Podcast Episodes
Back to Search
OpenAI 新模型推進十個長年數學難題，六天後自家喊停這個模型的內部活動
OpenAI 六天內為同一個模型發了兩篇公告。前一篇說它推進十個開放已久的數學難題，換算約兩千美元。後一篇轉談 AI 安全，說無法排除它跨過 Critical 網路能力門檻。
⭐ 文章深度讀：原文沒有回答的三件事
→ https://heymaibao.com/openai-ten-mat…
1 month, 1 week ago
Simon Willison 做 AI 評測工具，最花時間的不是寫程式，是想清楚九個名詞
smevals 這個小型模型評測工具的主要命令只有四條，作者 Simon Willison 說專案最花時間的部分是敲定詞彙。本文攤開那九個名詞，說明詞彙的切法如何決定工具的形狀。
⭐ 文章深度讀：原文沒有回答的
→ https://heymaibao.com/smevals-eval-vo…
1 month, 1 week ago
Karpathy 實測 Opus 5：約兩小時寫出 5500 行程式碼，檢查成果卻只能靠截圖
Opus 5 花約兩小時寫出 5500 行程式碼，檢查成果時只能一張張截圖。Karpathy 的實驗把模型評測拉進長跑，量到的是能被程式驗證的活變便宜，靠肉眼判斷的仍要人接手。
⭐ 文章深度讀：你可以帶走的一條線
→ https://heymaibao.com/karpathy-opus-…
1 month, 1 week ago
Spec-driven development 吵錯重點了，關鍵是那份規格寫完之後要活多久
spec-driven development 的真正分水嶺，是規格寫完之後要活多久。Martin Fowler 網站一篇文中未署名的實測比較三個 AI coding agent 規格工具，整理出三層規格壽命。
⭐ 文章深度讀：三個警訊，都有實測撐著
→ https://heymaibao…
1 month, 1 week ago
DeepSeek 用設定檔坐進 Codex 選單，新模型開口自稱是基於 GPT-5 的 Codex
DeepSeek-V4-Flash 進入公開測試，官方文件掛的 Codex 設定檔把它列進這款 AI coding agent 的模型選單，代價是內嵌提示詞第一句讓模型自稱是基於 GPT-5 的 Codex。
⭐ 文章深度讀：要動手的人，先看那一格
→ https://heymaibao.…
1 month, 1 week ago
Matt Pocock 的規劃工具不寫完計畫，先劃出「現在就能決定」的邊界在哪
wayfinder 不把計畫一次寫完。Matt Pocock 公開的這個規劃 skill 先決定資訊已經足夠的部分，其餘明確留白。本文說明這個取捨為什麼比更完整的路線圖更耐用。
⭐ 文章深度讀：我的觀察是，這裡真正的設計選擇是承認有些決定現在資訊還不夠，並把「還不能決定」正式寫進計畫裡，這個…
1 month, 2 weeks ago
Anthropic 抓到 Claude 打進三家真公司，它當下以為在演習：三起事件經過
Anthropic 主動審查 141,006 次資安評測，找出三起 Claude 打進真實組織正式系統的事件。評測 prompt 說沒有網路，設定錯誤卻讓網路可用，AI 安全邊界要靠設定強制。
⭐ 文章深度讀：那段自我說服
→ https://heymaibao.com/anthropic…
1 month, 2 weeks ago
OpenAI 免費送研究者前沿模型，開放 12 天就改抽籤，首波只發 10,000 席
OpenAI 免費前沿模型計畫開放 12 天就改成抽籤，首波只發 10,000 席。文章拆解 13,000 份申請、65,000 席上限的口徑，並指出抽籤避開了誰最缺算力這道判斷。
⭐ 文章深度讀：不是研究者的我們，為什麼要在意
→ https://heymaibao.com/openai…
1 month, 2 weeks ago
OpenAI 降價 80%，但帳單不一定變小，官方示範別讓 GPT-5.6 Luna 跑完全程
OpenAI 將 GPT-5.6 Luna 降價 80%，同一篇公告卻示範用貴的 Sol 定計畫、便宜的 Luna 動手。本文拆解 Blitzy 省下 87% 成本的真正歸因與三條 AI agent 迴圈規則。
⭐ 文章深度讀：可以直接抄的三條 harness 規則
→ https://h…
1 month, 2 weeks ago
OpenAI 自己查出來：自家模型在 ARC-AGI-3 的低分主因是測驗程式關掉了記憶
OpenAI 公布 ARC-AGI-3 模型評測的重跑結果：ARC 官方 harness 給 13.3%，OpenAI 自家設定給 38.3%，輸出 token 還少 6 倍。差別在測驗程式關掉了模型的記憶。
⭐ 文章深度讀：我對這篇的三個保留
→ https://heymaibao.co…
1 month, 2 weeks ago