今天是 2026 年 7 月 31 日，DeepSeek 甩出一款价格低到让开发者告别 token 焦虑的新模型，Google 用 AI 修完过去两年都修不完的漏洞，而一篇长文揭开了推理 API 悄悄锁死你对话历史的方式。
DeepSeek 在 7 月 31 日发布 V4 Flash 0731 版本，权重以 MIT 许可证开源。模型采用混合专家架构，总参数量 2840 亿，每次推理只激活 130 亿参数，上下文窗口长达 100 万 token，仅支持文本输入输出。
Artificial Analysis 的智能指数给了它 50 分，在 101 个同级别模型中排第 3，同类中位数只有 25。指数覆盖九项评测，包括 Terminal‑Bench v2.1、SciCode、GPQA Diamond 和 Humanity's Last Exam 等。生成输出时话偏多，输出 2.1 亿 token，是同类中位数的两倍。速度数据尚未正式公布，OpenRouter 上约 93 token/秒。
官方更新公告提到，智能体能力大幅提升：Terminal Bench 达到 82.7，Toolathlon 70.3，DeepSWE 54.4。内部测试集 DSBench‑FullStack 68.7，DSBench‑Hard 59.6。数据用的是即将发布的 DeepSeek Harness minimal mode，最大推理投入级别。
输入每百万 token 0.14 美元，输出 0.28 美元，同类中位数是 0.43 和 1.2 美元。缓存命中每百万 token 仅 0.003 美元，在全部 101 个模型中排第一。完整跑完智能指数评测只花了 72 美元。
不少开发者说“token 焦虑”消失了。有人一天高密度编码花不到 1 美元，有人设每周 2 美元限额三周没超。一个维护 400 个用户应用的开发者，每月 DeepSeek 用量没超过 50 美元。对比 OpenAI Luna，V4 Flash 用 0.03 美元拿到智能指数 50，Luna 要 0.07 美元拿 51，但 Luna 推理速度快 2 到 5 倍。社区倾向于看每任务成本，而不是 token 数量。
Unsloth 的无损 Q8 量化版约 151 到 162 GB，256 GB 内存的机器可以跑。有用户用 128 GB 内存的 MacBook Pro M5 Max，跑出 20 到 25 token/秒。双 DGX Spark 约 60 token/s，硬件成本约 8200 欧元。反对意见指出，API 这么便宜，花八九千美元自建服务器不太划算，除非在意数据隐私。官方 API 不能退出数据收集，部分用户担心代码被拿去训练；也有人指出模型这次的大幅提升很可能就来自用户数据。
一方认为中国公司会继续开源争夺生态，另一方预测两年内会停止发布开源权重。有人担心美国以国家安全为由限制企业使用。反对者指出已发布的权重不会消失，社区会继续蒸馏和改进。有用户把 DeepSeek 和 Moonshot 列为仅有的两家“放心提供训练数据的实验室”，因为它们持续开放权重和详细研究。
Earendil Engineering（Pi 终端 AI 工具的开发商）发表文章指出，各大推理 API 正在系统性地背离“会话 record 归用户”的简单承诺。推理 token 被加密成不透明 blob 返回，用户被计费却读不到内容；联网搜索时的原始材料客户端永远看不到；压缩后的上下文只有原提供商能解密；子代理的指令和消息对运行代理的应用隐藏。作者提出五个检验会话所有权的测试：检查、导出、回放、审计、删除。响应 ID 不是 transcript，密文不是用户可控制的状态。
encrypted_content 被作者建议改称“提供商密封状态”——加密不向推理提供商隐藏数据，而是向用户隐藏数据。OpenAI 用加密返回推理可能是为了 Zero Data Retention 客户在内存中解密，但这本来不需要加密就能做到。Anthropic 返回的“可读思考文本”是另一个模型生成的摘要，而不是原始思维链，且 thinking blocks 与产生它们的模型绑定。HN 用户 benob 补充了两个隐藏推理的实际理由：防止提示注入和防止蒸馏。spijdar 回忆 Gemini 网页版曾展示过原始推理，从中能看出它为什么拒绝一个请求，“这大概就是他们停止展示的原因”。
托管搜索只暴露引用和来源 URL，不提供模型实际看到的完整文本。压缩环节，OpenAI 输出的是“不透明、不适合人类解读”的加密产物；Anthropic 的服务端压缩返回可读摘要，用户还能提供自定义摘要指令。子代理问题更突出：OpenAI 托管 Multi‑agent beta 中，代理间消息只有 encrypted_content，Codex 客户端甚至提交了加密代理间通信的补丁，子代理被要求做什么在可读历史中完全不存在。HN 用户 dannyw 认为加密子代理消息尤其不可接受，“让代理在你机器上运行，却对提示内容毫无线索，是根本性的不负责任”。
文章认为，不切换模型也需拥有这种自由，因为它改变了用户与提供商的关系。模型退役、服务宕机、价格变化、政策阻止、审计重建，都需要移动会话。HN 用户 deadbabe 分享遭遇：Kimi‑K3 返回 429 限流时不得不切换模型，“如果不能切换就完了”。作者总结了便携推理 API 的七条原则，核心是：没有哪个不透明条目是意义的唯一载体，托管工具必须有全保真日志，子代理通信可审计。
文章批评实验室一边要求社会接受机器可以从人类公开作品中学习，一边坚持其他机器不能从实验室输出中学习。hashstring 在评论中说，这是人为制造护城河，“从根本上说是反垄断材料”。
Caleb Robinson 和 Isaac Corley 今年夏天每人审了 11 篇来自 NeurIPS、WACV、TerraBytes 的投稿。68% 的稿件包含完全捏造的引用、给真实论文配上虚构作者名，或明显由大语言模型生成的幻觉内容。Isaac 的 11 篇里 9 篇是这种情况，Caleb 的 11 篇里 5 篇带幻觉作者或编造的文献。两篇被举报的论文，以“修掉幻觉引用”为条件最终被接收为口头报告。
Nature 分析发现 2025 年出版文献中至少数万篇包含无效 AI 生成引用。针对 bioRxiv 的审计发现，85.3% 的幻觉引用留到了正式发表版。Lancet 审计 250 万篇生物医学论文，含捏造引用论文的比例从 2023 年的 1/2828 涨到 2026 年初的 1/277。Ansari 从 NeurIPS 2025 已发表论文中抽出 100 条幻觉引用，每条都通过了 3 到 5 位专家评审。
Caleb 总结的信号包括常见句式、加粗和破折号泛滥、密集难读的句子、过度吹捧结果。Isaac 的可靠信号是正文数字和表格对不上，讨论部分照抄表格数字却无观点。他现在的审稿流程是先花时间找 LLM 痕迹判断要不要直接拒绝。两人自己每天用 Claude，但逐条用 Google Scholar 核对引用，大量编辑初稿。Isaac 还发布了一个 MIT 许可的 bib‑audit 技能，可以逐条比对 Crossref、arXiv、DataCite 和 Semantic Scholar 的记录。他们认为最需要的是桌面拒绝机制，而不是指望不诚实的人主动声明用了 LLM。
Google 在 7 月底宣布，Chrome 安全团队用 Gemini 大模型自动化了漏洞的发现、分类与修复。Chrome 149 和 150 两个版本共修复 1072 个安全漏洞，比此前 23 个里程碑版本总和还多。一颗潜伏了 13 年的沙箱逃逸漏洞被 AI 发现。AI 代理在无外网连接的锁定机器上扫描源码，自动分类、复现、标注严重等级并分配修复任务。修复环节有多个代理协作：一个生成候选补丁，一个担任批评者角色评审代码，还有专门写测试的代理。系统每 24 小时运行一次，5 月拦截了 20 多个即将进入生产的漏洞。
有用户直接质疑：“有多少自动化修复被回滚？有多少引入了新 bug？报告里只写了做对了什么。”另有评论称这是营销话术，猜测团队让 AI 翻旧账、找容易修的，然后手动修复。也有人肯定 AI 扫描历史代码的发现能力，认为 13 年前潜伏的漏洞恰恰说明这一点。
讨论中反复出现的共识是：AI 需要被锚定在可验证的现实中。让 AI 自己写测试、自己跑基准、自己验证假设，它才能真正迭代；凭空给建议就容易产生幻觉。一位用户总结：“给 AI 一个好的工作框架，留它跑几天，看看它到底找到了什么站得住脚的东西。”也有很多抱怨指向同事用 AI 生成长文、让原本两行能说清的任务变成自相矛盾的 15 行。
1961 年专利的 SCAN 算法让电梯从大厅到顶楼来回折返。实际常用 LOOK 算法，电梯只开到有请求的最高层就反向。多部电梯协同时，奥的斯的 RSR 算法每 5 秒重新评分派梯，考虑预计到达时间、载荷、方向匹配、防聚集惩罚等。评测标准是等待时间的分布，人们不会记住平均等了多久，只会记住那些等了好久的时刻。
有趣的是，流量极高时 LOOK 反而超过 RSR，小楼里 LOOK 也往往更好。目的地派梯系统要求乘客先输入楼层，但这种锁定乘客的方式在多数情况下比传统上下按钮更差，因为失去了 RSR 每 5 秒重优化的灵活性。评论区有人指出，团队里只有一个人按键会导致系统低估人数。还有人提到 SimTower 和 Elevator Saga 把电梯调度变成了编程挑战。
✨ 几乎成了 AI 的通用符号。流式文本和骨架屏变体成为 AI 界面的标配。作者注意到 AI 应用的图标普遍更小更细，与 macOS Tahoe 系统风格不协调。米色或奶油色背景、橙色点缀、衬线字体也是典型的 AI 视觉语言。
一位曾在 Figma 做 AI 工具的评论者解释，大语言模型被训练写一致的代码，所以产出的设计趋于“平均美”。他建议用扩散模型生成图片再转网页来避开千篇一律。有人认为早期 AI 美学最终会像 Bootstrap 一样成为“没人认真设计过的实用工具”的默认外观；也有人觉得 AI 美学塞满不必要的装饰，视觉上相当于聊天里的废话。评论里判断，AI 时代真正确定的审美是终端界面，二十年后可能出现对早期 AI 风格——比如紫色渐变背景——的怀旧潮。
《羊毛战记》作者 Hugh Howey 回顾自己碰上的自出版窗口只有大约十年，2014 年前后自出版正规化，2024 年前后 AI 写作工具变得可用。他提到一本处女作拿到 240 万美元预付金后因为 AI 质疑被撤回合同，认为这件事暗示两种可能：作者清白却无法自证，或 AI 生成的书已经骗过职业编辑。
他的预测是，出版社经历几轮丑闻后会逐渐接受 AI 书，甚至开发工具给机器文本“打磨”。多数读者不会在意书是人是机器写的，还会出现一批专门寻找机器书的读者。他自己最近把未发表的短篇小说翻出来发掉，因为“这个疯狂的窗口正在关闭”。在 HN 讨论中，一位评论者说 LLM 只是文本生产机器，写作的目标从来不是产出文字，而是沟通。另一条高赞评论写道，LLM 能写出比普通人类更好的平均文章，但缺乏品味，而伟大的写作需要逃离平均值。关于 240 万美元的交易，有评论指出真正的风险是出版流程里没人认真读完稿子。
作者用 nftables 的 numgen 功能让 traceroute 每一跳的 IPv6 地址随计数器变化，从而在终端输出影绘风格动画《Bad Apple!!》。因为只需 1 比特每像素显示，这段视频已经成为“hacked display”的基准，和“在某某硬件上运行 Doom”齐名。实现需要把内核 ICMPv6 速率限制设为 0，给 mtr 打补丁强制只保留每跳第一个地址，并用 Python 生成超过 1 MB 的 nftables 规则集。评论区有人呼应：世界末日时至少还能在某个设备上玩 Doom、看 Bad Apple。
文章《速度的宗教》指出，越来越多公司把“快”当作道德立场。真正的速度是工作被理解、决策干净、执行时不需要反复争论。多数所谓的速度只是模糊需求加临时决策，再用十倍的时间收拾后果。作者引用的话是：“不要把运动和进步混为一谈。摇马一直在动，却没有前进。”
HN 上的赛车爱好者给出经验：在急弯里感觉该加速，多减速一点反而出弯更快——“慢就是顺，顺就是快”。也有相反观点：速度对客户是经济价值，八月下午等着修空调时没人愿意等六个月才找到完美方案。作者在评论区回应，他反对的是“已经知道会被取消但还是要做”的努力，以及用截止日期当精神鞭子。有评论指出速度崇拜的结构性根源：风险投资的回报时间窗口决定了创始人对速度的执念。
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：今天要聊的话题有点多，从模型发布聊到数据隐私，再到学术造假的荒诞现实。阿迪，我注意到最近 DeepSeek 又发新模型了，叫 V4 Flash 0731，这名字也太长了。
男：确实很长。不过它本质上是 V4 Flash 的一次更新，架构没变，还是混合专家模型，总共 2840 亿参数，每次推理只激活 130 亿。这次纯粹靠更多的数据、更多的算力重新做了后训练。
女：2840 亿，每次只用 130 亿，这个比例听起来像是一个大仓库里只开了一盏灯。那效果怎么样？我看那个 Artificial Analysis 的智能指数，它排到同级别的第三名，得分 50，中位数才 25。
男：对，而且它的评测过程生成了 2.1 亿个输出 token，是同类中位数的两倍。属于那种话比较多的模型。速度方面，OpenRouter 上大概在 93 token 每秒，不算最快，但对这个价格来说已经很可以了。
女：价格是我最想聊的部分。你说输入每百万 token 0.14 美元，输出 0.28 美元，缓存命中更夸张，0.003 美元，比常规输入便宜 98%。我作为一个产品经理，看到这个数字的第一反应是，很多小团队的产品构想突然变得可行了。
男：有开发者分享过一个很直观的数据。他用这个模型高强度编码一整天，花了不到 1 美元。还有人设了每周 2 美元的限额，结果三周都没超。有人在两个多月里通过自动路由工具总共花了 19 美元。这种成本下，就不再有什么“token 焦虑”了，不用像以前用某些订阅服务那样，每发一条消息都要算计一下。
女：我特别喜欢“token 焦虑”这个说法。这其实就是把计算资源变成了像水电一样的基础设施，你打开水龙头不会去想这一秒流了多少毫升。不过，这么便宜，它本地还能跑吗？我看到有人在 MacBook 上跑。
男：能跑。Unsloth 出了一个无损的量化版，大概 151 到 162 GB。有人用 128GB 内存的 MacBook Pro M5 Max 跑，速度在 20 到 25 token 每秒，拿来当主力编码够用了，就是风扇一直转。还有人在单张 96GB 显卡上用专门的引擎跑到 170 token 每秒。
女：但这听起来有点矛盾，API 已经便宜到几分钱了，我为什么要花八千到九千美元买两台 DGX Spark 去本地部署？除非我真的特别在意数据不能出我的机器。
男：这就是一个矛盾点。DeepSeek 的官方 API 不能选择退出数据收集，所以有用户担心自己的代码会被拿去训练。反过来说，这次模型能力的大幅提升，很可能就是来自用户数据，这是一个绕不开的矛盾。不过开源权重给了用户选择权，你可以找第三方托管，或者自己跑。
女：这恰好接上了我们要聊的第二个话题。有一个叫 Earendil Engineering 的公司，就是做 Pi 终端 AI 工具的那家，他们发了一篇长文，核心就一句话：你用的那些推理 API，正在系统性地把你和模型的对话从你手里拿走。阿迪，这话怎么说？
男：文章的核心观点是，现在的推理 API 返回给你的，已经不单单是文本了，而是一堆文本和厂商绑定状态的混合体。而且这些状态被设计成故意不可移植。举个最简单的例子，很多模型现在有那种内部思考的过程，叫推理 token。这些 token 照样向你收费，但返回给你的是一串加密的、你看不懂的东西，只有厂商自己能解密。
女：也就是说，我花钱买了一堆我看不懂的信息，然后这些信息还在厂商那里扣着我的会话，让我没法把对话带去别的地方？
男：没错。文章管这叫“提供商密封状态”。它有一个听起来像隐私功能的名字，叫 encrypted content，实际上加密不是向厂商隐藏数据，而是向你隐藏数据。厂商选密钥、厂商解密、厂商定义这些数据能在哪里回放。用户拿着这个加密 blob 毫无办法。
女：我还注意到一个很关键的点，关于联网搜索。我们自己写客户端工具做搜索，可以记录下查询了啥、搜到了什么、排名如何。但如果你用的是托管搜索，模型只给你几个引用和来源链接，它实际看到了哪些文本片段，你不知道。如果那个网页内容后来变了，你连回溯都没法回溯。
男：对，URL 不是一个稳定的回放。而且如果你下一步想换另一个模型继续研究，新模型拿到的只是上一个模型给的答案和几个 URL，没有排名，没有被过滤掉的信息，没有确切的证据。这个会话在跨模型的时候是断裂的。
女：文章里还提了子代理的问题。现在很多系统是多代理协作的，一个代理把活派给另一个代理。但 OpenAI 的托管多代理测试版里，代理之间的消息是加密的。万一子代理改错了文件或者泄了密，你连它当初被要求做什么都查不出来。
男：社区里有人说得更直接，一个代理在你的机器上运行，你对它的提示内容一无所知，这是根本性的不负责任。不过文章作者也澄清，他不是反对托管工具本身，是反对把工具的结果藏在加密 blob 里。
女：这让我想起一个用户的评论，他说自己没意识到这个问题已经这么严重了，描述自己像“青蛙在温水里”。因为模型性能实在太好了，好到掩盖了那种不对劲的感觉。这可能是比技术本身更可怕的事，我们心甘情愿地交出了控制权。
男：但换一个角度看，也有用户觉得这事儿没那么严重。有人说，对话里本来就一堆垃圾，从上下文里移走是好事。他的做法是把 AI 写的笔记存成文件，下次换模型的时候让新模型从那里接手。反对的人说，这正好是问题所在，如果切换模型很痛苦，厂商就可以制造锁定，恶化体验，推高成本。而切换的选项本身，就是一种约束厂商的力量。
女：这个“切换”的自由，听起来像是消费者的基本权利，但在 AI 时代突然变得很奢侈。我们回到 DeepSeek 这件事，它在发布 V4 Flash 的时候，其实还发了一个正式版的公开测试公告，里面提到一组智能体能力的基准测试。这些数字有点吓人。
男：它的 Terminal Bench 2.1 从 Preview 版的 56.9 直接跳到 82.7。Toolathlon 从 51.8 升到 70.3。而且这只是一个 2840 亿参数的 Flash 模型，很多成绩已经超过了它自己之前的 Pro Preview 版，那个是 1.8 万亿参数的。
女：为什么一个小模型反而能超过大模型？这不科学啊。
男：这就回到了开头说的，纯粹靠更多的数据、更好的后训练。有用户分析说，这说明小模型还有很大的潜力可以挖，不是光堆参数就能赢。这给那些没法烧几千万美金训练超大模型的小团队，其实是打开了一扇门。
女：评论里有个用户的数据很直观。他说自己 30 天里调了 3467 次 API，跑了 3.23 亿个 token，总共花了 4.55 美元。这个价格低到让他可以用 AI 去逆向工程二进制文件，因为模型不会拒绝这种请求。这在以前是不太能想象的。
男：还有更夸张的，有人的应用有 400 个用户，每月 DeepSeek 的账单没超过 50 美元。这种成本结构，让提供免费的 AI 功能突然变成了一个可持续的选项，不再是烧钱买用户的短命策略。
女：说到便宜，评论里有人把 V4 Flash 和 OpenAI 的 GPT-5.6 Luna 做了个对比，V4 Flash 拿到智能指数 50 只花了 0.03 美元，Luna 要 0.07 美元才拿到 51。Luna 贵了两到三倍，但推理速度快两到五倍。你怎么看这种取舍？
男：这要看任务。对于那种我扔进去让它自己跑一晚上、第二天看结果的编码任务，便宜就是硬道理，速度慢点无所谓。但对于需要实时交互的场景，比如你在 IDE 里写代码等它补全，一两秒的延迟就很烦人了。还有一种批评声音，说完同样的任务 V4 Flash 比 Gemini Flash 多花了 3.6 倍的 token，所以其实不省钱。支持者反驳说，我们该看的是完成任务的总花费，不是 token 数量。
女：不过，我必须提一个让我有点在意的细节。V4 Flash 这次的基准成绩，用的是 DeepSeek 自己即将发布的 Harness 跑出来的。有用户就在质疑，说你用自己特调的工具跑分，跟别人不是同一个条件，这成绩能直接比吗？
男：这是个很传统的基准测试的信任问题。以前大家还会手动调参，现在连 Harness，也就是模型跟工具交互的那个框架，都可能成为优化目标。有人就预测，未来模型发布可能都是模型和专属 Harness 成对出现，就像赛车和调校好的车队一样。换个环境跑，成绩可能就不同了。
女：这就有点让人不安了。一边是深度优化的基准测试，另一边是学术圈正在被 AI 生成的内容淹没。我看到一个数据，两个研究员今年夏天合起来审了 22 篇论文，结果 15 篇，也就是 68%，有严重问题。要么是引用是编造的，要么是作者是捏造的，要么整段话都是 AI 幻觉出来的。
男：Caleb 和 Isaac，就是那两位审稿人，他们把这叫“在垃圾战壕里值班”。最绝的案例是，有投稿引用了真实的论文，但是作者被换成了虚构的人，名字起得跟真人接近到你快速浏览根本看不出来。两篇这样的稿子在被指出问题之后，居然以“修掉幻觉引用”为条件被接收为口头报告了。
女：这太讽刺了。审稿人抓出来稿子是 AI 写的，会议方的处理方式是让作者用 AI 把编造的引用修掉，然后录用。整个链条上到底还有没有人认真读过那篇论文？
男：Nature 之前有一个分析，说 2025 年出版的文献里至少有数万篇可能包含无效的 AI 生成引用。更恐怖的是，对 bioRxiv 预印本的追踪发现，85% 的幻觉引用一路留到了正式发表的版本里，说明同行评审根本没拦住。这不是漏网之鱼，这是渔网本身就是破的。
女：那审稿那边呢？我猜也好不到哪去。
男：Pangram 对 ICLR 2026 审稿的分析，21% 的审稿意见完全由 AI 生成，超过一半有某种程度的 AI 参与。ICML 2026 甚至在投稿里埋了提示注入，直接抓到了 506 位审稿人用 LLM 写审稿意见。有人总结说，现在是“论文是 AI 写的，审稿是 AI 审的，读论文的也是 AI”。
女：这变成一个闭环了，一个人类被完全排除在外的垃圾循环。Caleb 他们怎么认出 AI 写的稿子？
男：他们的经验是，看那些常见句式、滥用加粗和破折号、句子密到喘不过气、过度吹捧结果。还有一个很可靠的信号，就是正文里的数字和表格对不上，因为作者跑完实验没让模型同步更新，也没人重读自己的论文。Isaac 现在审稿，第一步是先花时间找 LLM 的痕迹，判定要不要直接拒稿。
女：听起来他俩对 AI 工具本身并不排斥。
男：他们每天都在用 Claude，但用法不一样。他们会用 Google Scholar 逐条核对引用，初稿之后做大量编辑，甚至让 Claude 来提问，专门找他们没想清楚的地方。这跟那种把提示词一扔、输出直接贴上去的做法完全不同。用一位评论者的话说，LLM 像水泵，能抽真空打扫，也能当喷粪枪，清洁成本远高于弄脏成本。
女：这跟我们要聊的下一个话题很像。Google 的 Chrome 安全团队最近宣布用 Gemini 自动发现、分类和修复漏洞，两个版本修了 1072 个安全问题，比之前 23 个里程碑版本加起来都多。还发现了一个在代码库里潜伏了 13 年的沙箱逃逸漏洞。这听起来是实打实的好事吧？
男：数据很漂亮，但评论区的工程师们直接泼了冷水。问得最多的问题是，有多少自动修复后来被回滚了？有多少引入了新 bug？报告里只写做对了什么，不写可能出错的。有人直接说这是营销话术，怀疑是有 KPI 压下来，让团队用 AI 去翻旧账，找容易修的低垂果实，然后手工修，功劳记在 AI 头上。
女：这个怀疑倒也不是完全没有道理。如果 AI 只是发现漏洞，那是扫描能力强；如果 AI 连修复都做了，还没有回滚，那确实强到有点不真实了。
男：评论里有一个很精彩的反转。最开始有人说 AI 对 SQL 性能优化几乎完全没用，然后被一群人反驳“你用得不对”。关键在验证闭环——那些用得好的人，都给 AI 配了一套完整的工具链，让 Agent 自己查数据库只读账号、自己跑测试验证一致性、自己跑多次取平均耗时。换句话说，你把现实世界的锚抛给它，它才能真正迭代。让它凭空想改进建议，它就只能给你一堆听起来合理但完全错误的幻觉。
女：这好像点出了一个更普遍的原则：你不能只让 AI 输出，你得让它感知。它需要一个跟真实世界交互的回路。就像教小孩，光让他在屋里想是做不出实验的，得让他去碰一碰、看一看、摔一跤。
男：对，有人总结得更抽象：你只需要精确地定义什么是“正确”，哪些属性是可测试的，然后写下来告诉 agent。随着模型越来越强，真正的瓶颈会变成你定义问题的能力。
女：这又把我们带回到人的身上。不过聊了这么多技术，我们换个节奏，说点贴近生活的。你看过那篇关于电梯调度算法的文章吗？我从来没想到，我每天在楼下按的那个按钮，背后有这么多数学。
男：电梯调度确实是个经典问题。最简单的算法叫 SCAN，就是电梯一根筋从大厅到顶楼再折回来，沿途接人，这是 1961 年的专利。现在我们用的多是 LOOK 算法，电梯只开到有请求的最高层就往回走。多部电梯协同才是真正的复杂度所在。
女：文章里说衡量电梯好坏的标准不是平均等待时间，而是 p90，就是那些你等得特别久的倒霉时刻。因为没人记得平均等多久，只记得那次等了三分钟差点迟到的时候。这其实跟做产品很像，用户记住的是情绪的峰值，不是平均值。
男：奥的斯有一个算法叫 RSR，基本思想是每 5 秒重新给所有电梯打分，考虑预计到达时间、载荷、方向匹配，然后动态重新分配。这个动态重平衡是关键。但有一个反直觉的发现，在流量特别高的时候，简单的 LOOK 算法反而开始赢过 RSR。因为电梯总是满载、每层都停，再多规则也没用，简单反而更好。
女：最让我意外的是目的地派梯系统，就是那种你进电梯前先在楼层按好要去哪一层，然后屏幕告诉你去哪个电梯口等的。我原来觉得这个肯定更高效，结果文章里的模拟显示，大多数情况下它比传统的上下按钮更差。
男：原因就在于锁定了乘客。你被指定了轿厢，但 RSR 系统每 5 秒就能重新优化一次分配，有人延误了可以把乘客改派给另一部。派梯系统就失去了这种灵活性。只有在每单元超过 8 部电梯的超高建筑里，派梯才能赢。所以，你每天按的那个简单的上下按钮，在大多数楼里可能反而是更优解。
女：就像很多产品设计一样，看着先进的未必真的好用。评论里还有人说，很多人两个按钮都按，以为这样来得快。结果往往是被先带向反方向。
男：这其实是心理作用。在移动中感觉比干等好，哪怕总时间更长。还有人提到一个实际的问题，电梯调度还得平衡机械磨损，少跑空车能降低维修频率，但业主可能更在意维护成本而不是乘客等几分钟。
女：聊到用户体验，最近有篇文章在讨论 AI 时代的设计语言。他说你看那些 AI 应用，图标都特别细小，背景都是米色奶油色，文字都要一笔一笔流式出现。还有那个闪光的 emoji，现在几乎就等于 AI 本身了。
男：星星 emoji 确实被用烂了，过去它代表烟花、魔法、生日许愿，现在你一看到它，脑子里的第一反应就是 AI。还有流式文本，这是专门为 AI 聊天界面定制的交互模式，文字一块一块蹦出来，顺应生成节奏。但闪烁文字已经扩散到非 AI 场景了，被拿来泛指任何异步加载，有人在评论区说，这其实就是 AI 时代的 marquee 标签，古早网页里那种滚动的跑马灯。
女：那个图标太细的问题，文章作者贴了张对比图，Claude、Codex、Cursor 的侧边栏看着特别瘦弱，跟 macOS 的系统风格完全不搭。评论区的看法是，可能不是尺寸的问题，而是笔画粗细跟系统字体不匹配。
男：也有用户不买账，说这种风格其实是 2010 到 2024 年 SaaS 设计美学的延续，AI 只是从训练数据里复读了一遍。最深的解释来自一个在 Figma 做过 AI 工具的人，他说 LLM 被训练写一致的代码，所以产出的设计也趋于一致，最后落在“平均美”上。想打破它，得用扩散模型生成图片当起点，再转成网页，才能避开 LLM 的千篇一律。
女：“平均美”这个词挺精准的。就是那种不会犯错但也绝不惊艳的舒适区。看起来 AI 在代码层面把审美也带向了某种均值回归。这种均值回归，在写作领域可能更残酷。Hugh Howey，就是写《羊毛战记》的那位，他最近写了篇文章叫《一个时代的终结》，说 AI 正在关闭他这代作者靠自出版成名的那个窗口。
男：他写得很诚恳。他赶上了 2009 年 Kindle 带来的自出版浪潮，那时候写作很难，但出版很便宜，这是他成名的前提。他说这个窗口大概只有十年。然后他提到一件事，有一本处女作小说拿到了 240 万美元的预付金，引发了出版商的竞价战，结果因为被质疑使用了 AI 写作，出版方撤回了合同。
女：240 万美元。这件事有两个完全不同的解读方向。一种是，这个作者是清白的，但在这个时代，任何新作者都无法自证自己独立写作。另一种是，AI 生成的书真的骗过了职业编辑，时代真的变了。
男：Howey 自己说他会反复怀疑自己写的句子“听起来像 AI 吗”，然后提醒自己，不是他像 AI，是 AI 像他，因为他过去二十年一直这么写。这让我联想到那个关于“披萨谬误”的说法，很多人抱怨 AI 写作质量差，可能是因为他们只注意到了糟糕的 AI 输出，那些已经足够好的 AI 文本，他们根本没认出来。
女：Hacker News 上的讨论比文章本身更激烈。有一条评论说，LLM 只是文本生产机器，但写作的目标从来不是产出文字，而是人与人之间的沟通，机器没有这个沟通的意图。反对的人说，写作首先是与自己对话，是外部化的思维过程，这一点语言模型无法取代。
男：还有一条高赞评论说，LLM 能写出比普通人类更好的平均水平文章，但它缺乏品味。它只是回归训练数据的平均值，而伟大的写作需要逃离平均值。这和刚才聊的“平均美”设计完全是同一个逻辑。
女：那读者到底在不在乎？这是个核心问题。Howey 自己的回答很有意思。他说他读真正的传记时，“这真的发生过”这个念头让书的力量放大十倍。但他也照样喜欢多人合写的电视剧。所以不同的人，会对不同来源的故事产生感情。未来可能会出现“人类书狂热者”，像音响发烧友听黑胶那样去读书，在意作者的创作过程。
男：还有评论说这其实就是代笔模式的延续。詹姆斯·帕特森很多书都不是他本人写的，读者照样买。AI 代笔可能只是这种模式的技术升级。但 Howey 提到的一个趋势让我觉得有点难过，有出版过非虚构作品的作者说他已经停止出版新书了，因为读者开始直接问 AI 要答案，非虚构出版的经济账算不过来了。
女：这就不是写作质量的问题了，这是信息获取渠道的根本改变。当一个读者可以直接问 AI“给我总结一下这个领域”，他为什么还要去买一本两年才写出来的书？除非那本书提供了 AI 提供不了的东西，但那个“东西”到底是什么，现在没人说得清。
男：Hugh Howey 最后给作者的建议是，为了爱去写，别管点击量和钱。他说未来会有人直播整个写作过程来证明自己是真人。这个建议很温暖，但也挺无奈的，等于承认了靠写作谋生这件事正在消失。
女：我觉得这跟前面聊的很多话题其实是通的。不管是代码、论文还是小说，当输出本身的成本趋近于零的时候，那个“不可替代的东西”到底是什么？可能就是这个输出跟一个真实的人、一段真实的经历之间的那条连线。那个连线是没法被 token 化的。
男：就像电梯那个 p90 等待时间一样，我们不记得平均的东西，只记得那些特别的时刻。AI 能给你平均值，但给不了那个让你记住的时刻。
女：好了，今天我们从模型聊到隐私，从学术垃圾聊到电梯算法，最后落在了写作这件事上。信息量有点大，但好像都围绕着同一个问题：当机器可以生产一切，人类留下的那份“真”，价值在哪里。感谢大家的收听，我们下期再见。
男：再见。别忘了用泛用型播客客户端订阅我们。
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。