这里记录每周值得分享的科技内容，周五发布。
本杂志开源，欢迎投稿。另有《谁在招人》服务，发布程序员招聘信息。合作请邮件联系（[email protected]）。
封面图
上海某餐厅的墙壁装饰。（via monana3838@Threads）
AI 的贫富分化
我越来越觉得，AI 跟其他技术不一样，不仅带来技术变革，还会带来社会变革。
简单说，AI 会带来贫富分化。
其他技术实际上会消灭贫富分化，实现"消费者平等"，即穷人和富人消费的东西是一样的。
比如，大家喝一样的可口可乐，用一样的苹果手机，开一样的特斯拉。甚至互联网也是如此，世界首富马斯克和你用一样的网站、一样的手机 App。
但是，AI 模型不是这样。在大模型面前，穷人和富人是不平等的。
在未来，普通人肯定用不起顶级的大模型。其实，现在就是如此了，最贵的 AI 编程套餐是 Claude Code 的 Max 套餐，月费200美元，很多人已经用不起了。
OpenAI 曾经设想过月费2万美元的套餐，提供最顶级、无限量的大模型服务。
要是真的推出，只有富豪才用得起。
这反映了一个简单的事实：费用越贵，模型效果越好。因为模型的效果与算力相关，更多的算力、更大的上下文、更多的参数，都需要钱。
这跟工业品完全相反。工业品有规模效应，产量越高，单位成本越低。一旦大规模生产，价格就会越来越便宜。
但是，大模型不存在规模效应，模型的大规模生产需要更多的服务器，这并不会让单位成本降低，反而可能因为扩建机房，改造电路和水路，而变得更贵。
未来社会大概是这样的：富人和穷人用不同的模型。最顶级模型的服务----规划、咨询、生成内容、自动化......----需要支付高昂的使用费，而普通人就使用免费模型，效果当然也很普通。
不过，我也看到马斯克最近说，未来还有另一种可能。
他的意思是，算力本质上是能源转化的一种形式。人类最终会实现廉价能源的大量供应（空间太阳能？），所以算力将变得足够便宜，所有人都将用最好的模型。
可能吗？我不知道，感觉还是前一种情况更现实。
模型能力的一种衡量方法
怎么衡量大模型的能力？
现在的方法是使用一个测试集，去计算大模型的分数。它的缺点是，只能用于横向比较，很难衡量进步速度。
最近，一篇论文提出了一种新的衡量方法。
科学家首先计算，人类完成某一项任务需要多少时间。比如，计算 4 + 5 + 7，人类需要2秒，而计算 37 * 52 * 19，可能需要1分钟。
然后，测试大模型能否以50%的成功率完成这项任务。
研究发现，GPT-2 以50%成功率能够完成的任务，时间范围是两秒；Claude 3.7 Sonnet 是50分钟；O3 接近两小时；Opus 4.6 约为12小时。
也就是说，人类需要12小时才能完成的任务，Opus 4.6 的成功概率是50%。
结果就是上图，可以发现，大模型的进化速度在对数坐标下是一根直线。
每7个月，大模型能够以50%成功率完成的任务，时间范围扩大一倍。按照这个趋势，大模型将在2027年至2031年间，以50%的成功率完成人类专家需要一个月才能完成的任务。
如果这篇论文正确，就意味着年底发布的模型，将比年初强一倍。
科技动态
1、用户协议的彩蛋
软件服务的用户协议，又长又难懂，很少有用户阅读，但是里面有很多重要内容。
一家美国通信运营商，为了表示自己很重视用户权益，鼓励大家阅读《用户协议》，并偷偷在里面加入了一个彩蛋。
上图高亮的句子写道："如果你读到这句话，请发邮件到我们的信箱，赢取免费的瑞士旅游。"
上线二周后，才有人发邮件，询问这事是否真实。由于只有一个人来信，所以她就免费去瑞士了。
从这件事可以看出，即使有彩蛋，也没人阅读《用户协议》。我现在的做法是让大模型帮忙，询问"这份协议有哪些对用户不利的地方"，很快就得到了答案。
2、触摸屏指甲油
广泛使用的电容式触摸屏，有一个问题，就是戴手套使用会失灵。
原因是它要求触摸物（比如手指）必须导电，这样屏幕才会产生电场扰动，从而确定触摸的位置。
解决方法也很简单，就是在手套指尖涂一层指甲油，指甲油里面的金属碎屑可以导电。
美国的一名化学系本科生，在学习化妆品化学时，发明了一种改进型的透明指甲油，专门用于戴手套使用触摸屏。
这种指甲油是透明的，涂在手套上看不见，也可以涂在裸甲上，当作抛光剂。
Copilot 是 GitHub 推出的 AI 助手，上周有用户发现，它会自动插入广告。
上图是 Copilot 自动提交的一个 Pull Request，它在提交说明的结尾（红框处）加入了一个广告，介绍应用程序 Raycast。
在 GitHub 搜索一下，就会发现已经有超过11,400个 PR 都包含了相同的广告词。
经过用户抗议，GitHub 暂止停止了这个功能。但这是一个危险的信号，表示 GitHub 想利用用户增加收入。
文章
1、小米 MiMo v2 Pro 评测（英文）
小米发布了 MiMo V2 系列大模型，本文是国外媒体的评测，给出了很高的评价。
2、我用 AI 生成了一个 JavaScript 引擎（英文）
作者用六周时间，生成了一个100%通过 test262 测试集的 JavaScript 引擎，涵盖所有98,426个场景。本文是对这件事的介绍。
3、解剖 .claude/ 目录（英文）
Claude Code 会生成 .claude/ 子目录，所有 AI 处理的底层数据都放在里面，本文研究这个目录到底有什么。
4、一致性哈希介绍（英文）
一致性哈希（Consistent hashing）是一种缓存定位算法，在增加或减少缓存服务器的情况下，可以不改变缓存所在的原始位置。
5、 笔记本如何用作单板计算机的 HDMI 显示器（英文）
作者使用一张 HDMI 转 USB 采集卡，将笔记本电脑用作树莓派的显示器。
工具
1、EmDash
AI 生成的 WordPress 复刻，基于 TypeScript 语言，支持插件，据说功能基本一样，参见介绍文章。
基于 Cloudflare Workers 的订阅管理系统，可以发送各种订阅的到期通知，通过 Telegram、Webhook 等通知渠道。（@wangwangit 投稿）
开源的微信机器人消息管理平台，自带应用市场，通过点击安装应用，给微信 Bot 加功能。（@xixihhhh 投稿）
另有一个类似项目 wxWebHook，通过 WebHook 向微信用户发消息。（@aristorechina 投稿）
获取 VSCode 插件、Chrome 扩展和 Docker 镜像的离线安装包的工具，代码开源。（@LiaoGuoYin 投稿）
浏览器端的批量文件重命名工具，支持各种规则设定，代码开源。（@chenz24 投稿）
开源的字幕字体子集化工具，将所需的字体字形嵌入字幕文件。（@Yuri-NagaSaki 投稿）
基于 Pretext（文字排版计算库）的一个小应用，将摄像头捕捉的人体轮廓通过文字排版实时展示。（@fifteen42 投稿）
基于 Rust 语言的跨平台 SSH 终端，功能较多，使用 Tauri 桌面框架。（@AnalyseDeCircuit 投稿）
9、wtree
git worktree 的图形化管理界面。（@FatDoge 投稿）
AI 相关
基于 Claude Code 源码实现的 claude-agent-sdk 的开源替代品，用于 AI Agent 的开发，完全兼容原始接口，不依赖本地 cli 进程。（@idoubi 投稿）
统一管理本地所有 AI 智能体的 Web 控制台，支持多工作区隔离、飞书远程协同、Skills 生态等。（@Mr-ZhangBo 投稿）
3、ArcReel
开源的 AI 视频生成工作台，输入一本小说，自动完成剧本、人物设计、分镜、短视频生成。（@Pollo3470 投稿）
开源桌面应用，所有终端铺在无限画布上，方便管理 AI 编程工具。（@blueberrycongee 投稿）
另有一个类似项目 OpenCove。（@DeadWaveWave 投稿）
资源
Claude Code 的互动式教程，通过11个小练习，掌握这个 AI 编程工具。
根据 Claude Code 泄漏的源码，一步步图解演示，输入提示词后软件内部如何处理。
3、机器学习入门教程
工程师的机器学习教程，解释基本概念。
图片
1、欧洲年度树木
欧洲有一个"欧洲年度树木"的评选，初听觉得很奇怪，但仔细一想，就会发现这个活动有很多好处：提高城市知名度，促进生态保护，推动旅游业......
国内下面就是今年的"欧洲年度树木"。
立陶宛鲁凯村的橡树，树龄400年。
以下是其他入围决赛的树木。
斯洛伐克的野生苹果树
波兰的榆树
拉脱维亚的菩提树
葡萄牙的柏树
文摘
我花在 AI 编程的时间越多，对自己的职业生涯的担忧就越少，即使 AI 的编程能力越来越强。
因为，我发现 AI 编程只是流程的一部分，我的工作不仅仅是编写代码。
我的真正工作是，找出可以用代码解决的问题，然后解决它们，并验证解决方案是否有效。
AI 最终或许能够完全承担中间的编码部分，并帮助解决第一部分和最后一部分，但无论如何，仍然需要有人去发现问题、定义问题并确认问题已经得到解决。
这就是我的工作的80%内容。
摩尔定律指的是，大约每两年，芯片上的晶体管数量就会翻一番。
但是，它还有一个伴生效应，很少人提到。那就是，大约每五年，芯片工厂的建造成本就会翻一番，而能承担这种成本的芯片公司数量则会减半。
二十五年前，大约有40家公司，可以建造芯片工厂，每个工厂的建造成本约为20亿至40亿美元。如今，只剩下两家或三家芯片公司（数量取决于你对英特尔的乐观程度），可以建造最先进的芯片工厂，建造成本飙升到几百亿美元。
如果按照这种趋势再过10年，芯片工厂的建设成本继续翻倍飙升，也许只有一家公司或根本没有公司，能够负担这样的成本。
目前，芯片的制造工艺已经逼近1纳米，再往下发展，技术壁垒和资金壁垒将同时接近极限。
我预计，摩尔定律很快就会失效，未来增长主要在于算力，而不是单块芯片的计算能力。
未来的芯片将会像二手车，行驶速度都差不多，只是新旧差异。我甚至觉得，2035年生产的芯片和2065年生产的芯片之间，将几乎没有什么实质性区别。
言论
1、
源代码的 map 文件不小心发布到 npm，这种错误听起来似乎不可能，但当你意识到很大一部分代码库很可能是由你正在发布的 AI 编写的，一切就容易理解了。
-- 网友评论 Claude Code 源码泄漏事件
2、
人工智能的蓬勃发展，使得某些办公室工作的需求可能并不大，而将创造大量电工、焊工和水管工的工作岗位。
以前，我们告诉所有年轻人去上大学，从事银行业、媒体或法律行业，现在需要平衡一下，有些人或许更适合做体力劳动者，在水暖工和电工这些领域，职业生涯同样可以很成功。
-- 拉里·芬克，美国金融巨头贝莱德集团的老板
3、
写作的目的不在于写完，而在于增进你自己的理解，进而增进周围人的理解。
让 AI 为你写作，就像花钱请人为你健身一样。
-- 《别让 AI 替你写作》
4、
程序员的工作不是编程，而是通过抽象，来管理软件的复杂性。如果你做到了这一点，那么编程就很容易了。
-- 《你的工作不是编程》
往年回顾
制造业正在"零工化"（#344）
崖门海战的感想（#294）
大数据已死（#244）
悲观者正确，乐观者成功（#194）
（完）