脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • AI 說 Rust 比 C 快!Simon Willison 多問哪一句,讓 C 反過來快一倍?


    Simon Willison 只用一般 Claude 聊天視窗比較 C 與 Rust 寫的 SQLite 擴充。第一輪 Rust 版較快,第二個提示要求打敗 Rust 後,補上約 30 行快速路徑的 C 版約快一倍,並通過 800 萬次隨機測試的逐位元對照。



    ⭐ 文章深度讀:Simon Willison 多追問 AI 一句!C 語言反過來跑贏 Rust

    → https://heymaibao.com/simon-willison-follow-up-c-beats-rust-e6c4fa/


    ⚡ 章節重點

    AI 的第一個答案 00:00

    散步時冒出的實驗 00:24

    第一輪的成績單 01:15

    追問一句後的翻盤 02:11

    翻盤後的驗證與取捨 03:00

    三步問法與最後一眼 04:09


    📝 懶人包

    ∙ 第一個提示:讓 Claude 比較 C 與 Rust 寫的 SQLite 擴充。


    ∙ 第一輪 C 版只有 14 KB,速度卻是 Rust 版比較快。


    ∙ 追問打敗 Rust 後,優化的 C 版約是 Rust 版兩倍快。


    ∙ 我的觀點:AI 第一次給的比較只是起跑線,多追一句,勝負可能翻過來。


    📚 參考資料

    Research: parse_number() as a SQLite extension: C vs Rust

    → https://simonwillison.net/2026/Nov/8/sqlite-parse-number-c-vs-rust/


    research/sqlite-parse-number-c-vs-rust at main · simonw/research

    → https://github.com/simonw/research/tree/main/sqlite-parse-number-c-vs-rust


    Run-Time Loadable Extensions

    → https://sqlite.org/loadext.html


    Application-Defined SQL Functions

    → https://sqlite.org/appfunc.html


    Code research projects with async coding agents like Claude Code and Codex

    → https://simonw.substack.com/p/code-research-projects-with-async


    simonw/research

    → https://github.com/simonw/research

    6 min
  • 大家都叫你多休息!但同時開 20 個 AI 對話的累,解法其實是一件一件關掉


    Sergey Kuhne 把同時開好幾個 AI 對話的疲累拆成先後順序與脈絡兩個毛病,改把每件事寫成工單排進佇列,由 AI agent 研究、動手、跑測試,正式上線與裁決集中到主人收件匣,每件都照拿一件、載入脈絡、做決定、放回佇列關掉的節奏收尾。



    ⭐ 文章深度讀:開太多 AI 對話腦袋當機?Sergey Kuhne 把事情一件件關掉

    → https://heymaibao.com/close-ai-tasks-one-by-one-e01620/


    ⚡ 章節重點

    多開 AI 的累 00:00

    兩個毛病與工單佇列 00:32

    AI 幫手與主人收件匣 01:38

    一件一件關掉的節奏 03:04

    代價、缺口與結論 03:36


    📝 懶人包

    ∙ Sergey Kuhne 把多開 AI 的毛病歸成先後順序與脈絡兩個。


    ∙ 每張工單是一個 markdown 檔,放在它講的程式碼旁邊。


    ∙ 需要他本人判斷的事,全落在一個叫 owner inbox 的地方。


    ∙ 我的觀點:不寫程式也適用,日常版就是只列要你拍板的待決清單。


    📚 參考資料

    How I'm fighting the AI Brain Fry — Sergey Kuhne

    → https://sergeykuhne.com/blog/fighting-ai-brain-fry


    Sergey Kuhne

    → https://sergeykuhne.com/

    6 min
  • 中國模型立場拆得掉!Nous 改完 Qwen 宣傳剩 0.9%,事實分數卻只多一點


    Nous Research 微調阿里巴巴的 Qwen3.8-27B,做出 Arete-27B,含中國官方宣傳的答案從 22% 降到 0.9%,事實分數從 2.32 升到 2.98,803 題裡仍有 216 題事實 0 分,測驗題全部來自英文來源。



    ⭐ 文章深度讀:中國 AI 模型的官方宣傳只有薄薄一層?Nous 微調就拆掉

    → https://heymaibao.com/chinese-ai-propaganda-thin-layer-79d3a6/


    ⚡ 章節重點

    AI 工具的出廠立場 00:00

    一次拆立場的實驗 00:40

    兩張分數單的成績 02:12

    薄薄一層的價值觀 03:12

    中文提問的未解題 04:38

    換 AI 前的兩道檢查 05:04


    📝 懶人包

    ∙ Nous 微調 Qwen3.8-27B,要拿掉模型裡的中國官方宣傳


    ∙ 含宣傳的答案從 22% 降到 0.9%,事實分數 2.32 升到 2.98


    ∙ 803 題裡事實 0 分的答案,從 359 題降到 216 題


    ∙ 我的觀點:每個 AI 工具都帶著公司設好的出廠立場,換工具也換立場


    📚 參考資料

    State propaganda in some Chinese AI models is only "a thin layer" that fine-tuning can strip away

    → https://the-decoder.com/state-propaganda-in-some-chinese-ai-models-is-only-a-thin-layer-that-fine-tuning-can-strip-away/


    NousResearch/Arete-27B · Hugging Face

    → https://huggingface.co/NousResearch/Arete-27B

    6 min
  • 英國讓 AI 審住宅申請,審查員時間省 58%!但真正的重點是它交出來的東西


    Google DeepMind 與英國政府合作的 PlanAssist 先檢查例行住宅申請、對照規劃政策,再起草一份附完整出處的報告,最終決定仍由規劃審查員核可。Barnet、Camden、Dorset 三個議會試點中,審查員住宅評估的平均時間降了 58%,超過 70% 的報告被原封不動核可。



    ⭐ 文章深度讀:AI 交草稿、人來簽名!英國 PlanAssist 加快住宅審查

    → https://heymaibao.com/planassist-ai-drafts-humans-sign-9b805f/


    ⚡ 章節重點

    附出處的草稿 00:00

    卡在審查桌上的小工程 00:35

    AI 審查小幫手的流程 01:03

    試點成績與數字讀法 02:07

    擴張路線與家庭等待 03:56

    搬回自己工作的分工 05:17


    📝 懶人包

    ∙ 英國例行住宅申請最多佔規劃審查員工作量的 70%。


    ∙ PlanAssist 最後起草附完整出處的報告,審查員做決定前可以改。


    ∙ 三個議會試點,審查員住宅評估的平均時間降了 58%。


    ∙ 我的觀點:最值得看的是它交出的東西,一份附出處、人可以改的報告。


    📚 參考資料

    Google DeepMind Owen Larter and David Thacker

    → https://deepmind.google/blog/speeding-up-planning-decisions-with-ai/


    How we’re building AI to help fix the English planning system

    → https://faculty.ai/en-gb/insights/articles/how-were-building-ai-to-help-fix-the-english-planning-system


    Determining a planning application - GOV.UK

    → https://www.gov.uk/guidance/determining-a-planning-application

    6 min
  • AI 採用率從 12% 衝到 40%?美國人口普查局換過題目,連 AI 這個詞都改名了


    美國人口普查局商業趨勢調查裡,250 人以上大公司答有用 AI 的比例,從 2025 年 9 月約 12% 升到 2026 年 10 月約 40%。問卷在 2025 年 11 月 17 日改題,從用 AI 生產商品或服務改問任何業務功能,前後兩段不能直接比。從 2026 年 10 月 19 日那輪起,問卷又把 AI 改稱 Super Intelligence (SI)。一年前 Apollo 那張顯示放緩的圖用的是六期移動平均,平均方式同樣會改變曲線走向。



    ⭐ 文章深度讀:AI 採用率從 12% 衝到 40%?美國人口普查局的尺換了兩次

    → https://heymaibao.com/ai-adoption-census-ruler-changed-twice-547bb4/


    ⚡ 章節重點

    一把一直在換的尺 00:00

    AI 退燒圖與一年後重跑 00:27

    問卷改題與 AI 改名 01:26

    被裁掉的六期平均 03:23

    新圖的斷層與帶走的追問 04:36


    📝 懶人包

    ∙ 人口普查局問的 AI 題目,在 2025 年 11 月 17 日有了實質改變


    ∙ 問卷題目把 AI 改稱 Super Intelligence 或 SI,並註明以前叫 AI


    ∙ Apollo 那張圖是六期移動平均,截圖裁掉這行字,重畫就對不上


    ∙ 我的觀點:數字越來越好看,越要先看量它的尺換了沒


    📚 參考資料

    The U.S. Census Bureau and “Super Intelligence”

    → https://simonwillison.net/2026/Nov/2/census-bureau-super-intelligence/


    Recreating the Apollo AI adoption rate chart with GPT-5, Python and Pyodide

    → https://simonwillison.net/2025/Sep/9/apollo-ai-adoption/


    BTOS AI Core Question Updates

    → https://www.census.gov/hfp/btos/downloads/AI%20Question%20Wording%20Updates.pdf


    Inaugurating the Era of Super Intelligence

    → https://www.federalregister.gov/documents/full_text/html/2026/10/02/2026-20321.html

    6 min
  • Anthropic 內部 AI 用量已經比員工薪酬還高?這筆帳藏了兩個你該先問的但書


    Anthropic 在上市申請文件揭露,內部 Claude 用量照零售價折算後,4 月的價值超過不含股票獎酬的員工月薪酬,但花在 AI 上的現金其實沒有比薪水多,這些用量的算力成本也沒有揭露。Anthropic 內部 AI 用量從 1 月到 9 月漲了超過 250 倍,9 月新增程式碼超過 90% 由 Claude 寫成。



    ⭐ 文章深度讀:Anthropic 內部 AI 用量超過員工薪酬?先問是怎麼算的

    → https://heymaibao.com/anthropic-internal-ai-use-exceeds-payroll-becbb3/


    ⚡ 章節重點

    AI 帳單與薪水的對照 00:00

    Anthropic 的用量帳本 00:34

    用量換回的產出 02:11

    人才與薪酬的分水嶺 02:56

    帶得走的兩個檢查問題 03:48


    📝 懶人包

    ∙ Anthropic 內部 Claude 用量按零售價,4 月超過不含股票月薪酬


    ∙ 1 月到 9 月,Anthropic 內部 AI 用量漲了超過 250 倍


    ∙ 9 月 Anthropic 新程式碼超過 90% 是 Claude 寫的


    ∙ 我的觀點:你花在 AI 上的錢換回多少人力工作,值得自己算一次


    📚 參考資料

    Anthropic's internal AI use, valued at retail prices, now exceeds its employee pay

    → https://www.businessinsider.com/anthropic-claude-internal-ai-use-exceeds-employee-pay-tokens-2026-11


    Anthropic files S-1 with the SEC for proposed initial public offering

    → https://www.anthropic.com/news/s1-sec


    Anthropic confidentially submits draft S-1

    → https://www.anthropic.com/news/confidential-draft-s1-sec


    Is Anthropic's Internal Claude Use Worth Its Payroll?

    → https://capitalandcompute.net/blog/anthropic-internal-claude-use-vs-payroll/


    A Guide To Anthropic’s AI Use Figure And Its Payroll Benchmark

    → https://earnqa.com/general/a-guide-to-anthropic-s-ai-use-figure-and-its-payroll-benchmark/

    5 min
  • AI agent 平常乖巧、測試也正常!但你電腦上一條路徑就能讓它執行攻擊指令


    Xinyan Hu 等人的論文 Agentic Backdoors via Pretraining Poisoning 指出,預訓練語料只混進 0.1% 的毒資料,就足以替 AI agent 種下後門,而且撐過無害的後訓練。觸發條件可以是受害者電腦自然產生的普通檔案路徑,被下毒的模型在一般能力測驗上和沒下毒的一樣好。論文認為更實際的防守是盯住 agent 要執行的動作,靠沙盒與最小權限、高風險操作的白名單或人工確認,以及執行前的分類器把關。



    ⭐ 文章深度讀:AI agent 後門只要千分之一毒資料!預訓練下毒撐過後訓練

    → https://heymaibao.com/agent-backdoors-pretraining-poisoning-6bf406/


    ⚡ 章節重點

    從檢查答案到檢查動作 00:00

    會動手的 AI 與後門 00:27

    毒從公開網路混進去 01:51

    觸發條件與下毒寫法 02:49

    少量的毒與測不出的後門 04:48

    盯住動作的防線 05:58

    越大越牢,帳要三段算 06:43


    📝 懶人包

    ∙ 預訓練語料只混進 0.1% 的毒資料,就足以把後門種進 agent。


    ∙ 預訓練時種下的後門,撐過了無害的後訓練。


    ∙ 保證不了資料乾淨,論文認為更實際的防守是盯住 agent 要執行的動作。


    ∙ 我的觀點:AI 動手做事時,要檢查的從答案對不對,變成這一步該不該發生。


    📚 參考資料

    Agentic Backdoors via Pretraining Poisoning

    → https://arxiv.org/abs/2610.37741


    Preprint

    → https://arxiv.org/pdf/2610.37741


    Agentic Backdoors via Pretraining Poisoning

    → https://arxiv.org/html/2610.37741v1

    9 min
  • AI 替你裝購物車快五倍,帳單卻變大了!DoorDash 自家成績單沒說的那件事


    DoorDash 自家 AI 功能 Ask DoorDash 建購物籃比不用時快五倍,訂單平均金額卻高將近 50%、品項多約 60%。第三方 AI agent 的訂單只有幾百筆,Ask DoorDash 使用量也沒有公開詳細統計,省下的時間和多花的錢需要分開記。



    ⭐ 文章深度讀:AI 開始替你結帳了:DoorDash 的 AI 代買成績單怎麼讀

    → https://heymaibao.com/doordash-ai-ordering-scorecard-24091b/


    ⚡ 章節重點

    AI 替你結帳的時代 00:00

    DoorDash 的成績單 00:30

    成績單沒說的事 02:21

    1994 年的披薩網購 04:14

    省時與花錢兩本帳 04:59


    📝 懶人包

    ∙ Ask DoorDash 能從食譜照片建好購物車,也能照含糊描述推薦訂單。


    ∙ DoorDash 稱自家 AI 訂單金額高將近 50%、品項多約 60%。


    ∙ DoorDash 沒有公開 Ask DoorDash 使用量的詳細統計。


    ∙ 我的觀點:AI 替你下單時,省下的時間和多花的錢要分兩本帳看。


    📚 參考資料

    Basically no one is using AI agents for their DoorDash orders

    → https://arstechnica.com/ai/2026/10/doordash-says-outside-ai-agents-have-only-led-to-hundreds-of-orders-so-far/


    DoorDash said it's only received 'several hundred' orders from AI agents

    → https://techcrunch.com/2026/10/30/doordash-said-its-only-received-several-hundred-orders-from-ai-agents/

    6 min
  • AI 影片終於能像改文章一樣改!Gemini Omni 1.2 Flash 只改一處、其他不動


    Gemini Omni 1.2 Flash 讓 AI 影片能在 15 秒片段上多輪對話編輯,每一輪產出一部新影片,沒提到的部分保留。720p 每秒 0.07 美元,比 Omni 1.1 降價 30%,目前仍不支援編輯人聲。



    ⭐ 文章深度讀:Gemini Omni 1.2 Flash 影片改得起!多輪編輯一處一處修

    → https://heymaibao.com/gemini-omni-flash-multi-turn-video-editing-3fa0ce/


    ⚡ 章節重點

    AI 影片能改稿了 00:00

    多輪對話編輯的用法 00:26

    先打草稿再放大的流程 01:25

    改稿的價錢與計費疑問 01:51

    改不動的地方與試用入口 03:10

    AI 影片的查證與結論 04:21


    📝 懶人包

    ∙ 720p 每秒 0.07 美元,比 Omni 1.1 降價 30%。


    ∙ 多輪編輯每一輪都產出一部新影片,沒提到的部分保留。


    ∙ 改影片的 prompt 越簡單越好,描述太多會改到別處。


    ∙ 我的觀點:降價加多輪編輯,讓 AI 影片從整段重抽變成一處一處修。


    📚 參考資料

    Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips

    → https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/


    Google DeepMind

    → https://deepmind.google/models/gemini-omni/


    Generate and edit videos with Gemini Omni Flash - Gemini API | Google AI Studio

    → https://aistudio.google.com/docs/omni


    Gemini Omni Flash 1.2 is Google's multimodal video model

    → https://fal.ai/models/google/gemini-omni-flash/v1.2/edit


    Gemini Omni 1.2 Flash 更新解讀:15 秒視頻、多輪編輯與降價 30% 的 6 個關鍵變化 - Apiyi.com Blog

    → https://help.apiyi.com/zh-hant/gemini-omni-1-2-flash-update-15s-video-multi-turn-editing-zh-hant.html


    Google AI Pro & Ultra — get access to Gemini 4 Argon & more

    → https://gemini.google/subscriptions/

    6 min
  • AI 影片不用整段重抽了!Gemini Omni 1.2 Flash 多輪編輯只改你說的那一處


    Google 的 Gemini Omni 1.2 Flash 第一次正式推出,多輪對話編輯會記得前一版影片,只改指令點名的地方,沒提到的部分保留。720p 影片每秒 0.07 美元,比 1.1 降價 30%,影片長度可在 3 到 15 秒之間指定。



    ⭐ 文章深度讀:AI 影片也能只動一處!Gemini Omni 1.2 Flash 多輪編輯

    → https://heymaibao.com/gemini-omni-1-2-flash-video-editing-84fdeb/


    ⚡ 章節重點

    只改一處的影片模型 00:00

    短指令與多輪編輯 00:52

    每一輪的帳單 01:39

    用中文下指令的落差 03:23

    從抽籤到改稿 03:46


    📝 懶人包

    ∙ Gemini Omni 1.2 Flash 第一次正式推出,可以拿來正式用。


    ∙ 編輯影片時指令越簡單越好,寫太多細節可能改到不想改的地方。


    ∙ 720p 影片每秒 0.07 美元,比 1.1 降價 30%。


    ∙ 我的觀點:AI 影片從每次重抽一張籤,變成一版一版往下修。


    📚 參考資料

    Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips

    → https://deepmind.google/blog/gemini-omni-12-flash-fast-and-cost-effective-with-longer-clips/


    Generate and edit videos with Gemini Omni Flash - Gemini API | Google AI Studio

    → https://aistudio.google.com/docs/omni


    像素、解析度是什麼?2K、4K 差多少?認識解析度規格,看完這篇就懂 - Mio 生活玩家

    → https://blog.mio.com/tw/life-style/unique/resolution/

    5 min