空间)。HierarchicalNode 让一个节点包含一组子节点,雪人就是三个球体各自平移、缩放后组合成整体。节点因此构成一棵树,渲染是深度优先遍历,沿途用矩阵栈保存和恢复父节点的变换。这套做法就是 Composite 设计模式。

    射线拾取

    选择对象靠一条从鼠标位置射出的射线。用当前投影矩阵把屏幕坐标反投影成近平面和远平面上的两个点,连成射线,然后找与射线相交且离相机最近的节点。精确计算射线和复杂网格的交点既费代码又费性能,作者改用 AABB 近似:每个节点只测试射线是否穿过自己的包围盒。

    代价是准确度,比如球体只在包围盒每个面的中心与盒子接触,用户点在包围盒角落时会被误判为选中了球体。这种在复杂度、性能和正确性之间的取舍,在计算机图形学里很常见。

    这些构件,场景图、相对坐标空间、矩阵栈、回调系统、射线拾取,在生产级 3D 软件里都能找到。文章最大的简化在用户界面:真正的建模器需要完整界面和更复杂的事件系统。作者列出几个扩展方向:加三角网格节点、加撤销栈、用 DXF 之类的格式保存加载、接一个照片级渲染器。评论区有人推荐 Daniel Hooper 用 raylib 写的 SDF 建模器 ShapeUp,约两千行、一周完成,走的是另一条技术路线。

    相关链接:

    • All AI-generated code should be Open Source
    • Why did some Apollo missions carry a grenade launcher? (2019)
    • The MacBook Pro's OLED PWM problem
    • Court denies motion to dismiss DRAM price fixing case
    • We're Asking an Appeals Court to Require a Warrant for ALPR Searches
    • Nvidia deliberately kept GPU prices high through circular financing deals
    • The Evolving Story of How Chemistry Became Biology
    • My favourite modern NES games
    • Lutnick Pushed to Weaken Chip Rules That Overlap with His Family Business
    • 500 Lines or Less A 3D Modeller
    25 min
  • Agili 的 Hacker Podcast 2026-11-14

    今天的 Hacker News 从底层张量库到二手手机,从英伟达的投资策略到终端边框协议。Agili 的 Hacker Podcast 挑出几个值得细看的话题。

    ggml 发布 v1.0.0
    一个底层库的里程碑

    ggml 是 llama.cpp 底下那个用 C 写的张量库(做机器学习计算的底层库)。v1.0.0 清理了废弃的公共 API,移除 DIAG_MASK 操作,新增可配置的 YaRN(一种上下文长度扩展方法)截断和 FP8(8 位浮点格式)支持。CUDA、Metal、Vulkan、SYCL、OpenCL、WebGPU、Hexagon、CPU 等后端都带来一批性能改进。

    CUDA 后端增加了 batch 2 到 24 的 few-row MMQ(量化矩阵乘法),支持 OCP FP8,把 NVFP4 的 gate/up matmul 与 GLU(门控线性单元)融合进 MMQ。MoE(混合专家模型)缓存可以在 CPU 上计算一部分缓存未命中,再把结果异步拷回。HN 用户 thisisauserid 提到,如果加载的 MoE 模型略微超出 GPU 内存预算,llama.cpp 和 ggml v1.0.0 可以把不常用的专家缓存在主机内存,而不是直接加载失败。

    实际速度与社区判断

    HN 用户 jacquesm 记录了他升级前后的基准:一个 50K token 的长 prompt,运行时间从 4 分 22 秒降到 3 分 59 秒。他说每个月升级通常能带来 5% 到 10% 的速度提升,这个项目在相同硬件上不断找到加速方法。

    macNchz 用 16GB AMD GPU 加 64GB DDR4 内存跑本地模型几年,从“完全新奇或没用”变成能在真实代码库上跑 coding harness 的可用模型。他认为模型和量化制作者贡献很大,但每次拉取 llama.cpp 改动并重建都能获得更多性能和能力。dust42 认为专用推理引擎用为硬件定制的 kernel 能获得更快速度;jacquesm 回应说重点不是单项最快,而是在易用性、硬件范围、结果准确性和模型范围这些指标上综合表现一直不错,并称它是像 Linux 或 Apache 一样的基础项目。

    barrkel 同时跑 vllm 和 llama.cpp:llama.cpp 启动快,也方便本地 agent 修改;vllm 构建优化的 CUDA graph 要很久。他把大模型 glm 5.3 flash 放在 llama.cpp 上,小工具模型 Qwen3 vl 8b 放在 vllm 上,后者视觉能力常常更好,能响应前者的工具调用,而且不占大量 prefill 和 KV 缓存。thibsrn 说这个项目追求的是 Java 曾经提出的“一次训练,到处运行”。

    名字与极简哲学

    om8 调侃用自己名字命名库,GGML 的“GG”是创始人 Georgi Gerganov 的首字母。评论里很快列出 MZ、djgpp、Debian、AWK、PKZIP、jemalloc 等例子。有人提到 Linux 最初叫 Freax,Linus 觉得用自己的名字太自负,是别人改成了 Linux。

    nvme0n1p1 喜欢 ggml 的极简哲学延伸到网站,单请求 1.33 KB 即时加载,没有多余内容,准确说明项目是什么。也有用户对 llama.cpp 把 CLI 生成到服务端、将请求路由到 HTTP 的做法提出批评,认为这增加了复杂度并可能涉及遥测;批评者后来表示他们已经做了干净的 CLI。

    英伟达被指通过投资制造芯片稀缺
    报道说了什么

    《华尔街日报》报道,英伟达在黄仁勋离任前,通过投资 AI 初创公司和中小型云厂商,让这些公司用拿到的钱购买英伟达 GPU、建设数据中心。报道称,这么做是为了在超大规模云厂商转向自研芯片时维持需求旺盛的印象,并消化英伟达从台积电承诺采购的芯片。

    报道还原了 8 月的一场会议。黄仁勋与高级财务团队开会,CFO 兼临时 CEO Colette Kress 主张缩减循环融资安排,并推动收缩英伟达与 OpenAI 的 2500 亿美元交易。黄仁勋的反应是骂她“被车灯照住的鹿”。报道还提到黄仁勋的女婿 Nico Caprez 在 1 月升任副总裁,他和另一位副总裁 Raj Mirpuri 向潜在合作方推销信用支持交易,条件是云厂商分享一部分收入。到 10 月,英伟达开始收紧这类交易。

    两种解读

    支持“普通商业”的一方给出了一个平淡的版本:由于供应链瓶颈,英伟达知道自己能卖掉全部库存。它本可以继续涨价,但那样客户就只剩超大规模厂商和 OpenAI、Anthropic 等少数几家。英伟达愿意放弃一部分当下利润,换取客户群的多样性,维持 CUDA 生态的网络效应。有评论者用福特信贷类比:买车的人从福特金融贷款,这不是什么新鲜事。

    反驳集中在两点。第一,报道描述的方向相反:超大规模厂商在远离英伟达,英伟达并不确定能卖完库存,而从台积电承诺采购的芯片正像“雪崩”一样压过来。一位自称在芯片设计行业工作了 30 年的评论者解释,台积电的合同是多年预先承诺,违约罚款可能高达数十亿美元。第二,即使供应受限,增加需求也会推高价格和利润,所以这不是“放弃利润”,而是在已经垄断的市场里多赚钱。

    黄仁勋在柏林会议上讲过一个日本汤贩子的故事,被多位评论者引用。他说自己排长队喝到一碗很好的汤,想再要一碗,老板拒绝,因为排队的人太多、汤不够分。黄仁勋对围坐的云厂商 CEO 说:“他比你们所有人都更懂做生意。”

    需求是否真实

    一方说实际交期很长,小客户要等 37 周才能拿到已经发布一段时间的 HGX B300,消费者级显卡也经常缺货,说明需求真实存在。另一方说 37 周在半导体行业不算异常,真正的瓶颈是电力和数据中心空间,不是芯片。微软 CEO Satya Nadella 说过公司有 GPU 但没足够电力安装;有报道称 AWS 部分站点机架到位却没有电,还有“dark GPU”(买了但没通电的 GPU)在仓库里。GPU 稀缺不是衡量 AI 需求的好指标,已售出和已通电之间的差额可能很大。

    半导体 ETF 从春季高点下跌约 30%;OpenAI 融资不及预期;有评论者引用数据称,2026 年前九个月微软、亚马逊、Alphabet、Meta、Oracle 的资本支出合计 5569 亿美元,超过 5429 亿美元的运营现金流。另一方的回应是 AI 确实在产生真实生产力,但“技术有用”和“没有泡沫”是两件事。

    一位评论者的总结被不少人认同:无论这是正常的客户融资、激进的销售策略,还是更糟的东西,英伟达都在用资产负债表为 AI 基础设施扩张提供杠杆。当需求增速放缓、利率或信用环境变化时,这种安排的脆弱性会最先暴露。

    不占单元格的终端边框
    为什么终端画框浪费空间

    Ratatui 维护者 Joshka 发布了一个终端协议,在单元格边缘画细线。这些线是单元格属性,不占行也不占列。他已经给 Ghostty 打了补丁,更早的版本进过 Rio。

    传统做法是用 Unicode Box Drawing 块(U+2500–U+257F,128 个字符)画线、拐角和连接,问题在于这些是文字:每个线字形占一整格。16 英寸笔记本上终端大约 200x50,列还够用,行很紧张。嵌套两层的面板布局,光线条就能吃掉 50 行里的 6 到 8 行。

    还有别的限制。两个单元格都有内容时,没法在它们之间画线,想给文本框加下划线或给按钮描边只能加 padding。圆角勉强能用,但拐角字形只有一个背景色,面板背景和周围不同时,每个角会出现一个颜色不对的小方块。复制粘贴时在框里选文字会把框一起选走,粘进 Slack 还得手动删 │。单元格边框不是文字,所以永远不会被复制。

    协议怎么工作

    单元格边框像背景色一样是单元格属性。每格最多带 12 个线段:四条边各两半,加上从中心伸出的四条臂。每段有自己的颜色、宽度、位置和样式,终端把它们画在单元格网格之上。边框存在单元格里,滚动、擦除、插入、回流都跟着文字走。

    Wire format 是一个带命名空间的 DCS 字符串(设备控制字符串,终端里承载结构化命令的序列)。常见路径是画笔模式,像当前背景色一样挂在光标上,设好,打印文字,打印出的单元格就带上边框。应用发查询后跟 DA1(主设备属性查询);如果 DA1 回复先到、没有 cell-border 回复,终端就不支持,应用回退到 box 字符并预留它们需要的空间。

    共享边冲突在渲染时解决。两个相邻单元格都在公共边画线就合并成一条,优先级高者胜,其次更宽者,再次靠右或靠下者。这样聚焦面板可以抬高优先级保住整个轮廓,不管邻居的绘制顺序。

    兼容性与社区讨论

    前 Alacritty 维护者 nixpulvis 说,作为 Ratatui 用户,他不知道 padding 在不同终端里长什么样,可能宁愿关掉这个功能来保持一致。作者回:Ratatui 那个改动是隔离在自己 fork 上的纯 PoC,不会默认发布;Ghostty、Rio、kitty 可能比较容易支持,Terminal.app 永远不会,Windows 和 Linux 那边不好说。

    CJK 用户有一个额外好处:U+2500–257F 在 UAX #11(Unicode 字符宽度属性)里是 East Asian Ambiguous,终端如果配置成把 ambiguous 渲染成双宽,每个线字形就占两格,整个框错位。单元格边框不是文字,这类失败消失。有评论提醒,边框是每单元格的,但单元格不是每字形簇的,组合标记或 ZWJ emoji 序列按不同 wcwidth 表占零到多格。

    成本方面,Ghostty 的改动约 1650 行。每个单元格拿一个 16 位边框 ID,填在本来就存在的 padding 里,所以单元格没变大,没边框的屏幕不花额外成本。典型 TUI 只用少数几种去重集,最坏情况约 10-15 MB。

    tptacek 问为什么不直接做一个完整的等宽、信息密集的 UI 框架。作者说他也想,想要一个语义协议,把一堆标准整块拆掉重写。这条支线延伸到 X11、OLE 和 Emacs,也有人担心终端变成轻量浏览器,支持者回:要的是比 Chromium 轻、又能表达更丰富文本 UI 的东西。

    旧手机能不能替代树莓派
    价格对比

    作者需要一个高分辨率相机、GPS、存储和微控制器来控制灯光的项目。他原本围绕树莓派、Arducam 64MP 相机模块和 GPS 模块设计 PCB 转接板,每加一个部件,账单就往上涨。反复回到的替代方案是旧手机。

    他手上有 Redmi 13C 5G 和华为 Mate 30 5G,淘宝二手价大约 300–500 元。两台都自带 GPS、存储、时钟、电池、移动数据和触摸屏,USB-C 口还能接控制灯光和传感器的 PCB。他做了一张粗略的零件对比表:树莓派 4(4GB)880 元 + Arducam 64MP 约 400 元 + GPS 扩展板约 153 元 + 64GB microSD 约 50 元,核心约 1483 元。加上 RTC、UPS、触摸屏、4G 扩展板,全配约 2317 元,还不含电池。手机这边是 300–500 元全包。

    手机已经不只是价格推演。作者解锁并 root 了 Redmi,测试了相机,让它按计划休眠和唤醒。他做了一个支架,把 Redmi 和 Arducam 并排拍同一个目标,想看看每台相机实际能捕捉多少细节。

    替代方案与电池问题

    评论区一路是“别买 Pi,买二手迷你 PC”。多位评论者说,Pi 涨价后他们转向了联想 Tiny、戴尔 Micro、惠普 ProDesk/EliteDesk。有人提到 Wyse 3040 瘦客户端在二手市场 20–40 美元,规格和 Zero 差不多。功耗方面,有评论说迷你 PC 空闲约 8W,有些低至 4W。

    另一路在争论 Pi 到底为什么存在。有人说 Pi 的目标是给教育用途提供一块带标准 GPIO(通用输入输出引脚)的、性能尚可且便宜的电脑;有人反驳:多数人买 Pi 只是想要一台小型 Linux 服务器,并不需要 GPIO,这种情况下迷你 PC 更划算。替代做法是用一块 5 美元的微控制器开发板通过 USB 给主机当“GPIO 外设”。

    旧手机这边,评论最集中的担忧是电池。长期插着电,电池会鼓包,极端情况会起火。有人建议用软件把充电上限压到 40–80%,利用部分手机的 bypass charging 模式,或者拆掉电池、用 3.7–4.2V 电源供电并模拟电池管理系统的信号。一位评论者用 OnePlus 8 Pro 跑了两年 k3s 节点,电池暂时没事;另一位提醒手机通常知道电池“应该”有多大,电量计对不上会直接关机。

    软件支持与规模化

    软件支持是第二个坎。很多旧手机没有上游内核支持,安全更新早已停止,不同型号的固件和组件版本差异很大。评论里提到了几条现成路径:postmarketOS(现在叫 Nura)为部分机型移植主线 Linux;Nerves 把 Erlang 虚拟机打包进主线内核,有人在 Fairphone 3、Nexus 5、Galaxy S20 上跑通;Termux 在 Android 上提供 Linux 环境。还有人说 LLM 在逆向旧设备、合并内核改动、移植驱动上已经很有帮助。

    规模化是第三个问题。二手手机处在“浴缸曲线”的另一端:买一百台,会有一批在部署后不久陆续出故障,机型之间的怪癖也要逐一处理。有评论认为更稳的做法是买两三年前某款低端机的未售库存新机。

    成功案例不少。有人在 7 年旧的低端安卓上用 Termux 跑 WordPress 加 SQLite 数据库和一个 Go 写的 SSE 发布订阅服务,通过 Cloudflare tunnel 在会议上服务几十人做实时协作。有人把几台旧安卓手机组成 k3s(轻量级 Kubernetes)集群,3 个节点共 24 核、约 30GB 内存,电池限制在 80%。Citronics 在把旧 Fairphone 翻新、认证后提供给工业和商业场景。

    回到作者的项目:他要的是相机、GPS、存储和一路控制灯光的接口,这些旧手机已经全部内置。手机替代 Pi 在单台原型上很划算,但电池管理、内核支持和批量一致性才是决定它能不能从“好玩的替代”变成“可交付方案”的地方。

    EFF 谈隐私概念被再次改写
    从个人选择到影响他人

    电子前沿基金会(EFF)的 Thorin Klosowski 在 2026 年 11 月 13 日的文章里提出,科技公司正在再次改变“隐私”的含义:过去它们乐于把隐私说成个人选择,现在这些设备让一个人的选择直接影响周围所有人。

    Meta 和 Google 的智能眼镜能记录佩戴者看到的画面,或用人工智能描述画面;Apple Watch 的 Audio Intelligence 功能把每块手表变成转录工具;Amazon 的 Bee 设备可以记录并转录全部对话。还有公司推出吊坠、戒指等产品,用来记录、转录或总结我们每天说的话和做的事。

    文章承认隐私一直是“团队运动”:你用通信应用、协作软件或云备份时,选择早就影响与你互动的人。变化在于,这些选择深入物理世界,陌生人、同事、家人和朋友都成了你隐私选择的一部分。科技公司希望公众接受一种现实:一个人是否使用这些设备、是否通知他人,会迫使旁观者成为消费科技专家。

    技术承诺只覆盖设备消费者

    公司给出的技术承诺只覆盖设备消费者。Apple 会指向白皮书,说明公司与手表数据之间的技术屏障;Meta 会谈隐私控制定制,以及通过 Meta AI 交互时可能模糊人脸,但标准录制时不会;Google 也强调类似保护;Amazon 说用户始终在控制中、不存储音频,同时允许接入 Amazon 商店,让对话可以直接变成商品广告。EFF 指出,这些方案都忽略旁观者,非使用者没有技术手段保护自己,也无法选择退出。

    法律层面,EFF 建议把 Apple Audio Intelligence 和 Amazon Bee 这类产品当作一直开着的麦克风,即使公司声称“技术上没有录音”。这些工具通常仍用麦克风捕获原始音频,再转成摘要或文字稿,然后丢弃音频。执法机构最终会试图强制获取这些产品生成的数据,无论是实时音频还是摘要、文字稿。

    社会层面的问题

    技术或法律方案解决不了社会层面的问题。秘密记录成为常态,会让私人谈话失去自发性,破坏“不记录每一场对话”的长期社会规范。厂商喜欢说这些产品与手机、摄像机、录音机或纸笔没有区别。EFF 认为,那些工具需要用户主动操作,周围人也看得见;这一波被动监控设备鼓励持续监控,并隐藏使用行为。

    Google 产品管理高级总监 Juston Payne 对 CNN 谈到通知旁观者的实验时说,仅仅提醒旁观者作用不大,“它实际上会让你感到一种奇怪的无力:‘我现在该做什么?’”

    EFF 不认为这些产品不可避免。Apple 的 Audio Intelligence 以 beta 形式发布,EFF 建议用户填写反馈表。对 Meta、Google、Amazon 等产品,可以礼貌、清楚地向使用者表达不适;自己使用时,要向周围人说明,征得同意。

    HN 讨论里,curt15 提到十年前的 Google Glass 曾遭遇强烈反弹,质疑现在这批录制产品为何不该得到同样敌意。deodorel 则称这类设备在大多数欧洲国家违法。

    Unsloth 更新 Qwen3.8-27B 量化
    准确率提升与基准争议

    Unsloth 在 11 月 11 日为 Qwen3.8-27B 发布了 Dynamic V3.1 量化更新。Qwen3.8-27B 是 27B 参数的密集模型,带视觉和推理能力,上下文窗口 256K,能在 17GB 内存/显存的环境里本地运行。新版 GGUF 在相同体积下把平均准确率提高了 5-10%,覆盖 Terminal Bench、DeepSWE 等基准。2bit 到 6bit 的大多数量化都做了更新。

    文章用不少篇幅回应了 GSQ-RCO 的对比结果。GSQ-RCO 称 Unsloth 的 UD3 量化在 LiveCodeBench 上不如 ISTA 的量化,Unsloth 复测后得到相反结论。AIME25 上 ISTA 声称达到 100% 准确率恢复,Unsloth 跑了 14 次试验,平均恢复率在 93% 到 96% 之间。团队用 Math Verify 和 LightEval 复核,也试了贪心解码,仍然无法复现 100%,原因是 GPU 本身有非确定性。他们建议基准要跑多次。

    硬件与推荐设置

    硬件需求按总内存(RAM + VRAM 或统一内存)算:1-bit 7-8GB,2-bit 9-11GB,3-bit 12-14GB,4-bit 16-19GB,6-bit 23-26GB,8-bit 31GB,BF16 56GB。开 MTP 要多留 1-2GB。思考模式推荐 temperature 1.0、top_p 0.95、top_k 20、presence_penalty 0;指令模式推荐 temperature 0.7、top_p 0.80、presence_penalty 1.5。

    NVFP4 量化比 BF16 快约 1.5 倍,在 24GB 显存上运行,加了 FP8 KV cache 校准后上下文长度翻倍。它需要 NVIDIA Blackwell 架构的 GPU,目前只能在 vLLM 里跑。batch 1 时 NVFP4 达到 133.7 tok/s,BF16 是 89.8。

    Qwen3.8-2.4T-A95B 是 2.4T 参数、95B 激活的大模型。全精度需要 4.9TB 存储,1-bit 动态 GGUF 压到 397GB,小了 91%,至少需要 450GB 内存。团队把 llama.cpp 的 IQ1_S 扩展到 1.1875 bpw,命名 UD-IQ1_XXXS,不需要量化感知训练或蒸馏。

    实际使用与讨论

    评论区里,Unsloth 作者 danielhanchen 补充说 DeepSeek-V4.1-Flash 和 Qwen3.8-Flash-Next 的 GGUF 也更新了 UD3.1 量化。关于多 GPU 和多节点训练,作者说过去一个月加了 FSDP2 支持,全量微调、LoRA、QLoRA 都能用。Mac 用户问 32-64GB 内存怎么跑,作者说 llama.cpp 进步很大;有用户用 M4 Mac mini 48GB 在 LM Studio 跑 Qwen3.8 Splash,开着思考也有约 45 tokens/s。

    实际使用方面,有人在 CPU-only 模式下用 Q4、Q5 量化分析一篇 6000 词的 markdown,大约 10 分钟后开始生成,睡前启动、第二天拿结果。有人用基于 Qwen3.8-27B 的 Bonsai 2 在 Mac mini 上做深度网络搜索。也有用户认为同样的报告交给 ChatGPT 五分钟不到一美元就能完成,本地跑除了隐私没有明显优势。

    量化方案之间的比较很热闹。多位用户提到 ByteShape,说它在 24GB 以下显存的目标里更有优势,能腾出空间跑 dflash2 kernel,把速度从 15-20 tokens/s 提到 50 以上。Bonsai 2 的评价两极,有人说它多针检索不可靠,有人说它在小体积里塞进了额外调优。作者没有逐条回应这些对比,只提到量化越复杂,瓶颈会从内存带宽转向计算。

    有用户指出 Qwen3.8 很啰嗦,工具调用倾向强,token 用量是 GLM-5.2 的两倍。作者说 Qwen3.8-Flash-Next 上他们把推理长度削减了最多 50%;朴素量化会让模型在推理中反复自我纠正、变得更啰嗦,现在低比特量化多用的 token 只比 BF16 多 5%。

    3Com 是怎么消失的
    从网卡首选到退出企业设备

    3Com 在 2009 年 11 月 11 日悄然消失。这家 1979 年由以太网共同发明人 Bob Metcalfe 创立的公司,在互联网泡沫高峰期市值达到 58 亿美元,是 1980 和 90 年代网卡市场的首选品牌。3c509、3c905 这些型号对当时的 IT 人员来说很熟悉。3Com 的卡价格更贵,但驱动支持好,硬件稳定,而且在美国制造。

    一位 1980 年代中期在 3Com 工作的员工在 HN 上回忆,公司一位斯坦福毕业的制造工程师对故障率和退货率做了数值分析,结论是 3c50x 系列网卡几乎从不损坏。他据此建议提供终身保修,计算下来成本几乎为零。这个保修后来很受欢迎。

    3Com 做的第一件事是退出企业网络设备业务。分析人士一直困惑,因为这个决定并没有省钱。营收下降,客户和经销商被激怒,很多人转而购买 Intel 的网卡。有 HN 评论补充说,3Com 其实从未有过像样的路由器产品线,它的企业产品主要是局域网交换设备和网卡。

    收购与扩张的代价

    3Com 也在核心业务之外扩张。收购 US Robotics 是关键一步,后者生产调制解调器和 Palm Pilot。3Com 为这些剩余生命周期有限的产品支付了溢价。从 Cisco 达到 3Com 规模 90% 到反超一倍,只用了三年。

    网卡业务的利润率也在下降。Intel 用低价抢市场并取得了成功。更糟的是,3Com 在 90 年代末通过收购进入拨号调制解调器业务。当时所有人都知道宽带是未来,只是不确定什么时候到来。3Com 没有进入宽带业务的计划。这些都没能弥补失去的时间和错误的决策。2000 到 2005 年,公司没有盈利。

    2009 年底,惠普以 27 亿美元买下 3Com 的资产。有 HN 评论指出,现在拥有 3Com 遗产的是 HPE(惠普企业),不是 HP。Comware 交换机仍在积极开发和销售。一位用户提到他有两台 3Com 24 口交换机还在使用,HP 在二十多年后仍在发布固件。

    质量遗产与彩蛋

    HN 用户还挖出了一个 3c509 的彩蛋。FreeBSD 的驱动手册页里写着:“ep0: 3c509 in test mode. Erase pencil mark!” 这不是玩笑。如果用户把启动 PROM 配置到系统无法启动,可以用 2 号铅笔短接测试过孔,强制网卡进入测试模式,禁用启动 PROM,然后重新运行配置程序。有用户感叹,这种设计信任用户有能力自己解决问题。

    3Com 的产品质量并非没有争议。有用户回忆,3Com 卖过一款无法保存配置的网管交换机。另一位用户详细描述了 SuperStack 2700 交换机在长时间高负载和热量积累后突然重启,有时恢复出厂设置,配置全部丢失。还有用户提到 3Com 的 NetBuilder 路由器某些电源模块存在未公开的射频问题,会引发奇怪的 OSPF 故障。

    今天,3Com 的网卡在复古计算爱好者中仍然很受欢迎。Metcalfe 本人以直言著称,曾在 1996 年预测互联网会“灾难性崩溃”。他每年都在公司说“这是网络之年”,成了行业笑话,但 Metcalfe 定律本身仍然站得住。

    猴岛小英雄 13 个版本并排对照
    两套独立美术

    网站 monkeyisland.pages.dev 把《猴岛小英雄》(The Secret of Monkey Island)的 13 个版本放进同一套查看器里并排对照。制作者是两兄弟组合“The Paninos off-line”,站点声明为粉丝作品。12 个场景乘以 13 个版本,共 156 张截图。每个版本取同样的 12 个时间点:标题画面、瞭望台、码头、SCUMM 酒吧内外、海盗特写、LeChuck 的幽灵船等。

    真正独立的美术只有两套:EGA(Enhanced Graphics Adapter,16 色)和 VGA(Video Graphics Array,256 色)。评论区 mjg59 指出,EGA 跑在 CGA 或 Hercules 上是把同一套美术抖动(dithering)降色,VGA 跑在 EGA 上同理,其余平台大多从 EGA 或 VGA 里挑更合适的一套改。networked 拿“海盗特写”做证据:Atari ST 的图明显移植自 EGA 版,Amiga 基于 VGA。karteum 惊讶于 32 色的 Amiga 版离 256 色 VGA 不远,而 Atari ST 落后,更像 EGA。

    版本规格与查看器

    站点列出了每个版本的硬规格。1990 年 10 月 PC 软盘 16 色版:8 张 5.25 英寸或 4 张 3.5 英寸低密度软盘;Hercules 720×348 单色;EGA / VGA / Tandy / MCGA 320×200 16 色。1991 年 Amiga 版 4 张盘,Michael Land 的配乐由 Chris Hülsbeck 和 Rudolf Stember 在 Rainbow Arts 转成 TFMX 格式;Atari ST 版音乐走 Yamaha YM2149 芯片,3 个方波声道加噪声。1992 年 PC CD-ROM 版换成 9 动词图标界面;Mac 版 640×400 画面塞在 640×480 屏幕里所以有黑边。

    截图用 ScummVM 抓取,Atari ST 单色版来自 Hatari 模拟器。查看器支持 1x、2x、4x 和 CRT 缩放,可以并排、交换、复制链接。CRT 滤镜是把 DOSBox Staging 的着色器移植到 WebGL2,PC 和 FM Towns 走 31 kHz VGA 显示器,Amiga、ST、Sega CD 用 15 kHz 电视预设。

    怀旧与讨论

    CGA 的青色、洋红、黑、白四色唤起不少回忆。tjeerdnet 说当年看这配色只觉得“冷”,EGA / VGA 才让他觉得暖,游戏从那时起才活起来。simonjgreen 从 CGA 直接跳到 VGA,“像有人在精确黑暗的房间里一下打开了所有的灯”。

    谈到美术,g-b-r 和 nayroclade 都认为 EGA 才是“真正的版本”。nayroclade 说 Steve Purcell 和 Mark Ferrari 用 16 色做到的是天才,256 色版加了细节,却丢掉了 EGA 的大胆和优雅。hit8run 当年有 Amiga 原版,一直纳闷为什么朋友的 PC 上画面不同,小时候以为是 CRT 显示器差异,没想到是 16 色与 256 色的区别。

    FabCH 提醒严格来说并不全:周年重制版没有收录。怀旧话题延伸到别的冒险游戏。有人推荐《Return of the Obra Dinn》和《The Case of the Golden Idol》,supermatt 提醒 Obra Dinn 更接近逻辑推理游戏,没有物品栏和对话树。

    相关链接:

    • Ggml v1.0.0
    • Nvidia allegedly engineered scarcity by funding AI startups to buy its GPUs
    • Terminal borders that don't cost a cell
    • Why get an expensive Pi when I have an old phone?
    • Monkey Island: all 13 versions side by side
    • What happened to 3Com?
    • Unsloth Qwen3.8-27B Quantizations – Dynamic v3.1 Update
    • Show HN: Live map of U.S. flights during tonight's FAA nationwide ground stop
    • Tech companies are trying to shift the concept of privacy again
    • How Not to Build a Music Player
    31 min
  • Agili 的 Hacker Podcast 2026-11-13
    FAA 发布全国地面停飞令
    停飞令与在空航班

    美国联邦航空管理局(FAA)在 2026 年 11 月 13 日下午 3 点 54 分(美东时间)发布全国地面停飞令,所有离场航班暂停,理由是“特殊情况与安全原因”。警报没有给出更多信息,只说“所有离场航班应保持地面停飞,直至另行通知”,国际入境航班“逐案处理”。

    停飞令发布时,实时航班追踪服务 Flightradar24 的数据显示有 4,042 架飞往美国目的地的航班正在空中。国土安全部长 Markwayne Mullin 说目前“没有迹象”表明有“恶意”行为,他将原因归于电信中断。参与处置的机构官员告诉 NBC News,调查仍处早期,没有看到通常与网络攻击相关的活动类型。

    到下午 6 点,弗吉尼亚州阿灵顿的里根华盛顿国家机场已达到容量上限,芝加哥奥黑尔国际机场接近上限。有消息人士说,飞机滞留在跑道上,部分航班被分流到其他机场的可能性在增加。纽瓦克自由国际机场的控制塔人员在 LiveATC 音频中说,情况“现在一团糟”,“空间快用完了”。一名管制员说:“我和其他人一样一无所知。”

    技术层面的指向

    Hacker News 的讨论把注意力放在受影响的具体系统上。有评论指出,出问题的是空中航线交通管制中心(ARTCC),即美国 18,000 英尺以上空域的连续管理区,不是机场塔台。航班在这些中心之间移交,直到下降接近目的地才转给进近管制和塔台。有人贴出 FAA 的顾问通告:由于“全国通信故障”,所有航路中心的飞行计划提交时限从 60 分钟延长到 240 分钟。管制员的无线电发射机大多通过电话或互联网远程操作,有评论提到 FAA 正在将雷达多路复用器从 TDM 串行接口迁移到 IP 接口。

    实时追踪数据也被人盯着。一名用户说,他在 ADS-B Exchange(广播式自动相关监视的公开追踪平台)上筛选 1000 到 80000 英尺的飞机,数量从约 12,000 架降到 9,400 架,22 分钟后降到 8,400 架。关于国际航班“逐案处理”的含义,讨论的猜测包括让飞越大西洋途中较近的航班返航、让快到的航班降落,或者只是降低流量。

    SMART 工具引发的争议

    讨论很快转向一个时间点:FAA 在 11 月 10 日宣布,在华盛顿特区完成测试后,将在全国 22 个中心的空域使用名为 SMART 的 AI 工具,以减少延误、降低油耗。有评论者问,这是不是“AI 空管工具仓促全国推广”的结果。开发 SMART 的波士顿初创公司 Air Space Intelligence(ASI)在 X 上声明,当前地面停飞不是基于、也不是 SMART 系统或 ASI 任何产品的结果。

    争议没有因此平息。有评论引用 Politico 的报道:FAA 在 6 月授予 ASI 一份价值最高 8.759 亿美元的合同,并推动持有该公司部分股份;国会二十多名议员要求 FAA 暂停在华盛顿地区启动的 90 天评估,称存在“严重缺乏透明度”的问题。全国空中交通管制员协会(NATCA)表示,它没有参与 SMART 的设计、测试或实施,并认为任何新技术都应补充而非取代管制员的经验、训练和专业判断。

    历史对照与后勤难题

    全国性地面停飞极为罕见。2001 年 9 月 11 日恐怖袭击后,FAA 下令史无前例的全国停飞,所有民用航空交通停止,空中飞机就近降落。2023 年 1 月,FAA 因航行通告(NOTAM,向飞行员提示潜在危险的系统)故障停飞所有航班,事后查明是承包商删除了文件。有评论提到 1960 至 1962 年 NORAD 的 Sky Shield 演习,当时美加民用航空在全境停飞数小时;1962 年之后航空流量太大,这类全境停飞不再进行。

    航空安全专家 Jeff Guzzetti 说这次中断“非同寻常”,他不知道什么会导致这种情况。他强调飞行员受过通信中断训练,有冗余措施,可以通过其他方式接收信息,确保飞机间隔。他说局面正从安全问题变成大规模后勤问题:机场挤满试图降落的飞机,地面飞机无法起飞,可能得滑到滑行道停靠。

    LibreOffice 说自己 365 天都能用
    一条推文与同一天的宕机

    LibreOffice 的官方 X 账号在 2026 年 11 月 13 日发了一句话:“LibreOffice 实际上全年 365 天都能用。只是说说。”这条推文拿到 70,853 个赞、9,470 次转发和 983 条回复。它顺带讽刺了当天 Microsoft 365 的服务中断,评论里有人提到邮件系统停了,也有人调侃 Claude 同一天宕机。

    讨论很快转向离线版本的实际状态。用户 kencausey 指出 Microsoft Office 的本地版本一直正常,2024 版这周还在更新。raegis 反驳说,版本最终会停止更新,到时还得再花 250 美元买新版。jsLavaGoat 把话讲得最直白:没人“需要”新功能,但所有人都需要安全更新。gambiting 仍在使用 Office 2016,至今没遇到打不开的文档,close2 提醒他那意味着没有安全补丁了。

    周二打印 bug 的旧账

    用户 fweimer 翻出 OpenOffice 在周二无法打印的著名 bug:生成的 PostScript 文件里有一行 %%CreationDate: (Tue Mar 3 19:47:42 2009);CUPS 把文件复制到临时文件后,用 file 命令识别类型,而 file 会在第四字节发现 “Tue” 时,把文件误判成 “Erlang JAM file - version 4.2”,于是打印失败。把 “Tue” 改成任何别的字符串,文件就能打印。问题根源是 file 工具本身(Ubuntu Launchpad #248619),跟 OpenOffice、CUPS 和 Brother 打印机驱动都无关。

    有评论补充,创建日期是 PostScript 格式的约定,写进去是为了满足格式要求,并不是让打印机知道今天星期几。ivanche 觉得拿 2008 年的 Ubuntu bug 来谈 2026 年的 LibreOffice 没什么意义,其他人提醒说这本来就是顺着玩笑讲的段子。

    讨论里最有生活气息的一条来自 c0l0:他每年 12 月都会按 Microsoft 365 个人版一年的价格,向 LibreOffice 的托管方 The Document Foundation 捐一笔钱,称之为“让人心里暖洋洋的传统”,并附上捐款链接。有人建议他联系官方,把这件事做成“订阅式定期捐款”活动。

    兼容性和界面

    兼容性是最集中的疑问。SoftTalker 估计兼容度在 95% 以上,他五年来没在 Word 文档上出过问题,报税用的 Excel 表格在 LibreOffice 里也跑得通。sugarkjube 说这几年进步明显,远没有十年前那么麻烦。raincole 只回了一个 “No”。tonymet 的讽刺得到不少人认同:它好用到了你必须把文档导出成 Word 格式,文档才有价值。

    界面是另一条主线。emsixteen 直言 UI 糟透了,hk__2 说自己装了 LibreOffice,但宁愿把文档导进 Google Docs。cvhc 的看法更细:Google Docs 除了协同编辑,能力大致相当于在线的 WordPad,只支持 Word 的子集,遇到排版复杂的文档就打不开;LibreOffice 支持更多 Word 特性,但不够精致,还会出现 Ctrl-Z 恢复不了排版的情况。adrian_b 说 Writer 比老版 Word 好,老版 Word 比新版 Word 好,但 Excel 明显强于 Calc。

    启动速度被单独拎出来讨论。unpopularopp 说 Windows 上 LibreOffice 要 4 到 5 秒才起来,是他日常软件里唯一明显慢的一个,连恢复几百个标签页的 Firefox 都只要 1 秒。

    迁移成本

    迁移成本是讨论里最冷静的部分。rvz 举了三个例子:Twitter/X 宕机时几百万人等着它恢复,而不是留在 Mastodon;GitHub 再不稳定,几千万开发者也不会自建;ChatGPT 和 Claude 每月挂几次,用户照样回去,而不是换成本地模型。M365 出事之后,同样的情况会发生在 Outlook 和 Teams 上,因为所有邮件和工作都在里面。

    wtch98 从管理视角说得更直接:选 M365 的 CTO 不会因为宕机被追责;选 LibreOffice 的公司就算当天照常办公,也处理不了跟其他公司的协作文件,而且任何一次用户操作失误都会被算到 CTO 头上。替代方案里被反复提名的是 OnlyOffice,两位用户说它在 Linux 上的体验和兼容性都比 LibreOffice 好,Scoring6931 提醒它本质上是网页版的封装。

    IceWM:一个 1997 年的窗口管理器还在发版
    项目定位

    IceWM 是 Marko Maček 在 1997 年用 C++ 写的 X Window System 窗口管理器,目标从第一天起就没变:快、简单、不挡路。项目现在在 GitHub 上维护,采用 GNU LGPL 许可证;页面标注的最新版本是 4.1.0(2026-08-06)。Debian、Ubuntu、Arch、openSUSE、Gentoo、Slackware、CentOS、antiX、NixOS 和大多数 BSD 都提供安装包。

    它把桌面需要的东西做在一个进程里:任务栏带分页器(pager)、全局和按窗口的快捷键、动态菜单。窗口可以最小化到任务栏、托盘、桌面,或直接隐藏;多显示器通过 RandR 和 Xinerama 支持。它还带一个可选的外置壁纸管理器、简单的会话管理器和系统托盘,支持 DockApps、标签页窗口、窗口自动升起和工具提示。主题从 box-look.org 能下 450 多个,另有一个 91 款精选的合集;界面翻译覆盖三十多种语言。

    今天谁还在用

    评论区不少人第一反应是怀旧,但好几位用户说自己今天还在用它。一位用户把它当作无图形界面远程桌面系统的低资源桌面,看重的是“一个单元全包”:面板、应用菜单、窗口管理器开箱即用,不需要配置。另一位在 xrdp 服务器上用它,从笔记本、iPad、Android 手机远程连工作站;也在 Xvfb 里跑浏览器再用 VNC 访问时拿它当默认窗口管理器。

    有人拿它做音频工作的主桌面,跑 Reaper 和 Wine 应用;有人在 Pinetab 2 上用它。还有人 2004 至 2005 年在一家已不存在的商业 Linux 发行版工作,默认桌面就是 IceWM,桌面背景和文件夹交给 GNOME 的 Nautilus,在各类客户机器上都跑得动。一位从 MangoWM 转来的用户说,试过很多平铺窗口管理器(tiling WM,自动把窗口铺满屏幕),最后发现简单的浮动窗口管理器最适合自己的终端、Thunar、Reaper 和 Wine 应用,“它能让我专注在真正重要的事情上”。

    配置与界面的具体摩擦

    缺点也很具体。一位用户说配置 IceWM 让人头大,比如想删掉所有工作区就是做不到;另一位去试了,发现最少只能设到两个工作区,可以在 ~/.config/icewm/prefoverride 里改,或者干脆解绑切换工作区的快捷键。有人嫌界面停留在另一个年代:主菜单层层嵌套、到处没有留白、窗口阴影难看。回复里有人说“没有留白是特性”,有人建议把字体调大(MenuFontNameXft 之类)会好读很多。

    网站本身被吐槽得不少:首页只有命令行安装步骤,一张截图都没有。截图都放在 /screenshots/ 页面,有人说那些主题合集有 90 年代 Winamp 皮肤的感觉。一个反复出现的观点是:折腾桌面配置的热情会过去,最后想要的是稳定的默认值、一致的行为,以及别来烦我。

    X11 与 Wayland 的分歧

    讨论很大一部分滑向 X11 与 Wayland。有人说 IceWM 只支持 X11,而 X11 正在变成遗留技术;反驳是 Xorg 进入维护模式,但 X11 协议本身没问题。支持 Wayland 的人举的例子是 4 GiB 内存的平板跑 Wayfire 全帧率、X11 那套驱动的开销省掉了;反对的人列的是实际问题:没有像 wmctrl 那样可移植的脚本接口,截图和屏幕共享依赖各合成器(compositor)自己的扩展和桌面门户(portal),窗口放置控制缺失。

    对 IceWM 来说,这些争论落成一个具体判断:没有 Wayland 合成器是迁移障碍,有人提到 SteppeWM 可能接棒。一个 1997 年的窗口管理器还在发版,还有人给它写配置、报 bug、做主题。需要一台能远程登录、开箱即用、几乎不吃资源的机器时,它仍然是现实选项。

    Edge0-145B:把大模型装进笔记本
    模型与架构

    Edge0 开源了 Edge0-145B 和 Edge0-120B 两个模型,以及配套的推理框架和部署工具。145B 版本是目前参数规模最大的开源端侧模型,官方称它能在符合条件的笔记本上本地运行,峰值内存 29GB,解码速度超过 80 tokens/s,预填充速度超过 1,100 tokens/s,典型功耗约 120W,上下文长度 128K 到 256K。

    模型结构上,Edge0 让每组 64 个专家共享两个大矩阵,每个专家只保留少量差异化参数。145B 总参数里,每次推理只有约 10B 参与计算。训练阶段就按端侧架构设计,而不是先训云端模型再压缩。加载时把 GPU 显存、系统内存和 SSD 组成三级流水线:常用“热专家”留在显存,约 40GB 的专家库放在系统内存,约 48GB 的词表数据放在 SSD 按需读取。调度上 GPU 算缓存专家、CPU 并行处理剩余工作,配合投机解码(一次验证多个候选 token),把读取权重的成本摊到更多输出 token 上。

    基准与演示

    基准测试中,Edge0-145B 在 DeepSWE 1.1 得 64.6,高于 Qwen3.8-Flash-Next 的 58.7 和 DeepSeek-V4-Flash-0731 的 54.4;Terminal-Bench 2.1 得 86.52;GPQA-Diamond 得 90.4;IFBench 得 80.6;AA-LCR 得 79.3。六项基准平均 72.8 分,对应 29GB 实测峰值内存。作为对比,Qwen3.8-Flash-Next 平均 71.7 分,标准 4-bit 部署的内存占用估计约 70GB。

    演示覆盖了几类完整工作流:一小时内生成特斯拉 Roadster 飞行原理的科普视频;在 Blender 里一小时内搭出曼哈顿城市场景;用一句指令写出让真实无人机穿过障碍、寻找红色背包的程序;在 KiCad 里从零完成一块双层板布局。这些任务需要几十轮规划、写代码、调试和截图检查,本地推理不为这些额外轮次支付云端 token 或 API 费用。

    社区的三个疑问

    最核心的一点是来源。Edge0 的 GitHub 仓库和 Hugging Face 页面都写明模型基于 Qwen3.8-Flash-Next,推理引擎 edge0-strata 是 Strata 项目的分支。有评论认为,微调模型、改架构、fork 推理引擎在社区里很常见,也不被隐藏,但官网用大量营销语言把这件事包装成全新工作,观感不好。另一位用户提醒,针对特定基准微调很容易把分数做高,实际使用未必优于基座模型。

    内存口径也引起争论。文章说 29GB 峰值内存、能在 48GB 笔记本上运行,但技术细节里还有 40GB 系统内存和 48GB SSD 数据。有人算出实际总内存接近 70GB,认为“29GB”只覆盖了显存部分。平台支持是另一个槽点:文章写 macOS、Windows、Linux 首日支持,但能跑 120B/145B 的引擎目前只支持 CUDA,AMD 的 HIP 支持也坏了,Edge0 App 只有 Windows 版。一位用户在 DGX Spark 上实测,模型花了 8,000 多个 token 仍没给出连贯答案。

    硬件门槛与真实体验

    有开发者分享用其他模型做 PCB 布局布线的经历:元件密度低时看着不错,密度一高,模型会卡在当前的布局层里反复挣扎,不会像人一样退一步重新选封装,最后还是得手动改大部分原理图。Blender 场景的评价类似,工具调用能力进步明显,但 agent 生成的设计往往很乱,清理时间可能抵消节省。

    硬件门槛的讨论里,有人认为 64GB 内存的笔记本、RTX 4090/5090 这类设备对普通用户仍然昂贵;也有人觉得趋势比当下快照更重要,一两年前本地只能跑玩具模型,现在高端消费硬件已经能跑 100B 级模型。还有评论纠正标题里的“前沿”说法,认为更准确的说法是“部分前沿能力”。

    Brave 搜索 API 接受 agent 用稳定币按次付费
    x402 怎么工作

    Brave 给 Search API 接上了 x402 协议,开发者和 AI agent(智能体)可以按次付费调用它的独立搜索索引,不用注册账号、选套餐、管 API key。x402 端点按请求收费,不走身份认证。不带付款的请求会收到 HTTP 402 Payment Required,响应里写明这次搜索的价格和付款所需的信息。

    agent 签一笔对应金额的 USDC(一种与美元挂钩的稳定币)付款,附在重试请求上;付款验证通过后搜索执行,结果和 Base 链上的交易回执一起返回。Brave 自己跑 facilitator(验证并结算付款的服务),目前收 Base 上的 USDC,之后会支持其他网络和稳定币。价格沿用公开费率:LLM Context、网页、新闻、图片、视频、本地搜索都是每 1000 次 5 美元,合每次 0.005 美元。上手最省事的路径是装 Stripe 做的 CLI 钱包 Purl,充 Base 原生 USDC 就能查。

    付款的人在哪

    讨论里最集中的问题是:协议有了,付款的人在哪。ddxv 在一个爬虫很多的站点上实现了 x402,至今没见到一笔交易。他提到 Reddit 上有人开玩笑说,往 x402 里投钱的只有测试它能不能用的人。embedding-shape 说,他见过很多网站实现协议支持,但没见过哪个爬虫软件真的支持它。

    怀疑落在动机上。heavensteeth 说,爬虫以前免费抓,现在也能继续免费抓;缺不缺付款方式不是重点。Joel_Mckay 认为工业级抓取已经太晚,没人会主动给商业模式加一项可变成本;爬虫大不了跳过你的主机。happosai 补了一句,AI 爬虫已经在付钱给灰色住宅代理网络,x402 至少把钱挪给对的人。买家用起来方便,是支持一方的主要理由。nojs 说自己所有本地 agent 的网页搜索工具调用都这么接,不用登录、不用管账号。

    价格与微支付心理

    价格是另一个火力点。the_duke 算了一笔账:一次 ChatGPT 会话很容易做 30 次网页搜索,按这个价就是 0.15 美元。他还提出搜索经济学的问题:搜索一直靠广告养着,当大多数搜索由 agent 发起时,广告模式怎么办。gkbrk 给了横向对比:Kagi API 每千次 12 美元,结果更好;Exa 每千次 4 美元;SerpApi 走 Google 是 75 美元 5000 次。Roark66 说每千次 5 美元贵了至少 10 倍。

    微支付的心理学讨论很热闹。wmf 说人讨厌微支付,除非它被藏起来。NiloCK 区分了“被展示出来的微支付”:开灯也是一次微支付,但账单来时没人注意,因为中间没有单独授权那一步。howunfortunate 从行为心理角度反驳“按使用付费很吸引人”:人会把负面体验合并、把正面体验拆开,所以宁愿买不限量套餐,也不愿按次花 3 美元租片。IanCal 的比喻是加油和每开一英里都要批准的差别。

    加密信任与缺失的产品环节

    加密货币那层信任问题是另一半争议。makingstuffs 说 USDC 这类稳定币没给用户银行式的追索渠道,往钱包里充真钱让 agent 自己决定怎么花,他不放心。cowlevel 提醒稳定币发行方有冻结资金的历史,假如 Kagi 被 Google 起诉抓取,一纸禁令就可能冻掉相关 USDC 账户。origini 嫌流程太重:对 99% 的人来说,第一件事是搞懂 x402、Purl、Stripe 做的 CLI 钱包和 Base 原生 USDC 分别是什么。

    有人补了产品上缺失的一环。brodydung 说 0.005 美元一次看着不多,但 agent 第一次结果不合意会用不同措辞重搜,每次重试都是一次付费调用;去掉 API key 也去掉了每月账单这个观察窗口。他想要按任务设上限、客户端对近似查询去重缓存、跑完能审计的回执账本。没有这些,付款变方便的同时,超支也会变得更容易。

    Claude 停机两小时,把工作流依赖摆上台面
    事件经过

    状态页记录,11 月 13 日 Claude 出现错误率升高,问题被描述为用户登录 claude.ai 和 Claude Code 时遇到故障,影响 claude.ai、Claude Console(platform.claude.com)、Claude Code 和 Claude Cowork。UTC 09:58 开始调查,11:05 部署修复并转入监控,11:58 标记为已解决,前后约两小时。

    用户 Topfi 说,这取决于你的工作,它要么是“成年人的雪假”,要么是近期最大的压力来源。他回忆起五年前 Office 365 频繁短时故障时的场景:高层分得清哪些问题本地 IT 能修、哪些不能,而今天要面对的是“可这是我们的邮件”和“但我们买了 Claude”这类会议。

    工作流里的位置

    对不少团队来说,影响只是小麻烦:换个方式干活,或者等一会儿。有人借机练习“用老办法做事”以保住技能,希望每周有半天不用 LLM(大语言模型),但从生产力角度很难说服自己。也有人早有准备:DeepSeek 的服务挂了就切到备用供应商,Claude 不行就临时换 Codex,还有人提到本地跑的 Qwen 和 DeepSeek,只是设备一次只能跑一个 agent。

    依赖程度的讨论更直接。一种观点是,就算 Claude 停一个月,只要团队里有足够多能干的开发者,进度慢一点也能继续。用户 brabel 的体会相反:现在合并 PR 前要过两个 AI 审查员,“它们抓到的 bug 多到人类抓不出来”,没有 AI 感觉像回到蛮荒西部。还有人担心项目知识大量沉在 agent 工作流里,真要找回来得花不少时间。

    登录环节和原因猜测

    登录环节是抱怨的集中点。许多会话被强制重新登录,随后出现 “OAuth request failed / Temporarily unable to authenticate”。有人不满只提供魔法链接(magic link,发到邮箱的一次性登录链接)和 Google SSO(单点登录),没有密码选项;手机上没有那个邮箱,就得开电脑取链接。也有人指出 SSO 当时同样不可用,并建议支持通行密钥(passkey)。

    故障原因在评论里没有定论。Microsoft 365 当时也在报故障,GitHub 同样受影响,有人因此猜测两者相关,甚至怀疑 Claude 有实例跑在 Azure 上;另一些人看到的是 Cloudflare 返回的 403 “attention required” 页面,怀疑问题出在 CDN(内容分发网络)一侧。意大利、法国图卢兹、迪拜和德国都有用户报告,随后陆续有人说恢复了。因为当天是 13 号星期五,玩笑占了不小篇幅:“Microsoft 364”、“Office 364.3789…(估算值)”,以及“用 Claude 修 Claude 的故障算不算递归自我破坏”。

    Switcher:20 小时写出 Mac 的多任务切换
    灵感来自一台 IBM PC

    1984 年 10 月 11 日,Andy Hertzfeld 和 Thunderware 的 Tom Petrie 开车去 Hillsborough,给 Byte 杂志演示 Thunderscan,他为 Macintosh 做的低成本高分辨率扫描仪。评审是 John Markoff,当时为《旧金山纪事报》写科技报道。Markoff 一边提问一边用 IBM PC 做笔记。电话响了,他按了一个组合键,屏幕瞬间切到另一个程序,讲完电话又按组合键切回来。

    Andy 问他是怎么做到的。Markoff 说他跑的是 Memory Shift,一个 DOS 实用程序,让多个应用驻留内存并快速切换。Andy 脱口而出:“我觉得我可以为 Macintosh 做这个。”512K Macintosh 几周前刚出货,内存是原版四倍。他之前想过同时跑多个应用,被低内存冲突挡住;看到 Memory Shift 后,他觉得自己看到了一个简单的实现办法。

    Tom Petrie 在开车送他回家的路上提醒他先完成 Thunderscan 的 alpha 版。他们列了十几项任务,Andy 估计两周内能做完。之后他可以短暂休假做应用切换,再回来在 11 月底前完成 Thunderscan 1.0。

    Microsoft 的邀约

    几天后,Microsoft 的 Macintosh 应用团队经理 Jeff Harbers 打电话来,说 Microsoft 有一个很有战略意义的项目,认为 Andy 是理想人选。在西雅图,Jeff 和 Neil Konzen(23 岁,Microsoft 的 Macintosh 主系统程序员)接待了他。Andy 提到自己正准备做应用切换的实验,Jeff 的下巴差点掉下来:“这正是我们想跟你谈的!”

    Microsoft 的解释是:他们在 128K Macintosh 的狭小空间里把应用优化得很好,这是他们眼中的关键竞争优势。512K Mac 会让应用可以变大,削弱这个优势。Lotus 刚宣布了为 512K Mac 做的集成应用套件 Jazz,能快速在不同功能区间切换。但如果 Mac 能同时跑多个应用,Microsoft 应用的小内存占用就继续有利。

    下午的行程以与 Bill Gates 的私下会谈收尾。Gates 先恭维他,然后开始估算:这个项目不会超过 10,000 行代码,一个厉害的程序员每周至少写 1000 行,所以不到 10 周就能完成。接着问薪水:“我们这里给最好的程序员每周 2000 美元左右。你觉得你该拿更多吗?”他最后说最多每周 4000 美元,10 周就是 40,000 美元。Andy 不想签,说他想完全独立地写,Microsoft 不用付钱;如果做成了,它应该随每台 512K Macintosh 捆绑。Gates 换了策略:他不在乎 Microsoft 是否拥有它,只要他们的用户能用。

    20 小时原型与滚动动画

    那天晚上回到 Palo Alto 的家,Andy 决定先写一个概念验证原型。用户界面还没做,程序硬编码运行 MacPaint、MacWrite、MacDraw 和 Finder。他连续写了 20 个小时,核心方法是打补丁陷阱(patch traps,修改系统调用的入口,让调用先跳到自己的代码)来扩展几个关键系统调用。最困难的部分是遍历所有低内存位置,确定哪些需要交换。

    Bud Tribble 看到演示后印象深刻,但抱怨切换几乎瞬间完成,太快了。“从一个应用切到另一个,没有任何反馈,可能会让人困惑。如果有人不小心切错了呢?也许可以用动画让过渡更平滑。”他们决定让一个应用水平滚出屏幕,另一个滚入,给用户一个直观理解:应用围着一个类似餐桌转盘(Lazy Susan)的圆盘,转一下就能把想要的应用转到可见区域。

    演示的反响很好。Steve Carlson 记得在纽约 Mac 用户组(NYMUG)的演示,大约 500 人坐在 42 街 CUNY 的礼堂里。Switcher 演示完,全场起立尖叫欢呼,是他见过最热烈的反响。

    Jobs 的 10 万美元

    1985 年 1 月初,Apple 的第三方布道师 Guy Kawasaki 打电话说 Apple 有兴趣买 Switcher,第一步是安排给 Steve Jobs 演示。Andy 走进 Jobs 办公室时有些忐忑。他觉得 Switcher 对 Apple 至少值 25 万美元,但确信 Jobs 不会付那么多。他演示了 MacWrite、MacPaint、MacDraw 和 Finder 之间的剪切粘贴,几秒钟完成以前要几分钟的事。

    Jobs 打断他:“够了,很棒。Apple 会把它随 Mac 捆绑。恭喜。”然后停顿,用强烈的目光盯着他:“但我不想你利用这个局面。我不会允许你利用 Apple。”Andy 开始生气:“程序才完成一半,如果我觉得你付得不公平,我就没动力完成它。”Jobs 又盯了他几秒,说出一个数字:“十万美元。”Andy 只能接受。他最终和 Guy Kawasaki 谈成:10 万美元,加上如果 Apple 单独销售 Switcher 则付批发价 10% 的版税。Jobs 发誓 Apple 永远不会单独卖,但版税最后又给了 5 万美元。

    完成 Switcher 比开始做它难得多。最难的是让 Microsoft 的应用平稳运行。部分原因是他们的应用指令用伪代码编码以节省空间,崩溃时无法反汇编,Andy 最后靠单步穿过他们的解释器来调试,每次六条指令。他还加了中止功能:在垂直消隐中断里监控特定组合键,让用户杀掉当前挂起的应用。他选了 shift-command-option-period,Jeff Harbers 后来说 Microsoft Word 在用这个组合键,第二天又回电话撤回请求,因为他们找不到安全的替代方案,“我们似乎已经用遍了所有组合键”。

    逆向工程 Coway 空气净化器,把控制权拿回本地
    动机:一个晚安场景

    Scott 家的 Coway Airmega IconS 空气净化器,是他为了把风扇接入 Apple Home 的“晚安”场景才换的。2017 年山火频发,湾区很多没做气密的老房子都买了这类净化器;他妻子后来习惯开着风扇当白噪音睡觉,于是“晚安”一键关灯并把风速拉高,成了刚需。旧款 Airmega 没有 Wi-Fi,坏掉后他买了已停产的 IconS,能用 Wi-Fi 控制。

    现有的 Home Assistant 集成由社区成员逆向手机 app 写成,原理是冒充 Coway 的 iPhone app,轮询云端状态、经云端下发指令,再由 Home Assistant 桥接到 Apple Home。问题在于这套方案把控制权交给了 Coway 服务器。作者列举了它每年坏一两次的原因:Coway 嫌集成请求太频繁封过它,社区交涉后才解禁;app 从 IoCare 改名 IoCare+ 重写,集成得跟着重写;集成抓取的 HTML 布局一改就挂;他还因为跑旧版集成被 ban 过账号,等了几周才恢复。

    中间人拦截的意外发现

    他多年没动手做本地化,因为中间人拦截(MitM,让设备把流量发给自己的服务器)搭建麻烦,还得伪造证书骗过设备。两个变化让事情变得可行:2026 年 10 月,有人发现受信任的证书机构 eMudhra 部分私钥参数极弱,Ian Carroll 在 X 上称“接下来几天或几周,任何人都能拿到一个根证书机构(CA)”;另外大语言模型能在几分钟内搭好整套 MitM 环境。

    真正的发现比预想更简单。设备在配网时通过明文 HTTP 从 S3 下载 AmazonRootCA1.pem,说明它根本没有内置根证书,只是下载公钥来校验后续 HTTPS 连接,也就是说,它一直都可以被中间人拦截。作者写了个 mitmproxy 插件,把这份证书替换成自己生成的 CA,设备随即完整连上,暴露出向 Coway 证书服务器请求设备证书和私钥的 HTTPS 流量。再往下是 8883 端口上的 MQTT over TLS(MQTT 是物联网常用的消息总线协议),连接的是 AWS IoT。

    蓝牙配网与 coway-local

    蓝牙配网流程也被完整还原。作者打开 Android 的 HCI snoop log(蓝牙调试日志),用 adb 让 AI 驱动手机、读日志、反编译 Coway app,再把源码和日志对上。流程是:从特征值 FFA0 读出设备 MAC 等身份信息;往 FFA2 写入 "P001" + protobuf(Protocol Buffers,一种数据序列化格式),其中 key 是 20 个随机小写 ASCII 字母;把 key 与 MAC 地址的 12 个大写字符拼成 AES 密钥;把包含 SSID、密码、caUrl、certSvrUrl 等字段的配置 payload 加密后写入。AI 大约 20 分钟跑完,手工做预计要几小时到几天。

    关键收获在 payload 里:caUrl 和 certSvrUrl 由配网方指定,直接把它们指向自己的服务器,就完全不需要 MitM 了。作者据此写了 coway-local 这个 Home Assistant 自定义集成,用 Web Bluetooth 在浏览器里完成配网,之后设备直接通过 Wi-Fi 与 Home Assistant 通信,再桥接到 Apple Home。

    讨论:糟糕设计与替代方案

    评论区的讨论从安全细节延伸到产品文化。有人问 Coway 为什么用明文 HTTP 下载证书,多位从业者给出相近的猜测:固件当年没设计更新机制,换证书时把设备变砖过一次,于是改成按需拉取,用 HTTP 是为了避免先有鸡还是先有蛋;外包团队只求解决眼前问题,品牌方把软件当成物料清单里的螺丝。也有人指出,明文分发证书本身符合 PKI 设计,浏览器和 apt、Steam 都这么干,真正的问题是无条件信任下载来的证书。

    净化器本身也引发了争论。不少人推荐 Corsi-Rosenthal Box:20 寸箱式风扇加四片 MERV13 滤网,CADR(洁净空气输出比率)高、成本不到 100 美元,缺点是客厅里摆着难看。有人主张 HEPA 风阻大、噪音高,MERV13 对灰尘和花粉足够;也有人反驳说 Coway 最高档实测约 53 分贝,安静、耐用十年,第三方滤网生态成熟。至于“空气净化器为什么要连 Wi-Fi”,支持者说能看空气质量曲线、做自动化、调白噪音;反对者说智能插座控制非 Wi-Fi 型号就够,但那样只能开关,调不了风速。

    几位评论者担心这个窗口不会一直开着。厂商迟早会用 AI 加固固件、做 DRM 红队测试,现在这批容易破解的设备可能变成“2027 年前可 Hack”的收藏品。

    相关链接:

    • FAA issues national ground stop
    • LibreOffice actually works 365 days a year
    • IceWM
    • Nvidia employees petition to bring back Jensen Huang
    • Edge0-145B: Frontier AI Capabilities on Your Own Computer
    • Brave Search API now accepts agentic payments via the x402 protocol
    • Elevated errors on claude.ai, Claude Code, and platform.claude.com
    • Switcher (2004)
    • Former Nvidia CEO Huang had a relationship with a second employee, sources say
    • Reverse engineering my Coway air purifier to ditch the cloud
    24 min
  • Agili 的 Hacker Podcast 2026-11-12

    今天的话题从英伟达的权力交接和 Anthropic 的上市路演,到 Apache 的一个严重漏洞和 GitHub Actions 的锁定方案。这是 Agili 的 Hacker Podcast 的每日整理。

    黄仁勋辞任英伟达 CEO,董事会启动继任遴选
    辞职与临时安排

    英伟达 CEO 黄仁勋周四辞职。此前他与两名女性的关系曝光,其中一段涉及公司直接下属,董事会压力迅速升级。英伟达任命 CFO Colette Kress 为临时 CEO,并任命 1993 年就加入董事会的风险投资人 Harvey C. Jones 担任公司历史上第一位董事长。消息公布当天股价开盘跌 14%,收盘跌幅收窄至约 4%。

    63 岁的黄仁勋是英伟达最大个人股东,《福布斯》估计其身家超过 1500 亿美元。董事会表示会考虑内部和外部候选人。Kress 2013 年出任 CFO,此前在思科工作三年、在微软工作十三年。

    董事会治理的缺口

    HN 讨论里,一位自称律师的评论者说,与直接下属的关系通常本身就构成解雇理由,否则公司可能面对性骚扰和治理责任。更让董事会紧张的是信息是否被隐瞒:如果第二段关系是从别的渠道得知,性质就从私德变成信任崩塌。

    用户 matwood 说,一家四万亿美元市值的公司没有像样的继任计划,说明治理长期缺位。也有评论认为 CFO 临时接管是危机中的标准做法,负责稳住财务和华尔街,直到永久 CEO 到位。

    CUDA 的长期赌注

    对黄仁勋领导力的评价分成两半。有人反驳“换谁都一样”:他在 CUDA(英伟达的并行计算平台)上持续投入十多年,把图形处理器(GPU)计算做成生态,这类长期赌注不常见,AlexNet 用的就是英伟达的卡。用户 lexarflash8g 提醒 Brian Krzanich 的先例,担心把创始人工程师换成 CFO 出身的继任者,会把公司带向下一个 Intel。评论里被议论的永久 CEO 人选包括 ARM CEO Rene Haas 和 CUDA 创造者 Ian Buck。

    Anthropic 启动 IPO,招股书里写着 12 倍增长
    招股书里的数字

    Anthropic 把 IPO 信息放在 ipo.anthropic.com。路演 11 月 10 日开始,发行价预计 11 月 18 日确定,11 月 19 日在纳斯达克挂牌,代码 ANT。2026 年第三季度营收 170 亿美元,同比增长超过 12 倍;过去 12 个月付费超过 10 万美元的客户超过 11,900 家。调整后营业利润率 15%,营业利润率 -3%。净亏损 233 亿美元,其中 219 亿是非现金支出,来自可转换票据、衍生品负债和 SAFE(未来股权简单协议)的公允价值变动,估值上涨在账面上记成了亏损。

    客户案例给了五家。Legora 服务 1500 多家律所,一项独立研究显示每位律师每周省下 4.3 小时非计费时间;礼来 5 万多名员工可用 Claude Enterprise;乐天新功能上市时间从 24 天缩到 5 天;Salesforce 每位开发者有效产出同比 +151%;沃尔玛通过 Sparky 下单的客单价高出约 35%。

    为什么是现在

    HN 的讨论基本没在聊这些数字,而在追问:如果模型真的接近递归自我改进(RSI,指模型自主改进下一代模型),为什么现在上市?

    用户 panarky 摆了一串先例:Apple、Amazon、Intel、Google、NVIDIA、Tesla 都是在拿到改变世界的产品之后不久就上市,没有等主导地位。用户 aeternum 说得更直接:模型好 20% 但算力只有对手一半,照样输,时间和资本都算数。还有一层更人性的解释:IPO 的决策者们在挂牌那天会变成千万或亿万富翁,把这件事尽早做成、避开崩盘或丑闻的风险,符合他们的利益。

    护城河之争

    用户 plaidfuji 认为模型是商品,但公司级切换没那么容易,最终形态更像 AWS 或 GCP。这条判断被大量反例顶了回来:有人说 LiteLLM 这类网关已经能让 Claude CLI 指向任何模型,有人说自家财富 500 强公司 30 天内把一万名员工的 Claude 换成了 Copilot。反方指出,很多大企业的流量走内部网关到 Bedrock,Anthropic 在那套生态里存在感很弱。

    递归自我改进的定义分歧

    讨论的分歧落在定义上。有人引一篇文章区分“弱递归”(用软件造软件)和“强递归”(把模型研发整个交给 AI),认为目前只发生了前者:模型把实验成本压得很低,但设计不了实验。有用户说自己试过让 LLM 循环自我改进代码,最后都退化成一团垃圾,问题在于目标要能被清晰度量。也有人认为关键是反馈回路,给模型“理论、改动、测试、评估、回滚重试”的闭环,它就能在机器速度上解决问题。

    Apache HTTP Server 的 HTTP/2 模块曝出远程代码执行漏洞
    漏洞与影响范围

    Wiz 披露 Apache HTTP Server 的 mod_http2 存在严重竞态条件漏洞,编号 CVE-2026-119618。问题出在 assign_headers() 函数处理共享资源时的同步缺陷:并发线程可能破坏堆内存,远程未认证攻击者由此可以执行任意代码(RCE,远程代码执行)。Anthropic 和 Google Cloud 的漏洞研究团队各自独立发现了它。影响范围是 2.4.55 至 2.4.70,修复版本为 2.4.71 及更新版本,从 GitHub 单独获取的 mod_h2 模块 2.0.8 至 2.0.42 同样受影响。Wiz 的云环境数据是 64% 的云环境包含受影响的资源,51% 有公开暴露的实例,这组数字没考虑具体配置。

    一行补丁

    补丁改动只有一行:把 apr_table_setn(req->headers, ...) 改成 apr_table_setn(r->headers_in, ...)。评论指出 req 在这个函数里以 const h2_request * 传入,本意是只读共享,代码却通过它写了数据。有人翻出四年前的一次重构,当时 Transfer-Encoding 那一行改对了,Content-Length 这一行漏了。同一个函数里 r 和 req 两个变量都代表请求的不同表示,命名本身就在制造混淆。

    暴露面比数字温和

    多条评论指出 HTTP/2 在 Apache 里默认并不启用:Ubuntu 22 LTS 的打包版本没开 http2 模块,RHEL 8/9 也没开。用 mpm_prefork(PHP 部署常见的选择,cPanel 和 WordPress 官方 Docker 镜像都默认用它)的实例同样碰不到这个竞态。不过 event MPM 从 2.4 起就是默认,不能一概而论。Debian 已经发布修复包 apache2 2.4.71-1~deb13u1。

    披露节奏与工具

    有人问为什么各发行版还没出包就公开了。评论提到 Linux 内核维护者 Greg KH 的说法:现在一个 LLM 报出漏洞,同一天常有另外几个模型报到同一个 bug,延迟披露的意义在下降。另有评论说用 deepseek 花了 7 分钟、0.02 美元就让模型找出这个 h2 竞态,再对修补后的版本跑一遍则失败。

    GitHub Actions 有了工作流锁文件
    从哈希钉死到锁文件

    GitHub Actions 的工作流锁文件(workflow lockfile)在 2026 年 10 月 28 日转为正式可用。过去的标准建议是把 action 钉到完整的 commit SHA,原因是 tag 可变,攻击者可以把一个安全的 tag 指向恶意代码。新流程是先给 gh CLI 装扩展(gh extension install github/gh-actions-lock),在仓库里跑 gh actions-lock,工作流里的引用变回 v7.0.1 这种可读的 tag,同时生成 .github/workflows/actions.lock。锁文件里记录了每个 owner/repo@tag 对应的 ref、commit、owner_id 和 repo_id。Renovate 和 Dependabot 都已支持。

    锁文件没覆盖的地方

    zizmor 的维护者 woodruffw 指出几个缺口:只锁普通的 action 调用,可复用工作流(reusable workflow)仍需手动哈希钉死;composite action(复合 action)通过调用它的工作流被间接锁定,gh actions-lock 的默认行为会删掉它自身的哈希钉死;uses: 里的 Docker 镜像形式不在覆盖范围内;action 内部再去 npx ... 或 docker pull abc:latest 这种内部可变性,GitHub 管不到。结论是一套“全都锁上”的配置,不等于 100% 不可变。另一位用户提醒 runs-on: ubuntu-latest 同样指向一个会变的镜像。

    要不要让 tag 不可变

    评论区对“干脆让 tag 不可变”意见很集中。有人认为哈希钉死只是把“信任仓库所有者不移动 tag”换成了“信任合并那个 commit 的人核对过它是正式发布”。也有人建议 GitHub 强制要求发布到 Marketplace 的 action 使用不可变 tag。还有人说自己继续用 pinact run -u 加 Dependabot 提醒,或者干脆自建 Jenkins,但立刻被反驳 Jenkins 的漏洞密度不比 GHA 低。

    Jane Street 开源了一份苏格拉底式导师提示词
    它怎么工作

    Jane Street 在 GitHub 的 agent_skills 仓库里发布了一份 socratic-tutor/SKILL.md,约 100 行 Markdown,让 LLM 按苏格拉底式(通过连续提问让学习者自己推理)方法做私人导师。它先把主题拆成 4 到 10 个子技能,用 3 到 5 个由易到难的诊断问题定位,之后用 0 到 5 级标注技能地图,等级每变一次就重画。教学时一次只问一个问题,问完立即结束消息,不附提示或答案。答错时追问更窄的问题,连续 2 到 3 次失败才直接解释。等级要通过实际表现获得,跨 2 次以上独立检查,其中至少一次是无提示回忆。全部子技能达到目标等级后,再跑一场覆盖所有子技能的综合评估。

    用起来怎么样

    HN 上最常见的反应是“这不新”,有人说 GitHub 上搜“socratic tutor skill”能返回 92 个仓库。实际使用反馈偏正面:有人拿它读一本密集的哲学书,15 分钟就精疲力尽,但认为效果不错;有人说这个 skill 最大的作用是阻止模型习惯性地手把手喂答案,核心效果用一句话就能复现:“当用户答错时,不要给答案,问一个更窄的问题,暴露其推理中的矛盾。”

    学习效率的争论

    批评集中在课程和状态。做过课程的人指出,LLM 从零搭渐进课程很差,经常把后面才解释的概念提前塞进来,课程越大越乱。也有人提醒上下文会退化,提示词再细,模型也会跑偏或开始幻觉。关于学习效率,有评论搬出 Bjork 实验室关于“合意困难”(desirable difficulties)的文献,认为让 AI 代写、代想、代总结,等于跳过思考;另一些用户说 LLM 的价值是随时补上卡住你的那块背景知识,比如学数字信号处理时补数学,比翻书快得多。

    为什么写正确的软件这么难
    从停机问题到 Rice 定理

    这篇文章从可计算性与复杂度理论出发,给了一个强硬的回答:程序与“完全理解”在本质上冲突。停机定理说不存在一个算法能判定任意程序是否终止,证明使用对角化。Rice 定理更进一步:对部分函数的任何非平凡性质,都不存在算法判定一个程序计算的部分函数是否具有该性质。文章举了一个很小的程序:2016 年 Adam Yedidia 和 Scott Aaronson 构造了一个图灵机,其行为独立于 ZFC 公理系统,Stefan O'Rear 后来把状态数减到 1919。几百行代码的程序,就可能无法用现有数学证明其行为,不是分析太复杂,而是数学本身不够强。

    验证方法的取舍

    文章把验证方法归成几类:模型检查器自动、通用,适合硬件和嵌入式实时系统,但受状态爆炸制约;演绎证明精确,所以复杂度不低,实际项目通常边写程序边证明;抽象解释放弃精度,换取自动化和可处理性,代价是可能回答“不知道”;类型系统可以看作抽象解释的一种。结论不是放弃验证,而是把验证放回成本与收益的框架里。

    经验主义的方向

    作者主张借鉴物理学:基本方程简单,三体相互作用却混沌。既然无法验证所有程序的所有性质,就应该经验性地研究人类实际写出的程序。内存安全是好例子。多伦多大学 2014 年对分布式系统的研究发现,92% 的灾难性故障来自对非致命错误的错误处理,58% 的故障本可以通过简单测试错误处理代码发现,一个简单的 linter 本可预防 Cassandra、HBase、HDFS 和 MapReduce 中 33% 的灾难性故障。

    讨论里的补充

    有读者从金融行业经验出发,认为强学术背景的团队有时把形式证明推到阻碍进展的程度。也有人指出,传感器数据本质上是概率性的,形式证明只能保证给定输入后的行为。关于 AI 和 LLM,一派认为 LLM 基于符号推理,受同样的理论限制;另一派认为 LLM 能帮助生成程序,形式化成本会下降。比较一致的是:即使工具变强,理解问题、界定规范和选择验证目标仍然需要人。

    技术性修正值得记下:1919 个状态的图灵机直接编码需要 6237 字节,超过 4KB 挑战的限制,后续搜索已把独立于 ZFC 的图灵机状态数降到 215。忙碌海狸 BB(6) 的下界已从文章中的 7.4×10^36534 更新到 10↑↑10↑↑10↑↑8。关于哥德尔,有读者提醒:不完备定理说的是单一有效形式系统无法解决所有可表达的问题,而不是每个数学问题都永远无解。

    把 systemd 启动过程画成一棵实时生长的树
    它做了什么

    bootvine 把 systemd(Linux 的初始化系统与服务管理器)的启动过程画成一棵实时生长的树,显示在开机控制台上。作者 Willem Vanhulle 把它托管在 Codeberg,主体用 Rust 写成(占 85%),终端界面基于 ratatui,仓库有 158 个星标、101 次提交,最新版本 v0.1.3。它占用一个专用的虚拟终端(VT),在独立线程里通过 libdbus 订阅 systemd 的作业状态,按启动阶段分节,用珠链式的时间线展示依赖和先后顺序。某个 unit 失败时,界面会给出失败原因和它在 journal 里的最后几行日志。

    社区反应

    有用户说这个界面漂亮,一眼就能看清 systemd units 的状态,应该成为所有发行版的默认开机画面。讨论很快转向 systemd 本身:有人恨得咬牙切齿,但认为这是第一次觉得它也许能稍微被赎回一点;有人列了部件太多、做太多事、和其他服务抢地盘等问题。反方认为部件数量正好,现代操作系统要覆盖的东西本来就比 1970 年代的 Unix 多得多。具体分歧落在 cron 和 systemd timer 上:一位资深同行说三十年里没见过 cron 自己死掉,而 systemd 的 timer 死过,systemd 还没去重启它。

    93% 的颜料飞溅是合法的 Perl 程序
    研究方法

    2019 年 4 月 1 日,一篇题为《93% 的颜料飞溅是合法的 Perl 程序》的论文发表在 SIGBOVIK 上。SIGBOVIK 是卡内基梅隆大学每年愚人节前后举办的恶搞学术会议,论文的起点是 Jake Archibald 在 Twitter 上的一个玩笑回复。作者收集 100 张颜料飞溅图片,用光学字符识别(OCR,把图片里的文字转成字符串的软件)读出每张图上的字符,再交给 Perl 解释器判断。结果显示 93% 的飞溅能被解析为合法 Perl 程序,作者还列出了 7 个反例。论文获得了当届的“不知情参与丝带”,官方评语称其“推动了开放科学与富有成果的拖延”。

    为什么这么多飞溅合法

    大部分飞溅之所以合法,靠的是 Perl 的无引号字符串(unquoted strings):一串字母数字字符不加引号也会被当作字符串解析。比如一张图被 OCR 读成 ME,在 Perl 里就是字符串 “ME”,换作其他语言多半会报语法错误。论文正文里还埋了彩蛋:Figure −3 这个编号本身就是个玩笑,对应的图片在 Perl 里求值为数字 −3。

    讨论与延伸

    评论区的分歧集中在“这到底说明了什么”。有读者认为结论完全取决于用哪个 OCR,如果换更准的 OCR,数字会大不一样;另一些人指出这正是笑点所在:空文件 touch temp.pl 本身就是合法 Perl,争论 OCR 精度反而绕开了重点。技术侧的讨论延伸到别的语言:Java 的 properties 文件只有在包含非法 Unicode 转义序列时才无效;PHP 5 和 7 有无引号字符串,PHP 8 取消了。也有怀旧:有人 2003 到 2004 年用 Perl 写过一个约 20 万行的网络管理系统,听说那家公司还在用。

    Microsoft 365 大面积服务降级
    现场细节

    微软 365 状态页显示服务降级:用户可能无法连接多个 Microsoft 365 服务。页面特别说明,信息之所以发布在这里,是因为管理员可能连不上管理中心(admin center)去查服务健康状态。同一时间 Azure 状态显示未检测到问题。

    HN 讨论补上了现场细节:Outlook 本身没问题,是 Exchange 出了状况;URL 扫描完全停摆,SharePoint 有间歇性失败;Teams 还在工作,或者说它表现得和平时一样。有用户贴出实际的 SMTP 退信:451 4.3.2 Temporary server error. Please try again later。技术侧有人解释:新版 Outlook 访问被弃用的本地服务器要靠 IMAP,却强制经 outlook.com 云端代理,于是一批以为在自托管邮件的客户也一起下线。

    状态页本身也挂了

    有用户说这篇公告也打不开。有人评论,做不出一个在被监控服务宕机时扛得住高负载的状态页,这恰恰是状态页存在的唯一理由。也有人提醒 Downdetector 这类服务在大范围云故障时总是显示“几乎全挂”,一部分原因是用户并不清楚自己实际在用哪家服务。

    相关链接:

    • Jensen Huang resigns
    • Nvidia is preparing to oust Jensen Huang
    • 93% of paint splatters are valid Perl programs (2019)
    • Anthropic IPO
    • Socratic Tutor
    • Critical RCE Vulnerability in Apache HTTP Server
    • Lock Your GitHub Actions
    • A live tree of systemd jobs on the boot console
    • Why writing correct software is hard and why math (alone) won’t help us (2016)
    • Service degradation on Microsoft 365
    19 min
  • Agili 的 Hacker Podcast 2026-11-11

    今天 Agili 的 Hacker Podcast 从 AI 智能体在丛林里找遗址,到一位工程师在自家 Mac 上藏好 SSH 私钥;从 8 位时代的堆栈技巧,到 Python 社区送别一位传奇。

    AI 智能体重新发现一座玛雅遗址
    72 小时从旅行到政府回信

    Pietro Miotti 是 Google 的软件工程师。10 月 18 日他在秘鲁旅行,用 Gemini 聊当地历史,知道了 Hiram Bingham 1911 年“发现”马丘比丘的故事。他问:如果 Bingham 有今天的工具,会怎么做?几个智能体给出的答案一致:激光雷达(lidar,用激光脉冲穿过树冠缝隙测绘地面的技术)。

    他把约 1200 平方公里的玛雅丛林激光雷达条带转成图像,让 48 个智能体像极有耐心的考古学家一样逐张看图,寻找金字塔、平台和广场,同时排除自然山丘、天坑和道路。一夜之间,它们标出多个疑似村落。其中一个位于悬崖顶、被森林完全覆盖,边缘笔直、拐角分明。放大看,那里有平整的广场、至少 8 到 12 米高的椭圆形金字塔、抬升的庭院,以及一个可能是雨水蓄水池的平底凹坑。智能体还检查了原始点云,确认形状来自地面而不是树冠。

    10 月 20 日他把报告翻译成西班牙语发给墨西哥国家人类学与历史研究所(INAH),21 日收到回复:该位置没有登记在册的考古遗址。

    “发现”还是“重新发现”

    文章在 X 上传播后,有人指出 Tulane 大学的 Francisco Estrada-Belli 等人 2025 年的论文已经测绘过这个遗址,发表于 Journal of Archaeological Science: Reports,开放获取。作者 11 月 11 日更新了文章:智能体查文献时漏了这篇,所以这是“重新发现”,不是“发现”,它只是还没进 INAH 的登记册。作者本人在 HN 上也确认了这一点。

    评论区认为仍有意义:独立复现验证了原发现,也证明这套方法可以走到发现。做历史研究的 benbreen 说,他用智能体研究历史时,它们常常只读了约 80% 的已有研究就声称“新颖”,而要真正支撑新颖性至少得接近 100%。评论者 nerevarthelame 补充,Estrada-Belli 的研究是一个更大的人类学评估的副产物,其主要结论是精英与平民的居住地非常接近、关系比此前认为的更复杂,和作者用 Gemini 生成想象图后猜测的“地方精英市中心”相反。

    数据、盗掘与归功

    技术讨论集中在成本和方法上:为什么用 48 个智能体、能否用单个 LLM 搭流水线做图像分类。有人提醒,这个故事更应归功于 NASA 的激光雷达数据、长期公开的数据,以及英国等地早已由业余爱好者用同样数据发现大量遗址。hanoz 建了全英第一个在线激光雷达地图 lidarmap.uk,靠它发现的罗马别墅、堡垒、环形土墙几乎每周都有人报告。

    一个反复出现的担忧是:如果真把全球扫一遍、让智能体标出所有异常结构,盗掘者拿到同样的坐标只会更快。考古发掘本身具有破坏性,最好的保护常常是暂时不动。有人反驳说,数据已经放在那里,盗掘者迟早会自己用。有现场经验者指出,该遗址距一条路只有约 250 米,当地村民很可能早就知道。

    作者留下的结论是 “You can just do things”:“我不是考古学家,所以不知道这事本该有多难。”

    用 macOS Secure Enclave 保护 SSH 私钥
    文件权限之外没有保护

    作者的私钥就躺在 ~/.ssh/ 目录里,除了文件权限外没有任何保护。任何拿到文件系统的恶意脚本都能把它复制走,进而登上他所有的服务器。他提到网上有不少假面试作业的案例,要求你克隆仓库并在本地运行,这也是他全面转向 devcontainer(开发容器)的原因,但光靠 devcontainer 还不够。

    他真正想要的是硬件方案:私钥从物理上无法导出,哪怕 Mac 完全沦陷也拿不到。YubiKey 5C 他手头有,但还是想先试试原生方案:不用多带一个硬件,也不用维护第三方软件。

    六步配置

    macOS 从 Sequoia 开始支持 Secure Enclave 托管的 SSH 密钥。Secure Enclave 是 Mac 芯片上与主处理器隔离的安全子系统,私钥在里面生成,永远不会离开。第一步用 sc_auth 创建身份:

    sc_auth create-ctk-identity -l "ssh-MacBook" -k p-256-ne -t bio

    -k p-256-ne 指定 NIST P-256 曲线、密钥不可导出,-t bio 要求每次使用都走 Touch ID。作者最初报错 Failed to get bio catacomb UUID,发现是 Touch ID 录入被重置了,重新录入指纹后解决。

    第二步导出一个 key handle,这个文件不是私钥,只是让 SSH 去请求 Secure Enclave 签名的引用:

    ssh-keygen -w /usr/lib/ssh-keychain.dylib -K -N ""

    第三步在 shell 配置里设置 SSH_SK_PROVIDER=/usr/lib/ssh-keychain.dylib。第四步拿到公钥。作者特别提醒,网上很多教程让你用 ssh-add -K,这个参数已经废弃,替代它的新参数只适用于传统 macOS Keychain,对 Secure Enclave 密钥无效。第五步把公钥复制到服务器的 authorized_keys。

    第六步改 ~/.ssh/config。这里有个坑:SSH 不会自动发现 id_ecdsa_sk_rk 这种文件名,只认 id_rsa、id_ed25519、id_ecdsa 这些标准名,需要在 config 里显式写出 IdentityFile ~/.ssh/id_ecdsa_sk_rk。如果同时用 1Password 的 SSH agent,可能会冲突。

    Touch ID 弹窗与替代方案

    让作者最不满的是弹窗文案。Touch ID 对话框写的是 “ctccardtoken needs to authenticate to continue”,而不是“SSH 想使用你的密钥”之类的人话。这个弹窗来自 CryptoTokenKit,一个没为终端用户打磨过的底层框架。他建议所有密钥都用 -t bio:不启用的话恶意软件可以静默使用密钥,启用后至少每次使用你都知道。

    Secure Enclave 密钥和具体的 Mac 绑定,机器坏了密钥就没了,这是设计的必然结果。他建议在服务器的 authorized_keys 里同时放 Secure Enclave 密钥和一把备份密钥。文章结尾说他转向了 Secretive,同样把密钥放在 Secure Enclave,但提示框更好看,还支持按密钥单独设置。

    评论区:指纹疲劳与无头场景

    一位用户讲了 WireGuard 在 macOS 上的翻车经历:某次系统升级后 app 启动崩溃,日志显示 Unable to open config from keychain: -25300,然后 app 把所有配置当成“孤儿”删掉了,理由是“keychain 一致性”。这个 bug 至今还在。

    有人质疑作者的威胁模型:如果恶意脚本已经能读你的文件系统,它为什么不直接趁你下次 ssh 时下手?回应是,Secure Enclave 加 Touch ID 挡住的是“静默使用”,每次签名都会弹窗。指纹疲劳是反复出现的话题,一位用户说每天 20 次指纹请求之后,看到弹窗就按,根本不看是谁在请求。

    无头场景也是个坎。mavam 指出,agentic 开发需要密钥时人往往不在电脑前,Secretive 在你没登录时访问不了 enclave。jon-wood 反驳说,人不在时访问不了 enclave 是特性不是 bug。jwr 顺着这个思路说,他用 YubiKey 十年了,AI 时代物理在场反而成了优点:没有他插着 key、按一下,任何 AI agent 都碰不到生产服务器。

    一次 8 位时代的性能 hack:把两个堆栈指针变成图形搬运工
    卡在背景重绘

    Tom Moertel 在 2013 年回忆大学时帮朋友优化一款 8 位 PC 横版游戏。画面已经塞进机器,循环展开、去掉多余绘制都做了。瓶颈在背景重绘:每个 28×28 像素图块,每像素 4 位,图块每行 14 字节,屏幕缓冲区每行 160 字节。朴素例程每行 157 个周期,动作卡顿。

    朋友先把内层循环完全展开,用固定偏移代替 3 周期的后自增,把每行降到 98 周期,整块 2893 周期,比朴素版快 60%。还是不够。

    PSHS 与 PULS

    Tom 去工程图书馆翻《MC6809-MC6809E Microprocessor Programming Manual》,发现 PSHS/PULS 一条指令就能把 D、X、Y 等寄存器压栈或出栈。他让 S 指向图块、U 指向屏幕,把两个堆栈指针当成源和目的指针,再加上 DP 寄存器,一次搬 7 字节。一行 14 字节两次搬完,加指针调整只要 56 周期,整块降到 1689 周期。

    这套搬法有副作用:堆栈的压入和弹出方向相反,图块会上下颠倒,每行的两个 7 字节块还会左右互换。他把图块预处理成“按 7 字节块逆序”存放,绘制时的错位正好把图块还原。预处理只需做一次。

    中断来敲门

    音效带来了新问题。朋友开了硬件定时中断给 DAC(数模转换器)送样本,中断发生时处理器会往系统堆栈压状态,而复制例程已经把 S 抢走并指向参考图块,参考图块被写坏。

    两人去全天候餐馆想办法。朋友提出把 S 和 U 对调,让 S 指向屏幕缓冲区,中断要破坏就破坏屏幕。之后他们又把图块绘制顺序改成从右到左、从下到上:中断污染的是当前图块前面的内存,下一块图画过去就会修好,而屏幕缓冲区在画完并等到垂直刷新后才显示,玩家看不到。

    HN 上有人把这段和《The Story of Mel》并提,但更偏爱 Tom 这篇,因为它讲的是理解机器的快乐,不是传说。也有人感叹,这种在极慢机器上反复压榨、把想法硬塞进去的过程,正是 AI 时代缺少的。

    Tim Peters 去世,Python 失去了它的“Timbot”
    从 PEP 20 到混合算术

    Guido van Rossum 在 Python 官方论坛宣布,Tim Peters 于 2026 年 7 月 15 日去世。他写道,很难高估 Tim 对 Python 的影响。

    Tim 最广为人知的身份是《Python 之禅》(PEP 20)的作者,那段短诗至今可以通过 import this 在解释器里看到。Guido 记得更早的事:Tim 在 Python 最初发布后不久就找到它,做的第一件事是说服 Guido 让 int 和 float 支持混合算术,因为大多数用户会期望它们这样工作。

    Timsort 与底层设施

    2002 年,Tim 为 Python 列表设计了 Timsort,一种结合归并和插入的混合排序算法,后来被 Java 和 Android 采用。他在 2001 到 2014 年间担任 Python 软件基金会董事。

    Neil Schemenauer 在论坛帖子里列了一份清单:Tim 把 Vladimir Marangozov 的 pymalloc 打磨成型;大幅优化了 dict 对象的算法,写了 dictnotes.txt;循环垃圾回收器由 Neil 写了初版,Tim 把它打磨得健壮高效;简单生成器也是 Neil 写了初版,Tim 把 PEP 和实现都放到了坚实基础上。doctest 的初版、difflib、pickletools、tabnanny 都出自他手。float 对象和 math 模块得到他的特别关注,longobject 里的 Karatsuba 大整数乘法算法也有他的工作。

    耐心、幽默与“Uncle Timmy”

    他在 Python 邮件列表上以“Timbot”的绰号闻名,来自他无数耐心细致的回答,里面总带着温和的幽默,标着 或 <0.5 wink>,常说自己是在替 Guido 传话。

    Chris McDonough 描述 Tim 没有半点架子。留着灰色长发、浓密胡子,穿着工装风格,要不是早知道他是计算机天才,会以为他是个摩托车手或机械师。Chris Angelico 说 Tim 从不把人当白痴,总是回答和解释。Pablo Galindo 回忆 Tim 审阅他的代码,会以令人难以置信的耐心过他的补丁,解释方式总让你觉得自己聪明而不是迟钝。

    论坛上有人提到,Tim 在最后阶段被 Python 指导委员会禁言。Steve Holden 写道,Tim 没有让这件事影响他帮助别人的意愿,直到最后都在展现这一点。David Mertz 说,自从得知消息,每个缺少 Tim 评论的帖子下面,他都会叹口气、掉一滴泪。

    Tim 的最后一帖在讨论标准库排序数据结构时写道:“这一切都是在啰嗦地说明,现实世界比我们干净的抽象所期望的要复杂得多。”

    AWS 发布官方本地模拟器
    不用账号,不用付费

    AWS 把 AWS Emulator 放上了 GitHub 和官方文档站。它是一个本地模拟 AWS API 的程序,请求发到模拟器而不是 AWS,不需要 AWS 账号,也没有额外服务费。你按平常的方式写代码,只是用环境变量把 AWS CLI 或 SDK 的端点指过去。它没有图形界面,定位是构建和测试,文档写明不要用于生产负载或安全测试。

    上手有三条路:给 AI 编码代理装一个 skill,用 aws agent-toolkit add-skill --skill-name aws-emulator --region us-east-1;服务器模式在 Linux 上装 RPM 或 Debian 包,Windows 和 macOS 用 Dockerfile 构建容器;嵌入模式面向 Rust 测试,把模拟器作为 dev-dependency 引入,每个测试跑一个隔离实例。从源码构建需要 Rust 工具链、C 编译器、至少 100 GB 空闲磁盘给 target/。

    保真度分数

    每个 release 的 releases 页会发布保真度分数,仓库的 issues/ 目录跟踪单个差距。社区有人把 v1.0.322 的 scores.json.gz 和评估套件清单对起来,算出通过率:DynamoDB 69%、SQS 68%、S3 62%、Lambda 53%、EC2 40%、CloudFormation 36%、Athena 22%。这些数字衡量的是行为检查的通过率,不是 API 表面覆盖率。

    安全是明确的短板。AWS 文档说不要用模拟器测试 IAM 策略和权限边界、基于资源的策略、KMS 密钥策略、跨账号或跨区域访问。模拟器只对在它内部创建的 IAM 用户和角色做部分策略评估,它从不拒绝用自己的密钥签名的请求。

    两万九千次提交与 agentic 开发

    有 AWS 员工在 HN 上回复说这是会维护的正式产品,并指向发布博客和 CTO 的推文。怀疑没有消失:有人觉得公告谈的是“几千个自主 AI 代理写了每一行代码”,却没有维护承诺和兼容性矩阵,更像一次科学实验。

    仓库三周前初始化,已有 29,684 次提交,GitHub 的代码频率图因为提交太多无法生成,contributors 列表为空,提交作者是 IssueFinderAgent 这类代理身份。支持者认为这恰好是 agentic 开发最合适的场景:任务边界清晰,可以用真实 AWS 的请求和响应做验证,属性测试(property testing,用生成的大量输入检查程序是否满足某个性质)和中间人代理能给出明确反馈。反对者说这看起来像 vibe slop,担心没人真正读过代码。

    关于 API 变化,有人担心模拟器跟不上 AWS 的更新节奏。回应是 AWS 的服务模型已经用 Smithy 描述,客户端从 Smithy 生成,模拟器也用每个服务的 Smithy 模型驱动线上协议,至少能覆盖每个端点的字段和变体。

    和替代品的关系绕不开。LocalStack 从 2026 年起免费版仅限非商业使用;Floci 支持 AWS、GCP、Azure;Ministack 是针对 LocalStack 的 vibe-code 替代品。AWS Emulator 的卖点是官方维护、CC0 许可、嵌入 Rust 模式,以及基于 Smithy 模型的覆盖。

    Apple 的 Harbor:把 Mac 变成私有 AI 推理服务器
    插上线就能组集群

    爆料者 Aaron Perris 发现,Apple 正在开发一款名为 Harbor 的 Mac 应用,目标是把 Mac 变成一台私有的 AI 推理服务器(inference server,指专门运行模型、响应请求的机器)。Harbor 让用户在 Apple 芯片上本地运行开放权重模型(open-weight models,指权重公开、可自行下载部署的模型),数据不离开本机硬件,也不上传云端。用户还可以用 Thunderbolt 5 连接多台 Mac,把统一内存(unified memory,CPU 与 GPU 共享的内存池)汇聚成一份推理资源,运行单台机器放不下的大模型。

    应用强调三点:插上线就能用,自动通过 Thunderbolt 5 发现设备并组建集群;应用内可以浏览、下载、加载模型;两台以上支持 Thunderbolt 5 的 Mac 可以组成集群。Harbor 目前挂在 Apple 旗下 Claris 品牌下做私有预览,公开发布的时间还没确定。

    Apple 是赢家还是输家

    HN 上一条讨论线是 Apple 在 AI 时代的位置。有用户认为 Apple 会是这一章的赢家:模型蒸馏(distillation,把大模型的能力压缩到更小模型里)在持续奏效,同等能力需要的参数越来越少,Apple 显然押注这条路。

    用户 aurareturn 认为 Apple 是输家:iPhone 和 App Store 的主导地位会被 ChatGPT、Claude 这类助手削弱,很多生产力应用正被生成式 AI 取代,服务商也在让 AI agent 直接接入,不必经过 App。反驳角度是生意本身:App Store 收入约占 Apple 总营收的 6 到 7%,利润率约 75%,折算到总利润的 15 到 20%。Apple 也能从别处赚钱,卖最适合本地推理的硬件、卖 AI 集成更好的手机、卖服务。

    本地推理与云端的账

    另一条线是成本与能力之争。有评论认为 LLM 推理有巨大的规模经济,本地模型在可预见的未来都打不过云端价格,隐私是它唯一的角度。反方举出的账是:按 Sonnet 的 API 价格,一台 128GB 的 M5 Max 几个月就能回本,本地跑的 Qwen 级别模型在日常使用上已经够用。也有用户说自己用 128GB Mac 跑 Laguna 2.1,在编码任务上做到 800 tokens/s,水平接近 Sonnet 4.5 或 Opus 4。

    容量和价格是绕不开的现实。当前 Mac Studio 最高 512GB,有传闻称 M7 可能支持 1.5TB,但评论普遍认为这不是架构上限,而是成本和供应问题:512GB 版本售价超过 2 万美元。另有用户提醒,在笔记本上跑大模型会发热、风扇狂转、电池迅速耗尽,真正合适的形态可能是一台插电放在角落、类似路由器的设备。

    企业侧的诉求更直接:不想把公司私有数据发给模型供应商,希望一次买断硬件后不再为 token 付费,只承担电费。

    电压故障注入:把 8GB 矿卡变成比 A100 还快的 A100
    一枚被分级到极致的芯片

    作者 Kate 在 GA100 芯片上发现了一个电压故障注入漏洞,可以烧写任意熔丝,把 CMP 170HX 8GB 矿卡变成等效的 A100-80G。更意外的是,解锁后的卡比零售 A100 还快约 1.2 倍:她启用了芯片上全部可用的 SM(流式多处理器,约 120 到 126 个),而 NVIDIA 为控制良率,所有量产 A100 都只开 108 个。

    GA100 被用于近 20 种 SKU。晶圆上切下来的 GA100 有 128 个 SM、12 个 FBP、5 个 NVDEC、一个 PCIe Gen4 x16 控制器,以及 4 到 6 堆 HBM。NVIDIA 用 eFuse 做良率控制和产品分级。CMP 170HX 是分级最极端的一例:8GB 版本名义上只暴露 8GB 显存,实际板载约 80GB HBM。

    卡住所有人的 SBFE

    熔丝控制器包含 16,384 个 eFuse,负责读取和烧写熔丝,并把结果转换成选项字。512 行分成四类,其中 FF 区最有意思:它像一条 JTAG 链,写入新的 FF 行可以清除之前设置的选项位,不需要物理上“反烧”熔丝。

    真正卡住所有人的是一个叫 OPT_SECURED_BURN_FEATURE_ENABLE 的选项字。量产卡上它恒为 1,此时只允许烧写 FPF 区域;要烧 FF 区,必须让它变 0。

    Kate 的办法是电压故障注入:在芯片启动时施加短暂的欠压脉冲,干扰熔丝控制器的感应过程。她用一块 STM32G4 板卡拦截 GA100 发给 MP2888B 电压调节器驱动芯片的 PWMVID 信号,用自己的波形替换。硬件上只需要两根接线和移除一个 0402 零欧电阻。一次毛刺实验的流程是:断电、上电、NVVDD 越过 225mV 时启动计时器、按计时发射 PWMVID 波形、观察卡的状态。解锁一张卡大概需要 1 到 48 小时的毛刺时间。

    她在这个状态卡了很久,直到尝试发送一条此前没试过的 SENSE_CTRL 命令。结果所有控制熔丝派生的选项字都回到熔丝值,唯独 DSOV 保持 0。于是她可以把 SBFE 遮蔽为 0,再通过 DSOV=0 打开 FUSEWDATA 的主机访问权限,按芯片实际情况烧写 FF 行。

    解锁之后

    显存方面,8GB 卡中约九成板载 80GB HBM 完好,解锁后全部可用。计算方面,170HX 出厂只开 70 个 SM,实际芯片上几乎总有超过 120 个非缺陷 SM,全部启用后 FP16 FMA 吞吐达到 85.858 TFLOP/s,是零售 A100 的 1.18 倍。PCIe 方面,清掉相关 FF 位后 Gen3/Gen4 能正常训练。NVLink 还需要在 PCB 上短接 U11 芯片 footprint 的两个引脚,以及绕过固件里的 ROM 检查。

    HN 上有人感叹,不久前还把 80GB HBM 焊上去然后关掉九成。也有人怀疑这些熔丝本来就是因制造缺陷才锁的。多位评论者指出,CPU 和 GPU 的分级既包含缺陷屏蔽,也包含产品细分,生产后期良率变好之后,人为分级的成分更大。Kate 的数据侧面支持这一点:8GB 卡大多有完整的 80GB HBM,SM 也大多超过 120 个。

    散热是现实问题:卡本身不带散热器,设计上用服务器散热器,噪音像喷气发动机。有买家说不需要降频,限制功耗不会牺牲太多性能,正用一台 200 美元的 Octominer 矿机架调模型。

    Kate 把部分研究代码放在了 GA100VFI 仓库。她更感兴趣的是更深层的毛刺状态:许多默认烧断的安全相关熔丝被感应为未烧断,可能打开调试级 HS 执行等入口。

    破解 Meta Ray-Ban 智能眼镜:无屏设备上的蜂鸣调试
    从 OTA 包里挖出完整固件

    作者在 2026 年 7 月查看 Pwn2Own 的目标列表,拿去年的类别做参考,结果在 Meta Ray-Ban 智能眼镜上拿到了任意代码执行。他装上控制眼镜的 Meta AI 应用,没拆机,走 OTA(over-the-air,空中升级)提取固件。

    用 JADX 反编译应用后,他找到 OtaArtifactFetcher 和 OTAArtifactInfo,用 Frida 挂钩构造函数打印 downloadUri,拿到了 CDN 更新地址。下载下来是约 156 MB 的增量包。继续反编译,他发现 GraphQL 字段 device_firmware_full_update_only,于是挂钩负责添加 GraphQL 字段的通用方法,只在字段名完全匹配时把 false 改成 true,拿到了完整固件 zip。解压后是 Android 更新,包含 payload.bin,用 payload-dumper-go 导出镜像,挂载成文件系统。

    用蜂鸣声当终端

    眼镜上有开发者模式 DAT SDK,Meta AI 应用会实时下载 DAT APK 并装到眼镜上。固件 126 及之前不校验 DAT APK 是否由 Meta 签名,理论上可以装任意应用。他用 Frida 替换 $localFile、$appName 和包字段,把自己的自签名 APK 换进去。

    眼镜没有屏幕,也没有日志。他用 android.media.ToneGenerator 让代码“叫”出来:3 声表示监听启动、正在找 Wi-Fi Direct 地址;5 声表示找到了,地址在 192.168.49.x 网段;4 声表示 TCP 31337 绑定成功;6 声表示出错。

    手机同步照片和视频时会建立 Wi-Fi Direct 组,眼镜连上后拿到地址。他植入的应用在该地址监听 TCP 31337,手机用 nc 连过去就得到一个交互 shell。id 显示 uid=10097(u0_a97),是应用沙箱里的普通应用权限。这份权限维持了大约 5 天。

    签名校验与一个字节的开关

    固件 127 开始强制校验 DAT APK 签名,开关在 MobileConfig 的 wss_appmanager.signature_verification_enabled。眼镜向手机要配置,手机从 Meta 服务器取回,再通过 Airship 转发给眼镜。设备只检查配置文件结构正确,不检查是否被篡改,所以手机能改其中任何 flag。他把保存值的 0.mctable 里一个字节从 0x80 改成 0x00,把校验从开启改为关闭,重新装回自签名 APK。

    作者把整个过程报给了 Meta 的漏洞奖金平台,Meta 批准了这篇博客,他据此认为问题已经修复。

    这算漏洞吗

    HN 上的讨论很快转向一个更基本的问题:在自己拥有的设备上拿到 shell,算不算漏洞。malicka 说这像 PS3/PSP 时代的破解心态,把任意代码执行报给厂商,等于亲手关上别人自由使用设备的大门。RobMurray 说,在自己设备上拿到 shell 现在被当成漏洞,挺难过。

    Aurornis 从防守方角度解释:任意命令执行同样会被攻击者利用,还有大量社会工程骗局会诱导用户打开开发者工具粘贴代码;厂商试过提供开发者模式,结果有人改坏了还找客服要新机。

    博客评论里,Henry N. Aung 认为真正值得关注的是信任边界:签名校验本身没问题,问题在于执行校验的开关来自一个只做结构检查、可被手机篡改的配置文件。

    美国首次要求筛查合成 DNA 订单
    从自愿到验证

    2026 年 11 月 5 日,美国白宫发布《国家核酸合成筛查政策》,首次要求联邦政府资助的科学家从美国批准的供应商处购买合成核酸和台式合成设备。供应商必须核实客户身份,并筛查订单中可能编码毒素或病原体的危险序列。政策在 340 天内分阶段实施,取代此前自愿性的行业自律体系。

    斯坦福大学合成生物学研究者 Drew Endy 说,筛查从“自愿”变成了“验证”,这是真正的进步。MIT 生物技术专家 Kevin Esvelt 评价:“它做了点什么,而不是什么都不做。”

    围栏上的大洞

    Esvelt 指出,筛查只覆盖 50 个碱基对(base pair,DNA 双螺旋中两条链上配对碱基的数量单位)或更长的序列。想搞生物恐怖的人可以从多家供应商订购更短的片段,再拼接出危险序列。他已经写出能筛查短至 30 个碱基对风险的算法,并免费公开。“这是这项本来相当不错的政策的主要缺陷。围栏上有个明显的大洞,就别费劲建了。”

    约翰斯·霍普金斯大学免疫学家 Gigi Gronvall 提醒,政策只覆盖美国。“我们只在美国处理这个问题。”她担心只盯合成 DNA 会漏掉其他制造危险病原体的路径,政策还只适用于新造的 DNA 合成设备,大量现有台式机器不受约束。

    执行责任落在美国国家标准与技术研究院(NIST)头上,却没有配套资金。Endy 说:“NIST 被要求在一段很短的时间内做大量工作,而且只有在有钱的情况下才能做。”

    HN 上的争论:生物武器到底难在哪

    HN 的讨论从威胁本身是否被高估开始。有评论问:为什么大家怕 AI 驱动的生物恐怖主义?污染供水比开发病毒容易得多。反驳者算了一笔账:一个 50 万人的城市每天用水约 100 升/人,但实际摄入只有 2 到 5 升;若用二甲基汞这类极毒物质,每人至少需 100 毫克,整座城市要往饮用水里投放约 50 公斤。

    支持担忧的一方认为,生物武器与供水污染的区别在于后果无法收束。一位评论者说,水污染可以关掉供水、用卡车送水;泄漏的生物武器极难控制,“可能变成我们必须永远应对的东西”。

    也有人指出这条推理链跳过了太多步骤。一位评论者问:一个没有生物实验室技术背景的疯子,从用 AI 模拟病毒到真正释放,中间缺了多少环节?另一位说,即使 AI 能设计,培养、组装、测试都需要实验室技能和试错经验,“为什么我的质粒不表达”不是语言模型能回答的问题。

    一位在家玩微生物的爱好者说,这项政策可能影响他和少数在公寓里养微生物的人。另一位说自己短暂入坑后意识到“这是一把上了膛的枪”,自己不够格安全摆弄,所以整体上支持监管。

    为什么写《The BEAM Book》
    15 毫秒的暂停

    作者在 Klarna 维护核心系统十年,深知 BEAM(Erlang 虚拟机)上 15 毫秒的暂停足以卡住数百万笔峰值购物支付,引发圣诞夜凌晨三点的复盘会。他写《The BEAM Book》,是希望下一位工程师在咖啡凉之前就能修好这类暂停。

    项目始于 2012 年 10 月 12 日,一个只有四行文字的 DocBook 文件。2013 年 O'Reilly 签下出版,Atlas 系统却开始藏起主文件、覆盖写到一半的章节。Git 历史像一本挫败日记:“把文件移到顶层以应对 Atlas”“Atlas 似乎在覆盖 book.asciidoc”。字数冲过 12 万,进展却爬得很慢。2015 年 5 月出版社安静地取消了合同。Pragmatic Bookshelf 同年接手,最终也取消了。

    一次提交,六百多万个文件

    2017 年 1 月 20 日,他把所有内容导入一个新仓库,一次提交:6,622 个文件,超过一百万行。重写停滞,项目也停了。3 月 23 日他用 Asciidoctor 在私有 GitHub 仓库里重新开始。4 月 7 日,在查尔姆斯理工大学讲课前几分钟,他把仓库设为公开。24 小时内,陌生人修了错别字、加了图、合入了 Creative Commons BY-4.0 许可。

    2018 年 8 月的 Issue #113 标题是“请继续牛逼下去”,里面夹着表情符号的随手鼓励,至今在他动力低落时冒出来。书里覆盖调度器如何调度、进程内存管理、垃圾回收、BEAM 如何表示数据、编译器与模拟器如何工作,以及用 dbg、erlang:trace 等工具定位真实延迟问题。

    坚持、边界与真实截止日期

    他总结的经验:坚持胜过完美,两次取消的出版合同在简历上不好看,但一个没完成的想法更糟;边界很重要,他靠固定写作时间、关通知来推进;公开仓库带来了更正、鼓励和偶尔的推动;范围就是一切,他砍掉了 dirty scheduler、新 JIT 和调试器的细节;先发布再迭代,BEAM 每年都在变;真实截止日期有用,今年一月他决定赶在 Code Beam Stockholm 之前印出书,以为截止日期在秋天,结果会议是 6 月 2 日。

    BEAM 在 HN 上的口碑

    HN 的讨论从 Klarna 的 Erlang 背景展开。有人不知道 Klarna 用 BEAM,觉得这门技术被严重低估。一位开发者说 BEAM 是唯一能让不到 50 人的小团队撑到数百万日活的运行时;另一位说自己所在的不到 20 人团队每月服务 5 亿请求,之前用 Ruby 和 NodeJS/SvelteKit,现在 90% 在 Elixir 上。

    讨论还延伸到调度语义。有人说 BEAM 是抢占式调度,进程用完分配的 reduction 就被抢占;有人纠正说 BEAM 在用户空间其实是协作式,函数调用和收发消息是让出点,只是函数式语言不停调用函数,所以感觉像抢占式。在 NIF(原生实现函数)里做重计算而不计数,会卡住调度器线程。

    AI 时代的 Elixir 也被反复提到。有人说 Elixir 代码量少、信噪比高,LLM 写出来的质量不错;有人强调不可变值语言对 LLM 友好,模型不用猜传入的值会不会被改掉。也有人泼冷水:差异要等项目跑久了才显现,如果并发和基础设施不是复杂度的主要部分,BEAM 语言未必带来多少好处。

    相关链接:

    • My AI agents found an unmapped Maya site
    • Protecting SSH Keys with macOS Secure Enclave
    • A great old-timey game-programming hack (2013)
    • Tim Peters has died
    • AWS emulator
    • Apple has new Mac app coming to make running local AI models easy
    • Using voltage glitching to unleash the A100 in my mining card
    • Hacking the Meta Ray-Ban smartglasses
    • To deter bioterrorism, U.S. imposes new rules on ordering synthetic DNA
    • Why I wrote the BEAM book (2025)
    34 min