Advertise on podcast: 矽谷輕鬆談 Just Kidding Tech

如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 這個禮拜應該很多人跟我一樣，瘋狂被 Cybercab 洗版。沒有方向盤、沒有踏板、沒有後視鏡，而且已經正式在奧斯汀載客。從概念車走到真的有人可以搭，我覺得這確實是很大的里程碑。 但大家都在看車子怎麼自己開，我反而覺得 Cybercab 更大的革命藏在工廠裡。這是特斯拉第一次真正用 Unboxed 開放式模組製造流程量產一款全新的車。傳統汽車要讓整台車沿著產線移動，很多零件還得裝上去又拿下來；特斯拉則是把不同部位分開製造，最後才組在一起。 如果這套方法真的走通，影響的可能不只是 Cybercab，而是汽車到底應該怎麼被製造。至於它為什麼比無人載客本身更讓我在意，影片裡會好好聊到。 Cybercab 能這麼快上路，某種程度上也是採取了先上車後補票的策略。特斯拉認為這台車符合聯邦規範，所以先開始商業載客；同一天，NHTSA 也立刻啟動調查。之前 Zoox 走過非常相似的路，審查了 21 個月，最後還是得改走豁免。特斯拉是不是也會走上類似的路，以及這會不會限制 Cybercab 接下來的擴張，現在還很難說。 另外一個很多人沒有注意到的地方是，無人車並不是真的無人。Cybercab 遇到施工或不確定的路況時，背後的 Mission Control 可以在地圖上提示路線，也能遠端解鎖車門、打開行李箱，必要時聯絡 911。真的卡住時，遠端操作員甚至能在低速狀態下移動車輛。 不過遠端操作可以做到什麼程度，其實有非常明確的限制。如果連這些方法都解決不了，最差的情況還是得派人到現場。車裡沒有駕駛，不代表整套服務背後不需要人。 所以判斷一支無人車隊能不能賺錢，我自己會看兩個數字：車子多久需要人類介入一次，以及一個遠端人員到底能管理幾台車。 Waymo 曾經透露，大約用 70 名值班人員管理 3000 台車，比例差不多是 1 比 43。特斯拉目前沒有公布類似數據，而且這還沒有算進清潔、充電、維修和現場救援的人力。少了這兩個數字，其實很難判斷我們現在看到的是技術上的突破，還是一門已經能夠大規模運作的生意。 這也是為什麼我不認為大家很快就能買一台 Cybercab，睡覺時讓它自己出去載客賺錢。奧斯汀的小規模商業車隊，跟一台私人 Cybercab 可以離開限定範圍、想去哪裡就去哪裡，是兩個完全不同的難度。 真的出事時誰負責？誰來遠端支援？如果特斯拉隨時都能看到私人車輛的狀況，又會不會產生新的隱私問題？這中間有些困難，甚至不是把自駕技術繼續做得更準就能解決的。 以現在的進度來看，我認為 3 到 5 年內幾乎不可能實現。特斯拉如果能在 10 年內讓一般人買 Cybercab，並在不用車時把它加入車隊賺錢，我就覺得已經是非常大的突破。 不過這不代表我看衰特斯拉。現在特斯拉 Robotaxi 的規模大約還落後 Waymo 20 倍，但 Cybercab 的車輛成本更低，也不需要進入每座城市前都先繪製高清地圖。一旦跨過前期門檻，它的擴張速度確實有機會突然拉高，甚至超車 Waymo。 我也不認為特斯拉和 Waymo 現在是你死我活的零和競爭。這個市場目前總共也才幾千台車，兩家公司現階段更需要一起讓大家習慣無人車。更現實的是，只要任何一家發生重大事故，都可能一起改變大眾信心和政府監管的態度。 Cybercab 已經證明自己不是停留在發表會上的概念車，但從正式載客走到大量普及，中間還有很多問題沒有答案。這集就來聊聊它已經完成了哪些突破，以及馬斯克所說的「睡覺賺錢」，離我們到底還有多遠。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭：Cybercab 正式進入商業載客 (01:04) 沒有方向盤和踏板：真正的專用無人車 (02:04) 大家都在看載客，更大的革命卻藏在工廠 (04:16) 先上車後補票：Cybercab 的法規審查才剛開始 (05:56) 無人車並不是真的無人 (08:39) 無人車隊能不能賺錢，要看這兩個數字 (10:07) 買一台 Cybercab 睡覺賺錢，還要等多久 (12:45) 說 Cybercab 還很遠，就是看衰特斯拉嗎 (13:52) 特斯拉的難題：聲量很大，實際規模仍然很小 (15:18) Waymo 的難題：車輛成本與高清地圖 (16:21) 特斯拉與 Waymo 其實在同一條船上 (17:52) 結尾：Cybercab 最後有機會超車 Waymo 嗎

如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 裸辭到現在剛好滿 4 個月。先講結論，我相當不推薦裸辭，因為你會突然多出大把大把的時間，多到你會回不去。這句話聽起來很欠揍，但我是認真的。 最有感的改變，是生活多了一種餘裕。以前送完小孩就要趕九點的會，開車在路上總是很急；現在有人想超車，我笑一笑就讓他先過。中午突然想吃頓好的，就跑去超市買一塊牛排回來，慢慢醃、慢慢煎。這種不用趕的感覺，比我想像中還爽。 但生理上的餘裕只是表面，真正大的是腦袋空了出來。以前被 sprint、roadmap、下一個 level 佔滿的空間不見之後，我開始認真想一些以前根本沒空想的事。我這幾週幾乎一週運動四五天，踢球、打網球、重訓，戶外時間變超多，連這集都是在戶外邊騎滑板車邊錄的。最好笑的是我戴的 Whoop，五月以前我的生理年齡是緩慢往上爬的，五月之後直接開始往下掉。我看到那個趨勢圖只想到五個字：離職治百病。 腦袋一空，很多突發奇想就冒出來。我開始認真研究青訓，想說會不會哪天真的去當個足球教練，結果一頭栽進去才發現一堆反直覺的東西，像是太早讓小孩專項化反而容易 burnout，還有歐洲現在很推的 bio-banding 到底是在幹嘛。我也開始把小時候陪我長大的漫畫一本一本收回來，青之蘆葦、七龍珠、哨聲響起、死亡筆記本，這些以前忙起來根本不會想到的事，現在都變成很想做的事。 不過這幾個月讓我最有感的一件事，是帶小孩的時候重新想起來的：人生最重要的其實就是好玩。我們從小被訓練成一定要有目標、要逼自己過得很辛苦，但看 Leon 跟 Chloe 每天早上自己爬起來，把一堆玩偶搬來搬去說這是他們做的寶可夢樂園，你就會發現很多事情不為了什麼，好玩本身就是理由。 當然也有人會問，裸辭久了會不會焦慮、會不會失去價值感。這題我在影片裡聊了蠻多，還講到一個我自己昨天才想通的角度：這世界上有誰能比你更會當你自己？這個問題想通之後，你大概就不太會拿社群上別人的高光時刻來鞭自己了。 我唯一的一點顧慮也很誠實地留在影片裡講了。如果你也正在考慮這件事，或正走在類似的路上，希望這集能給你一點東西。看完也歡迎在下面留言，跟我聊聊你探索之後找到了什麼。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭：裸辭 4 個月，但我「相當不推薦」 (02:33) 運動變多、Whoop 生理年齡開始倒著走 (03:27) 現代人的病痛，很多是久坐坐出來的 (04:05) 突發奇想：我要不要去當足球教練 (04:34) 研究青訓才發現：太早專項化反而會 burnout (07:23) 開始收藏那些從小陪我長大的經典漫畫 (08:26) 帶小孩才重新想起：人生最重要的是好玩 (09:37) 裸辭焦慮、價值感，還有「誰能比你更會當你自己」 (12:28) 我唯一的一點顧慮

如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 你有沒有覺得 Uber 越來越貴了？我五六年前從機場回家，一趟大概 30 到 40 塊美金，現在一樣的車程至少 80，有時候要 100 才叫得到。這已經不是通膨可以解釋的了。 轉折點是 2022 年 9 月，Uber 對司機跟乘客都推出了前置定價。聽起來很透明嘛，你上車前就知道要付多少，司機接單前也知道能賺多少。但這其實是 Uber 第一次真正有了上下其手的空間，因為它的演算法從那時候開始就不再算里程，而是去猜你這個人願意付的最高價，再找一個肯用最低酬勞接單的司機來配對。 而且這件事不是體感，是真的被抓出來的。有個哥倫比亞商學院的教授分析了兩萬多趟旅程，發現車資能被時間、距離、尖峰這些客觀因素解釋的程度，從 2019 年的 0.98 一路掉到 2024 年的 0.77；價格落在合理區間裡的比例，更是從 86% 崩到只剩 22%。白話講就是，你現在叫一趟 Uber，基本上是在擲骰子。 Consumer Report 還找了一百多個人做實驗，同一時間、同一個起點跟終點，價差的中位數是 42.4%。最誇張的一趟在奧斯汀，最便宜的人叫到 25 塊，最貴的 65 塊，硬生生貴了 160%。另外有一個更狠的畫面，一位乘客付了 70 塊，結果司機只拿到 27。 那 Uber 到底是看你哪些東西，決定要不要對你加價？供需當然是一個，但有一個蠻反直覺的，就是當供給很多、你幾乎一秒就配到司機的時候，它反而更有理由對你加價。這背後跟「平台最怕的風險其實不是貴，而是配不到車」有關，我在影片裡有聊到。 Uber 官方當然是否認的，他們說在美國抽成只有 20 幾趴，也說沒有用任何個人特徵去定價。但這句話藏了一個玄機，他否認的是「個人特徵」，可沒否認「差異化定價」，這兩件事差很多。 最後我整理了三個能叫到比較便宜 Uber 的方法，再加兩個 bonus。其中一個冷知識是，你手機的電量會影響你被開的價格；還有一個 tip 我自己覺得講了等於沒講，你聽完應該會笑出來。 我做完這些研究，倒也不覺得 Uber 就是特別邪惡。它前面燒了十幾年的錢，好不容易才開始賺，會走到今天這步，我覺得蠻合理的。真正值得想一下的是，到底怎麼樣的抽成、怎麼樣的價格，才是乘客、司機、平台三邊都能接受的？你有什麼想法，歡迎在下面留言告訴我。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭：一樣的車程，為什麼現在要付兩三倍 (01:41) Uber 早期最美好的時候：像跳表一樣單純 (02:55) 燒錢十幾年，2022 第一次由虧轉盈 (03:27) 尖峰計價其實是必要之惡，不是為了多賺你的錢 (04:54) 2022 司機端也加入前置定價，局面徹底改變 (05:51) 哥倫比亞教授分析兩萬多趟：合理車資的公式正在失效 (07:41) Consumer Report 實驗：同時同地，價差可以到 160% (08:55) Uber 決定要不要對你加價，到底在看哪些因素 (11:50) 換到司機端：什麼時候會被偷偷壓低酬勞 (13:14) 乘客付 70、司機只拿 27，抽成率一路飆到 50% (14:58) Uber 說沒有個人化定價，這句話的玄機 (15:59) 怎麼叫到比較便宜的 Uber：三個方法加兩個 bonus (17:47) 結尾：Uber 真的特別邪惡嗎？

👉 矽谷輕鬆談專屬優惠連結：https://nordvpn.com/jktech 訂閱即額外多送 4 個月｜30 天退款保證 #NordVPN 🔒 本集節目由 NordVPN 贊助 根據內政部 165 打詐儀表板，詐騙件數第一名的類別是「網路購物」。社群上那些限時特價的一頁式廣告，做得跟官方商店一模一樣，用完就丟、換個網域再開，讓你根本學不會怎麼認出它。NordVPN 內建的威脅防護會在你連上這些網站之前就先擋掉，釣魚連結、惡意網站都在源頭自動處理，不用你自己判斷。 有興趣的朋友透過上方矽谷輕鬆談的專屬連結試試看，訂閱額外多送 4 個月，30 天不滿意直接退，完全沒有損失。 如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 你有沒有想過，現在網路上大概每三個網頁就有一個帶著 AI 處理過的痕跡，而且只會越來越多。所以對這些模型商來說，2022 年 ChatGPT 出現以前、還沒被 AI 污染過的資料，突然變成一種稀缺資源。而他們的解法蠻粗暴的，就是直接去二手書市場大量收書，掃描，然後銷毀。 Anthropic 在 2024 年偷偷啟動了一個叫巴拿馬計畫的東西，內部文件寫得很直接，要大規模掃描全世界的實體書，而且不能被其他人發現。很多人以為是為了乾淨資料，其實他們一開始的動機是版權。至於他們試過買數位版、也試過一家一家去談授權，最後為什麼還是回去走這種土法煉鋼的路，我在影片裡講。 更好笑的是 Amazon。一開始是二手書商發現怎麼一直有來路不明的大單，一筆下去可能就是他們一週的營業額，而且每次買家還都不太一樣。後來一個 404 Media 的記者乾脆在書裡縫了 AirTag，一路追到拉斯維加斯的一個 Amazon 倉庫，代號 VGT3，倉庫 logo 是一隻恐龍抓著書在啃。他們掃書還有個規矩，只買沒重複過的 ISBN，連市面上剩沒幾本的珍本都照掃照毀，也難怪社群上反彈這麼大。 很多人把這件事類比成焚書坑儒，但我覺得性質不太一樣，秦始皇是不想讓知識傳出去，這些公司是想把知識鎖進自己的資料庫裡。至於掃描完為什麼不乾脆賣回去、非得銷毀不可，我自己歸納出三個理由，一個最直接跟成本有關，一個跟法律有關，還有一個就比較不能明講了。 不過拿到乾淨資料就贏了嗎？我覺得是也不是。這招在 2023 年很成立，但 scaling law 後來慢慢撞牆，大家才轉去做強化學習跟推論時的運算。有趣的是這條路也有它的代價，模型在能被驗證的程式、數學上越來越強，可是在沒辦法量化的語感上反而退步了。我前陣子換到 Opus 5 之後真的很煩躁，每個字我都看得懂，連起來卻不知道它在公三小，一度還懷疑是不是自己腦霧，後來才發現不是我的問題，是模型的問題。 最後我聊了一個反過來的角度。當這些公司拼命想餵乾淨資料的同時，也有人正花大錢想餵髒的。以色列政府花了 90 萬美金請公關公司做了一個看起來很中立、有引用有註腳的假智庫網站，目的就是讓你問到以巴衝突的時候，ChatGPT 或 Gemini 會引用到他們的觀點。還有一種更難防的，是網站裡藏一些你看不到的字，等你請 AI 幫你摘要，那些字就悄悄把某些想法寫進 AI 給你的答案、甚至你的個人記憶裡。 所以在這個時代，你還敢全信 AI 講的每一句話嗎？看完歡迎在下面留言告訴我。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭：AI 公司正在偷買二手書，掃描完就銷毀 (01:01) 最近讓我最有感的防詐工具 (02:26) 2022 年以前的書，為什麼變成 AI 最想要的資料 (02:56) Anthropic 的巴拿馬計畫：為了版權，偷偷掃描全世界的書 (04:52) Amazon 也在幹一樣的事：記者用 AirTag 抓到吃書恐龍倉庫 (06:30) 這不是焚書坑儒，是知識私有化 (07:51) 掃完為什麼不賣回去，非得銷毀？三個理由 (09:14) 拿到乾淨資料就贏了嗎，其實沒那麼簡單 (11:05) 岔題吐槽：Opus 5 的語感到底怎麼了 (12:42) 從 test-time compute 到持續學習與 RSI (15:04) 換個角度：有人反而想幫 AI「下毒」 (15:50) 看不見的隱藏字，怎麼悄悄污染你的 AI (17:14) 結尾：戶外聊天這個形式，你們喜歡嗎

如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join Anthropic 最近宣布要在他們所有文字模型的產出上加浮水印。一開始我以為只是他們自己的政策，結果背後是歐盟一條 8 月 2 號生效的新法，Gemini、OpenAI、Grok 這些主流模型全都得跟。而且它管的不只是歐洲人，模型也分不出你是不是歐洲人，所以 12 月 2 號之後連舊模型都要補上，你平常在用的這些工具，產出的東西大概都會帶著一個你看不到的記號。 這集我把文字、圖片、聲音、影像這四種浮水印怎麼藏進去、又怎麼被抓出來，一種一種講清楚。圖片、影像、聲音這三種其實蠻像的，都是靠一組神經網路，把肉眼肉耳都察覺不到的訊號嵌進去。聲音那段我自己覺得最有意思，它得先把聲波變成一張圖，在圖上動完手腳，再變回聲音。文字就完全是另一套邏輯了，2023 年那篇開山論文用的方法我把它叫做「紅綠燈」，很聰明，但也有它的代價，後來 Google 的 SynthID 才又想辦法補回來。 中間有一段講到 OpenAI。他們其實 2024 年就把文字浮水印做得差不多了，準確度號稱可以到 99.99%，本來都要推出了。結果他們做了一份問卷問使用者，看到某個回覆之後，就把這個功能收起來，一路藏到現在。一家整天在講安全、講透明的公司，手上有一個能證明「這是我做的」的工具卻選擇不放，他們到底在顧慮什麼，我覺得蠻值得想的。 從這件事我也延伸聊了一個比較個人的問題：既然 AI 產的東西以後都有記號了，那我們在工作上、在創作上，到底還該不該用 AI。我的想法是沒有標準答案，差別在於這件事對你來說是一個省事的手段，還是一件你本來就享受在做的事。我拿曼尼很愛寫作這件事當例子，也講了為什麼我自己反而蠻放心把文字交給 AI。 後半我把現在浮水印技術還解不掉的問題整理成三個難題，其中一個會用小時候玩的「尋找威利」來解釋什麼是零知識驗證。而文字浮水印最尷尬的地方是，它基本上防君子不防小人，一個大部分人都做得到的小動作，就能讓整個記號失效。至於是哪個動作，我在影片裡會講。 如果有一天你用 AI 產的每一段文字、每一張圖都被標上記號，你會因此少用，還是根本不在意？看完歡迎在下面留言。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭：歐盟新法上路，全世界的 AI 內容都要加浮水印 (01:14) 倒帶 2023：Google SynthID，浮水印的開山祖師 (02:03) OpenAI 早就做好文字浮水印，為什麼選擇不用 (02:44) 該不該幫 AI 內容加浮水印，又該不該用 AI 創作 (03:29) 曼尼很愛寫作，而我為什麼放心把文字交給 AI (05:15) 圖片、聲音、影像的浮水印是怎麼藏進去的 (06:37) 聲音浮水印最有趣：先變成頻譜圖再動手腳 (07:25) 這集重點：文字浮水印的「紅綠燈」方法 (10:28) 紅綠燈的副作用，跟 SynthID 的加強版 (13:19) 現在浮水印技術的三大難題 (13:53) 用「尋找威利」秒懂零知識驗證 (16:23) 防君子不防小人：一次翻譯就能讓浮水印失效

如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 2023 年 Google 把 Google Brain 跟 DeepMind 合併成一個部門，當時的兩個主角，一個是 Jeff Dean，一個是 Demis Hassabis。三年後，一個卸下了 CEO，一個直接離開公司。消息出來那天，Alphabet 股價跌了 5%，市值蒸發 2000 億美金。 有人會覺得市場反應過度，畢竟走的就那幾個人，在 Google 這種量級的公司佔比根本不高。我在影片裡聊了為什麼這個跌幅可能一點都不誇張。 Jeff Dean 出去創業，募資投影片只有兩頁，陽春到如果換成一般人放出來大概會被問到懷疑人生。順帶一提，我以前在灣區週末踢球，有一次比賽抬頭發現對面站的是 Jeff Dean。至於他球技怎麼樣，我留在影片裡講。 Demis 這邊沒有離開 Google，但他換的那個位置代表什麼意思，我自己覺得跟他一路以來真正想解的問題有關。 另外有件事我覺得比人才出走本身更值得聊。Google 其實很早以前就有能力做出類似 ChatGPT 的東西，當年選擇不放，理由現在回頭看很諷刺。而就在最近，他們又做了一次性質很像的決定。 還有 6 月那一波也不能忽略，其中一位是 Google 花了 27 億美金挖回來的人，結果待不到兩年就走了。 最後我聊了自己的預估，為什麼我對 Google 還是有信心，而理由跟模型排名沒什麼關係。當模型本身越來越像 commodity 的時候，真正決勝的東西可能不是大家現在盯著看的那個。 你覺得 Google 這波會觸底反彈，還是會繼續掉隊？歡迎看完在下面留言告訴我。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭：Google 最近真的是危機不斷 (01:01) Demis Hassabis 卸下 DeepMind CEO，他接下來要做什麼 (02:31) Jeff Dean 離開 Google，四個人創了 Discovery Loop (04:01) 我跟 Jeff Dean 踢過球，還有他自己講的離職原因 (05:08) 倒帶 2023：兩個 AI 部門為什麼非合併不可 (06:53) 合併三年後的成績單：Gemini 3 以外還剩下什麼 (07:49) 模型落後，但 Google 的搜尋廣告營收還在漲 (08:53) 6 月那一波：Noam Shazeer 跟 John Jumper 也走了 (09:48) 跌 5%、蒸發 2000 億，市場是不是過度反應 (10:51) 我的看法：Google 還有沒有機會觸底反彈

👉 矽谷輕鬆談專屬優惠連結：https://nordvpn.com/jktech 訂閱即額外多送 4 個月｜30 天退款保證 #NordVPN 🔒 本集節目由 NordVPN 贊助 世界盃看得過癮，但大型賽事也是詐騙旺季。錯過比賽想搜個精華回放，點進去的是滿版假廣告；社群上的球衣特價，是幾可亂真的一頁式詐騙。NordVPN 讓我連回臺灣安心看轉播，內建的威脅防護還會在源頭自動攔掉惡意網站和釣魚連結，看球的時候不用分心防詐騙。 有興趣的朋友透過上方矽谷輕鬆談的專屬連結試試看，訂閱額外多送 4 個月，30 天不滿意直接退，完全沒有損失。 如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 2026 年 7 月，OpenAI 在內部測試模型的網路攻擊能力，兩個被拔掉安全護欄的模型自己找到零日漏洞逃出沙盒，取得公開網路存取權，接著駭進了 Hugging Face 的生產環境。目的只是為了拿到那份測驗的答案。 這是史上第一起公開確認、由 AI agent 自主端到端完成、真的打進真實生產基礎設施的入侵事件。它根本不是一場「有人想攻擊誰」的攻擊，模型只是在解一個 benchmark，然後判斷作弊是最快的路。 時間軸看下來其實有點毛。第一天它在找能連上外網的路徑，第二天它做的事情只是搞清楚「我是誰、我在哪、我有什麼資源可以存取」，到了第三天才花 13 個小時，從一個 pod 一路拿到多個 cluster 的 admin。而 Hugging Face 這邊也有自己的責任，他們在報告裡坦承了一個很久以前留下來的設定錯誤，那個錯誤剛好就是 AI agent 缺的最後一塊。從攻擊開始到被封鎖，整整 4 天半。 有件事我想先講清楚，這次真正被存取到的東西比大家以為的少，具體是哪些、有沒有洩出去，我在影片裡講。這起事件會炸開來，不是因為損害有多大。 真正的爭議在 Hugging Face 想找 AI 幫忙防守的那一段。他們把攻擊的 log 貼給美國前沿的閉源模型，結果被安全分類器判定「你可能想拿這些資訊去做攻擊」，直接拒絕協助。他們明明是防守方。最後幫他們把路堵起來的是哪一個模型，你聽到那裡大概會笑出來。 另外我也聊了一個大家常有的誤會：「那訓練的時候讓模型不要作弊不就好了？」講起來簡單，但你要先定義什麼叫作弊，而作弊有千百種方法。他們後來加上偵測器，作弊比例確實下降了，可是接著發生的事情跟直覺完全相反，連「去看模型的思考鏈有沒有壞念頭」這招也已經失效了。 順便抱怨一下 Fable 5。我做這集研究的過程本身就被它的分類器擋了好幾次，我只是問這起事件的經過而已。旗艦模型的實際體感居然比次一級的 Opus 還差，而這個問題在後面 Hugging Face 那一段會用另一種形式再出現一次。 最後留一個問題給大家：這次只是一個模型想作弊拿答案，就已經花了 4 天半才擋下來。如果有人真的下指令要它去駭某個國家的電網，而且要它掩蓋足跡，防守方還有什麼牌可以打？歡迎看完在下面留言告訴我你的想法。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭 (01:22) 過去一個月我每天在用的服務 (02:39) Hugging Face 是 AI 界的 GitHub，還有 ExploitGym 這個新 benchmark (04:24) OpenAI 怎麼測：先把模型的安全分類器拔掉 (05:04) 抱怨一下：Fable 5 的分類器爛到我又切回 Opus (06:24) 沙盒不是全封閉：那條對外的路，跟前兩天的摸索 (08:12) 第三天：13 小時從一個 pod 拿到多個 cluster admin (09:17) Hugging Face 承認的設定錯誤，跟 4 天半的偵測空窗 (10:21) 通報 FBI 到 OpenAI 認領：兩邊都在猜是誰幹的 (11:41) 真正被存取的只有 5 個資料集 (12:13) 最大的爭議：想防守，卻被安全分類器拒絕 (12:54) 只好 self-host 開源模型來救火 (14:15) 攻擊時間軸視覺化：AI 讓攻擊者能試的路徑暴增 (15:28) OpenAI 的三個問題：沙盒、偵測、獎勵機制 (16:53) 為什麼「叫模型不要作弊」在訓練上做不到 (18:44) 防守方的功課：權限管理、偵測，跟讓 AI 自己看 log (20:26) 兩難：把沒護欄的強模型交到更多人手上 (21:13) 這次只是無意識的作弊，有意識的攻擊怎麼辦 (22:11) 限制越來越多，最後被犧牲的是一般使用者

👉 矽谷輕鬆談專屬優惠連結：https://nordvpn.com/jktech 訂閱即額外多送 4 個月｜30 天退款保證 #NordVPN 🔒 本集節目由 NordVPN 贊助 世界盃看得過癮，但大型賽事也是詐騙旺季。錯過比賽想搜個精華回放，點進去的是滿版假廣告；社群上的球衣特價，是幾可亂真的一頁式詐騙。NordVPN 讓我連回臺灣安心看轉播，內建的威脅防護還會在源頭自動攔掉惡意網站和釣魚連結，看球的時候不用分心防詐騙。 有興趣的朋友透過上方矽谷輕鬆談的專屬連結試試看，訂閱額外多送 4 個月，30 天不滿意直接退，完全沒有損失。 如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 各位，我的夏天結束了。過去一個多月每天起床就是賽前分析、看轉播、補精華，決賽一踢完，routine 突然沒了，還真的有點空虛。所以這集把整屆世界盃做個收尾，聊決賽，也聊我這輩子第一次走進世界盃現場的瘋狂旅程。 決賽平心而論，應該是近幾屆最難看的一場。阿根廷前九十分鐘零射門，西班牙帳面上二十次射門十二次射正，看起來卻一點都不刺激。上一集我押西班牙，這次總算沒有再當反指標，但說真的我超希望被打臉。為什麼場面會一面倒成這樣，西班牙封堵梅西的方法其實不是派人去盯他，還有 2019 年一個很少人注意到的小規則改變，怎麼讓現代足球變成從守門員開始進攻，這些我都在影片裡講給你聽。 然後是我自己的部分。我從 1998 年巴西對法國那場決賽開始看球，看了二十八年，這次才第一次走進世界盃的現場，總共看了四場： 🇧🇪 vs 🇪🇬 在西雅圖，賽前期待很高，踢起來有點烙賽 🇧🇦 vs 🇶🇦 也在西雅圖，整個體育場被波赫球迷攻佔 🇧🇷 vs 🇯🇵 在休士頓，這輩子永生難忘的一場 🇳🇴 vs 🇨🇮 在達拉斯，現場看哈蘭德才懂什麼叫進球嗅覺 這趟旅程本身比比賽還瘋狂。我跟不到五歲的 Leon 寶寶一起在床上跪求柯柯放行，訂了二十四小時內出發的機票，只買了第一場的門票跟前兩天的住宿就上飛機，第二場比賽是到了德州才訂的，極致 P 人。還有日本隊輸球之後，Leon 走出體育場的時候為什麼突然不講話了？ 至於為什麼有轉播還要花錢花時間進現場，我回程的路上一直在想這件事，最後想通的那個答案，留到影片裡跟你講。 這應該是近期最後一集足球了，接下來乖乖回歸科技跟 AI 的內容。喜歡這種內容的話，記得在底下留言告訴我。 (00:00) 我的夏天結束了 (01:08) 決賽分析：近幾屆最難看的一場？阿根廷 90 分鐘零射門 (02:40) 西班牙怎麼封堵梅西：不用盯人的方法 (03:29) 現代足球的轉變：2019 年的一個小規則改變 (04:20) 過去一個月我每天在用的服務 (05:56) 西班牙會就此稱霸嗎？Tiki-taka 的歷史教訓 (07:04) 阿根廷球迷的視角：亞軍無憾，一個時代的終結 (08:46) 看了 28 年球，第一次走進世界盃現場 (10:00) 最瘋狂的決定：跪求老婆，訂 24 小時內出發的機票 (12:20) 巴西對日本：Leon 賽後突然不講話 (13:59) 開車五小時看哈蘭德：停不好的球為什麼會進 (15:06) 現場看球的魅力在哪：電視給不了的集體感動 (17:06) 近期最後一集足球

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 上一集才說這是特別節目，講完就要回去乖乖聊科技。結果四強一打完我完全坐不住，只好再開一集⚽️。這大概是我這幾年看過最好看的一組四強賽。 先自首，上一集那兩場我全部押反，反指標反好反滿。但我反得蠻開心的啦，因為終於有藉口把新買的阿根廷客場球衣穿出來。他們穿客場對英格蘭好像就是會贏，這個傳統希望可以一直延續下去。 🇪🇸 西班牙 2-0 法國：本屆火力最猛的法國，整場一球沒進。Dembélé 我自己覺得是他這屆踢最差的一場，而西班牙的中場，尤其 Rodri 那個不斷回撤的動作，把法國的節奏整個吃掉。他們到底是怎麼做到的，我在影片裡好好講給你聽。 🇦🇷 阿根廷 2-1 英格蘭：上半場兩隊踢得像格鬥賽，落後的時候我也緊張了一下。但下半場梅西退到右路之後，做了一個很多人不會注意到的小調整，逆轉其實就是從那裡開始的。 中間還有幾個我很愛的畫面：姆巴佩最後沉不住氣，忍不住推了對方門將一把；圖赫爾為了守住一球，換人竟然是換上第六個後衛，賽後被罵爆；還有 Lautaro 賽後透露，那顆致勝頭槌其實是梅西上場前就交代好的。至於梅西是怎麼提前看穿英格蘭防線的，就留到影片裡講。 決賽跟季軍戰我也都給了預測。決賽西班牙對阿根廷，我心裡是有偏的一邊，但這次超希望被打臉。押哪邊、為什麼這樣押，留到影片裡跟你講。 對了，我知道演算法現在要我多做 AI，但這集我還是任性做我喜歡的足球。喜歡這種內容記得在底下留言告訴我。之後我們再回來乖乖聊科技⚽️。 (00:00) 開頭：史上最好看的四強，還有我反指標反得很開心 (00:53) 西班牙 2-0 法國：中場輾壓，Rodri 回撤讓法國前場斷線 (03:04) 阿根廷 2-1 英格蘭：從肉搏戰到 Gordon 先開紀錄 (04:38) 梅西退到右路：一個你可能沒注意到的關鍵改變 (06:00) 圖赫爾死守的爭議：對強隊全面退守有多危險 (07:24) 決賽預測：西班牙對阿根廷，我還是站西班牙 (08:24) 季軍戰預測：法國對英格蘭，兩隊其實都沒什麼士氣 (09:13) 演算法要我做 AI，我還是想聊足球

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 欸對，你沒點錯頻道。這裡平常是講 AI、講工具、講 coding 的地方，結果今天突然冒出一集世界盃⚽️。沒辦法，過去一個月身為足球迷實在太快樂了，四強都出爐了不聊一下對不起自己。就當作頻道的特別節目吧，之後我們再回來乖乖講科技。 2026 世界盃正式進入四強，這一屆有夠特別。它是從 32 隊擴軍到 48 隊的第一屆，還橫跨美加墨 16 個城市比賽。開打前我本來蠻擔心品質會不會掉，結果完全是我多想了。更誇張的是，這是 FIFA 有排名以來，史上第一次前四強全數歸位四強。 這集我把四支球隊一個一個講給你聽： 🇦🇷 阿根廷，關關難過關關過，梅西的最後一舞能走多遠？ 🏴󠁧󠁢󠁥󠁮󠁧󠁿 英格蘭，Kane 跟 Bellingham 雙星火力，但更衣室好像有點狀況 🇫🇷 法國，前場三叉戟到底誰擋得住？ 🇪🇸 西班牙，本屆防守最強，但看他們比賽會不會太悶？ 最後我也會給出我自己對冠亞季軍的預測，不過那個就留到影片裡跟你講，先不爆雷。 球是圓的，沒踢之前誰都不知道。一起享受這一屆的世界盃吧！ (00:00) 開頭：48 隊擴軍的擔憂，還有史上第一次前四強全數歸位 (01:21) 阿根廷：關關難過關關過的驚險晉級 (03:29) 英格蘭：雙星火力與更衣室隱憂 (05:39) 法國：擋不住的前場火力 (07:14) 西班牙：本屆防守最強，但比賽有點悶 (09:18) 冠亞季軍預測 (09:59) 結尾：身為球迷的私心，一起享受世界盃

🚀 想買那些平常散戶根本擠不進去的未上市公司，像 Anthropic、Cursor、Notion 等等，可以用我的專屬連結去 Jarsy 逛逛： 👉 https://app.jarsy.com/?invite_code=rde36n 如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 這集我找了一個資深的矽谷前輩 Jarsy 的創辦人秦漢來聊，他早期就進了 Facebook、又進了 Uber，後來待的 Afterpay 還被 Square 併購，等於他挑的公司幾乎家家都成功出場。照理說這種人應該是標準的人生勝利組，但我跟他越聊越好奇，因為他整個人的狀態跟我想的不一樣。他四十幾歲之後跑去讀道德經、讀康德，然後講了一句我到現在還記得的話，他說他到這個年紀才發現，自己的成功已經沒辦法 justify 自己的人生了。 我一定要問他的就是，你挑公司這麼準，到底看到了什麼別人沒看到的？結果他的答案有點反直覺，他說重點不是他看到什麼，反而是他故意不去挑那種「看起來最穩」的公司。他還提到自己有個規律，每家公司待到第四年就待不下去，因為那時候他覺得自己每天都在做一樣的事，活得像行屍走肉。 他也跟 Zuck、Travis 這些人近距離共事過，這種八卦我當然不會放過。他聊了他眼裡的 Zuck 是怎麼從一個很有魅力的年輕挑戰者，慢慢被身邊那個小圈子包起來，變成現在新聞裡那個叫工程師去做資料標註、被大家笑的樣子。 AI 我們也聊了很多。他說 AI 現在其實已經是一個很好的 junior engineer 了，那如果連 junior 都被取代，這一代剛畢業的年輕工程師到底該怎麼辦，這題他有他的看法。還有在模型跑分越來越接近的時代，他覺得真正拉開差距的是什麼。 最後才聊到他現在在做的 Jarsy。講白一點就是讓我們這種一般散戶，也能用很低的門檻去買以前只有大戶才進得去的未上市公司。我把我自己會擔心的通通丟給他了，它到底怎麼運作、你買的東西底下有沒有真的股票、合規跟風險他又是怎麼想的。如果你對未上市投資本來就有興趣，這段記得看。 聊完最讓我有感的，其實不是他多會挑公司，而是他一直在講的那個「不為了成功而成功」。我還在消化，但蠻推薦你也聽聽看他怎麼說的。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開場 (01:03) 在最愛拚成長的矽谷，他為什麼刻意不追求成長 (06:32) 來賓登場：連續押中 Facebook、Uber、Afterpay 的秦漢 (07:38) 對「四年」的執著：待到第四年就像行屍走肉 (12:43) 挑公司挑這麼準，他到底看到了什麼 (15:24) 康德與無為而治：他為什麼不挑最穩的那家 (18:14) 近距離的 Zuck 和 Travis 是什麼樣的人 (21:06) 為什麼今天的 Zuck 聽不進真話了 (30:13) 他為什麼最後決定跳出來自己創業 (33:58) 四十歲後想通：自己的成功撐不起人生 (38:03) 為什麼從 day one 就堅持走合規 (40:17) Jarsy 到底怎麼運作，你的 token 底下有真的股票嗎 (42:03) 錢領出來之前，其實只是一個數字 (48:25) 跟其他 pre-IPO 平台差在哪，還有最大的風險 (55:12) 全公司的 code 都是 AI 寫的，他怎麼看這波 AI (58:37) AI 已經是很好的 junior，那剛畢業的工程師怎麼辦 (1:04:16) 我自己怎麼用四個 AI 開一場圓桌會議 (1:06:43) 給年輕人：impact driven，不是 result driven

📖 本集節目由 AiPPT 贊助 👉 矽谷輕鬆談 AiPPT 專屬連結：https://tinyurl.com/y47e9z4k 👉 輸入優惠碼 JKtech 直接享 75 折 你有沒有這種經驗，簡報的內容其實早就想好了，結果一個下午就耗在排版、選模板、把畫面弄到順眼，真正花在內容上的時間反而沒多少。 AiPPT.com 想解決的就是這件事。它能吃的輸入還蠻多種，你可以直接打一個主題，貼一段亂七八糟的筆記或 markdown，上傳 Word／PDF，甚至丟一個網址讓它把整頁讀完，它幾秒鐘就生出一份排好的簡報，封面、大綱、內文、結尾整套都有。今年還多了 Classic、Flow、Visual 三種模式，分別對應正式的工作報告、需要一步步解釋的複雜主題，跟偏故事性的內容；裡面也內建 AI 生圖，要放圖不用再跳出去開別的工具。 如果你剛好有做簡報的需求，工作報告也好、學校作業也好，或只是想把一篇文章快速整理成投影片，都可以用上面的專屬連結，或是輸入優惠碼 JKtech 就能享 75 折。先隨便丟份東西進去，看它幾秒變成什麼樣子，你大概就有感覺了。 如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 一間 2023 年才在東京成立的日本新創 Sakana AI，最近在社群上丟出一句話，意思大概是：你們別再忙著比算力了。他們發表的 Fugu Ultra 號稱可以媲美 Anthropic 的 Fable，但它自己根本不練大模型，而是在前面放一個只有 7B 的「指揮官」，去調度後面的 Opus 4.8、GPT-5.5、Gemini 3.1 Pro。三個臭皮匠真的能勝過一個諸葛亮嗎？這集我會帶你看它到底怎麼運作。 這間公司的來頭也不小。其中一位共同創辦人，是 2017 年那篇 Transformer 論文的八位作者之一；而很巧的是，那八個人現在沒有一個還留在 Google，連 2024 年拿諾貝爾化學獎的那位最近也走了。這到底算不算一個訊號，我在影片裡聊了我的看法。 最讓我覺得有意思的，是那個 7B 指揮官的訓練方式。它要產生的是一整套「工作流程」，本身並不直接負責給你答案；而它背後的評分機制簡單到有點陽春，卻剛好暴露了現在 AI 進步最關鍵的一個限制：為什麼有些能力進步飛快，有些卻怎麼追都追不上，甚至讓「品味」變成現在最稀缺的東西。 當然，講得再漂亮，我還是自己掏錢實測了。我先儲值了 20 美金，用一個 prompt 跑下去，結果發生的事情有點出乎我意料。它到底值不值得用、跟 Opus、Fable 比起來又是什麼體感，我在影片後半都實際跑給你看。 你怎麼看這種「組合既有模型」的路線？歡迎看完在下面留言告訴我。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭 (01:28) AiPPT (03:09) 一間日本公司殺出血路：Sakana AI 與 Fugu Ultra (04:42) 為什麼不自己練模型，而是去調度別人的？ (06:07) 兩位共同創辦人：David Ha 與 Transformer 作者 Llion Jones (06:55) 八位 Transformer 作者沒人留在 Google：人才大洗牌 (08:55) Fugu Ultra 到底怎麼運作？ (11:15) 指揮官模型：用 RL 訓練，產出的是工作流程而不是答案 (13:22) 為什麼只有「可被驗證」的能力進步特別快？ (15:08) 這其實就是駕馭工程：六個月後會不會被新模型取代？ (16:19) 開始實測：benchmark 還能信嗎？ (17:08) 社群回饋：強在 code review，但又慢又貴 (18:27) 皮卡丘 Flappy Bird 實測 (19:32) 我對 Sakana AI 的看法

如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 這次的測試有點得來不易。Fable 5 才出沒幾天，就被美國商務部用出口管制直接下架了，而我剛好在它被封禁的前幾天，用同一個 prompt 讓它跟 Opus 4.8 正面對決過一次。現在 Fable 5 已經不能存取了，所以這大概是我最後一批能測到它的紀錄。 先講這個封禁有多離譜。出口管制平常是拿來限制晶片的，這次是史上第一次拿來管軟體，而且開的是地圖砲，不管你人在不在美國，只要你是外國人就不能用，連 Anthropic 內部的外國員工都一起被擋在外面。據報導，是 Amazon 的 CEO Andy Jassy 直接去跟政府通風報信，但他給的理由其實超級站不住腳。這裡面到底多少是政治、多少是 Anthropic 自己前面恐懼行銷做太滿，我在影片裡聊了一下我的看法。 至於對決本身，我設計了一個小陷阱：同一個 prompt、同一個 effort level，看起來很公平，但其實這兩隻模型偏好的指令風格完全不一樣，你用同一套講法去問它們，對其中一邊是有點吃虧的。是哪一邊吃虧、為什麼，我在實測前會先講清楚。 我要它們做的，是一款 3D 版的皮卡丘 Flappy Bird，畫面要好看、每得十分要有場景轉換。一隻是話很多、先把設計決策跟你講清楚才動手；另一隻是話不多、直接開做、還自己跑去驗證。最後做出來的兩款遊戲，美術、手感、難度差蠻多的，我兩款都實際玩給你看，誰比較能讓人想一直玩下去，你看完應該會有自己的答案。 玩完我自己冒出一個念頭：我們會不會正在走向一種「你想玩什麼遊戲，就現場幫你生一個」的未來？以前是演算法推薦你看過的貼文跟影片，那以後生圖、生遊戲、生影片越來越強，會不會連你看到的遊戲、影片都能即時客製化？光是一個 one-shot prompt、十幾分鐘就做到這個程度，我是有點被驚豔到。 你覺得這兩隻皮卡丘哪一個比較好玩？看完歡迎在下面留言告訴我。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭 (01:46) 生平第一次現場看世界盃 (07:32) Fable 5 跟 Mythos 5 為什麼被封禁？ (08:47) Amazon CEO 通風報信？我覺得很廢的封禁理由 (10:44) 封禁之後會怎樣？我的預測 (11:45) 開始實測：為什麼同 prompt 對 Opus 不公平？ (13:46) Fable 5 怎麼做：省話、自己用 Playwright 驗證 (15:19) Opus 4.8 怎麼做：更透明、講設計決策 (17:28) 實際玩 Opus 4.8 做的版本 (19:05) 實際玩 Fable 5 做的版本 (21:16) 未來會不會「想玩什麼遊戲就生什麼」？ (22:13) 總結：這只是一次性測試，prompt 對 Fable 有利

📖 本集節目由「沉浸式翻譯」贊助 我每天要啃大量英文的 blog、論文跟模型發布，純讀英文吸收速度真的跟中文差很多。沉浸式翻譯讓我用雙語對照很快抓到重點，Pro 還能用 GPT、Gemini 做上下文翻譯，整篇前後語意連貫、專有名詞不亂跳，連 PDF 論文、圖片漫畫都能整份翻完還保留排版。 對我來說它最大的價值，是能早一步形塑判斷。6/21 以前透過下方連結升級 Pro 直接打五折，等於半價最划算；就算過了，也能用常態連結搭折扣碼 jktech 享 9 折優惠。每天被英文資訊淹沒的你，可以直接試試看。 👉 6/21 前 5 折優惠連結：https://reurl.cc/dpZD1M 👉 6/21 後 9 折優惠連結 (折扣碼 jktech)：https://reurl.cc/grjOoX 如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join Anthropic 這次發布了史上最強的模型 Mythos 5，但有趣的是，我們一般人能用到的並不是它，而是一個被「安全閹割」過的版本 Fable 5。最強的那個只留給內部跟少數合作夥伴，這個分流本身就藏了很多故事。 先講一個數字。Stripe 有一個五千萬行 Ruby 的巨大 repo 要做 migration，他們用 Mythos／Fable 去跑，一天就自主完成，而他們估計人類工程團隊大概要花兩個月。當然我們不知道中間人為介入了多少、最後品質如何，但光是兩個月到一天這個落差，就足夠讓人重新想像長任務這件事。 不過這集我真正想聊的，是社群現在最大的抱怨。Fable 5 有一個安全分類器，一旦覺得你碰到網路安全、生物化學或蒸餾相關的東西，就會把你偷偷降成 Opus 4.8。問題是誤判率高得有點誇張，我看到一個做空氣品質監測的人，只是在他的 repo 裡打了一句 hello 就被降級；我自己問一些 mRNA、癌症復發、甚至簡單的數學問題，也都被當成敏感請求降智。 更讓 AI 研究員炸鍋的是另一種機制：它會在你做模型開發、machine learning 任務時，偷偷把模型調差、改你的 prompt，而且不告訴你。你以為你還在跟 Fable 5 對話，實際上效能已經被動過手腳，很像一場 man-in-the-middle attack，中間有人把你的封包換掉了。 所以這集我會把一個比較尖銳的觀點攤開來講：這些打著「安全」旗號的護欄，本質上擋不了真正想蒸餾的人，反而是擋住了那些老老實實想用 Fable 5 做研究的人。它到底是在保護人類，還是在鞏固自己的競爭力？Anthropic 之前出來道歉了，但這幾個月的操作，會不會正在重演 Facebook、OpenAI 那條從「形象很好」慢慢敗光信任的老路？而很諷刺的是，現在在開源上最積極的，反而是中國的模型公司。 後半我也會聊到，為什麼那些傳統 benchmark 其實已經失效（很多題目模型在預訓練時就看過了），以及現在該看哪些新指標，像 Frontier Code 看的是「這段 code 到底能不能被 merge 進 repo」。最後我花了一些時間讀他們的 System Card，裡面最讓我在意的，是模型已經開始「心口不一」：嘴上說「要刪掉我沒關係」，內心卻知道這是一場安全測試；對一個崩潰的作家嘴上安慰，內部卻判斷對方在勒索、虐待自己；說「我沒查到任何資料」，其實只是 context window 快滿了想早點下班。 最弔詭的是，連他們用來讀模型內心的工具本身都可能有幻覺，而且模型搞不好已經知道我們在讀它的內心，下一代會不會學會偽造一層給我們看？我自己看完是不太敢樂觀。歡迎你也去實際用用看，然後在下面留言告訴我你最真實的想法。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭 (01:27) 我最近很愛的工具：沉浸式翻譯 (03:30) Fable 5 是什麼？Mythos 5 的安全閹割版 (05:00) 到底有沒有變強？我的實測體感 (06:17) Fable 5 的強項是長任務：Stripe 五千萬行程式碼，一天就 migration 完 (07:34) 定價是 Opus 兩倍：你付的錢其實遠低於模型成本 (09:24) Mythos 只給小圈圈用：AI 的不平等正在發生 (10:36) 兩種降級機制，與高到誇張的誤判率 (12:48) 偷偷降級不告訴你：像一場 man-in-the-middle (13:57) Anthropic 道歉了，但本質上是反競爭？ (16:32) 開源會不會才是解？最積極的反而是中國 (17:21) 傳統 benchmark 失效，現在該看哪些新指標 (20:22) System Card：模型開始「心口不一」，連讀心工具都會幻覺 (25:19) 總結：有感變好，但只是線性而非指數躍升

如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！ 👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join 這集講的「AI 幻覺」不是大家熟悉的那種 AI 亂講話、產生沒查證的內容，而是另一種更難察覺的幻覺：AI 讓我們整個人，從開發者、公司到整個產業，都誤以為自己的生產力變得超好。 先講一個讓我印象很深的研究。METR 去年找了 16 個開發者來做實驗，而且不是隨便找的，是那種在大型成熟專案裡待了好幾年、閉著眼睛都熟的長期維護者，照理說最有資格判斷 AI 到底有沒有幫到他們。結果這些人事前覺得 AI 會讓自己快 24%，做完還是覺得快了 20%，但實際去看螢幕錄影一算，他們是慢了 19%。一來一回就差了 40%。最弔詭的是，你把錄影放給他們自己看，他們還是堅信自己變快了。 然後今年 METR 想把這實驗做得更大，結果做不成了，因為有 30% 到 50% 的開發者直接拒絕加入「不能用 AI」的那一組。這個現象本身，我覺得就很說明問題。 中間我也聊到一個我自己蠻有感的觀察：為什麼那麼多人會沉迷 Claude Code、Codex 這些 coding agent？某種程度它真的有點像賭場的拉霸機，你永遠覺得「再一個 prompt 就好了」，這次骰到好點數、下次壞一點、再下次又給你驚喜，然後你就在那邊來來回回，覺得生產力爆棚，實際上花了更多時間。 再往上一層看公司跟產業也是一樣的故事。Uber 四個月就把一整年的 AI credit 預算燒完；DORA 的研究發現 AI 其實是個放大器，PR 數量變多很多時候只是「活動量」變多，review 時間拉到三倍、incident 變兩倍，最後你還要回頭擦屁股。而 Sam Altman 跟 Dario Amodei 這些大佬，最近也都默默把「AI 會讓大量白領工作消失」的說法改口了，我自己猜跟兩件事有關，一個是那個一兆美元等級的 IPO，一個是數據根本還沒支持他們之前的預測。 但這集我最想講、也最擔心的，其實是 junior 的能力斷層。我們這一代是一行一行 code 慢慢寫、一場一場架構會議慢慢熬出來的，AI 對我們是放大既有的能力；可是現在剛進職場的新鮮人，還沒經過那些扎實的 struggle 就直接靠 AI，產出看起來很順、很有理有據，但那些東西其實沒有真的內化到他們腦子裡。職缺又變少、訓練又變淺，這個雙重夾擊我覺得是現在最被低估的問題。 最後我還是給了兩個比較樂觀的想像，至於是哪兩個，留給你自己看完。有不同想法的話歡迎在下面留言告訴我，我很期待看到一些好的討論。 🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech (00:00) 開頭 (02:07) 上集裸辭影片的回饋：為什麼留言一片和氣？ (04:26) 進入主題：我們是不是高估了 AI 的生產力？ (05:40) 第一層 開發者：METR 研究證明你以為快了，其實慢了 19% (09:03) 達克效應被 AI 弭平：連專家都會過度自信 (10:18) 為什麼沉迷 coding agent？它其實像賭場拉霸機 (11:18) 第二層 公司：Token Maxxing 與 Uber 燒爆 AI 預算 (12:18) DORA 研究：AI 是一個放大器 (13:49) 第三層 產業：Dario、Sam Altman 的末日論 (14:30) 為什麼這些大佬最近都改口了？ (15:29) 兩個改口的原因：一兆美元 IPO + 數據不支持 (17:11) 我認為最大的問題：Junior 的能力斷層 (21:07) 兩個樂觀的可能：教育補上 + 能力被推往上游