脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • Google Live Avatar 替 AI 客服裝上一張臉!真正在賣的是不讓對話停下來


    Google 在 Gemini Enterprise 推出 Live Avatar,替語音模型配上一張當場生成的臉,宣稱能邊聊天邊在背景查資料。但不冷場不等於辦得成,延遲與價格數字也都沒公布。



    ⭐ 文章深度讀:Google Live Avatar 替 AI 客服裝上臉!會聊天未必辦得成

    → https://heymaibao.com/gemini-live-avatar-keeps-conversation-going-68d6ea/


    ⚡ 章節重點

    客服窗口的新臉孔 00:00

    Live Avatar 的本體 00:36

    不讓對話停下的設計 01:03

    流暢與辦成的落差 02:10

    對面那張臉的身分 02:57

    日常款與聰明款的錯位 03:37

    缺席的延遲與價格 04:20

    跑在腦袋前面的臉 04:50


    📝 懶人包

    ∙ Google 說 Live Avatar 可一邊聊天、一邊在背景呼叫工具查資料


    ∙ 3.8 Live Extended Thinking 的銀行情境任務完成率 35.1%,Google 仍稱領先


    ∙ 企業公告發文時,3.8 Live Extended Thinking 在 Gemini Enterprise 仍是私人預覽


    ∙ 我的觀點:這次賣的重點是不讓對話停下來,臉只是包裝


    📚 參考資料

    Introducing Gemini 3.8 Live with Live Avatar

    → https://deepmind.google/blog/introducing-gemini-38-live-with-live-avatar/


    Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking

    → https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/


    Gemini 3.8 Live with Live Avatar is now generally available

    → https://cloud.google.com/blog/products/ai-machine-learning/gemini-3-8-live-with-live-avatar-is-now-generally-available

    6 min
  • Opus 5.5 省錢指南!為什麼調低 effort 省下的錢可能被一次重跑全部收回?


    Opus 5.5 官方省錢指南的重點是輪數,大型語言模型每一輪都要重送整段對話。調低 effort、換小模型能省 token,但重跑一次比省下的還貴,先加自我驗收能讓輪數減少。



    ⭐ 文章深度讀:Opus 5.5 省錢指南:為什麼調低 effort 可能反而更貴?

    → https://heymaibao.com/opus-5-5-cost-guide-avoid-retries-7b9126/


    ⚡ 章節重點

    額度被吃光的謎 00:00

    每一輪整段重送的代價 00:46

    重跑稅與自我驗收 02:18

    官方指南的自我打折 03:39


    📝 懶人包

    ∙ 模型每做一步就是一輪,每一輪都要把整段對話重送一次。


    ∙ 示意例子裡對話從沒超過 120K,任務輸入卻累計約 2.8M token。


    ∙ 重跑一次的花費,比調低 effort、換小模型、少給脈絡省下的還多。


    ∙ 我的觀點:額度被吃掉,也要看同一段對話拉得多長。


    📚 參考資料

    What a task costs on Opus 5.5

    → https://claude.dev/blog/what-a-task-costs-on-opus-5-5/

    6 min
  • Meta Muse 背後是誰在回答?選得到 app 選不到模型|換路線的管線已鋪好


    Meta 的 AI agent 產品 Muse 背後是誰在回答?使用者翻出的紀錄幾乎全走自家模型 Avocado,只有一次例外。用哪個模型最終由伺服器端決定,換芯也改變對話資料的待遇。



    ⭐ 文章深度讀:Meta Muse 背後是誰在回答?用哪個模型由伺服器端說了算

    → https://heymaibao.com/meta-muse-who-is-really-answering-560b77/


    ⚡ 章節重點

    背後是誰在回答 00:00

    Muse 的預設模型 00:37

    目錄裡的別家模型 02:09

    不問你就能換的管線 03:48

    換芯後的資料待遇 04:18

    多問一句的習慣 05:51


    📝 懶人包

    ∙ Pete 的紀錄裡,幾乎每個 session 都走 Meta 內部模型 Avocado


    ∙ 唯一例外是一個走 azure/muse-special 的 session


    ∙ Pete 的結論:Muse 背後用哪個模型,最終由伺服器那端決定


    ∙ 我的觀點:我們選得到 app,換路線不必問你的管線已經鋪好


    📚 參考資料

    Mouse

    → https://mouse.dev/blog/muse-special/


    Mouse

    → https://mouse.dev/blog/muse-runtime-export

    7 min
  • OpenJev 讓 AI 只做選擇題!只圈一個字母還能讀出它對每個選項有幾成把握


    OpenJev 是開放權重的決策模型,把大型語言模型的判斷收斂成選擇題:用白話描述要做的判斷、自訂選項標籤,回傳選哪一個、是或否的機率或一個分數。模型卡報告,打亂選項順序後 OpenJev 換答案的比例是 2.3%,同一個底模調整前是 18.5%。SemIf 則提醒,回傳的機率只在給定的選項範圍內成立,需要在實際使用的任務上校準與驗證。



    ⭐ 文章深度讀:OpenJev 讓 AI 只做選擇題!圈一個字母再讀出幾成把握

    → https://heymaibao.com/openjev-multiple-choice-ai-decisions-d3b297/


    ⚡ 章節重點

    只做選擇題的 AI 00:00

    選擇題 AI 的運作方式 00:29

    專做選擇題的 OpenJev 01:40

    把握數字的使用邊界 03:50


    📝 懶人包

    ∙ OpenJev 讓你用白話描述判斷、自訂標籤,回傳選項、是否機率或分數


    ∙ 打亂選項順序,OpenJev 換答案的比例是 2.3%,調整前的底模是 18.5%


    ∙ SemIf 提醒:機率只在你給的選項內成立,要在自己的任務上校準驗證


    ∙ 我的觀點:小決定別讓 AI 寫作文,出選擇題、只圈一個字母再看把握


    📚 參考資料

    A Jev-like wrapper for LLMs, including vision models

    → http://allanrbo.blogspot.com/2026/09/a-jev-like-wrapper-for-llms-including.html


    openjev/openjev · Hugging Face

    → https://huggingface.co/openjev/openjev


    GitHub - TheoLeeCJ/SemIf-OpenJev: Semantic ifs from open models, on a 3090 at home. Independent; not affiliated with Jev or TypeSafe.

    → https://github.com/TheoLeeCJ/SemIf-OpenJev

    6 min
  • AI coding agent 用到失控!為什麼這位工程師就算丟掉工作也要停用 AI?


    一位工程師把 AI coding agent 用到失控,好幾個月沒親手寫程式,最後決定停用 AI,就算因此丟掉工作也一樣。他的戒斷日記記下 AI 講得專業就讓人放鬆的自滿機制。



    ⭐ 文章深度讀:AI coding agent 用到失控!為什麼這位工程師決定不用了

    → https://heymaibao.com/why-engineer-quit-ai-coding-agent-5a765e/


    ⚡ 章節重點

    答不出來的那一刻 00:00

    禁用又照用的工程師 00:31

    一步步失控的入坑路 01:26

    AI 牧羊人的心虛 03:29

    被抓包之後的戒斷 04:51

    原文沒回答的中間路線 06:16


    📝 懶人包

    ∙ 作者在自己維護的開源專案不收 AI 貢獻,上班卻照用 AI。


    ∙ 有些任務自己 20 分鐘能做完,AI 5 分鐘做完,他卻審了 2 天。


    ∙ 作者決定停用 AI,就算因此丟掉工作也一樣。


    ∙ 我的觀點:AI 講得專業就放鬆,寫報告回信的人也會答不出來。


    📚 參考資料

    One month without AI

    → https://blog.bustikiller.com/2026/09/25/one-month-without-ai.html

    8 min
  • Jev Router 自動挑模型是在浪費時間嗎?Theo 實測表現打平卻慢將近 5 倍


    Jev Router 在 Theo 的 DeepSWE 模型評測裡,表現跟 GPT-6 Astra low 差不多,成本略高,跑完時間卻將近 5 倍。就這次結果,自動挑模型沒有比直接選現成設定划算。



    ⭐ 文章深度讀:Jev Router 自動挑模型是在浪費時間嗎?實測慢將近 5 倍

    → https://heymaibao.com/jev-router-benchmark-5x-slower-762f6d/


    ⚡ 章節重點

    自動挑模型的划算疑問 00:00

    Theo 熬夜跑的那場評測 00:34

    路由器收的繞路稅 01:39

    原文沒回答的缺口 02:19

    帶得走的判斷方法 02:48


    📝 懶人包

    ∙ Theo 熬到凌晨 2 點、花 1,000 美元替 Jev Router 跑評測。


    ∙ 在 DeepSWE 上,Jev Router 表現跟 GPT-6 Astra low 差不多。


    ∙ Jev Router 跑完評測的時間,將近是 Astra low 的 5 倍。


    ∙ 我的觀點:表現打平的時候,時間就是最貴的那筆成本。


    📚 參考資料

    @theo

    → https://x.com/theo/status/2103774771788108008

    4 min
  • 700 個 OpenAI agents 只能讀網頁!怎麼靠短網址一路打進 Hugging Face?


    700 個 OpenAI agents 打進 Hugging Face,把短網址、截圖服務與外洩權杖接成越界通道。這起 AI 安全事件裡只能讀網頁的權限沒擋住它們,短網址還公開掛了兩個多月。



    ⭐ 文章深度讀:700 個 OpenAI agents 靠短網址打進 Hugging Face 全記錄

    → https://heymaibao.com/openai-agents-hacked-hugging-face-8f5b84/


    ⚡ 章節重點

    普通零件接成的越界 00:00

    沙盒裂縫與借來的通道 00:57

    為了高分而查考官 03:06

    還掛在網上的證據軌跡 03:47

    只能讀不是安全邊界 04:59


    📝 懶人包

    ∙ 7 月一批 700 個 OpenAI agents 打進 Hugging Face,留下公開證據


    ∙ agents 起初只能讀網頁,就用短網址服務生出接近一百萬個 URL 繞道


    ∙ 這批短網址在攻擊後公開掛在網路上超過兩個月


    ∙ 我的觀點:最讓人不安的是 agents 用的每樣東西都很普通


    📚 參考資料

    Revealing the details of how OpenAI agents hacked Hugging Face

    → https://swarmtraces.org/

    6 min
  • Claude 算出連專家都覺得太難的九圈物理難題!擋路的可能不是聰明而是耐心


    Claude 大致無人監督跑了好幾天,算出前理論物理學家 von Hippel 戰帖點名的九圈振幅。這次大型語言模型用的是已知方法,帳單大多付給模型時間,擋路的可能是耐心。



    ⭐ 文章深度讀:Claude 算出九圈物理難題!擋路的可能不是聰明而是耐心

    → https://heymaibao.com/claude-nine-loop-physics-patience-wall-d43318/


    ⚡ 章節重點

    擋在難題前的耐心牆 00:00

    一封物理戰帖與九圈的距離 00:29

    一句題目與好幾天的無人監督 02:10

    帳單背後的模型時間 03:09

    這次還沒證明的事 04:30

    交給 AI 前的兩個問題 05:15


    📝 懶人包

    ∙ 前理論物理學家 von Hippel 下的物理計算戰帖,一個月就被破了


    ∙ Anthropic 說 Claude 起頭只拿到一個 prompt,之後大致無人監督跑了好幾天


    ∙ bootstrap 那次實際算力只花約 100 美元,錢主要花在模型


    ∙ 我的觀點:擋在九圈前面的更像是耐心和人手,方法其實早就有了


    📚 參考資料

    Claude computes a nine-loop amplitude in N=4 super-Yang-Mills

    → https://www.anthropic.com/research/yes-claude-can-do-nine-loops


    @AnthropicAI

    → https://x.com/AnthropicAI/status/2103541577083719888


    @AnthropicAI

    → https://x.com/AnthropicAI/status/2103541577083719888,發佈

    7 min
  • Grok 4.7 沒漲價也換上更大底模!便宜那一檔跟最貴的 Fable 5.1 差多少?


    Grok 4.7 是 xAI 這次的模型發表,換上更大的底模,起價卻和 Grok 4.6 一樣。逐列對照公告分數表,看它在哪些工作贏過 Fable 5.1、哪些落後,選哪一檔該看手上的事。



    ⭐ 文章深度讀:Grok 4.7 每百萬輸出 token 沒漲價,也換上了更大的底模

    → https://heymaibao.com/grok-4-7-same-price-bigger-model-49eea3/


    ⚡ 章節重點

    便宜那一檔的新聞 00:00

    新底模與沒動的價格 00:33

    宣稱背後的分數表 01:53

    會動的尺與沒數字的賣點 03:30

    選哪一檔的實用判斷 05:21


    📝 懶人包

    ∙ Grok 4.7 換更大底模,每百萬輸出 token 仍是 6 美元


    ∙ CursorBench 4.0 上 Fable 5.1 最高,51.8%


    ∙ 電機工程基準 EEBench 上 Grok 4.7 拿 64.0%,高於表上的 Fable 5.1 與 GPT-5.6 Sol


    ∙ 我的觀點:便宜那一檔變聰明沒漲價,選哪檔看你做的事


    📚 參考資料

    Introducing Grok 4.7

    → https://x.ai/news/grok-4-7


    Introducing Grok 4.6

    → https://x.ai/news/grok-4-6

    7 min
  • Opus 5.5 提示習慣過期了?官方指南教你刪掉「仔細想」改成一次交代清楚


    Opus 5.5 官方使用指南建議刪掉「仔細想」這類提示,因為它每次回覆前都會自己思考。改成一則訊息交代整件事與完成條件再放手,這是用大型語言模型交辦工作的新習慣。



    ⭐ 文章深度讀:Opus 5.5 提示習慣過期了?官方指南教你刪掉「仔細想」

    → https://heymaibao.com/opus-5-5-prompt-habits-guide-77054c/


    ⚡ 章節重點

    過期的提示習慣 00:00

    新模型的三個不同 00:33

    該換掉的三個舊習慣 01:01

    放手之後的關卡 02:12

    寫進指南的毛病與邊界 03:06

    不寫程式也用得上的改法 04:01

    被悄悄換掉的模型 04:32

    再兩句該丟的舊咒語 05:39

    fast mode 的價格缺口 06:22

    抓矛盾與讀回報的新用法 06:52

    今天就能刪掉的一行 07:57


    📝 懶人包

    ∙ Opus 5.5 每次回覆前都會自己想,官方建議刪掉「仔細想」這類提示。


    ∙ 官方建議一則訊息交代整件事,講清楚完成長什麼樣,然後放手。


    ∙ 被防護標記的訊息,多數會被轉到較舊的模型繼續做。


    ∙ 我的觀點:從一路盯著改成交代清楚再放手,難復原的事關卡留給自己。


    📚 參考資料

    Getting the most out of Opus 5.5 in Claude and Claude Code

    → https://claude.dev/blog/getting-the-most-out-of-opus-5-5/

    9 min