今天的 Hacker News 上，有人回头审视职业生涯，发现它可能是一桩金融欺诈的附属品；也有新的桌面打包工具、开源模型、Minecraft 大版本更新、AI 多智能体系统发布，以及几个离谱的 bug 分析。
软件工程师 David Newgas 曾在一家叫 GenieDB 的英国初创公司工作。公司后来被美国风险投资基金 Frost VP 收购，他作为唯一转到美国的团队成员，在硅谷过了几年典型的创业生活。但公司始终没有超过 3 个客户，最终被开源方案淘汰。
十年后，他听说基金老板 Stuart Frost 被 SEC（美国证券交易委员会）起诉欺诈。诉状里有一句话击中了他：“当 Frost 需要更多现金维持奢侈生活时，他创建新的投资组合公司，投更多基金资本进去，然后收取更多孵化费。”David 开始怀疑，自己那份带他来美国、改变一生的岗位，是否只是欺诈链条上的一环。
Hacker News 的讨论把这个故事推向了更广的层面。有人指出，一些孵化器和政府资助项目资金最终流向了 IBM 这样的大公司，因为“可信伙伴”把钱截留了；真正有能力的团队反而拿不到资助。
另一种更隐蔽的浪费来自企业内部：一家英国大银行裁员之后，被裁的人通过外包公司以更高价格回到同一个团队做同样的事。预算科目不同——“裁员”减了人头，“外包”走另一个预算池——账面上好看了，成本反而更高。这种现象在澳大利亚银行、荷兰政府、美国海军和情报机构都有记录。David 的结语保留了一种清醒：你的工作可能比你以为的更小，但你不完全是欺诈的工具。只是一种暗流，恰好改变了你的河床。
Deno 2.9 推出了 Deno Desktop，可以把一个 Deno 项目——从单个 TypeScript 文件到 Next.js 应用——打包成自包含的桌面二进制。默认使用系统自带的 WebView 渲染，二进制很小；也可以选择捆绑 CEF（Chromium Embedded Framework），体积更大但渲染行为跨平台一致。
它能自动检测框架：指向 Next.js、Astro、Fresh、SvelteKit 等项目，会自动运行生产服务器或带热重载的开发服务器，代码无需修改。后端和 UI 通过进程内通道通信，没有跨进程 IPC 的序列化开销。
Tauri 的二进制可以小到 5 MB，但 Linux 上的 WebKitGTK 比主流引擎慢且内存占用更大，macOS 上老系统的 WebView 可能停在十年前。Deno Desktop 默认约 40 MB，捆绑 CEF 约 150 MB。有评论认为，CEF 选项让它在可靠性上超过 Tauri，后者也在努力加入 CEF 支持。
所谓 wigglegram，是用多个角度拍摄的相似帧循环播放成 GIF，产生立体深度效果。作者是个拍照不删的人，想到自己那些从稍不同角度连拍的相似照片可能适合做这个。他写了一个脚本，用感知哈希（TinEye 用的那种反向图片搜索技术）在自己的 iCloud 图库里找出相似的照片序列，设了个阈值（汉明距离 10），一下吐出了几百张 wigglegram。
因为是真正的“意外”，很多照片更像小电影片段，而不是严格的立体图。动物、设计作品、雕塑效果最好。评论区有人建议用帧插值和锯齿循环（1-2-3-4-3-2）来平滑效果。iPhone 的 Live Photos 也能做类似的事情。
Z.ai 发布的 GLM 5.2 是 MIT 协议的开源模型，文本-only。作者让两个模型在 raw WebGL 下构建一个 3D 平台游戏。Opus 花了 33 分钟、约 22 美元，做出来的游戏角色有纹理、尖刺能杀人、有胜利条件。GLM 5.2 花了 1 小时 10 分钟、5.39 美元，但角色面朝后、纹理缺失、尖刺无效。
关键差距是 Opus 能看图——它生成画面后自己检查，修正了调试信息残留；GLM 5.2 只能读像素颜色值，根本看不出问题。但 GLM 5.2 的成本只有 Opus 的五分之一，很多评论认为对大量任务已经“足够好”，且开源模型没有供应商锁定的顾虑。
作者一直把开放 LLM 当业余爱好，直到 Anthropic 开始要求身份验证，他才认真考虑切换。开放模型在排行榜上落后闭源模型几个月，生产力和隐私保护需要自己处理——要么通过不透明的第三方 API，要么自建服务。
评论区里的欧洲用户推荐了 eurouter.ai 这类路由服务，可以指定数据只留在欧盟境内、不收集、零保留。虽然背后实际提供 GPU 的可能还是美国公司，但至少法律层面有保障。有人认为 Anthropic 的“不协助政府违宪”声明只保护美国人，非美国人不在保护范围内；其新模型即便选择零数据保留，也会保留提示词和输出 30 天做安全审查。开放模型的价值正是这种灵活性——你可以自托管，也可以选信任的提供商。
Codex 的 SQLite 反馈日志在 21 天内写入 37 TB，年化约 640 TB。一块 1 TB 的消费级 SSD 通常只有 600 TBW 的写入寿命。问题出在全局日志级别设成了 TRACE，记录了所有底层 WebSocket 负载、遥测事件，而这些内容对调试几乎没有价值。
数据库保留约 50 万行，但 AUTOINCREMENT 计数器超过了 55 亿——历史写入是保留的 1 万倍以上。15 秒采样显示插入 3.6 万行后立即被修剪，形成持续的写入放大。两个补丁已合并，将默认过滤级别提到 INFO+，可减少约 85% 的写入。
社区反应激烈。有用户在 macOS 上只是打开 Codex 窗口等模型响应，GPU 就占满 100%，风扇狂转；另一个用户称它吃掉 70 GB 内存。有人把 Codex 和 Claude Code 一起称为“slopware”，指出这些公司自己的软件开发质量与它们宣传的“AI 革命”存在尖锐对比。
这个代号“Chaos Cubed”的版本首次内置了 Vulkan 1.2 渲染后端，目前标记为实验性。GPU 不支持时自动回退 OpenGL。新生物群系“硫磺洞穴”有硫磺泉，上方放水会喷出水柱；新生物“硫磺立方怪”能吃掉方块并变成不同原型——吃 TNT 变炸弹，吃木材变弹球，吃冰面会滑行。
社区对 Vulkan 反应积极：OpenGL 已无法良好映射现代硬件，Vulkan 是之前预告的光照改进的前置条件。Java 版需要跨平台，所以选择 Vulkan 而非 Direct3D。但同时也有社区对近期聊天举报系统被滥用的讨论，部分玩家建议安装阻断举报数据的 Mod。
作者 Torgeir Helgevold 为家庭问答机器人微调了一个 Qwen 3:0.6B，用来把问题归到预定义类别以缩小检索范围。基准测试准确率只有 10%，模型喜欢用太宽泛的标签，还会自己发明新类别。
第一轮微调用 Unsloth 加 QLoRA，850 条数据，准确率提到 79%，但仍会输出类别片段（如 “ac” 代替 “hvac”）。第二轮做了一个简单改动：把类别名换成两个大写字母的无语义代码，迫使模型输出固定格式。准确率跳到 92%。评论区不少声音建议直接用 Scikit Learn 的 SGDClassifier 加 2-grams，训练不到一分钟，模型小于 1 MB。
GCC 和 clang 的内联汇编被认为不安全——约束写错会生成错误代码。Fil-C（一个内存安全的 C 变体）实现了静态验证：只允许没有内存访问、没有控制流、副作用完全被约束覆盖的指令。不安全的汇编不报编译错误，而是在运行时触发 panic——因为很多内联汇编在死代码中，不应阻塞移植。
作者用 AI 代理（先 Kimi K2.7-code，后 GLM 5.2）自动化了 x86_64 指令的白名单构建，每天检查两次，最终覆盖了数百条安全指令。评论对 AI 辅助这种复杂编译器工作的效果表示兴趣。
Sakana 的 Fugu 通过进化和强化学习训练一个轻量协调器，动态分配一组前沿模型（GPT 5.5、Opus 4.8、Gemini 3.1 Pro 等）的角色。分两档：Fugu 平衡性能和延迟，Fugu Ultra 追求最高质量。基准测试在编码、推理、科学等任务上达到或接近公开可用的最强模型。
早期用户反馈分化明显。有人说代码审查找出 20 多个问题，远超其他工具；也有人指出 $20/月的订阅配额只够用几小时/周，$200/月的高级版也不宽裕，推理速度慢，代码实现错误率还不低。有评论把它比作 OpenRouter 的 Fusion，但 Fugu 的协调器更动态，会生成多步工作计划而非简单合并结果。Sakana 与日本防卫省的合作也让部分用户顾虑。
女：Hello 大家好，欢迎收听 Agili 的 Hacker Podcast，我是莓莓。
男：大家好，我是阿迪。
女：今天咱们要聊的东西有点多，从一个英国工程师的亲身经历，一路聊到多智能体系统。中间会穿插立体闪烁图、新的桌面开发工具、AI 模型掰手腕、日志里偷偷写掉几十 TB 数据的应用，还有 Minecraft 新版本和极小模型微调。阿迪，要不先从那个看完让人心里一沉的故事开始？
男：好。故事的主角叫 David Newgas。他早年在英国一家叫 GenieDB 的创业公司做软件工程师，后来公司被一个美国风投 Frost VP 收购，老板叫 Stuart Frost。整个团队里只有他一个人转到美国，在硅谷过上了那种典型创业生活——快速开发、玩桌上足球，还主动拒绝了赚快钱的机会，一心想靠技术实现一次漂亮的被收购。但公司客户始终没超过三个，最后被大公司和开源方案淘汰了。
女：听起来是常见的创业成败故事，结果呢？
男：十年后，David 从老同事那里听说 Frost 被 SEC（美国证券交易委员会）起诉欺诈。他翻诉状时看到一段话，大意是：当 Frost 需要更多现金维持奢侈生活时，他就创立新的投资组合公司，投更多基金资本进去，然后收取更多“孵化费”。David 当时就愣住了——他那份带他来美国、改变人生的岗位，会不会只是欺诈流程里的一环？
女：这个念头太折磨人了。我要是他，可能会忍不住追查到底。
男：他确实深挖了仲裁和 SEC 案卷。指控本身倒不复杂：Frost VP 以孵化器形式运营，向旗下公司收取过高费用。内部一封邮件里，孵化器负责人直接写：“我们现在需要两家新公司来覆盖成本（加上 Genie 六月份退出）。”David 觉得这句话再明白不过了——GenieDB 就是用来从投资人那里抽钱的工具。前 CEO 后来也作证说，自己当时就一再抱怨收费太离谱。
女：所以他的工作可能只是一个局里的装饰品。
男：他自己也有这个感觉，形容自己像只蚂蚁——职业生涯、家庭、美国公民身份全被那场欺诈改变了，但他的故事甚至算不上案卷里一条脚注。不过他最后还是承认，GenieDB 在 Frost 介入之前确实有一个核心技术概念，后来被更严肃的团队证明是有价值的，他和同事们当时也是真心在构建产品。他选择接受一个事实：生活本来就充满偶然和混乱，欺诈只是其中一股暗流。
女：这种“工具化”其实在行业里并不少见。有朋友在银行见过类似的事：外包公司把被裁掉的员工以更高价格送回同一个团队做同一份工作，管理层裁了人、账面好看了，但技术成本反而更贵。
男：对，这就是很多评论提到的“旋转门”。不同类别的支出走不同的预算线，比如“裁员”能减少人数，“外包”从另一个预算池走，即使更贵，也没人在意。有些公司甚至人为制定半年 10% 的淘汰目标，资深员工不断流失，新人刚上手就被换掉，CEO 还以为这是通往“顶级人才”的路径。有人的总结很到位：系统性的激励扭曲让浪费和欺诈变得像空气一样自然，David 的故事只是其中一个微小的切面。
女：这么说来，我们的工作可能比我们以为的要小，但也并不是纯粹的假象。这点还挺值得揣摩的。
男：没错。David 自己留下的那句话说得好：你的工作也许没那么重要，但你并不是完全活在别人的欺诈里。每个人都被偶然性推着走，他只是刚好在回头看时，看见了一股黑色的暗流。
女：从这种沉重感里出来，再聊点轻松好玩的技术创造。阿迪，你知道什么是 wigglegram 吗？
男：就是那种把几张角度略有不同的照片循环成 GIF，产生立体旋转效果的图，像在左右晃头看东西。作者是个特别纠结的摄影爱好者，喜欢一个场景就连拍很多张，而且从来不清理相册。后来他突然意识到，这些连拍可以直接转成 wigglegram。
女：等等，手动挑图不会累死吗？
男：所以他用脚本搞定了。他用感知哈希——就是 TinEye 反向图片搜索用的那种技术——去计算 iCloud 图库里照片之间的相似度，用汉明距离把相近的连拍组挑出来，阈值定在 10 左右。结果一下子爆出几百张动图。
女：这些“偶然立体图”跟专门拍的效果有什么不一样？
男：专门拍的比如用四镜头胶片机 Nishika N8000 那种，四张照片在同一瞬间捕捉，水平位移固定，立体感干净利落。他这些连拍时间差大，主体经常在动，看起来更像一个短短的小电影。有人评论说像“脱节的动画”，还有人提到可能会引发晕动症。但动物和雕塑的连拍效果很好，因为本来动作就不可预测，那种“动感”反而增加了趣味。一些有弱视或者习惯靠运动视差感受深度的人，反而更能看出 3D 感。
女：iPhone 的实况照片其实也能借来做这个，朋友之前给我看过，就是没那么精细。
男：对，实况照片本身就夹带一小段视频，搭配帧插值和正反播放可以让动感更平滑。还有人提到任天堂 3DS 的两颗后置摄像头也能用网页工具生成类似的立体图。作者把那个感知哈希脚本放在 GitHub 上，mac 下能直接读取 iCloud 图片，任意文件夹也行。这种自己挖出小惊喜的感觉，比直接用工具生成要有趣得多。
女：确实。说到小工具，我最近留意到 Deno 出了个桌面开发方案，好像能让 TypeScript 项目直接打包成桌面应用，体积也不大。
男：Deno Desktop，在 Deno 2.9 里推出的。它把你的项目代码、Deno 运行时和一个 Web 渲染引擎打包成一个自包含的二进制。默认后端用操作系统自带的 WebView，所以二进制很小，Mac 上大概 40 MB。如果你需要跨平台一致的渲染，可以选捆绑 Chromium Embedded Framework（简称 CEF），那体积会涨到 150 MB 左右，但能绕开系统 WebView 的那些坑。
女：系统 WebView 有什么坑？
男：很多。比如 Tauri 在 Linux 上用 WebKitGTK，比主流引擎慢很多，内存占用也更高。Mac 上，WebView 只能随整个操作系统更新，很多人的引擎可能还停留在十年前。捆绑 CEF 可以避免这些，但每个应用都带一份自己的 CEF 会让系统变得臃肿，所以 Deno Desktop 把共享运行时列入路线图了。
女：对前端开发者友好吗？
男：很友好。你指向一个 Next.js、Astro、Remix 这类项目，它会自动识别框架，运行生产服务器或带热重载的开发服务器，不用改代码。后端和 UI 之间的通信走进程内通道，不经过跨进程的序列化，速度上比较有优势。交叉编译也方便，一台机器能打出 macOS、Windows、Linux 三个平台的二进制。内置基于 bsdiff 的自动更新，启动失败会自动回滚。
女：编译时候的权限呢？Deno 那套权限控制挺严格的。
男：权限是在编译时写入二进制的，运行时用户不能动态允许或拒绝，这是个妥协。有人建议，如果用户信不过，可以用自己信任的 Deno 安装去运行未编译的脚本，但那样就失去独立应用的形式了。另外，有开发者提醒说，第三方认证最好回退到用户默认浏览器，因为 CEF 里的登录页曾被 Google 阻断过。
女：现在做桌面应用，除了 Deno、Tauri、Electron，感觉选项终于多起来了。不过好像哪种方案都得在体积、可靠性和开发体验之间做取舍。
男：是的。Deno Desktop 提供了 CEF 选项，让它在可靠性上比现在还依赖老旧 WebView 的 Tauri 更踏实一些。虽然入门门槛适合习惯 JavaScript/TypeScript 生态的人，但一离开这个生态，后端语言就没别的选择了。Tauri 后端可以用 Rust 等其他语言，二进制能压到 5 MB 以下，这个体积优势还是很大。两个工具长期看会互相推动改进。
女：咱们刚聊了开发者怎么造工具，那 AI 模型自己动手写游戏呢？最近有人拿 GLM-5.2 和 Claude Opus 4.8 做了一次“气氛测试”，让它们用原生 WebGL 写 3D 平台游戏，不给任何引擎，还挺有意思。
男：对，作者在两台机器上给同样的提示，然后对比结果。Opus 用了 33 分钟，花了大约 22 美元，做出的游戏角色有纹理，尖刺能杀人，碰到旗帜还有胜利条件。GLM-5.2 用了 1 小时 10 分钟，费用只有 5.39 美元，但角色面朝后，纹理缺失，尖刺无效，也没有胜利条件。
女：这个差距不只是模型聪明程度的区别吧。
男：关键差异在于 Opus 是多模态的，它能看自己生成的截图，发现残存的调试信息，然后修正。GLM-5.2 是纯文本的，只能靠读像素颜色值来验证，很多视觉上的问题根本发现不了。GLM-5.2 是 Z.ai 发布的新开源模型，MIT 协议，权重直接能下载。在推理基准上和顶级闭源模型差距不大，编码与代理任务上稍微落后，但输出 token 成本不到 Opus 的五分之一。
女：社区对这种单次提示测试怎么看？总有人说从零搭一个东西不能代表真实项目。
男：说法两极。有人觉得单次测试能暴露模型的内在判断力，而且很多实际工作本来就是靠长程代理完成的，并非一定要在已有代码库里改。也有人指出，对于大多数工程师，真正浪费时间的是让模型在现有项目中遵循模式和约束，这个场景下差距依旧明显。不过整体倾向是，开闭源差距在缩小，GLM-5.2 达到 Opus 九成性能却只花五分之一的钱，对成本敏感且以文本逻辑为主的任务，已经“足够好”了。
女：所以用户可以不再被一家供应商锁死，留一个开源模型作备份的确是种优势。
男：说到锁定，有人正是因为受够了供应商的各种要求，才决定全面切换到开放模型。有一篇写于 2026 年 6 月的文章里，作者说一直把开放模型当爱好，直到 Anthropic 要求身份验证，他才严肃考虑切换。
女：身份验证真的是一个很大的推力。我认识的几个产品经理就因为数据隐私的麻烦，开始找替代方案。
男：他的观点是，虽然排行榜上 Claude 和 GPT 这类闭源模型依然占顶，但开放模型通常只落后几个月，不像 2008 年 Linux 对 Windows 那种天壤之别。他预计生产力会有短期下降，但不至于像当年从 Matlab 切到 GNU Octave 那样中断职业生涯。评论区里不少人给出具体出路，说有欧洲的路由服务，比如 eurouter.ai，可以设置数据留在欧盟、零保留、不收集，配上 DeepSeek 之类的模型。
女：但是这种路由服务背后的 GPU 很可能还是美国公司吧？
男：没错，底层硬件多半还是那几家。好处是在法律层面能多一层保障。还有用户点了 Anthropic 的“红线”说辞——他们声称不会帮助美国违反宪法，但条文只保护“美国人”。也有人提到，Anthropic 新发布的“Mythos”级模型，即便选零数据保留，也会留提示词和输出 30 天用于安全审查，AWS Bedrock 等平台也一样生效，这让很多人更加不信任。
女：但这些替代服务好像挺贵的。
男：确实不便宜，有评论说价格虚高。但开放模型带来的灵活性就在于此：你可以自托管，也可以选信任的提供商，而不是被两家巨头完全锁死。这也是为什么欧洲那边一口气冒出了 EURouter、Eden AI、nexos.ai 等一大批路由服务。
女：换到开放模型这条路，当然不是一帆风顺。不过跟 AI 工具自身出的问题比起来，这些麻烦可能还不算什么。我这两天看到 OpenAI 的 Codex 有个日志 bug，听得我午饭都快喷出来了。
男：你说的是那个 SQLite 反馈日志？21 天写入了 37 TB，年化大约 640 TB。一块典型 1 TB 消费级 SSD 的总写入寿命也就 600 TBW，这个 bug 用一年时间就能把保修上限吃满。
女：这到底是怎么回事，能写掉这么多？
男：问题出在 Codex 的 SQLite 日志 sink——它用了全局 TRACE 级别的默认过滤器。所有依赖库的内部日志、原始 WebSocket 和 SSE 协议载荷、重复的 OpenTelemetry 事件全都往里灌。报告者给了一组数据：数据库只保留约 50 万行，但 SQLite 的 AUTOINCREMENT 计数器已经到 55 亿了。也就是说，写入后被修剪掉的行是保留行的 1 万倍以上。TRACE 级别占了总量的 70.7%，主要来源是底层 tokio-tungstenite 的连接日志和镜像的遥测事件，对反馈调试几乎没用。
女：那后来怎么修？
男：提交补丁的人把默认过滤器改成 INFO+，再把 codex_otel、hyper_util 这些目标级别单独提升。两个 PR 合入后可以减少大约 85% 的写入。有用户提到，在 macOS 上只是把 Codex 窗口打开等待响应，GPU 就能飙到 100%，风扇狂转，这个问题已经存在近六个月了。
女：一边大肆宣传“AI 革命”，一边自家软件的开发质量这么糟糕，真的挺讽刺的。
男：社区里有人拿 Codex 跟 Claude Code 对比，说两者都是 slopware。Claude Code 也有终端闪烁、后台进程吃 CPU、不接受 AGENTS.md 配置这些槽点。但 Codex CLI 的优点在于它是开源 Rust 写的，比闭源的 Node.js 版本更容易修补和自定义。不少评论都在拷问，为什么这两家公司自己的产品质量如此低劣，却还在对外输出“颠覆性技术”的形象。
女：算了，聊点让人开心的事。Minecraft Java 版 26.2 更新，代号“Chaos Cubed”，内置了 Vulkan 渲染后端。阿迪，这算大新闻吧？
男：是的，这是 Minecraft 首个包含 Vulkan 1.2 渲染后端的版本。Vulkan 是一个低开销的跨平台图形 API，能更直接地控制现代显卡，效率比老旧的 OpenGL 高很多。这个版本把 Vulkan 标记为实验性，需要 GPU 支持动态渲染。如果系统不支持，会自动回退到 OpenGL。视频设置里现在提供“首选 Vulkan”或“首选 OpenGL”的选项。Mac 上通过 MoltenVK 把 Vulkan 桥接到 Metal。
女：为什么微软会让 Mojang 选 Vulkan 而不是 Direct3D？
男：主要是因为 Java 版必须跨平台，要兼顾 macOS 和 Linux。而且 Minecraft 的 Java 团队一直保持很强的技术独立性。社区里很多 Linux 用户这次特别高兴。有人在评论里说，OpenGL 已经无法很好地映射现代硬件，Vulkan 是实现“Vibrant Visuals”光照改进的前置条件。
女：这次更新还加了一个特别萌的新怪物，硫磺立方怪，能吃掉你给它的方块，然后像被施加了不同效果。
男：对，喂 TNT 它就会变成可以引爆的原型，通过红石或者火源引燃。喂木头会变得弹性十足，喂冰就滑溜溜的。小型方块怪可以用粘液球喂大，大的可以用桶装起来。这给红石玩家打开了一片新天地。
女：还有硫磺洞穴、间歇泉、新的好友列表。看来 Mojang 在持续维护技术底盘的同时，也没忘游戏内的社交和玩法。
男：朋友列表可以显示在线状态，隐私设置也比较细。Hoglins 这次被正式列为敌对生物，不再在和平难度下生成。床和黏液块的弹性行为也做了对齐基岩版的调整。粒子系统在超限时改为随机决定渲染，而不是直接删旧粒子。技术上数据包和资源包版本号都升了，床、告示牌改用方块模型，还加了 unpublish 指令移除已发布的局域网服务器。
女：社区里担心聊天举报系统滥用的问题，似乎也一直在。
男：是的，有些知名玩家因虚假举报被封，包括在私人服务器。有声音建议用 Mod 阻断举报数据，但也有人指出封禁未必基于聊天记录。整体看，技术进展和社区担忧就是并存的。
女：从方块世界出来，我想说说一个极小的实操项目。有人给自己的家庭问答机器人做了一个问题分类器，用的只是 6 亿参数的 Qwen 3，而且他是微调出来用的。
男：他的想法很朴素：机器人知识存在向量数据库里，检索前先做预处理，把问题归到预定义类别，比如“泳池”“暖通空调”“烹饪”，然后缩小搜索空间。他拿 131 个问题做基准，原始模型只对了 13 个，准确率也就 10% 左右，主要毛病是过度使用模糊标签，还会发明新类别。
女：微调能救回来吗？
男：第一次用 Unsloth 加 QLoRA，850 条数据，准确率提到 79%。模型会输出类别片段，比如把“hvac”写成“ac”，水相关类别之间混淆也比较多。第二次他做了个特别简单的改动：把所有类别名换成两个大写字母的无意义代码，比如 AA 代表电器，BB 代表砖墙。模型只需要输出固定代码，不再纠结语义，准确率一下子跳到 92%。剩下那些错误基本都集中在“热水器”和“泳池”之间，原因很简单——都跟水有关。他打算改进训练数据继续提分。
女：不过说实话，这种任务用传统机器学习方法是不是更合适？
男：不少评论也是这么说的。有人推荐 Scikit Learn 的 SGDClassifier 加 2-grams，训练不到一分钟，模型不到 1MB，还适合嵌入式设备。另一些人说 ModernBERT 加分类头或者基于 embedding 的余弦相似度也能很好解决。双向注意力在分类上比自回归的 decoder-only 模型有天然优势。作者后来也跑了 Logistic Regression，只是没公布结果。不过他的实验本身很有趣——就是想知道极小 LLM 的边界在哪里。
女：那再往底层走一步，最近看到 Fil-C 这个内存安全的 C 变体，居然实现了“内存安全的内联汇编”，这怎么做到的？
男：内联汇编本身很不安全，写错约束或漏掉 clobber，编译器就会生成错误代码。Fil-C 的做法是静态分析 LLVM IR 层的汇编字符串和约束，只允许那些没有内存访问、没有控制流、副作用完全被约束覆盖的指令。如果不安全，编译不会直接报错，而是在运行时触发 panic 或非法指令陷阱，目的是不让死代码里的汇编阻塞移植。
女：要审核成百上千条指令，这工作量太可怕了。
男：作者没有手动干，而是用 AI 代理来辅助。他先用 Kimi K2.7-code，后来切换成 GLM 5.2，写了一个循环机制，让子代理一条一条处理指令列表，输入白名单或拒绝。他每天检查两次，做合理性验证和测试。最终实现了数百条安全指令，包括 x87、SIMD、位运算、内存屏障等，附带大量正向和负向测试。
女：有人担心运行时 panic 不够安全，编译时能查的问题最好早点暴露。
男：对，有评论提了这个。作者的回答是，这种方式让死代码里的汇编不影响移植，而且 Fil-C 不提供捕获非法指令的能力，所以 panic 也是安全死亡。团队认为 AI 在严格护栏下完成这种复杂工作，效果超出了预期。这也引出另一个话题——AI 自己组织自己干活。
女：那正好收尾到 Sakana 的 Fugu。这是一个多智能体系统，能动态调度一堆前沿模型分工合作，像是给 AI 组建了一个项目组。
男：是的，Fugu 兼容 OpenAI API，用进化算法和强化学习训练出一个轻量协调器，自动给任务分配思考、执行、验证的角色。产品分两档：Fugu 讲究速度和成本的日常平衡，Fugu Ultra 则调度更多专家模型，追求论文复现、Kaggle 比赛那类复杂任务的最高质量。定价从每月 20 美元到 200 美元，按量计费也不便宜，Fugu Ultra 每百万输出 token 要 30 美元。
女：效果上呢？
男：基准测试里，Fugu Ultra 在 SWE Bench Pro、LiveCodeBench 等多项编码推理基准上，打平了顶尖闭源模型。有个案例挺有意思——它用 14 小时 123 次实验自主优化 GPT 训练超参，结果在语言模型困惑度上优于三个基线。盲棋还胜过 2100 Elo 的 Stockfish。早期用户反馈里，有人用它做专利地图分析，几小时就完成了平时三四天的工作。但社区评价很分裂，主要槽点在于订阅配额消耗极快，速度慢，在某些代码实现上的错误率比直接使用前沿模型高，有人觉得不如直接开 OpenAI 或 Claude。
女：有评论拿它和 OpenRouter 的 Fusion 比吗？
男：有人这么比，但 Fugu 的动态协调器比简单的并行调用更复杂，它会生成多步工作计划，比如先让某个模型推理，再让另一个模型验证安全，最后由第三个模型汇总。Sakana 和日本防卫省的合作也让部分用户顾虑，认为削弱了产品吸引力。但也有人觉得团队研究背景强，多模型编排这条路可以减少对单一大模型供应商的依赖，方向是合理的。
女：从偶然的欺诈到多模型协同，今天这些话题好像都在说同一件事——技术背后总有复杂的暗流，也有意外的小火花。阿迪，你感觉哪个印象最深？
男：可能还是 David Newgas 的故事吧。它提醒我们每个人的工作也许渺小，但渺小并不意味着毫无真实价值。那些乱流的系统里，善意和努力仍然存在。
女：好的，我们下期再见。提醒大家可以用泛用型播客客户端订阅我们，这样每次更新都不会错过。拜拜。
男：拜拜。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。