脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • 跟語音 AI 講話老是被搶話或冷場?OpenAI 讓 GPT-Live 的嘴巴不必等腦袋


    OpenAI 的 GPT-Live 在音訊路徑上拿掉輪次偵測器,語音模型改成全雙工,一邊聽一邊講。需要較深推理或使用工具時,語音模型在不中斷對話的前提下呼叫前沿模型,聲音走專用的快速路徑。



    ⭐ 文章深度讀:語音 AI 搶話又冷場?OpenAI 拆掉 GPT-Live 的輪次偵測器

    → https://heymaibao.com/openai-gpt-live-full-duplex-voice-ai-a499e0/


    ⚡ 章節重點

    語音 AI 卡住的真相 00:00

    從小裁判到全雙工 00:31

    說話與思考的分工 01:28

    長對話與後端延遲 02:38

    上線前的靜默測試 04:13

    聲音不停的設計 05:35


    📝 懶人包

    ∙ GPT-Live 的語音模型是全雙工,一邊聽一邊講,不再靠偵測器判斷換手


    ∙ 需要深入推理或用工具時,GPT-Live 會在不中斷對話下呼叫前沿模型


    ∙ 靜默測試發現容量不能只看 GPU,CPU 串流、佇列和網路也得擴充


    ∙ 我的觀點:語音 AI 順不順,看整條管線,不只看模型聰不聰明


    📚 參考資料

    我們如何在六個月內打造即時回應的語音 AI 系統

    → https://openai.com/zh-Hant/index/continuous-voice-interaction-with-gpt-live/

    7 min
  • AI 講錯時跟講對一樣篤定!這個不輸出文字的模型 Jev 改成只回一個機率


    TypeSafe 開發的 AI 模型 Jev 不輸出文字,只替每個判斷回傳一個機率,讓自動化流程能用門檻把接近一半的結果交回人看。Bryo AI 技術長 Mudholkar 拿它和 Gemini 分類商業郵件,Gemini 準確度略高但貴 10 到 20 倍,外部校準實測則顯示機率準度會隨任務和問法而變。



    ⭐ 文章深度讀:Jev 只回機率不回文字!AI 產出哪幾件要回頭查變得看得見

    → https://heymaibao.com/jev-returns-probability-not-text-e188ed/


    ⚡ 章節重點

    每件都要回頭查的成本 00:00

    只回機率的 Jev 00:28

    價格與準確度的取捨 01:31

    機率本身的準度 01:57

    Jevons 命名的押注 02:45

    話變少的 AI 03:14


    📝 懶人包

    ∙ Jev 不輸出文字,只回機率,TypeSafe 叫它校準過的決定。


    ∙ Mudholkar 測分類郵件,Gemini 略準但貴 10 到 20 倍。


    ∙ Ronacher 認為 Jev 把幻覺問題部分交回使用者處理。


    ∙ 我的觀點:AI 自己附上幾分把握,哪幾件要回頭看就看得見。


    📚 參考資料

    Marina Temkin Marina Temkin

    → https://techcrunch.com/2026/10/09/the-maker-of-non-text-ai-model-jev-valued-at-7-5b-just-weeks-after-launch/


    Tim Fernholz

    → https://techcrunch.com/2026/09/18/a-new-kind-of-ai-model-from-a-chatgpt-inventor-is-thrilling-developers/


    How far can a commercial decision model’s probabilities be trusted? A calibration audit of Jev against open and general-purpose classifiers

    → https://lsmeng.github.io/pdf/preprint-jev-calibration-audit.pdf


    Jevを8,800 回叩いて較正を測った 「確率を信じるな」は半分まちがいだった

    → https://zenn.dev/ryok/articles/jev-calibration-handson

    5 min
  • AI coding agent 讓程式寫得更快,軟體卻沒跟著變多!時間卡在哪一關?


    工程團隊導入 AI coding agent 後,程式寫得更快,從 pull request 送出到合併的審查時間卻平均增加 49%,被要求修改的 pull request 比例接近翻倍。AI agent 只負責全部審查留言的 23.3%,審查工作大多仍由人承擔。



    ⭐ 文章深度讀:AI coding agent 讓程式寫更快!審查時間卻平均多了 49%

    → https://heymaibao.com/ai-coding-agents-slow-code-review-b2fc29/


    ⚡ 章節重點

    瓶頸搬到檢查關 00:00

    審查時間的帳 00:30

    AI 審查的實際分量 02:02

    寫快與看慢的取捨 02:35

    你自己的檢查關卡 04:11


    📝 懶人包

    ∙ 導入 AI coding agent 後,審查流程時間平均增加 49%


    ∙ 導入 AI agent 後,被要求修改的 pull request 比例接近翻倍


    ∙ AI agent 只負責全部審查留言的 23.3%,審查大多仍是人在做


    ∙ 我的觀點:AI 沒拿掉瓶頸,只把它從寫的那端搬到審查那一關


    📚 參考資料

    AI coding agents generate more code, but not more software

    → https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-code-but-not-more-software/


    AI Is Producing More Software. Why Isn’t It Being Used?

    → https://knowledge.wharton.upenn.edu/article/ai-is-producing-more-software-why-isnt-it-being-used/


    AI 寫程式產出多三成,審查時間卻多 49%

    → https://oron.com.tw/blog/ai-coding-agents-review-bottleneck-harvard-study

    5 min
  • 以為關掉視窗就收工?Codex CLI 背景程式還在跑,還會自己下載新版重啟


    據 issue 回報,Codex CLI 從 0.157.0 起會在背景常駐一個程式,關掉所有視窗後仍繼續跑,每小時檢查更新、有新版就重啟後端,進行中的回合只給 60 秒收尾,時間到就被強制結束。



    ⭐ 文章深度讀:Codex CLI 關掉視窗還在跑!自動更新不等回合做完就重啟

    → https://heymaibao.com/codex-cli-background-daemon-keeps-running-3945d0/


    ⚡ 章節重點

    關掉視窗還在跑的後台 00:00

    砍掉回合的自動重啟 01:08

    關掉它的四個步驟 04:09

    背景裡的另一份版本與設定 04:50

    發文者對 CLI 的請求 06:26

    只認得第一次的後台 07:08


    📝 懶人包

    ∙ 背景程式在所有 Codex 視窗關掉後還在跑,要手動停或重開機才會停。


    ∙ 更新程式開始後 5 分鐘查一次、之後每小時一次,有新版就重啟後端。


    ∙ 另一則 issue 指出,自動更新只給 60 秒收尾,時間到就砍回合。


    ∙ 我的觀點:更新不等你,交代的事做到一半,那一輪工作可能直接被砍掉。


    📚 參考資料

    CLI: make daemon_auto_start opt-in — a persistent, self-updating background daemon shouldn't be the default

    → https://github.com/openai/codex/issues/48195


    app-server daemon: auto-update force-kills active turns after a 60s drain budget, and cannot be disabled

    → https://github.com/openai/codex/issues/40969


    Hooks in --remote mode receive the daemon's cwd, not the session's

    → https://github.com/openai/codex/issues/42457


    在 Windows 中使用 Proxy 伺服器 - Microsoft 支援服務

    → https://support.microsoft.com/zh-tw/windows/%E5%9C%A8-windows-%E4%B8%AD%E4%BD%BF%E7%94%A8-proxy-%E4%BC%BA%E6%9C%8D%E5%99%A8-03096c53-0554-4ffe-b6ab-8b1deee8dae1


    Homebrew: The Package Manager for Everywhere

    → https://brew.sh/zh-tw/

    9 min
  • Meta 新模型 Muse Wonder 每任務成本漲成 2.8 倍!錢到底都花在哪一步?


    Meta 新模型 Muse Wonder 在 Artificial Analysis 的綜合智力分數從上一代的 48 分升到 52 分,每任務成本卻從 $1.60 漲到 $4.52,約為上一代的 2.8 倍。成本約 76% 花在輸入與快取,單價也和 Claude Opus 5.5 相同。



    ⭐ 文章深度讀:Meta Muse Wonder 帳單漲成 2.8 倍!分數卻只進步 4 分

    → https://heymaibao.com/meta-muse-wonder-cost-jump-89d468/


    ⚡ 章節重點

    前排座位的票價 00:00

    Meta 新模型的成績單 00:19

    漲了快三倍的帳單 01:19

    比較不會亂答的大模型 02:56

    對齊旗艦的單價 03:36

    Muse Code 裡的旗艦 04:01

    落在中段的每任務成本 05:13

    挑工具的新順序 05:47


    📝 懶人包

    ∙ Meta 兩款新模型綜合分 52 與 56。


    ∙ Muse Wonder 每任務成本 $4.52,是上一代的 2.8 倍。


    ∙ Muse Wonder 單價和 Claude Opus 5.5 一樣。


    ∙ 我的觀點:Meta 不再是便宜選項,價格跟著坐進前段班。


    📚 參考資料

    Muse Wonder and Muse Wonder Full: a material jump in intelligence over previous Meta models

    → https://artificialanalysis.ai/articles/muse-wonder


    Muse Code - Meta AI

    → https://dev.meta.ai/products/muse-code

    7 min
  • AI 交回來只能全收或重來?微軟執行長 Nadella 要替模型裝一個緊急煞車


    微軟執行長 Satya Nadella 主張 AI 不能再是只能全收或全拒的黑盒子。獲得授權的人要能在模型做到一半時把它暫停或關掉,並先假設模型已被攻破、從一開始就把它圈住,留下人讀得懂、改不了的紀錄。



    ⭐ 文章深度讀:AI 做到一半喊得停嗎?Nadella 主張替 AI 模型裝緊急煞車

    → https://heymaibao.com/nadella-ai-emergency-brake-169d81/


    ⚡ 章節重點

    只能全收或全拒的 AI 00:00

    Nadella 的三帖藥方 01:05

    業界對照與標題落差 02:33

    未解的缺口與帶走的兩問 03:27


    📝 懶人包

    ∙ Nadella 主張 AI 不能再是只能全收或全拒的黑盒子


    ∙ 他用緊急煞車比喻:授權的人要能在模型做到一半時喊停


    ∙ 他主張先假設模型已被攻破,從一開始就把它圈住


    ∙ 我的觀點:他想把檢查從事後挪到過程中,做到一半就看得到、停得住


    📚 參考資料

    Satya Nadella says we should assume all AI models are ‘compromised’

    → https://www.theverge.com/ai-artificial-intelligence/1009337/satya-nadella-says-we-should-assume-all-ai-models-are-compromised

    5 min
  • 語音 AI 都能邊聽邊講了,為什麼還沒到 ChatGPT 時刻?卡在敢不敢讓它動手


    PolyAI 技術長 Shawn Wen 認為,即使全雙工模型已能一邊聽一邊講,語音 AI 仍未迎來 ChatGPT 時刻。Otter 的 Alex Gay 指出,轉錄一開始不準,後面所有跟進動作都跟著出錯,錯誤轉錄一旦被拿去執行動作,使用者就會對整個平台失去信任。



    ⭐ 文章深度讀:語音 AI 還沒到 ChatGPT 時刻:真正考題是敢不敢讓它動手

    → https://heymaibao.com/voice-ai-not-yet-chatgpt-moment-01199b/


    ⚡ 章節重點

    客服電話另一頭的 AI 00:00

    語音 AI 的熱錢與落差 00:33

    客服 AI 的信任路徑 01:26

    轉錄出錯的連鎖反應 01:56

    透明度與會議分身 03:26

    讓 AI 動手前的三塊地基 04:31


    📝 懶人包

    ∙ 投資人已往語音 AI 新創砸了數十億美元。


    ∙ Shawn Wen 認為語音 AI 還沒到 ChatGPT 時刻。


    ∙ Alex Gay:轉錄一開始不準,後面跟進動作全跟著錯。


    ∙ 我的觀點:比的是敢不敢讓語音 AI 聽完直接替你動手。


    📚 參考資料

    Ivan Mehta Ivan Mehta

    → https://techcrunch.com/2026/10/11/these-execs-think-voice-ai-hasnt-reached-its-chatgpt-moment-yet/


    PolyAI: The world's most lifelike voice AI agents

    → https://poly.ai/


    How PolyAI and Twilio deploy customer-led conversational …

    → https://customers.twilio.com/en-us/polyai

    6 min
  • 你看到的 AI 可能只是漏斗下半部!Andrej Karpathy 的 AI 能力漏斗分成四層


    Andrej Karpathy 粗算,全球約 75% 的人幾乎沒碰過大型語言模型,最尖端只剩約 5,000 人用得到公司內部最前沿的系統。他認為能力在數位、可驗證、有經濟價值的領域最突出,搜尋、寫作這類日常用途不是進步最明顯的領域。



    ⭐ 文章深度讀:Karpathy 的 AI 能力漏斗:你看到的 AI 可能只是下半部

    → https://heymaibao.com/karpathy-ai-capability-funnel-7658bb/


    ⚡ 章節重點

    AI 能力漏斗的四層 00:00

    漏斗分層的兩個成因 02:05

    各說各話的上下兩層 03:45

    不寫程式的人的讀法 05:29


    📝 懶人包

    ∙ Andrej Karpathy 粗算,全球約 75% 的人幾乎沒碰過 LLM。


    ∙ Andrej Karpathy 說付費 Codex 能花 1 小時重構程式碼庫。


    ∙ Andrej Karpathy 認為搜尋、寫作不是 AI 進步最明顯的領域。


    ∙ 我的觀點:你對 AI 的印象,可能只來自漏斗下半部很寬的那一段。


    📚 參考資料

    Dusting off this tweet from April because this gap in shared understanding of LL

    → https://twitter.com/karpathy/status/2109361546505966046


    Judging by my tl there is a growing gap in understanding of AI capability.

    → https://x.com/karpathy/status/2042334451611693415


    Codex manual

    → https://developers.openai.com/codex/codex-manual.md


    OpenAI 用內部模型挑戰 4000 道數學問題,公開 722 篇研究手稿

    → https://www.ithome.com.tw/news/179471

    7 min
  • Karpathy 理解落差漏斗!覺得 AI 普通和嚇人的人,用的根本不是同一個 AI


    Karpathy 認為大家對 AI 能力的理解落差還在擴大,形狀從兩群人各說各話變成收得很尖的漏斗。取得管道、問題大小與領域三件事,決定一個人站在哪一層、看到哪一種 AI。



    ⭐ 文章深度讀:覺得 AI 普通還是嚇人?Karpathy 理解落差漏斗看你在哪層

    → https://heymaibao.com/karpathy-llm-understanding-gap-funnel-c7dc42/


    ⚡ 章節重點

    兩種截然不同的 AI 印象 00:00

    一座理解落差的漏斗 00:30

    漏斗成形的三個原因 02:54

    尖端與其他人的距離 05:23

    覺得 AI 普通時的自查 06:32


    📝 懶人包

    ∙ Karpathy 認為 AI 理解落差已變成收得很尖的漏斗


    ∙ 最尖的一層約 5,000 人,能在公司內部用到最前沿的系統


    ∙ 能力高峰集中在數位化、可驗證、又有經濟價值的領域


    ∙ 我的觀點:覺得 AI 沒用和覺得 AI 嚇人的人,用的根本不是同一個東西


    📚 參考資料

    Dusting off this tweet from April because this gap in shared understanding of LL

    → https://x.com/karpathy/status/2109361546505966046


    Judging by my tl there is a growing gap in understanding of AI capability.

    → https://x.com/karpathy/status/2042334451611693415


    First look at mathematics manuscripts from an internal frontier model at OpenAI

    → https://community.openai.com/t/first-look-at-mathematics-manuscripts-from-an-internal-frontier-model-at-openai/1403886


    Characterizing Jaggedness Aids Safety & Usability

    → https://www-cs.stanford.edu/~merrie/papers/jaggedness_preprint.pdf


    A Model of Artificial Jagged Intelligence

    → https://arxiv.org/html/2601.07573v1

    8 min
  • GPT-6.1 Sol 預設記性拉到 500k!真正的重點是訂閱跑長對話不用另外付錢


    OpenAI 的 Tibo 宣布,GPT-6.1 Sol 在 Codex 與 Work 裡的預設 context 長度從 272k 調到 500k,理由是減少壓縮前文的次數。同一串回覆補充,用訂閱額度跑 GPT-6.1 Sol 不收長 context 費用,預設值仍可自行調高或調低,上限為 1M。



    ⭐ 文章深度讀:GPT-6.1 Sol 預設記性拉到 500k!訂閱跑長對話不另收費

    → https://heymaibao.com/gpt-6-1-sol-default-context-500k-a5f91b/


    ⚡ 章節重點

    聊久就忘事的老問題 00:00

    預設記性拉長與背後理由 00:29

    回覆裡藏著的不另收費 01:37

    自己能調的預設與上限 02:05

    額度疑問與荷包重點 02:41


    📝 懶人包

    ∙ Codex 與 Work 裡的 GPT-6.1 Sol 預設 context 從 272k 調到 500k


    ∙ 用訂閱額度跑 GPT-6.1 Sol,不收長 context 費用


    ∙ 預設值能自己調高或調低,不是寫死的


    ∙ 我的觀點:預設值就是沒改設定的人每天實際用到的那一個


    📚 參考資料

    Day 7/

    → https://x.com/thsottiaux/status/2109430343346581527


    Codex Day 7: GPT-6.1 Sol default context rises from 272K to 500K, no long-context fees on subscription usage

    → https://aicoder.com/news/news-20261012-codex-gpt-6-1-sol-default-context-500k


    Pricing

    → https://learn.chatgpt.com/docs/pricing

    5 min