Skip to content
Sign in
Artwork for 脈報
Technology

脈報

思思主播

脈報

Play
Open in
  • 287 episodes
  • Avg 5 min
  • Chinese

Episodes 287

NewestOldestLongest
All20Unplayed20In progress0Played0
Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.
  • Today · 7 min

    哥德爾說他早就證明過，卻拿不出證明！Claude 翻完千頁筆記發現只差一步

    哥德爾 1966 年說自己早就證明過，卻拿不出證明。大型語言模型 Claude 讀完他的千頁筆記，重建出的證明經 Coq 檢查通過，另抽出 663 個定理，其中約 50 個是錯的。 ⭐ 文章深度讀：哥德爾千頁速記被 AI 幾天讀完：663 個定理功勞該算誰？ → https://heymaibao.com/godel-shorthand-notebooks-ai-credit-cb93cd/ ⚡ 章節重點 AI 補完的功勞歸屬 00:00 千頁速記與 AI 解讀 00:34 哥德爾的證明與機器驗收 02:31 圈外學者眼中的功勞 04:40 讀完舊資料之後的事 05:58 📝 懶人包 ∙ von Plato 說，他幾天內就拿到一份 650 頁的筆記解說 ∙ Claude 從筆記抽出 663 個有證明、草稿或構想的定理 ∙ Claude 重建的選擇公理獨立性證明，丟進 Coq 檢查後通過 ∙ 我的觀點：上千頁筆記幾天就被讀完，功勞該算誰反而變得更難說 📚 參考資料 ‘Ahead of his time’: AI helps unlock discoveries hidden in notebooks of man who transformed maths → https://www.theguardian.com/science/2026/nov/13/kurt-godel-notebooks-ai-helps-unlock-hidden-discoveries-man-who-transformed-maths Fields Medal - MacTutor History of Mathematics → https://mathshistory.st-andrews.ac.uk/Honours/FieldsMedal/

  • Today · 5 min

    大家說 AI 讓寫程式變快！Jonathan Blow 卻問多出來的軟體成果到底在哪裡？

    Jonathan Blow 用一個問題檢查 AI 寫程式的生產力：如果真的變快了，產出在哪裡？照他的假設算，軟體應該多出 30 年份的進展，他實際看到的大約是零年。AI 幫他約 1 小時完成試算表上色小程式，但他也說錯誤會隨程式規模累積，到了門檻就做不下去。 ⭐ 文章深度讀：AI 寫程式真的變快了？Jonathan Blow 追問成果到底在哪裡 → https://heymaibao.com/ai-coding-faster-where-is-the-output-2304ae/ ⚡ 章節重點 看起來能用的 AI 成品 00:00 Blow 的一筆生產力帳 00:32 一小時的試算表小程式 01:32 AI 記不住的零件圖 01:59 技術債與做不下去的門檻 03:26 交給 AI 與有人守著的界線 04:34 📝 懶人包 ∙ Blow 說他看到的軟體進展大約是零年。 ∙ Blow 用 AI 寫試算表上色小程式，連同來回修改約 1 小時。 ∙ Blow 說錯誤隨規模累積到門檻，純 vibe coding 的人很快會撞到。 ∙ 我的觀點：AI 給的東西看起來合理，不代表扛得住越疊越大的用途。 📚 參考資料 Jonathan Blow — If AI Solved Coding, Why Is My Software Still the Same? → https://www.youtube.com/watch?v=IRK8h67ol7Q

  • Today · 5 min

    OpenAI 為什麼解散機器人團隊？研究員把通用模型接上機器人後發現一件事

    OpenAI 解散獨立機器人團隊，研究員分別併入主研究團隊與 Applied 部門。通用模型 GPT-6 Astra 接上機器人後能應付瓶子換位置與光線改變，模擬基準成功率 74.8%，真機器人上的表現仍待驗證。 ⭐ 文章深度讀：OpenAI 解散機器人團隊！改讓通用模型直接當機器人大腦 → https://heymaibao.com/openai-disbands-robotics-team-7ded35/ ⚡ 章節重點 空攤位前的人群 00:00 機器人團隊的拆分與起因 00:33 通用模型的本事與限制 01:41 現場資料的價值 03:26 加碼說法的驗證關卡 04:39 📝 懶人包 ∙ OpenAI 解散了獨立機器人團隊，研究員分散到其他團隊。 ∙ OpenAI 發言人說，通用模型能直接用在機器人上的發現促成這次解散。 ∙ Russ Tedrake 認為基礎模型越好，現場資料反而越值錢。 ∙ 我的觀點：機器人沒被放棄，只是排進通用模型的下游應用那一列。 📚 參考資料 Exclusive: OpenAI disbands its stand-alone robotics team as its general models start running robots → https://fortune.com/2026/11/13/openai-disbands-robotics-team-as-its-general-models-start-running-robots/ Astranomy: An Empirical Study of GPT-6 Astra as a native robot policy → https://research.nvidia.com/labs/srl/projects/astranomy/index.html RoboLab: A High-Fidelity Simulation Benchmark for Analysis of Task Generalist Policies → https://research.nvidia.com/labs/srl/projects/robolab/leaderboard.html

  • Yesterday · 4 min

    AI agent 會自己花錢了！Brave Search API 按次付費，Purl 建議開專用錢包

    Brave Search API 開始支援 x402 付款協定，AI agent 查一次搜尋就付一次錢，不必先開帳號拿金鑰。LLM Context 每次 0.005 美元，Stripe 開發的 Purl 建議另開一個專用錢包。 ⭐ 文章深度讀：Brave Search API 開放 AI agent 按次付費：付款取代登入 → https://heymaibao.com/brave-search-api-agent-pay-per-search-c0bb72/ ⚡ 章節重點 從會員卡到販賣機 00:00 Brave 的投幣式搜尋 00:23 給 agent 的專用錢包 02:10 錢包設定的日常功課 03:28 📝 懶人包 ∙ Brave Search API 開始支援 x402 付款，讓 agent 按次付費查搜尋。 ∙ 給 agent 用的 LLM Context 每次 0.005 美元，每 1,000 次 5 美元。 ∙ Purl 的說明建議另開一個只給 purl 用的專用錢包。 ∙ 我的觀點：這次拿掉的是開帳號那道門，付款取代了登入。 📚 參考資料 The Brave Search API now accepts agentic payments via the x402 protocol → https://brave.com/blog/search-api-agentic-payments/ Brave Search API → https://brave.com/search/api/ GitHub - stripe/purl → https://github.com/stripe/purl

  • Yesterday · 5 min

    Gemini 4 Hydrogen 單價只便宜 25%！同一張圖帳單卻差 5 倍，關鍵在哪？

    Gemini 4 Hydrogen 的單價只比同家族的 Carbon、Argon 便宜 25%，但同一個鵜鶘題目都開 high 思考強度時，Carbon 花 20.31 美分、4 分 11 秒，Hydrogen 只花 3.99 美分、19 秒，帳單差約 5 倍。差距來自輸出量，Carbon 多吐了將近 4 倍的 token。 ⭐ 文章深度讀：Gemini 4 Hydrogen 單價只便宜 25%，實測帳單卻差 5 倍 → https://heymaibao.com/gemini-4-hydrogen-pricing-total-cost-a0c8e8/ ⚡ 章節重點 單價背後的總帳 00:00 Gemini 4 家族的價差 00:27 大小模型的換手分工 02:13 Hydrogen 的兩種定位 02:55 舊款 Flash 漲價 04:03 挑模型前的算式 04:31 📝 懶人包 ∙ Hydrogen 單價只比 Carbon、Argon 便宜 25%。 ∙ 同一個鵜鶘題目、都開 high 思考強度，Hydrogen 只花 3.99 美分、19 秒。 ∙ Carbon 與 Argon 排定在 12 月 1 日漲成兩倍。 ∙ 我的觀點：比模型要看一件事做完的總帳，單價只是一半。 📚 參考資料 Release: llm-gemini 0.37 → https://simonwillison.net/2026/Nov/12/llm-gemini/ Introducing Gemini 4 Hydrogen → https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen/ Gemini Developer API pricing - Gemini API | Google AI Studio → https://aistudio.google.com/docs/pricing Gemini 4 Hydrogen and Orchestrator | Google Antigravity Blog → https://antigravity.google/blog/gemini-4-hydrogen-in-google-antigravity/ Feature overview | Google Antigravity Docs → https://antigravity.google/docs/features/ What's new in Gemini 4 Hydrogen - Gemini API | Google AI Studio → https://aistudio.google.com/docs/whats-new-gemini-4-hydrogen Gemini 4 Hydrogen Pricing: $1.50 Input, $7.50 Output, Flat to 1M Tokens → https://apidog.com/blog/gemini-4-hydrogen-pricing/

  • Yesterday · 7 min

    1450 億參數開源模型跑在筆電上！Edge0 只用 29GB 是怎麼繞過記憶體牆？

    Edge0 說開源模型 Edge0-145B 能在相容筆電上本機跑，峰值記憶體 29GB。雲端按用量付租金之外，AI 花費多了先買硬體、自付電費的第二張報價，但低算力裝置仍跑不動。 ⭐ 文章深度讀：開源模型 Edge0-145B 塞進筆電：AI 帳單多了第二張報價 → https://heymaibao.com/edge0-145b-open-model-runs-on-laptop-1e7b2f/ ⚡ 章節重點 兩種 AI 付費方式 00:00 筆電上的 145B 模型 00:37 記憶體牆與繞路方法 01:12 自家評測的分數 04:10 本機跑的帳單與邊界 04:42 開源授權的界線 05:47 雲端之外的第二張報價 06:25 📝 懶人包 ∙ Edge0 說 Edge0-145B 在相容筆電上本機跑，峰值記憶體 29GB ∙ 145B 是總參數，每一步推論只有大約 10B 參與計算 ∙ 比較表上 Edge0、Qwen、DeepSeek、Claude 的分數，都來自 Edge0 自己的內部評測 ∙ 我的觀點：本機離線跑，讓先買硬體成了能跟雲端租金比價的選項 📚 參考資料 Introducing Edge0-145B: Frontier AI Capabilities on Your Own Computer → https://edge0.ai/blog/introducing-edge0-145b-frontier-ai-capabilities-on-your-own-computer GitHub - Edge0-AI/Edge0: Device-native foundation models: 145B on a laptop, 35B on a phone. Latent MoE, SSD-streamed weights, a router that predicts loads a step ahead. Mac, iPhone, Android, Windows. → https://github.com/Edge0-AI/Edge0 Edge0/Edge0-145B-NVFP4 · Hugging Face → https://huggingface.co/Edge0/Edge0-145B-NVFP4 Gemini: A Family of Highly Capable Multimodal Models → https://arxiv.org/abs/2312.11805 Tech Primer: What hardware do you need to run a local LLM? → https://www.pugetsystems.com/labs/articles/tech-primer-what-hardware-do-you-need-to-run-a-local-llm/ RAM vs VRAM for LLM: What Each One Does → https://llmhardwareguide.com/ram-vs-vram

  • Yesterday · 5 min

    AI 進會議也要掛名牌！主持人能拒絕 Claude Meetings，外人一進來它就退場

    Claude Meetings 讓 Claude 以看得見的與會者身分加入 Google Meet 通話，做筆記、回答問題，並在通話當下做出文件、白板與簡報。它會出現在與會者名單並在通話聊天室貼出告知，主持人拒絕後不再試著進同一場，沒開放外部來賓的會議，外人一進來它就退場。Claude 存下的是逐字稿、摘要與畫面描述，不存錄音。 ⭐ 文章深度讀：Claude Meetings 進會議要掛名牌！外人一進來它就退場 → https://heymaibao.com/claude-meetings-ai-attendee-rules-8d066c/ ⚡ 章節重點 掛著名牌進會議的 AI 00:00 Claude 在通話裡的工作 00:28 現身、被拒絕與外人規則 00:55 會後紀錄的歸屬 01:51 費用期限與開關設定 03:21 懂分寸的 AI 與會者 04:26 📝 懶人包 ∙ Claude 能以看得見的與會者身分加入 Google Meet 通話。 ∙ 主持人拒絕後，Claude 不會再試同一場，除非有人再加它。 ∙ 外部來賓拿不到會議頁面與回顧信，紀錄留在主辦方。 ∙ 我的觀點：整套設計繞著一件事，讓 AI 在會議裡不能隱形。 📚 參考資料 Release notes → https://support.claude.com/en/articles/12138966-release-notes Use Claude Meetings → https://support.claude.com/en/articles/18325154-use-claude-meetings

  • Yesterday · 6 min

    挑 AI 模型這件事，Google 開始替你做了！Gemini 4 三個模型到底怎麼分工

    Google 替 Gemini 4 三個模型排好分工，Carbon 與 Argon 負責深度推理，Hydrogen 負責快速執行，價格是 Argon 的四分之三。Google Antigravity 的 Orchestrator 會在工作途中換模型，在 Terminal-Bench 4.0 上成功率接近 Carbon，平均少用 24% 額度、快 19%。 ⭐ 文章深度讀：Gemini 4 三模型分工！挑模型這件事 Google 開始替你做了 → https://heymaibao.com/gemini-4-three-model-division-13cad0/ ⚡ 章節重點 挑模型的新主人 00:00 Gemini 4 三模型分工 00:37 自動換模型的工具 01:59 附表裡的另一面 03:34 日常裡的 Hydrogen 04:36 先看難度的挑法 05:40 📝 懶人包 ∙ Carbon、Argon 管深度推理，Hydrogen 管快速執行 ∙ Hydrogen 每百萬輸入 token 1.50 美元，輸出 7.50 美元 ∙ 在 Terminal-Bench 4.0 上，Orchestrator 成功率接近 Carbon，平均少用 24% 額度、快 19% ∙ 我的觀點：挑哪個模型，正從使用者手上移到工具裡 📚 參考資料 Introducing Gemini 4 Hydrogen → https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen/ Gemini 4 Carbon is now available → https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/ Gemini 4 Argon: Built to solve your hardest problems → https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/ Gemini 4 Hydrogen and Orchestrator | Google Antigravity Blog → https://antigravity.google/blog/gemini-4-hydrogen-in-google-antigravity/ Terminal-Bench 4.1 → https://www.tbench.ai/news/terminal-bench-4-1 Coding Agent Index v2.0 方法論 | Artificial Analysis → https://artificialanalysis.ai/zh/methodology/coding-agents-benchmarking

  • Yesterday · 4 min

    13 年前的 iPad 也能跑 16B 模型！記憶體明明只有 1 GB，它靠的是哪一招？

    舊電視盒與 13 年前的 iPad 只靠約 1 GB 記憶體，跑得動 8B 與 16B 混合專家模型。做法是把常用專家留在記憶體，其餘需要時才從快閃儲存讀取。在電視盒上，2B 以上模型的速度卡在快閃儲存每秒 278 MB 的讀取上限，CPU 並不是瓶頸。 ⭐ 文章深度讀：1 GB 記憶體跑 16B 模型！舊電視盒與 iPad 變身本機 AI → https://heymaibao.com/run-16b-model-on-1gb-ram-0773db/ ⚡ 章節重點 客廳裡閒著的舊機器 00:00 小記憶體跑大模型的祕訣 00:58 速度、大小與可靠度 02:38 舊機器的取捨之道 04:01 📝 懶人包 ∙ 電視盒和舊 iPad 靠約 1 GB 記憶體跑 16B 混合專家模型 ∙ 混合專家模型每個 token 只用少數專家，常用的留在記憶體 ∙ 作者在電視盒上量到，2B 以上模型卡在快閃儲存讀取速度，不是 CPU ∙ 我的觀點：抽屜裡的舊平板或電視盒不只能淘汰，閒置硬體比想像中更能跑 AI 📚 參考資料 GitHub - hyperionaidev/smolmaxxing: maxxing the ability to run different LLMs on the smallest devices possible → https://github.com/hyperionaidev/smolmaxxing/ smolmaxxing/docs/tv-box.md at main · hyperionaidev/smolmaxxing → https://github.com/hyperionaidev/smolmaxxing/blob/main/docs/tv-box.md smolmaxxing/ipad-air/README.md at main · hyperionaidev/smolmaxxing → https://github.com/hyperionaidev/smolmaxxing/blob/main/ipad-air/README.md

  • Yesterday · 4 min

    怕額度用完只敢選小模型？Google 讓大模型訂計畫、小模型動手，卡住再交回

    Google Antigravity 的 Orchestrator 讓 Carbon 訂計畫、Hydrogen 動手，卡住再交回 Carbon。官方說平均少用 24% 額度、快 19% 完成，成功率只寫接近 Carbon 單用。 ⭐ 文章深度讀：開對話前挑模型可能挑錯時機！Orchestrator 中途換模型 → https://heymaibao.com/orchestrator-switches-models-mid-task-270c7c/ ⚡ 章節重點 挑模型的時機 00:00 靜態路由的盲點 00:29 大小模型中途交棒 01:31 沒公布的成功率差距 03:00 自己排的模型接力 03:26 📝 懶人包 ∙ Antigravity 團隊說靜態路由在長任務上會失靈 ∙ Orchestrator 能在 Carbon 和 Hydrogen 之間雙向換手，例如 Hydrogen 卡住就交回 Carbon 修計畫 ∙ 官方說成功率接近 Carbon，平均少用 24% 額度、快 19% ∙ 我的觀點：你開對話前挑模型，就是會失靈的靜態路由 📚 參考資料 Gemini 4 Hydrogen and Orchestrator → https://antigravity.google/blog/gemini-4-hydrogen-in-google-antigravity/ Gemini 4 Carbon and /swarm → https://antigravity.google/blog/gemini-4-carbon-in-google-antigravity TERMINAL-BENCH → https://www.tbench.ai/ Terminal-Bench 4.1 → https://www.tbench.ai/news/terminal-bench-4-1

  • Thursday · 3 min

    AI 看不到你的螢幕怎麼辦？T3 Code 這個快捷鍵讓畫面直接替你寫掉一半指示

    T3 Code 有個鍵盤指令，能把螢幕截圖直接送進寫程式用的終端機，省掉截圖、存檔、找檔案上傳那幾步。ChatGPT 與 Claude 桌面版也有一鍵把視窗交給 AI 的快捷鍵，不寫程式的人也找得到同一條捷徑。 ⭐ 文章深度讀：T3 Code 一鍵截圖送終端機！讓畫面替你寫掉一半 AI 指示 → https://heymaibao.com/t3-code-screenshot-to-terminal-f7e0eb/ ⚡ 章節重點 螢幕直送的捷徑 00:00 一鍵送進終端機 00:26 變短的交棒路徑 01:11 不寫程式的用法 01:58 📝 懶人包 ∙ Matt Van Horn 說 T3 Code 有個鍵盤指令，能把整個螢幕截圖送進他寫程式的終端機 ∙ Matt Van Horn 的第一反應是驚嘆，說這功能讓他大開眼界 ∙ 他在後續回覆說自己剛開始用，還沒完全投入 ∙ 我的觀點：直接送出螢幕，等於讓畫面替你描述眼前狀況 📚 參考資料 Holy crap this T3 Code feature is blowing my mind. → https://x.com/mvanhorn/status/2120786437193052271 SnapShots - t3code → https://t3code.atomgit.com/user/snap-shot.html Appshots | ChatGPT Learn → https://learn.chatgpt.com/docs/appshots 在 Mac 上通過 Claude Desktop 使用快速輸入 | Anthropic Help Center → https://support.claude.com/zh-CN/articles/12626668-%E5%9C%A8-mac-%E4%B8%8A%E9%80%9A%E8%BF%87-claude-desktop-%E4%BD%BF%E7%94%A8%E5%BF%AB%E9%80%9F%E8%BE%93%E5%85%A5

  • Thursday · 3 min

    AI agent 開在哪個資料夾就只看得到哪裡！Matt Pocock 的 Home Repo 怎麼解

    Matt Pocock 發佈文章介紹 Home Repo 模式，讓 AI agent 從一個集中放 skills、AGENTS.md 與共用文件的 repo 開工，再照路標開啟或 clone 其他 repo，一次對話就能改動好幾個 repo。 ⭐ 文章深度讀：Matt Pocock 的 Home Repo：讓 AI agent 跨 repo 工作 → https://heymaibao.com/matt-pocock-home-repo-pattern-55c006/ ⚡ 章節重點 每次重講背景的麻煩 00:00 Home Repo 要解的問題 00:39 家裡放什麼與怎麼搭 01:42 我的判斷與帶走的做法 02:45 📝 懶人包 ∙ Matt Pocock 發佈完整文章，介紹 Home Repo 模式。 ∙ Matt 稱它是 agent 跨 repo 工作的簡單解法。 ∙ 文章附一段 prompt，可在自己組織的 repo 上跑。 ∙ 我的觀點：與其每次重講背景，不如先替 AI 準備固定起點。 📚 參考資料 Published a proper article on the Home Repo pattern - the simple solution to run → https://x.com/mattpocockuk/status/2120838662254420341 The Home Repo Pattern → https://www.aihero.dev/the-home-repo-pattern 作者介紹：Matt Pocock (x.com) → https://x.com/mattpocockuk

  • Thursday · 5 min

    Anthropic 季營收 170 億美元，淨損卻比營收還多！問題出在估值上升那一行

    Anthropic 在 IPO 頁列出 Q3’26 營收 170 億美元，同一季淨損 233 億美元，其中 219 億美元是與估值上升有關的非現金費用。過去 12 個月貢獻營收至少 10 萬美元的客戶超過 11,900 家，股票預計美東時間 11 月 19 日在 Nasdaq 開始公開交易，代號 ANT。 ⭐ 文章深度讀：Anthropic 上市成績單！季營收 170 億美元淨損反而更大 → https://heymaibao.com/anthropic-ipo-revenue-and-net-loss-8ab6bc/ ⚡ 章節重點 你的訂閱費與成績單 00:00 營收與帳面虧損 00:32 付大錢的企業客戶 01:51 押注的成長曲線 02:54 公益公司的預防針 03:33 Nasdaq 上市時程 04:00 夾在中間的帳單 04:23 📝 懶人包 ∙ Anthropic 在 IPO 頁列出 Q3’26 營收 170 億美元。 ∙ 這季淨損裡包含一筆 219 億美元的非現金費用。 ∙ Anthropic 股票預計美東時間 11 月 19 日開始公開交易。 ∙ 我的觀點：你付的訂閱費，接下來會變成投資人盯著看的營收數字。 📚 參考資料 Anthropic’s Initial Public Offering → https://ipo.anthropic.com/us/ What Is API Migration? | OxaPay Glossary → https://oxapay.com/blog/glossary/api-migration/ API migrations: managing a controlled platform change | Hueskotech → https://hueskotech.de/en/insights/api-migrations

  • Thursday · 7 min

    外行人帶 48 個 AI 代理找到馬雅遺址！官方查無紀錄，他卻漏掉了哪一步？

    Pietro Miotti 不是考古學家，帶著 48 個 AI 代理分析 NASA G-LiHT 光達資料，在馬雅地區找到一座懸崖邊的遺址，INAH 回覆該位置沒有已登記的考古遺址。後來發現學界論文早已畫過它，代理翻文獻時漏掉了，Miotti 因此改用「重新發現」這個詞。 ⭐ 文章深度讀：外行人帶 48 個 AI 代理找到馬雅遺址！結果專家早就畫過了 → https://heymaibao.com/ai-agents-rediscover-maya-site-5cc3f8/ ⚡ 章節重點 發現還是重新發現 00:00 外行人的起點與光達 00:30 代理整晚看圖的發現 02:04 官方回信與文獻翻轉 03:45 百年前的另一次重新發現 04:55 外行人最後該查的一步 05:38 📝 懶人包 ∙ 48 個代理把光達圖一張張看，找金字塔、平台和廣場 ∙ INAH 回覆表示該位置沒有已登記的考古遺址 ∙ 代理翻文獻時漏掉這個遺址，Miotti 改用「重新發現」這個詞 ∙ 我的觀點：代理看圖看得準，卻在翻文獻時漏掉了專家早寫好的論文 📚 參考資料 My AI Agents (Re)discovered a Maya Site in 72 Hours → https://pietromiotti.com/latest/maya-site Hiram Bingham III → https://en.wikipedia.org/wiki/Hiram_Bingham_III Portrait of an Explorer: Hiram Bingham, Discoverer of Machu Picchu → https://books.google.com/books?id=uF8aAAAAYAAJ&q=%22agustin+lizarraga+is+discoverer%22 Fotografía de Hiram Bingham evidencia escrito de Agustín Lizárraga en 1902 en Machu Picchu → https://andina.pe/agencia/noticia-fotografia-hiram-bingham-evidencia-escrito-agustin-lizarraga-1902-machu-picchu-370573.aspx

  • Thursday · 4 min

    AI 代理想替你訂機票？United 直接擋下！真正在搶的是誰能批准代理進門

    United Airlines 禁止未經授權的第三方個人 AI 代理替旅客訂票，美國幾家大銀行也在網銀帳戶裡偵測到第三方 AI 代理的未授權活動。白宮 AI 事務主管 David Sacks 區分使用者授權的代理與失控代理，並提議銀行只給唯讀權限。這一輪爭的是誰有資格批准代理進門，結果會影響 AI 助理能否替使用者把事辦完。 ⭐ 文章深度讀：United 禁 AI 代理訂票！真正在搶的是誰能批准代理進門 → https://heymaibao.com/united-bans-ai-agent-flight-booking-9057a1/ ⚡ 章節重點 誰來批准 AI 代理 00:00 United 的訂票禁令 00:29 銀行與白宮的代理界線 01:20 經公司批准的正門 03:07 📝 懶人包 ∙ United 禁止未經授權的第三方個人 AI 代理替旅客訂票。 ∙ Axios 報導，美國幾家大銀行在客戶網銀帳戶裡偵測到第三方 AI 代理的未授權活動。 ∙ Sacks 提議銀行可只給代理唯讀權限，看得到消費但不能自己動手。 ∙ 我的觀點：這輪真正在搶的，是誰有資格批准代理進門。 📚 參考資料 CBS News → https://www.cbsnews.com/news/united-airlines-bans-ai-agents-booking-flights/ CBS News → https://www.cbsnews.com/news/ai-agents-customer-bank-accounts-security/

  • Thursday · 4 min

    聯合航空讓 AI agent 查票價卻不准替你下單！航空公司真正怕的是哪一步

    聯合航空禁止個人用的 AI agent 在網站上完成購買，AI agent 仍可讀取航班選項與票價。聯合航空提出的理由是資料外洩與誤買風險，後台也會替每筆訂位標記來源，分得出個人、旅行社與 AI agent。 ⭐ 文章深度讀：聯合航空禁止 AI agent 訂票！只准查票價、不准替你結帳 → https://heymaibao.com/united-airlines-blocks-ai-agent-checkout-8bda59/ ⚡ 章節重點 AI 代辦的結帳線 00:00 聯合航空的新規定 00:30 通路、法律與中間人 01:26 留給本人的最後一步 03:09 📝 懶人包 ∙ 聯合航空禁止個人用 AI agent 在網站上完成購買，查航班與票價仍可以 ∙ 聯合航空的理由：AI agent 可能外洩敏感資料，或買下使用者沒打算買的東西 ∙ 聯合航空後台替每筆訂位標來源，分得出個人、旅行社和 AI agent ∙ 我的觀點：企業對 AI agent 的第一道牆砌在付錢那一步，不在門口 📚 參考資料 WSJ: United Airlines will stop personal AI agents from booking tickets on its systems → https://x.com/rohanpaul_ai/status/2120584444247760983 Unauthorized third-party AI agents or assistants | United Airlines → https://www.united.com/en/us/fly/help-center/digital-trust-center/artificial-intelligence/third-party-ai-agents.html 49 USC 44901: Screening passengers and property → https://uscode.house.gov/view.xhtml?edition=prelim&num=0&req=granuleid%3AUSC-prelim-title49-section44901 49 CFR § 1544.203 - Acceptance and screening of checked baggage. → https://www.law.cornell.edu/cfr/text/49/1544.203 United Is Restricting AI Agents From Booking Flights → https://www.engadget.com/2314121/united-is-restricting-ai-agents-from-booking-flights/

  • Thursday · 5 min

    同一段 DNA 換一種細胞讀，答案就不一樣！AlphaGenome 2 先問細胞再預測

    AlphaGenome 2 是 Google DeepMind 的 DNA 變異預測模型，一次只針對一種細胞類型或狀態預測，並把這個條件送進模型每一層。在 TenK10K 免疫細胞資料上，影響基因表現的因果變異找回 30%，第一代微調版是 16%。兩代都只供研究使用，沒有經過臨床或診斷用途的驗證或核准。 ⭐ 文章深度讀：AlphaGenome 2 改成先問細胞類型！致病變異多找將近一倍 → https://heymaibao.com/alphagenome-2-reads-dna-by-cell-type-05bdd9/ ⚡ 章節重點 同一段 DNA 的不同讀法 00:00 先問細胞的預測方式 00:36 免疫細胞上的實測成績 01:54 更細更貴的取捨與界線 02:47 AI 大廠的下一塊戰場 04:05 📝 懶人包 ∙ AlphaGenome 2 一次只針對一種細胞或狀態預測，條件送進每一層。 ∙ TenK10K 免疫細胞資料上，影響基因表現的因果變異找回 30%，第一代微調版 16%。 ∙ 兩代都只供研究，沒有經過臨床或診斷用途的驗證或核准。 ∙ 我的觀點：它像先給 AI 交代背景，先講是哪種細胞再讀 DNA。 📚 參考資料 Google’s AlphaGenome 2 zooms in on the cellular roots of disease → https://www.theverge.com/ai-artificial-intelligence/1031524/google-deepmind-alphagenome-2-genetic-ai-model Google DeepMind → https://deepmind.google/blog/alphagenome-ai-for-better-understanding-the-genome/ Google DeepMind → https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/ T 細胞是什麼？一次認識種類、功能，以及與癌症、自體免疫疾病的關係 | 杏創生物科技 → https://www.neogenesis-biotech.com/blog/what-are-t-cells AlphaGenome 2: benchmarks, cell-specific predictions and access → https://promptszone.com/alphagenome-2-benchmarks-research-access AlphaGenome 2 Recall Hits 30% on TenK10K. 70% Still Missed. | alfw.ai → https://alfw.ai/article/deepmind-alphagenome-2-cell-specific/ Enigma: An Efficient Model for Deciphering Regulatory Genomics → https://doi.org/10.64898/2025.12.18.694875 google-deepmind/alphagenome → https://github.com/google-deepmind/alphagenome

  • Thursday · 6 min

    AI 不寫答案只圈選項！Gemini Decision 1 附上信心分數，拿不準就交給真人

    Google 推出 Gemini Decisions API 與新模型 Gemini Decision 1，它不產生文字、輸出 token 永遠是 0，只替給定的候選選項打分並附上信心分數，讓程式把拿不準的案子轉給備案或真人審。計費只收輸入，每 100 萬輸入 token 0.10 美元，但不支援上下文快取。 ⭐ 文章深度讀：AI 改做選擇題！Gemini Decision 1 只圈選項並報上把握 → https://heymaibao.com/gemini-decision-1-multiple-choice-ai-a8c425/ ⚡ 章節重點 會圈選項的 AI 00:00 信心分數與分流 00:52 計費方式與比較表 01:37 窄題拆法與客服實例 03:41 風險邊界與核心判斷 05:02 📝 懶人包 ∙ Gemini Decision 1 不產生文字，輸出 token 永遠是 0。 ∙ 每個答案附信心分數，拿不準的可轉給備案或真人審。 ∙ 價格每 100 萬輸入 token 0.10 美元，輸出不收錢。 ∙ 我的觀點：價值在把要不要交給人變成程式讀得懂的數字。 📚 參考資料 Gemini Decisions API: Fast, calibrated multimodal decisions → https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/ Decisions API - Gemini API | Google AI Studio → https://aistudio.google.com/docs/decisions-api

  • Thursday · 8 min

    覺得 Claude 變笨？不是錯覺！出包的地方正是 Anthropic 賣給投資人的優勢

    Anthropic 事故檢討說，三個基礎設施 bug 讓 Claude 回答斷續變差，其中一個藏在 TPU 專用編譯器裡。上市路演卻把多晶片說成優勢，說 Mythos 三天讓 Claude 跑上 AMD。 ⭐ 文章深度讀：Claude 變笨那幾天！出包處正是 Anthropic 的多晶片優勢 → https://heymaibao.com/claude-degraded-anthropic-multi-chip-cde94f/ ⚡ 章節重點 變笨的體感 00:00 官方的事故檢討 00:25 評測漏抓與用戶倒讚 01:57 路演裡的多晶片 03:09 優勢背後的代價 05:00 同一件事的兩套講法 06:15 📝 懶人包 ∙ 事故檢討說三個基礎設施 bug 讓 Claude 回答斷續變差 ∙ 路由錯誤最糟的一小時，影響 16% 的 Sonnet 4 請求 ∙ 路演說接 AMD 交給 Mythos，三天讓 Claude 跑起來 ∙ 我的觀點：路演賣的多晶片優勢，正是事故檢討裡最難顧的那塊 📚 參考資料 Anthropic’s IPO roadshow video → https://simonwillison.net/2026/Nov/11/anthropic-ipo-roadshow/ gist:9806757fe8acec6221cb0a5cce4d720d → https://gist.github.com/simonw/9806757fe8acec6221cb0a5cce4d720d A postmortem of three recent issues → https://www.anthropic.com/research/a-postmortem-of-three-recent-issues Claude Mythos \ Anthropic → https://www.anthropic.com/claude/mythos background on torch compile on tpus via xla → https://google-pytorch.github.io/torch_tpu/background_on_torch_compile_on_tpus_via_xla.html Anthropic launches roadshow for proposed initial public offering \ Anthropic → https://www.anthropic.com/news/roadshow-launch Anthropic 啟動 IPO 路演！估值衝上 1.4 兆美元、股票代號「ANT」，台積電等 7 巨頭私募力挺|數位時代 BusinessNext → https://www.bnext.com.tw/article/93013/anthropic-ipo-roadshow-price-range-ant

  • Thursday · 7 min

    48 個 AI agent 一夜看完馬雅叢林！找到沒登記的遺址，結果早被學者畫過

    Pietro Miotti 不是考古學家，用 48 個 AI agent 逐張檢視約 1,200 平方公里叢林的 NASA G-LiHT lidar 圖，找到懸崖邊一座山頂聚落，INAH 回覆該位置沒有已登記遺址。後來發現 Estrada-Belli 等人的研究早已畫進地圖，作者改稱重新發現。 ⭐ 文章深度讀：48 個 AI agent 一夜看完馬雅叢林！找到的遺址早在地圖上 → https://heymaibao.com/ai-agents-rediscover-maya-site-7c8536/ ⚡ 章節重點 隨口問 AI 的念頭 00:00 從秘魯到馬雅叢林 00:34 agent 找到的山頂聚落 01:56 寄給墨西哥官方的報告 03:26 早已在地圖上的村落 04:19 外行人的檢查順序 06:19 📝 懶人包 ∙ 作者在秘魯讀到 Bingham 的故事，想像他有今天的工具會怎麼做。 ∙ 48 個 agent 照指引逐張看約 1,200 平方公里叢林的 lidar 圖。 ∙ 遺址早被 Estrada-Belli 等人的研究畫進地圖，作者改稱重新發現。 ∙ 我的觀點：行業外的老問題能用平常的 AI 走到正式回覆，交出去前仍要查。 📚 參考資料 My AI Agents (Re)discovered a Maya Site in 72 Hours → https://pietromiotti.com/latest/maya-site/?maya Hiram Bingham III → https://en.wikipedia.org/wiki/Hiram_Bingham_III Lost city of the Incas : the story of Machu Picchu and its builders → https://archive.org/details/lostcityofincass00bing/page/112 Marian Mould (257) → https://revistas.ucm.es/index.php/RCHA/en/article/download/RCHA0101110257A/28705/29866 Who Discovered Machu Picchu? → https://www.muchbetteradventures.com/magazine/who-discovered-machu-picchu/

Showing 1–20 of 287 episodes