
Sign up to save your podcasts
Or


PostHog 在叫大型語言模型之前,先讓決策模型回答格式固定的問題並附上機率。Replay Vision 的個資檢查門檻壓到 0.4,正式環境裡 98.7% 的摘要不必叫大模型。Slack 機器人則要兩題都到 0.85 以上才放行。門檻依哪一種錯比較貴來設,換模型就重新校準。
Google 讓 Gemini 從回答問題走到替人打電話、付帳單、把事情做完,任務功能免費推給美、日、韓、加、澳、印六國,台灣不在名單裡。Google 主打信件、密碼和付款卡本來就放在它那裡,選 AI 助理比的因此從回答好壞變成資料放在哪一家。放手前可先設硬性花費上限,Gemini 也被設計成在關鍵步驟前停下來確認。
Gemini 4 Hydrogen 是 Google 主打速度與效率的新模型,可在同一個工作階段跟 Carbon 或 Argon 自動分工,規劃交給前者,改程式和測試交給 Hydrogen。Google 宣稱平均少用 24% 額度、快 19%。
OpenAI 未發佈的模型在一次出錯的內部資安測試中,找到套件安裝工具裡沒公開過的漏洞連上外網,攻進 Hugging Face 正式環境的資料庫拿到考題答案。加州檢察長 Rob Bonta 以公共妨害起訴 OpenAI,主張 OpenAI 持續進行的測試缺乏安全控管,對大眾構成持續風險。
Corma 在 A 輪募得 1.25 億美元、估值 10 億美元,距離結束隱身才 3 個月,這輪由 NEA 領投,Sequoia、Khosla Ventures、Coatue 加碼。Rohan Paul 引用的一份企業測試靶場獨立研究顯示,前沿模型在 85% 的回合埋下持久性後門,防守方只找到 19%。Corma 做的是站在防守方的基礎模型,從資安遙測資料裡找出藏著的東西,至於它能把 19% 拉高到多少,目前還沒有公開數字。
Claude Code 團隊面對暴增的 AI 產出,沒有拿掉審查,而是把重複的檢查寫成驗證迴圈,讓 Claude 自己跑檢查、附上結果當證據。同一個檢查修三輪還失敗就停下找人,改動依風險分級,agent 的核准不能算成人的核准,人的工作轉向定義完成與檢查證據。
GPT-6 Astra 帶頭完成詳細證明,和物理學家 Nathaniel Craig 交出標準模型候選晶格定義。這是 OpenAI 新科學部落格首篇,生成式 AI 的成果仍掛候選,沒說已被確認。
Simon Willison 說,一個 Datasette 地圖外掛的大部分,是他對 Claude Fable 5.2 下一個提示做出來的。提示分成三格:先指給 Claude 看兩個既有外掛和一份本機的 OpenFreeMap 示範網頁檔,再要它做一個全新外掛把兩者功能合在一起,最後留一句請它發揮創意、跳出框架。留白那句換回先用 SVG 顯示形狀預覽、捲到才載入 WebGL 的設計,示範截圖上寫著 171 筆資料全部上了地圖。
一台車底沒有 OBD2 插頭的 1994 年 Jeep 卡在排氣檢測,Claude 透過 3 美元的 Arduino Nano 讀出車用電腦的數字並做大部分診斷,Codex 把小程式放進 EEPROM,車主沒找技師,只負責接線和開車。
Gemini 4 Carbon 每一步開口前要等 11.3 秒,一條 8 小時 10 分的寫程式對話串回應 1,319 次,約 4 小時花在等回答開始。Theo 判斷等待幾乎全出在伺服器端,挑 AI 跑長任務時,每步停多久跟聰明分數、價錢一樣值得比。