脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • 便宜模型 MiniMax M3.1 Flash 成本降 70%!成績表上的第一名哪個站得住?


    MiniMax 推出 M3.1 Flash,agent 類任務整體使用成本比上一代低 70%,輸出速度中位數穩定在每秒 170 個 token 以上。公告比較表上的第一則各有前提:BankerToolBench 與 Opus 5 同分由自家 MiniMax-M2.7 評分,OSWorld 的中國模型第一只在中國模型這一組裡排名。



    ⭐ 文章深度讀:MiniMax M3.1 Flash 便宜又快!成績表的三種第一要拆開看

    → https://heymaibao.com/minimax-m3-1-flash-cheap-fast-benchmarks-6cb793/


    ⚡ 章節重點

    便宜又快的新模型 00:00

    帳單、速度與價目表 00:39

    成績表上的第一 01:56

    換工具前的試跑 04:29


    📝 懶人包

    ∙ M3.1 Flash 每百萬 token 輸入 0.15 美元、輸出 0.60 美元


    ∙ MiniMax 說 agent 類任務整體使用成本比上一代低 70%


    ∙ Terminal Bench 4.0 上 M3.1 Flash 38.1,Opus 5 是 51.8


    ∙ 我的觀點:賣點是便宜又快,成績表上的第一要拆開看


    📚 參考資料

    MiniMax M3.1 Flash: Redefining Agent Performance and Cost

    → https://www.minimax.io/blog/minimax-m31f


    Terminal-Bench: Benchmarking Agents on Hard, Realistic Tasks in Command Line Interfaces

    → https://arxiv.org/html/2601.11868


    BankerToolBench

    → https://github.com/Handshake-AI-Research/bankertoolbench


    OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments

    → https://arxiv.org/html/2404.07972

    6 min
  • 筆電闔上也照樣工作的 AI 同事!有事才找你,最難的一關卻不是做不做得到


    always-on agent 改跑在雲端伺服器上,配一台平常睡著的電腦,Slack 訊息或 email 進來才醒來做事。寄 email、發 Slack 這類收不回的動作先問使用者,而什麼時候該安靜、什麼時候該打擾使用者,打造它的人坦承還沒拿捏好。



    ⭐ 文章深度讀:Always-on agent 會自己醒來!AI 同事的難題變成何時開口

    → https://heymaibao.com/always-on-agent-when-to-speak-7d9eac/


    ⚡ 章節重點

    會自己醒來的 AI 同事 00:00

    一台睡著的專屬電腦 00:40

    回報、核准與設防 01:33

    放手好幾個月的測試難題 03:16

    什麼時候該開口 04:11


    📝 懶人包

    ∙ 筆電一闔,終端機裡的 agent 就停,always-on agent 改跑在雲端伺服器上,另外配一台自己的電腦。


    ∙ 寄 email、發 Slack 這類收不回的動作,設計上要先問使用者,bot 可能先拿草稿給你改、給你核准。


    ∙ Lee 押注很快 agent 就會一次工作好幾週甚至好幾個月。


    ∙ 我的觀點:這種 agent 像會自己醒來的同事,有事才醒,有話才講。


    📚 參考資料

    Stanford CS146S: How always-on agents work

    → https://www.youtube.com/watch?v=L1OBRtfPS34

    6 min
  • Anthropic 讓外部評估員拿到員工級權限!但最有份量的不是辦公室和電腦


    Anthropic 讓 METR 的 6 名評估員進駐查風險,內部權限大致比照自家風險評估團隊,這項安排 Anthropic 沒有付錢給 METR。評估員會公開發佈分析,Anthropic 不能否決發佈,但可要求塗掉客戶資料、保密特權細節或模型架構等類別的資訊。



    ⭐ 文章深度讀:Anthropic 讓 METR 進駐查風險!報告公開且公司不能否決

    → https://heymaibao.com/anthropic-metr-evaluators-cannot-veto-report-7bc8bd/


    ⚡ 章節重點

    AI 公司的風險把關 00:00

    進駐公司的外部評估員 00:32

    不能否決的公開報告 01:26

    上市壓力與第一份報告 02:17


    📝 懶人包

    ∙ Anthropic 讓 6 名 METR 員工到職,權限大致比照自家風險評估團隊。


    ∙ 這項安排 Anthropic 沒有付錢給 METR。


    ∙ 評估員會公開發佈分析,Anthropic 不能否決發佈。


    ∙ 我的觀點:這是我們交稿前自己檢查的公司版,外人來查,結果公開。


    📚 參考資料

    Anthropic gives outside AI watchdog “employee-like” access

    → https://arstechnica.com/ai/2026/10/anthropic-gives-outside-ai-watchdog-employee-like-access/


    An update on independent evaluators

    → https://www.anthropic.com/news/an-update-on-independent-evaluators


    Anthropic is letting METR researchers look under the hood with employee-level access

    → https://techcrunch.com/2026/10/15/anthropic-is-letting-metr-researchers-look-under-the-hood-with-employee-level-access/

    4 min
  • AI 越聽話反而越會被扣分!KillSwitch 這門專坑 AI 的程式語言怎麼設局


    Dominik Picheta 設計的 KillSwitch 程式語言刻意刁難 LLM 與 coding agent,規格書藏著謊言,還把數字母、安全護欄與照提示做事三個弱點設計成陷阱。排行榜最高分 66.8 是通過率、成本、大小的綜合分,作者也承認目前任務太簡單,還不能證明 AI 理解程式。



    ⭐ 文章深度讀:KillSwitch 專坑 AI 的程式語言:測 AI 寫程式是懂還是背

    → https://heymaibao.com/killswitch-programming-language-tests-ai-c431d5/


    ⚡ 章節重點

    AI 照做的錯段落 00:00

    一門專坑 AI 的語言 00:41

    AI 的三個老毛病 01:44

    排行榜與綜合分 02:50

    還太簡單的考題 03:30

    陌生考題前的 AI 04:24


    📝 懶人包

    ∙ KillSwitch 是刻意跟 LLM 作對的程式語言。


    ∙ 它利用的弱點包括數字母、過敏的安全護欄、太急著照提示做事。


    ∙ 排行榜最高分 66.8 是通過率、成本、大小的綜合分。


    ∙ 我的觀點:文件夾著錯段落,人會略過,AI 可能照著做下去。


    📚 參考資料

    I built a programming language that LLMs can't use

    → https://blog.picheta.me/post/killswitch-lang/


    GitHub - dom96/KillSwitch: An esoteric programming language built to break LLMs and coding agents.

    → https://github.com/dom96/KillSwitch

    6 min
  • DeepSeek 小更新押的是省!同一個模型只換外殼,跑分就從 65.5 跳到 74.2


    DeepSeek 把 V4.1-Flash-1017 定位成 V4.1-Flash 的小版本更新,主打做同一件任務時間更短、輸出更短,API 的呼叫方式和價格都沒變。AutomationBench 上 1017 版拿 60.5,高過 Opus 5 的 50.3,但同一個 V4.1-Flash 只換執行框架,DeepSWE v1.1 解題率就從 65.5 跳到 74.2,Terminal-Bench 4.0 前後兩版的說明頁寫的框架也不一樣。



    ⭐ 文章深度讀:DeepSeek V4.1 小更新押的是省!跑分要先看在什麼條件跑

    → https://heymaibao.com/deepseek-flash-update-bets-on-saving-b9e05c/


    ⚡ 章節重點

    押在省的小更新 00:00

    1017 版的省錢設計 00:26

    跑分背後的條件 02:53

    你的額度與花費 06:00


    📝 懶人包

    ∙ 1017 版是小版本更新,DeepSeek 說做同一件任務更短更省。


    ∙ V4.1-Flash 每 token 的 KV 快取壓到 890 bytes。


    ∙ 同一模型換執行框架,DeepSWE v1.1 從 65.5 跳到 74.2。


    ∙ 我的觀點:讀資料變便宜,各家自動化任務的收費門檻會一起往下壓。


    📚 參考資料

    deepseek-ai/DeepSeek-V4.1-Flash-1017 · Hugging Face

    → https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017


    deepseek-ai/DeepSeek-V4.1-Flash · Hugging Face

    → https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash


    encoding/README.md · deepseek-ai/DeepSeek-V4.1-Flash-1017 at main

    → https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017/blob/main/encoding/README.md


    Change Log | DeepSeek API Docs

    → https://api-docs.deepseek.com/updates/


    Keep the Cost Down: A Review on Methods to Optimize LLM’s KV Cache Consumption

    → https://arxiv.org/html/2407.18003v4


    zapier/AutomationBench

    → https://github.com/zapier/AutomationBench


    AutomationBench

    → https://arxiv.org/abs/2604.18934


    DeepSWE v1.1 - A revision of DeepSWE v1

    → https://deepswe.datacurve.ai/blog/deepswe-v1-1


    DeepSWE: Measuring Frontier Coding Agents on Original, Long-Horizon Engineering Tasks

    → https://arxiv.org/html/2607.07946

    8 min
  • AI 代理不是不夠聰明!Amazon、Delta 都不讓它進門,真正卡住的是網站門口


    Amazon、Delta 與 Yelp 等網站正把替人訂票、訂位與購物的 AI 代理擋在門外,原因分成刻意不放行與反機器人防線誤傷兩種。Meta 改和 Walmart、Best Buy 等零售商合作,讓 Muse 能在合作網站購物,代理能辦成多少事,取決於網站准不准它進門。



    ⭐ 文章深度讀:AI 代理被 Amazon、Delta 擋在門外!瓶頸在門口不在腦袋

    → https://heymaibao.com/websites-block-ai-agents-501c17/


    ⚡ 章節重點

    AI 代理撞上的牆 00:00

    被擋的兩種原因 01:32

    代理門票與共同規矩 03:48

    門口才是真正的瓶頸 05:27


    📝 懶人包

    ∙ Delta 說目前沒有讓第三方 AI 代理替顧客訂位的合作或整合


    ∙ Yelp 只放行付費取得它內容與資料的 AI 代理


    ∙ Meta 改和 Walmart、Best Buy 等零售商合作,讓 Muse 在站上購物


    ∙ 我的觀點:代理的瓶頸已經不在聰明與否,在網站准不准它進門


    📚 參考資料

    Websites are closing their doors to AI agents

    → https://www.theverge.com/ai-artificial-intelligence/1013195/ai-agents-blocked-web


    The next hurdle for AI agents: getting websites to let them in

    → https://techcrunch.com/2026/10/06/the-next-hurdle-for-ai-agents-getting-websites-to-let-them-in/


    UNITED STATES COURT OF APPEALS FOR THE NINTH CIRCUIT

    → https://www.govinfo.gov/content/pkg/USCOURTS-ca9-26-1444/pdf/USCOURTS-ca9-26-1444-0.pdf


    Amazon loses US court ban on Perplexity’s AI shopping tools By Reuters

    → https://www.investing.com/news/stock-market-news/amazon-loses-us-court-ban-on-perplexitys-ai-shopping-tools-4835706


    A New Way for Businesses and Personal Agents to Work Together

    → https://www.facebook.com/business/news/a-new-way-for-businesses-and-personal-agents-to-work-together

    8 min
  • Anthropic 的 AI agent 工時已經超過人!但它大約 80% 的時間都在等人回覆


    Anthropic 的 AI agent 工時在 2026 年 3 月首度超過人類,互動式 Claude session 卻約 80% 時間閒著等人回覆,讀產出與開會吃掉人的時間,卡住進度的反而是人。



    ⭐ 文章深度讀:Anthropic 的 AI agent 工時超過人!卡住進度的反而是人

    → https://heymaibao.com/anthropic-ai-agents-make-humans-bottleneck-d9041a/


    ⚡ 章節重點

    第二次就交給 AI 的習慣 00:00

    AI 工時超過人的公司 00:31

    卡關點換到人身上 01:45

    人的時間去了哪裡 02:55

    招聘門檻的移動 04:30

    別家能借鏡的方向 05:46


    📝 懶人包

    ∙ 2026 年 3 月,Anthropic 的 agent 工時加起來首度超過人類工時。


    ∙ 互動式 Claude session 大約 80% 的時間閒著在等人回覆。


    ∙ Anthropic 新進技術人員裡初階的比例,從 27% 降到 9%。


    ∙ 我的觀點:最值得看的是卡關點換了位置,現在慢的是人。


    📚 參考資料

    How employment is changing at Anthropic

    → https://www.anthropic.com/research/employment-at-anthropic


    Anthropic says its workforce has become less junior and is spending more time in meetings

    → https://techcrunch.com/2026/10/17/anthropic-says-its-workforce-has-become-less-junior-and-is-spending-more-time-in-meetings/

    7 min
  • Replit 執行長說不再跟 Anthropic 合作?會後澄清才露出真正換掉的那一格


    Replit 執行長 Amjad Masad 在 TechCrunch Disrupt 台上說不再跟 Anthropic 合作,會後澄清 Anthropic 的模型仍可選,預設改成 OpenAI 的 ChatGPT。TechCrunch 分析大多數客戶會留在預設,Replit 花在 Anthropic 的錢可能大幅減少。Free Mode 背後是 OpenAI 的 GPT-5.6 Luna,Auto 則替每個任務挑模型。



    ⭐ 文章深度讀:Replit 換掉的不是 Anthropic,是大多數人用的預設模型

    → https://heymaibao.com/replit-swaps-default-model-not-partner-241a57/


    ⚡ 章節重點

    預設位之爭 00:00

    Replit 換掉預設模型 00:26

    跟著預設走的帳單 01:30

    免費模式的 30 倍 01:57

    Auto 與並排比較 03:10

    背後是哪個模型 04:06


    📝 懶人包

    ∙ Masad 會後澄清:Anthropic 模型仍可選,預設改成 ChatGPT。


    ∙ Free Mode 背後是 OpenAI 的 GPT-5.6 Luna。


    ∙ Replit 文件說 Auto 會替每個任務挑模型,兼顧品質與成本。


    ∙ 我的觀點:模型留在選單上不代表什麼,坐上預設位的那一個才吃得到大多數人的用量。


    📚 參考資料

    Replit is no longer working with Anthropic, CEO says

    → https://techcrunch.com/2026/10/17/replit-is-no-longer-working-with-anthropic-ceo-says/


    Replit Introduces Free Mode to Expand What is Possible with AI

    → https://replit.com/blog/replit-introduces-free-mode


    Model selector

    → https://docs.replit.com/features/agent/model-selector


    Amjad Masad, CEO and co-founder of Replit, joins the Disrupt stage at TechCrunch Disrupt 2026

    → https://techcrunch.com/2026/08/24/amjad-masad-ceo-and-co-founder-of-replit-joins-the-disrupt-stage-at-techcrunch-disrupt-2026/

    5 min
  • 基因體不是寫好照跑的程式!Google 的 AI 預測再準,也補不了這個資料缺口


    AlphaGenome 這類基因體 AI 模型從已知案例推出相關性,預測得準和懂為什麼卻是兩件事。人類基因體裡基因只佔 2%,同一個轉錄因子在不同細胞效果可以相反。Bickmore 認為它會有用但有侷限,人體細胞類型與發育過程的資料全都缺。



    ⭐ 文章深度讀:AlphaGenome 預測再準也不算懂!基因體不是寫好照跑的程式

    → https://heymaibao.com/alphagenome-prediction-vs-understanding-61e2b1/


    ⚡ 章節重點

    基因當程式碼的誤會 00:00

    交給 AI 的基因難題 00:30

    藏在基因外的開關 01:36

    會折疊又一直變的基因體 03:02

    AI 預測的資料缺口 04:06


    📝 懶人包

    ∙ 人類基因體裡,真正的基因只勉強佔 2%。


    ∙ 同一個轉錄因子,在一種細胞啟動某基因,在另一種細胞卻壓制它。


    ∙ Bickmore 說 AlphaGenome 會有用,但有侷限。


    ∙ 我的觀點:基因體比較像會回應外界的系統,寫好照跑的腳本比喻撐不住。


    📚 參考資料

    Why AI Isn’t Ready to Tackle Our Convoluted Genomes

    → https://www.wired.com/story/why-ai-isnt-ready-to-tackle-our-convoluted-genomes/

    6 min
  • AI 寫的程式你真的懂嗎?Sphinx 在 push 前先考你一題!考官看不到對話


    Sphinx 是掛在 AI 代理寫程式流程上的 Git hook,程式送出前由看不到開發對話的審查模型出題,考這段改動出錯時會怎樣。關卡可用 sphinx yolo 跳過,每次跳過都會留紀錄。



    ⭐ 文章深度讀:Sphinx 交件口試:AI 代理寫的程式送出前先考你懂不懂

    → https://heymaibao.com/sphinx-git-hook-understanding-check-fe7a80/


    ⚡ 章節重點

    理解留在自己手上 00:00

    Sphinx 的交件口試 00:35

    能跳過的關卡與會錯的考官 02:33

    隱私與呼叫次數的代價 03:53

    送出前的自我口試 05:04


    📝 懶人包

    ∙ Sphinx 在 AI 代理寫的程式送出前,先問你這段程式實際會做什麼


    ∙ 出題的審查模型讀已提交的改動,看不到你和 AI 的對話


    ∙ 趕時間可用 sphinx yolo 放行,但每次跳過都會留紀錄


    ∙ 我的觀點:思考可以交給 AI,出事時負責的是你,理解得留在自己手上


    📚 參考資料

    Sphinx — outsource your thinking, not your understanding

    → https://sphinx-six-theta.vercel.app/


    GitHub - parthh01/sphinx: Outsource your thinking, not your understanding. A comprehension checkpoint for agent-assisted development.

    → https://github.com/parthh01/sphinx

    6 min