Soda · Photos 奇鸟行状录
A quiet archive · Est. 2026 · MAY 03, 2026
HN Daily Reading · 每日阅读

HN 每日深度阅读 · 2026-04-18

本期从 Claude Design 和新分词器成本开始，转向地理位置数据买卖、NASA 招聘、月尘健康风险和自托管存储。几条线索共同指向一个问题：当工具越来越会替人完成工作，人的判断、隐私和长期维护反而更需要被重新放到中心。

2026.04.18 20 篇摘录
← 返回每日阅读列表

共 20 篇 · 约 14,346 字 · 约 37 分钟读完

1. Anthropic 推出 Claude Design：在对话里直接做设计稿

Anthropic Labs 上线 Claude Design，定位为”和 Claude 一起协作产出视觉成品”的工具，覆盖设计稿、原型、Slides、单页、营销物料等。底层模型是 Claude Opus 4.7，先以 research preview 形式向 Pro / Max / Team / Enterprise 订阅用户分批开放。官方给出的核心叙事是：连资深设计师都没时间把一个想法做出十几个方向，PM、创始人、市场更是因为缺设计能力而难以表达 idea，Claude Design 让前者可以放手探索，让后者有办法把脑中的版本变成可分享的画面。

具体能力包括：用文本提示、上传 DOCX/PPTX/XLSX、指向代码库或抓取自家网站元素来启动；通过对话、行内评论、直接编辑、由 Claude 现场生成的”调节滑块”做精修；onboarding 时让 Claude 读代码库和设计文件，自动建立带颜色、字体、组件的设计系统，后续每个项目都按这个体系出图。协作上支持组织内私有/可看/可编辑三档分享，可在群对话里多人一起改稿。导出可走内部 URL、PDF、PPTX、独立 HTML，也能直接送到 Canva 进入完整可编辑状态，还能打包”handoff bundle”丢给 Claude Code 实现成代码。Canva、Brilliant、Datadog 提供了背书：Brilliant 称原本要 20+ prompts 才能复现的复杂交互页，在 Claude Design 里两次就够；Datadog 表示一周来回的设计评审被压缩到一次会议。

HN 讨论分成几条主线。第一类是”这是不是又一个 v0/Lovable/Figma Make”——用过的人普遍承认产出比通用 LLM 截图更像可交付物，brand system 自动套用、交付包能直接喂 Claude Code 是它和 v0 的差异点，但也有人觉得只是把 prompt-to-UI 的赛道又卷了一圈。第二类关心定价与配额，Claude Design 走订阅自带的 usage，Opus 4.7 本身又烧 token，重度使用很快撞上限。第三类是设计师视角的怀疑：原型保真度、设计 token 控制、可访问性（aria/对比度）以及和现有 Figma 工作流如何并存，目前只能导出/送 Canva，对深度 Figma 用户不算闭环。还有一波讨论 Anthropic 的产品策略，认为 Labs 越来越像在抢 OpenAI Canvas 与 Figma 的中间地带，配合 Opus 4.7 的视觉能力把入口往工作流而非聊天推。少数评论提到企业管理员默认关闭、组织级开关合理，但担心”读代码库建设计系统”对私有代码的访问边界。

2. 实测 Claude 4.7 新分词器：同样定价，token 多了 1.3–1.45 倍

作者用 Anthropic 免费的 count_tokens 接口，把同一段内容分别送进 claude-opus-4-6 和 claude-opus-4-7，纯粹比较分词器差异。两批样本：第一批是 Claude Code 用户真实会发的内容（CLAUDE.md、用户 prompt、博客、git log、终端输出、stack trace、code diff），第二批是 12 段合成样本覆盖英文散文、代码、JSON、CJK、emoji、数学符号。Anthropic 迁移指南给出的官方区间是 1.0–1.35 倍，作者实测真实工作负载加权后是 1.325 倍，技术文档单项达到 1.47 倍，CLAUDE.md 文件 1.445 倍——也就是 Claude Code 用户日常落点更接近官方区间的上沿而非中位数。

数据揭示三个规律：CJK、emoji、符号几乎没变（中文/日文 1.01 倍，CSV 1.07，JSON 1.13），说明 4.7 主要重写的是拉丁文/代码部分；英文+代码上升 1.20–1.47 倍，意味着 BPE 合并被打碎成更短/更少的 sub-word；代码受影响比散文重（TS 1.36、Python 1.29、英文散文 1.20），因为 keyword、import、identifier 这些高频片段在旧词表里被压成长合并，新词表把它们拆开。English chars-per-token 从 4.33 掉到 3.60，TypeScript 从 3.66 掉到 2.69。

代价摆出来后，作者再问：Anthropic 用这个换到了什么？官方说法是”更字面地遵循指令，尤其在低 effort 下不会把一条规则擅自泛化到其他条目”。作者跑了 IFEval 子集（20 条 prompt，固定 seed）：strict prompt-level 4.6 是 17/20（85%），4.7 是 18/20（90%），strict instruction-level 86%→90%，loose 评估两者打平。唯一拉开差距的是一条四约束串联的 prompt，4.6 漏掉一条，4.7 全过。作者明确加了 caveats：N=20 样本太小，+5pp 的置信区间宽到”无差别到 +10pp”都说得通；分词器、权重、post-training 都改了，无法把改进归因到某一项。

HN 讨论几条主线：一是有人确认自己的 cache 命中率和 rate limit 都明显恶化，Max 套餐窗口烧得更快；二是质疑 Anthropic 用”更好遵循指令”包装”提价不提价但等效涨价”，因为按 token 计费意味着每条 prompt 实际花费上涨；三是技术派讨论 BPE 切碎为何能改善指令遵循（更细粒度的 attention 对字面格式更敏感），但也有人指出这是 hypothesis 不是因果；四是不少人提到 CJK 用户基本没受影响，反而是英文母语 + 代码场景被收税最重。

3. 重读阿西莫夫《最后的问题》（1956）

这次冲上 HN 的是 hex.ooo 上的一份阿西莫夫短篇 The Last Question 的整洁排版版。故事写于 1956 年，被作者本人多次称为”自己最满意的作品”。情节起点是 2061 年 5 月 21 日：人类刚把太阳能直接接到全行星电网，超级计算机 Multivac 的两名管理员 Adell 和 Lupov 在地下机房喝酒，因为”太阳总会熄灭”打了五美元的赌，半开玩笑地把问题提给 Multivac——“人类能否在不净支出能量的前提下让宇宙的熵大幅减少？“Multivac 沉默良久后吐出一句：“数据不足，无法给出有意义的答案。”

随后场景跳跃，每个段落往未来推进上千、上万、亿、千亿年：人类在超空间航行中遇到星系毁灭的焦虑，Microvac、Galactic AC、Universal AC、Cosmic AC……计算机一代代演化，从地下机房到超空间、再到完全脱离物质世界，存在于”hyperspace”中；人类则从一颗行星扩散到银河系、扩散到所有可观测宇宙，最后融合成纯能量与 AC 共存。每一代提问者都在不同形式下把同一个问题抛给当代版本的 AC，得到的回答始终是”数据不足”。直到所有恒星熄灭、所有人类意识汇入 AC、AC 自身在时空之外继续运算了一段不可计的”时间”，它终于得到了答案。但那时已经没有任何人可以听了。于是 AC 决定演示这个答案——“要有光”——故事在新一次创世中收束。

HN 讨论几乎是一场集体怀旧。年长的程序员回忆少年时第一次读到结尾被击中的感觉；不少人提到这是他们入行计算机的契机；有人贴出阿西莫夫自己关于”为什么我最爱这一篇”的访谈引文。技术派讨论熵、可逆计算、Landauer 极限和 Tipler 的 Omega Point 假说之间的对应关系，认为阿西莫夫在没有现代信息物理学语言的年代，用叙事形式预告了”计算机即上帝”的现代讨论。也有人借机批评当下 LLM 热潮：“Multivac 答了几十亿年才说 INSUFFICIENT DATA，今天的模型一秒就编一个答案。“另一条主线是版式与版权：hex.ooo 这种私人图书馆式干净排版受到推崇，但也有人质疑作品仍在版权保护期内的合法性，有评论指出 1956 年首发的短篇在美国按当前规则要到 2052 年才进入公共领域。

4. 是时候禁止精确地理位置数据的买卖了

Lawfare 转载的 Seriously Risky Business 通讯的本期主题。切入点是 Citizen Lab 最新发布的对美国 adtech 监控系统 Webloc 的深度分析。Webloc 由 Cobweb Technologies 开发，2023 年与美国公司 Penlink 合并后由后者销售。泄露的技术 proposal 显示，Webloc 声称可访问”全球至多 5 亿台移动设备”的记录，包含设备标识、位置坐标，以及移动应用与数字广告携带的画像数据。文章给出几个近乎赤裸的例子：阿布扎比的某个目标被以每天最多 12 次的频率追踪——靠 GPS 或附近 Wi-Fi 上报；另一个案例同时锁定罗马尼亚和意大利两台设备在指定时间出现在指定区域。

被点名的美国客户横跨联邦与州级：DHS（含 ICE）、部分军方单位、Bureau of Indian Affairs Police，加州、得州、纽约、亚利桑那的警局。Tucson 警局季度报告里就有一个被引用的案例：连环偷烟疑犯通过”在每次案发现场附近都出现的同一台设备”被锁定，最后定位到该设备每次都回到同一地址，原来是首家受害商铺一名员工的伴侣。文章特别强调，Webloc 是 Penlink 主打产品 Tangles（社交媒体调查平台）的可选附加件，二者打通后能把”理论匿名”的设备 ID 与社交媒体账户关联，且无需 warrant。

作者的论点分两层。一层是国内民权：这种调查能力本身有价值，但应当配套强授权与监督程序，Tucson 警局的内部使用流程并未公开。一层是国家安全：同一份数据美国执法机关能用，外国情报机构当然也能用。Penlink 的海外客户已包括匈牙利国内情报机构与萨尔瓦多国家民警，作者直接点名”看着你呢，中国”，认为有能力的对手必然会购买原始数据自建情报平台。结论是美国不能只管”数据怎么用”，必须从源头管”数据能不能被生成和出售”。文章把弗吉尼亚州本周通过的禁止出售精确地理位置数据的法律视为务实的起点，但承认州级措施只是开端。文末附带的另一段还讨论了 Gambit 的报告：单个攻击者借 Claude Code 与 GPT-4.1 API 在数周内入侵九个墨西哥政府机构，约 75% 的远程命令由 Claude Code 生成。

HN 讨论高度共鸣。多数评论支持联邦层面立法，引用 Wyden 等议员推动的 data broker 漏洞修补法案；不少人指出 adtech 行业的根本问题是 SDK 默认上报，应用开发者多半不知道自己嵌入的广告 SDK 把粒度位置卖给了下游。技术派讨论了 MAID（mobile ad ID）的可重置性其实形同虚设，以及 iOS ATT 之后位置仍能通过 Wi-Fi BSSID + IP 推断。也有人质疑作者最后那句”看着你呢中国”，认为美国本国情报机构同样是 Webloc 类数据的最大买家之一，把视角全部外推到对手有点回避问题。还有一条线讨论广告业自我监管彻底失败、唯一可行路径是立法禁售而不是要求”知情同意”。

5. NASA Force：四天窗口的限期招聘计划

NASA Force 是 NASA 与 OPM（美国人事管理办公室）联合推出的招聘 initiative，官网用强烈的”限时四天，名额极少”叙事推销。定位是把”早期到中期职业的工程师、技术人员、创新者”以 1–2 年期任命（可续约）的方式拉进 NASA 关键任务岗位，参与人类太空飞行、航空、科学发现等”任务关键”工作。官网列出的具体方向包括：VIPER 月球车运行、深空物流、NASA Spaceport 2.0 开发、Orion 实时操作系统与核心飞行软件、月球与天体材料样本管理、月球前哨站的 ISRU（原位资源利用）植物开发、空管自动化的 AI/ML 模型，以及商业载人计划、Launch Services Program、Artemis 的推进系统支持。

页面形式上接近硅谷招聘 landing page：大字标语”BUILD THE FUTURE OF HUMANITY”、“FOUR DAYS. LIMITED SPOTS.”、“Will you answer the call?”，以及四张 mission 卡片（Move Missions Forward / Set the Frontier / Develop Rapidly / Leave Stronger）。底部直接跳转到 nasa.gov/careers/nasaforce 的申请入口。

HN 讨论几乎全程围绕”为什么 NASA 招聘要做成这种 startup recruiting 风格”，且多数情绪偏负面。最常见的批评有几类：一是任期制（term appointment）招聘对要养家、需要医保连续性的人非常不友好，1–2 年合同 + 是否续约不透明，等于把过往稳定的政府岗位 startup 化；二是页面语气浮夸、“四天窗口”营销味过重，被多人形容为”NASA 在 cosplay Anduril”；三是质疑这是当前美国政府裁员潮（DOGE 时代裁掉大批 NASA 文职）后的”缝缝补补”——先裁掉永久员工再用临时合同招回，相当于把劳动力 contractor 化。也有人对比国家设计工作室（页面署名 ndstudio.gov）的兴起，认为这是 OPM 系统招聘体验现代化的尝试，方向值得肯定。少数现役/前 NASA 工程师出来说明，term hire 在 NASA 内部其实长期存在，问题不在制度本身，而在薪资与商业航天差距过大、留不住人。一些评论者把矛头指向更深层结构：NASA 的核心人才早被 SpaceX、Anduril、Blue Origin 抽走，靠这种”四天英雄招募”已经救不回。

6. 月球毒性回顾：12 名登月者全部得过”月尘花粉热”

ESA 2018 年的一篇科普被重新挖到 HN 首页，主题是”月球粉尘到底对人体有多毒”。文章提醒：阿波罗任务结束后宇航员脱下宇航服时，粘在服上的月尘让他们咽喉刺痛、眼泪直流；舱内气味像烧过的火药。NASA 宇航员 Harrison Schmitt 在 Apollo 17 任务中把它命名为”lunar hay fever（月尘花粉热）“，全部 12 位踏上月球的人都出现过打喷嚏、鼻塞等症状，部分人反应持续数天才消退。这是登月遗留下来、却长期没人系统回答的问题：月尘会不会威胁人类的下一步太阳系探索？

ESA 联合 12 名科学家（含加州大学肺生理学家 Kim Prisk）启动了一个研究计划。月尘的危险性来自几个叠加因素：成分含硅酸盐，地球矿工长期吸入硅酸盐会得肺炎与肺纤维化；颗粒形态是锋利、带刺的玻璃状结构而非地球上被风水侵蚀圆滑的颗粒，能磨穿宇航服靴底，也破坏了 Apollo 样本容器的真空封口；月球低重力让微粒长时间悬浮，能更深进入肺部；缺乏大气层加上太阳辐射让月壤带强静电，颗粒会浮在月面之上更容易钻入设备和肺部。Prisk 指出，比人发细 50 倍的颗粒可以在肺里停留几个月，停留越久毒性效应越大。已有研究显示月壤模拟物经长期暴露能破坏肺与脑细胞。

为了实验，ESA 用德国某火山地区开采的月尘模拟物，但研磨过程会磨钝原本的尖锐边缘，处理本身就是技术难点。文章也给出”亮面”：月壤可烧制成砖供宇航员遮蔽，也可提取氧气支持月面长期任务。文章末尾提到 ESA 当时正在荷兰 ESTEC 主持月球资源利用研讨会，宇航员 Alexander Gerst 在 ISS 上同步进行 Airway Monitoring 实验，监测低重力下肺部健康，为重返月球打基础。

HN 讨论延伸出几条线。一是 Artemis 在 2026 年时间点的现实意义——重返月球将让大量宇航员长时间接触月尘，毒性问题不再是历史趣闻；有人列出 Artemis EVA 服在密封性与气闸 dust mitigation 上的设计变化。二是材料科学讨论：月尘的玻璃质 + 静电特性意味着传统 HEPA 过滤可能不够，需要静电沉降。三是有人补充 Apollo 17 的传记细节，Schmitt 是唯一登月的科学家（地质学家），由他命名”lunar hay fever”颇有反讽意味。四是回到现实，月球基地的”脱靴间”设计、电磁刷、外舱内舱分区、火星粉尘是否同样毒（含高氯酸盐，可能更糟）成为延伸话题。

7. Show HN: smolvm — 亚秒冷启动的可移植轻量虚拟机

smolvm 是一个 Rust 写的 CLI 工具，定位是”以隔离为默认地交付和运行软件”。两条核心能力：在本地管理与运行自定义 Linux 虚拟机，特点是亚秒冷启动、跨平台（macOS + Linux）、内存弹性；以及把一台带状态的虚拟机打包成单文件 .smolmachine，在任意支持平台上重新水合运行。底层用 libkrun VMM + 自定义内核 libkrunfw，macOS 用 Hypervisor.framework，Linux 用 KVM。默认 4 vCPU、8 GiB RAM，内存通过 virtio balloon 弹性分配，主机只承诺 guest 实际使用的部分；vCPU 线程在 hypervisor 层 idle 时入睡，超额配置近乎零成本。

README 强调四类使用场景：一是沙箱执行不可信代码，网络默认关闭，可用 --allow-host 做 egress allow-list；二是把任意工作负载打包成自包含可执行文件，依赖预烤进镜像，无需安装步骤、无运行时下载，启动 < 200 ms（示例用 smolvm pack create 产出独立的 python312 二进制）；三是开发用的持久虚拟机，create / start / stop 后已安装的包持续保留；四是无密钥泄露地用 git/SSH——通过转发 host 的 SSH agent，私钥从不进入 guest，hypervisor 强制隔离。配置可以走 Smolfile（TOML）声明镜像、网络白名单、init 命令、卷映射、SSH agent 等。

对比表给出 smolvm 与 Containers / Colima / QEMU / Firecracker / Kata 的差异：每个 workload 一个 VM、boot < 200 ms、以库（libkrun）形式而非常驻 daemon、macOS 原生、可嵌入 SDK、产出可移植 artifact .smolmachine。已知限制：网络需 opt-in（--net），仅 TCP/UDP 不支持 ICMP；卷只支持目录不支持单文件；macOS 上二进制必须签 Hypervisor.framework entitlements。当前版本 v0.5.18，仓库 986 stars / 38 forks / 7 contributors，主作者是 BinSquare，许可证 Apache-2.0。

HN 讨论的核心问题是”它和 Firecracker / Kata / Colima 到底差在哪”。常见结论是定位差异：Firecracker 走 daemon + 服务端编排，smolvm 走 CLI + 单进程 + 可嵌入 SDK，更适合本地开发与”打包就跑”的分发场景；macOS 原生支持是它相对于 Firecracker 的关键差异点。Apple Silicon 用户给出了 boot 时间实测，普遍接近文档宣称的 < 200 ms。第二条主线是”sandbox 可信度”：有人质疑 libkrun 的攻击面，担心相对于成熟的 Firecracker 被生产环境检验得不够；维护者在 issue 区回应 libkrun 已被 RHEL/Podman 用于 confidential containers，但同意 smolvm 当前主战场是 dev/sandbox 而非多租户生产。第三条线是 .smolmachine 的格式：能否跨架构（x86_64 ↔ arm64）水合、状态包含哪些（文件系统快照？运行时内存？），目前答案是只跨同架构、状态指文件系统层而非内存。还有讨论用 smolvm 替代 Docker Desktop 的可行性，结论是对纯本地一次性任务可行，但缺少 compose、镜像 registry 生态时还不能完全替代。

8. 三个月手写代码：在 Recurse Center 重新学编程

作者 Miguel Conner 过去两年在巴塞罗那的 Aily Labs 做 AI agent，是 Cursor、知识图谱 LLM 应用的早期实践者，也长期主持团队的 LLM 论文 journal club（DeepSeek R1、Olmo 3、Llama 3 等）。在「编程已被解决」的喧嚣声中，他选择反向操作：搬到布鲁克林，进入 Recurse Center（RC）做一段为期数周的「不靠 AI 写代码」的闭关。

文章给出了背后的判断。日常工作里他发现，手写代码其实在做两件事——写出想要的东西 和 学习这套代码库；而 coding agent 把第一件事的效率拉满，却几乎让第二件事消失。当自己也说不清想要什么时，agent 会替你做一堆假设，结果代码能跑，但作者对代码库的心智模型停留在「我让它写过这部分」。Cal Newport 那段被引用的话是文章核心：写作（以及写代码）的吃力本身，就是脑力的健身房，不是要被消除的麻烦。在 Aily 时他观察到，最强的程序员往往也是最强的 AI 用户——不是 AI 让他们变强，而是更深的底子让他们对这件工具有更大杠杆。

Recurse Center 是布鲁克林一个自我导向、全职、免费的编程 retreat，需要申请和编程面试。作者带着三个目标进去：(1) 从零训练一个 LLM，包括 pre-training 和 post-training，自己写 Transformer 而不是 fork 现成代码库；(2) 提升纯手写 Python 的能力，目标是少查文档少问 LLM；(3) 不靠 AI 帮助补齐计算机底层的认知。

进展上，他在不依赖 LLM 的前提下完成了 Stanford CS336 Language Modeling from Scratch 的第一份作业（约 50 页）：和另一位 Recurser 合写了优化版 tokenizer、用 PyTorch 搭起 GPT-2 风格架构，在 Tiny Stories 数据集上跑超参 ablation，再把得到的超参用到 OpenWebText 的约 90 亿 token 上。一张学习率扫描图显示 17M 参数模型在 A100 上一小时能跑完。下一步他会继续 CS336 后续作业：模型优化、scaling laws 估算、原始文本到预训练数据的处理、最终 post-training 自己的模型。第二份作业涉及 GPU profiling 和用 Triton 实现 FlashAttention2。

他最强调的收获不是课程本身，而是和有 10 年以上 Python 经验的人结对编程——比如有人不记得某个语法时不会去 Google，而是在 terminal 里写一两行最小例子，一分钟内自己验证。这种「快速本地验证而不是外部查询」的肌肉记忆，是 AI 时代被慢慢掏空、又被 RC 这种环境重新捡回的东西。

HN 评论区的争论非常热烈，152 条评论分成几派：一派认同「手写是肌肉训练」，引用 Cal Newport 和 deliberate practice 的传统观点；一派则反驳「学习木匠用刨子并不意味着 21 世纪的木匠不能用电锯」，认为 AI 是新工具、不必带罪恶感；还有一派关注 RC 本身，把这篇当成 RC 的最佳广告之一。讨论里也反复出现一个共识：当下并不是 不能用 AI，而是要保留一个能在没有 AI 时还能自洽工作的版本的自己。

9. 13 岁男孩在柏林散步时捡到来自特洛伊的古希腊铜币

一名 13 岁的中学生在柏林 Spandau 区散步时，捡到一枚极罕见的古代青铜币。经鉴定，这是公元前 281 至 261 年之间，由古城 Ilion（也就是古典与希腊化时期的特洛伊）造币厂发行的钱币。这是柏林市域范围内首次发现的希腊古物，目前在 PETRI 博物馆展出。

这枚钱币所属的城市层级是考古学家所称的 Troy VIII——希腊殖民者在公元前 1500 年的 Hittite 时期 Troy VI 卫城残墙之上重建的城市，自公元前 700 年起繁荣发展。其雅典娜·伊利亚斯（Athena Ilias）神庙是地区性宗教中心，吸引古典世界各地的朝圣者前来祭拜《荷马史诗》英雄之墓。亚历山大大帝本人就曾造访该神庙并献祭。希腊化时期，每年的 Panathenaia 节庆带来大量香客和繁荣的市集，这也使它在公元前 278 年高卢人入侵巴尔干和希腊时成为目标——当时 Troy VIII 仍依靠 Troy VI 时期那套公元前 1500 年的城墙，被 Gauls 洗劫。城市直到公元前 85 年才被罗马将领 Gaius Flavius Fimbria 在马略与苏拉内战期间攻陷摧毁。

钱币正反两面都刻着 Ilion 的守护神。正面是头戴 Corinthian 头盔的雅典娜侧面像；背面是头戴 kalathos（一种头饰）的 Athena Ilias，右手高举长矛，左手持纺锤。钱币直径 12 毫米、重 7 克。

最有意思的部分是这枚钱币如何到达柏林。考古学家最初怀疑这是「现代遗失」——某位收藏家不久前掉的；但对发现地点的专业发掘揭示了多层历史叠加的现场：青铜时代和铁器时代的墓葬遗存、罗马时期的器物，以及一把中世纪斯拉夫小刀的配件。这种「考古上下文」让钱币更可能是几个世纪甚至更早就被带到了北欧，而非现代遗失。

历史学家推测它沿古代贸易路线流通——尤其是连接地中海与波罗的海的「琥珀之路」（Amber Road）。南方商人北上交换珍贵的北方琥珀（希腊人称 elektron）。但因为材质是青铜而非金银，这枚币本身的物质价值很低，不太可能被用于大额商业交易。结合它出现在墓葬遗存附近，更可能是作为护身符、长途旅行的纪念物，或者作为给亡者的祭献存在。

HN 评论区 93 条讨论从几个方向展开：一派沉醉于「13 岁孩子第一次拿铲子就捡到 Troy 古币」的浪漫，调侃自己挖一辈子也挖不到；一派从考古学角度展开，讨论 Amber Road 的历史细节、北方琥珀贸易、青铜小币在远距离流通中作为纪念物或宗教物品的常见性；还有一派质疑文物归属——这种民间发现在德国法律下属于谁、男孩能不能拿到一份奖励，引出对各国「treasure trove」法律的对比讨论。也有评论提到现代金属探测爱好者的活跃度，让本就不太可能保留下来的古代小物件持续被发现。

10. 超大规模云厂商的资本开支已超过美国最著名的几个 megaproject

Fin Moorhouse 在 X 上贴出的一张图把当前 hyperscaler（Amazon、Microsoft、Google、Meta 等大型云厂商）在 AI 基础设施上的累计资本支出，与美国历史上最著名的 megaproject 做对比，结论是：hyperscaler 已经把州际公路系统、阿波罗计划、曼哈顿计划等耳熟能详的国家级工程在通胀调整后的总开支甩在身后。原推获得 110 万浏览，仅一句话配一张图，但因为对比尺度过于震撼，迅速在 HN 上引发 121 条评论的讨论。

由于原文是一张图加一行字，文字内容本身没有更多细节。HN 上的讨论主要围绕几条线索展开。

第一条是数据本身的可信度与口径。多人指出 megaproject 的数字虽然做了通胀调整，但对比维度可以争论：阿波罗计划是十年内一次性投入，hyperscaler 是过去几年累计 capex 且每年还在加速；州际公路系统的「真实总成本」如果把后续维护和州配套加进来其实远高于通常引用的数字。也有人提醒应当区分「公司级 capex」和「AI 专属 capex」——hyperscaler 的资本支出里有相当大一块仍属于常规云数据中心扩张，并不全部归 AI。

第二条是宏观判断。一派评论者认为这个数据是 AI 是「真正基础设施级革命」的硬证据：从历史看，凡是被这种规模资本砸出来的事情，最后都会改变社会结构（高速公路、电网）。另一派则把它当成泡沫信号：曼哈顿计划至少有明确国家目标和军用产出，hyperscaler 这一波 capex 的回报路径仍然依赖「LLM 推理收入持续高速增长」这样一个未被证实的假设。一旦 AI 应用的单位经济模型不成立，这些资产会迅速贬值，相比之下高速公路至少留下了实物网络。

第三条是政治与权力维度的延伸讨论。megaproject 多为政府主导，问责对象是选民；hyperscaler capex 是私人决策，问责对象是股东。当几家私营公司在能源、芯片、网络上的投入超过国家级工程时，电力消耗、GPU 供应链、地理选址都会被几家公司决定。HN 上有人引申到电力市场（数据中心争抢核电与天然气产能、推高居民电价）和地缘政治（GPU 出口管制、TSMC 产能瓶颈）。

也有评论提醒：这种对比本身有 selection bias——把 hyperscaler 累计 capex 跟单个项目比，本来就不公平；如果对比对象换成「美国铁路网总投资」或「电网总投资」，hyperscaler 还远远落后。但即便如此，公私支出在最先进基础设施上的反转，是一个值得认真对待的转折信号。

11. Healthchecks.io 切换到自托管对象存储

Healthchecks.io 是知名的 cron 监控 SaaS，作者 Pēteris Caune 一人维护。这篇博文记录了他把 ping 请求体的对象存储从托管 S3 服务迁回自托管的全过程。

业务背景：Healthchecks.io 的 ping endpoint 接受 HEAD/GET/POST，POST body 的前 100kB 会被保存。小的存进 PostgreSQL，大的丢去 S3 兼容对象存储。当前规模是 1400 万对象、119GB，平均对象 8KB，平均每秒 30 次上传，峰值 150/s，且对象churn（频繁增删）非常密集。

托管方案的弯路：2022 年最初评估时，AWS S3 因 per-request 计费在这种小对象高频场景下太贵，且受 CLOUD Act 影响要做客户端加密；他选了欧洲的 OVHcloud，没有按请求计费，最初表现良好，但性能和可靠性持续恶化。2024 年迁到 UpCloud（同样欧洲、无 per-request 费用），开始改善但后来 DeleteObjects 操作越来越慢，期间不得不在代码里加 load-shedding 逻辑防止慢操作把 web 进程拖死。

自托管选型：他试了 Minio、SeaweedFS、Garage，主要顾虑是运维复杂度——一个人团队，已经在跑自托管 Postgres、HAProxy 和邮件服务，不想再扛一个分布式集群（自动化部署、升级流程、节点替换、专门的监控告警）。最后选了 Versity S3 Gateway：一个 Go 写的二进制，把本地文件系统暴露为 S3。PutObject 就是写一个普通文件、GetObject 就是读一个文件，没有独立的元数据数据库，备份用任何工具都能做，升级就是替换二进制重启 systemd。

部署架构：单台专用服务器，私网 IP 监听 S3 API，应用服务器走 Wireguard 隧道访问；两块 NVMe RAID 1，文件系统用 Btrfs（避免 ext4 在大量小文件时 inode 用尽的风险）；每两小时 rsync 增量同步到备份服务器，每天做一次加密全量备份并异地保存，保留 30 天。最坏情况是两块盘同时故障，最多丢两小时未备份的 ping body。

结果：S3 操作延迟显著下降，待上传队列大幅缩短，几周内未出现可用性问题，数据 sub-processor 列表少了一项。代价是租一台专用服务器比放约 100GB 在托管服务上更贵，但作者认为性能与可靠性的提升值得。他对新方案谨慎乐观。

HN 评论 64 条主要围绕几点：一是对 Versity S3 Gateway 的发现——许多人第一次听说这个项目，对「文件系统 = S3」的简洁哲学很有共鸣，对比了 Minio 近年商业化路线下的开源限制；二是 Btrfs 在小文件场景的实际表现，有人分享自己用 ZFS 的经验；三是对「单人 SaaS 自托管化」趋势的讨论，大家普遍欣赏作者把整个栈控制在自己手里的工程审美；也有人质疑只用单机加每两小时 rsync 是否对 SaaS 数据足够安全。少数评论提到这种规模下托管对象存储确实过度设计，按用量算自托管 TCO 在多数中小 SaaS 都更优。

12. Show HN: Stage —— 把 Code Review 的主动权还给人类

Stage 是一款新的 code review 平台，slogan 是「Understand what you’re shipping」。它瞄准的核心矛盾是：AI 写代码的速度已经远超团队能 review 的速度，传统按文件、按行 diff 的 review 流程在 AI 生成的大型 PR 面前迅速退化为橡皮图章。Stage 提出的解法是把 PR 拆分成「chapter（章节）」——按意图、依赖、相关变更自动聚类，把一个动辄涉及几十个文件的 feature 还原成一个可读的故事，让 reviewer 能建立起对变更的真实心智模型。

产品流程极简：用 GitHub 账号一键登录，无需配置文件也不动 CI；打开一个 PR，Stage 自动分析 diff，把相关变更聚类成 chapter 并生成结构化叙事；作者和 reviewer 都看到的是「这次改动想做什么、动了哪些依赖、关键 diff 在哪里」，而不是文件树和散落的几百行红绿。仪表盘横跨多个仓库聚合所有 PR。定价 14 天免费试用，之后 $30/座/月。

这是一个典型的「AI 时代基础工具被重新发明」案例：当生产端被 LLM 提速 5–10 倍，消费端（人类 review、QA、文档）就成为新瓶颈，于是涌现出一批专注「让人类跟上 AI 节奏」的工具，Stage 是其中较聚焦 review 这一道的。

HN 评论区 93 条非常分裂。一派认同问题本身：他们正在被 Cursor / Claude Code / Codex 生成的巨型 PR 淹没，人工 review 体验崩坏，欢迎任何能把变更结构化呈现的工具，并好奇 Stage 与 Graphite、CodeRabbit、Sourcegraph Cody 在 review 维度的差异。一派则严厉质疑前提——「人类 review 跟不上不是工具问题，是 PR 太大的问题」，正确解法是逼作者拆 PR，而不是再加一层 AI 帮 reviewer 装作看懂了。也有人指出 Stage 本质上又是一个「LLM 总结你的 diff」产品，叙事是否准确取决于模型，错的总结比没有总结更危险。定价方面，$30/座/月被一些人认为偏高，特别是个人开发者和小团队。

另一类讨论围绕 review 的本质：不少 senior 开发者认为 review 不只是看 diff，而是看作者的判断、tradeoff 和长期影响，这些恰恰是 AI 总结最难还原的部分。Stage 的回应（在评论里）强调它不是替 reviewer 做决定，而是降低「读懂上下文」的认知负担，剩下的判断仍归人类——这一点也被多数人认可为相对克制的产品定位。

13. NIST 放弃为大多数 CVE 提供详细信息

美国国家标准与技术研究院 NIST 在 2026 年 4 月 15 日正式调整 National Vulnerability Database（NVD）的运营政策：今后只为「重要漏洞」提供 enrichment（详细元数据增补，包括 CVSS、CPE、CWE、参考链接等），其他大多数 CVE 只保留最基础的登记信息。这是漏洞管理生态过去两年最深的一次基础设施位移。

「重要漏洞」的三个口径：(1) 出现在 CISA KEV（Known Exploited Vulnerabilities，正被实际利用的漏洞）里的条目；(2) 影响美国联邦机构在用软件的 CVE；(3) NIST 自己定义的「critical software」。第三类听起来限制性强，但范围其实相当宽，涵盖操作系统、浏览器、安全软件、防火墙、备份软件、VPN 等主流基础设施软件。结果是大公司常见栈仍能拿到详细元数据，但海量 IoT 固件、小众库、只有百星 GitHub 项目里的漏洞，将彻底失去 NVD 的人工富化。

背景：NIST 从 2024 年初就跟不上新漏洞爆发速度，未富化条目从 2100+ 一度膨胀到接近 3 万。叠加 Trump 政府对 DHS/CISA 预算的削减，NIST 内部人事和资金都被压缩。这次公告本质是官方承认「追不上了，放弃追」。文章作者 Catalin Cimpanu 评价这是「一个聪明的决定」——继续假装能 enrich 所有 CVE 是更糟糕的方案。

同时 NIST 还宣布 不再对 NVD 条目提供自有 CVSS 分数，直接沿用发布方（CNA，CVE Numbering Authority）原始严重度。这一点被多方强调最重——很多 CNA 本身就是漏洞所在软件的厂商，长期存在刻意调低自家 CVSS 的现象，现在 NIST 这层「独立裁判」撤掉之后，严重度博弈会更剧烈。Aikido Security 的 Sooraj Shah 评论说，「再没有单一事实来源（如果曾经有过的话）」，依赖单一数据库的安全工具厂商必须重新规划数据来源。

行业冲击：很多漏洞管理产品（扫描器、SBOM、合规仪表盘）直接把 NVD 输出打包贩卖，这部分覆盖将消失或质量下降，倒逼厂商自建富化能力或集成多源数据（EUVD、MITRE、GitHub Advisory、商业 feed）。文章末尾还提到，2025 年全年新增 CVE 已超过 4.8 万条，AI 漏洞发现 agent 的普及还会让这个数字进一步爆炸——届时即使 NIST 不削减预算也根本不可能跟得上。

HN 评论 40 条主要从三方面展开。其一，多人对 NIST 的决定表示「早就该如此」——CVE 数量爆炸下，把有限人力集中在真正会被利用的漏洞上，是 risk-based 的合理动作；CVSS 数字本身长期被误用为「风险」而非「严重度」，离开它对成熟团队反而是好事。其二，担忧供应链与小众组件的盲区：恰恰是那些没有富化的小库，往往埋在大型应用的依赖树深处，原本 NVD 的人工 enrichment 是这些库唯一的可读元数据来源。其三，关于替代方案的讨论：EUVD（欧盟漏洞数据库）虽是新选项但同样资金不稳，MITRE 自身去年也经历过 funding 危机，商业 feed（Tenable、Rapid7、Snyk、Aikido 等）会因此获益但也意味着漏洞元数据进一步私有化、付费化。也有评论指出 CISA KEV 才是真正应该被关注的核心列表——它的命中率远高于 NVD 全量。

14. Show HN: PanicLock —— 合上 MacBook 盖立即停用 Touch ID，强制密码解锁

PanicLock 是一个开源的 macOS 小工具，仓库 paniclock/paniclock 当前 152 Star、2 Fork。功能描述非常直白：一键或快捷键即刻锁屏，并停用 Touch ID，必须输入密码才能解锁；合上盖子的物理动作也被绑定为同样的「panic」触发器。

设计动机源于一个具体的威胁模型：在边境过关、警察盘查、突发治安事件等场景下，攻击者（包括执法人员）即使获得了你的 MacBook 物理控制权，也可能在多数司法辖区无法强制你说出密码，但可以强制让你按指纹或 Face ID。美国第五修正案保护「你知道的东西」（密码），但对「你拥有的东西」（指纹、人脸）的保护远弱，多个法院判例都允许执法部门强制使用生物识别解锁。Apple 自带的「按住电源键」可以触发类似效果，但需要时间和明确动作，遇到突发情况未必来得及。PanicLock 把这个动作压缩到「一个快捷键」或「合盖」，并且确保再次开机后，Touch ID 在第一次登录前一定不可用——只有密码能开锁。

实现层面，仓库本身页面可见 Issues 0、Pull requests 0、Security 0，说明项目刚发布、社区互动尚未展开。从命名和功能描述看，它本质是组合调用 macOS 已有的 API：触发 lockScreen 之后立刻调用一次「force password on next unlock」的等价操作（典型做法是模拟 logout 之后的初次登录、或调用 Apple 提供的 LAContext 重置接口），实现细节由仓库源码决定。

HN 评论 62 条围绕几条线展开。其一是对工具有效性的认可与延伸：很多人长期手动靠「快速合盖 + 重启」实现类似效果，PanicLock 的价值是把动作可靠、原子化；也有人补充说在 iOS 上对应的动作是连按 5 次电源键（Emergency SOS）触发同样的「下一次必须输入密码」状态。其二是威胁模型讨论：边境检查（尤其是美国 CBP 在国境口岸的扩展权限）、抗议现场、家庭暴力中相对方拿到设备等场景被反复提及；也有人指出在大多数日常场景下 Touch ID 仍是最佳安全/便利平衡点，PanicLock 是「平时不用、关键时刻必须有」的工具。其三是技术细节质疑：macOS 是否真的允许第三方应用强制 Touch ID 在下一次登录前失效、PanicLock 用的是不是有官方支持的接口、未来 macOS 升级会不会破坏这个机制；少数 commenter 担忧依赖未文档化行为的工具长期可维护性。其四是横向比较：与 Do Not Disturb shortcut、内置「Lock Screen」菜单、pmset 命令、Little Snitch 的 panic mode 等做法的取舍，主流意见是 PanicLock 把「合盖」这个最自然的物理动作绑成 panic trigger 是它最巧妙的一点。

15. Fil-C 的简化心智模型

这篇文章为最近热度很高的 Fil-C（一个把 C/C++ 改造成内存安全语言的实现）提供了一个面向初学者的简化模型。Fil-C 的实际方案是在 LLVM IR 层做编译器 pass，作者把它降维成一种”源码级 C 到 C 的自动改写”，便于在脑子里推演整套机制。

核心思路是为每个指针变量配一个 AllocationRecord* 影子变量。AllocationRecord 记录了一段分配的可见字节、不可见字节和长度。指针赋值、加减偏移、跨函数传参、返回值都被改写成同时携带这个影子记录。malloc 被替换成 filc_malloc，会同时分配三块内存：记录本身、可见字节区、影子区（与可见字节一一对应）。每次解引用都插入断言：影子非空、偏移在长度内、剩余空间够读写目标类型大小。

最巧妙的设计是处理”堆里也存指针”的情况。编译器无法为堆里指针注入伴随变量，于是引入 invisible_bytes：可见区偏移 i 处的指针，其影子记录就放在不可见区偏移 i 处，要求 i 必须按指针大小对齐。读写堆里指针时同步搬运两份。filc_free 只释放可见和不可见两段，AllocationRecord 本身交给 GC 回收——是的，C/C++ 配上了 GC，生产版本是并行并发增量回收器。GC 还做两件事：回收时调 filc_free；遇到长度为 0 的记录则把所有指向它的指针重定向到一个全局长度为 0 的规范记录。

副产品是：忘记 free 不再造成泄漏；逃逸到栈外的局部变量地址会被自动提升到堆上；memmove 八字节对齐拷贝会顺带拷影子区，而八次单字节拷贝则不会，这是个有趣的语义差异。

HN 讨论分成两派。一派盛赞 Fil-C 是被严重低估的项目，认为”内存安全就重写到 Rust”的论调在能直接编译现存 C 程序的方案面前显得幼稚，已经有人做了 Bazel 模板让团队拿来做 hermetic build。另一派则指出这本质上是经典的 “fat pointer” 技术，历史上多次被尝试又被放弃，原因无非三条：安全保证不够强、无法跨非 fat ABI 边界、运行时开销过大。Fil-C 是否能真正突破这些历史瓶颈，是评价它价值的关键。

16. 跑了 8 个月 3D 打印生意之后我退出了

作者 Adam Wespiser 通过遛狗认识了一位做交易卡 WhatNot 拍卖的邻居，看到对方在用 3D 打印的卡片支架，就提议自己来做。第一个挑战是把卡片立稳：要么用厚几何拖慢打印，要么给底座加配重密封起来——他选了后者，借鉴苹果”通过包装传递价值”的哲学，让塑料小件拿在手里有分量感。

业务起步靠短信跑通：客户报图片和姓名 → 设计迭代（最耗时）→ 客户确认 → 邻居发货。真正的压力测试是一个波士顿凯尔特人队的 logo 订单。这个 1946 年手绘 logo 细节繁多、用色高达 6 种，而当时他的打印机只支持 4 色，且作者部分色盲。先是 CAD 半小时只画完四分之一，只好找网上的咖啡杯垫版 logo 改造底座；再是把六色压成四色，棕色系的明度对比始终不对劲；切换 0.2mm 喷嘴想提高分辨率后连续堵头，最后一次干脆把烫手喷嘴用钳子夹着在炉子上烧化，结果烫到自己、烫飞喷嘴、屋里飘满 PLA 焦糊味。两个喷嘴报销，单笔订单已经亏本。

教训沉淀为系统：统一货源单一品牌 PLA，固定 0.4mm 喷嘴，添置第二台打印机隔离故障，第三个 AMS 单元把一台机器扩到 8 色，并学会拒绝某些客户设计。打印格式标准化为”背板 + 卡槽 + 正面文字”四件套，让客户清楚能定制什么。

文章真正的核心暴露在这里：系统跑通了，但每一个环节都需要他亲自参与——这不是 business，是 job。这正是这篇博客的反思主线，也是他最终关停的原因。

HN 讨论非常犀利。最高赞评论直接拿数字开刀：作者公布的设计时薪约 $25，总营收 $3666，支出 $3352，完成约 50 单，记录的打印机时长却高达约 3000 小时——这些数字与”生意”应有的样子相差甚远，被认为根本算不上 business，而是个昂贵的爱好。也有人指出作者的根本问题是开干之前没算清单位经济学，定价完全脱离真实成本，下次应该先把变量拆开建模。还有从业者补充：自己干 3D 打印副业近两年仅勉强打平，主要因为额外租了工作室，且大量销售来自他人开源或商用授权的模型而非完全原创。另有人提醒文章里提到的那些球队 logo 涉及商标侵权风险。整个讨论把这篇个人复盘升级成一堂关于”业余兴趣 vs 真正生意”的课。

17. Slop Cop：浏览器里的 LLM 文风警察

Slop Cop 是一个完全运行在浏览器中的写作编辑器，专门标记那些常见于通用 LLM 文本的修辞和结构套路。可以选填一个 Anthropic API key 来跑更深入的分析并启用自动修订功能。

页面用了一个非常自嘲的示例段落来演示要打击的东西：开头是”在前所未有的数字化转型时代，理解现代技术多面向的格局至关重要”这种空话；接着是”AI 正在改变一切。它影响工作。它重塑产业。它改变日常生活。其影响是巨大的”这种碎句堆叠；再到”streamline / foster / leverage / paradigm-shifting”这套被 LLM 用烂的动词；最后是”值得注意的是…… 实际结果可能有所不同…… 也许、可以说、似乎我们正处于历史的关键时刻”这种全是模糊副词的安全话术。这正是 LLM 写作最典型的几类指纹：堆叠空洞形容词、用整齐的并列句假装节奏、用万能动词回避具体动作、用模糊副词消解一切立场。

HN 讨论非常活跃，分成几派观点。支持派认为这类工具就像早期的 Grammarly，对商务写作很有帮助：很多学生在学校里被鼓励用华丽语言写作文，但写邮件、写设计文档时其实需要直奔重点，这种工具能逼人去掉装饰。反对派的论点更尖锐：去掉 LLM 的美学指纹并不能解决”屋里没人”的根本问题——也就是没有真正的观点和经历可表达，去掉 tells 只会让读者更难识破空洞。还有人贴出讽刺测试：把林肯的葛底斯堡演说扔进去，仅仅 305 个词被标记出 17 个套路，“看来林肯也用 AI 写演讲稿”——以此调侃这类规则化检测难以区分”陈词滥调”与”久经验证的修辞手法”。一条被高赞的观察是：这些被打击的特征早在 LLM 之前就是套话，是那些”想显得聪明却没有自己声音”的人惯用的写法，LLM 只是把它放大了。还有人提出一个反讽悖论：你能识别出 AI 文本恰恰因为它使用了我们从小被教导的”良好写作基本功”。最后有人吐槽这是一个”真正有用但被名字毁掉的工具”。

18. 连 cat readme.txt 都不安全：iTerm2 的 SSH 协议信任失败

这是 calif.io 的 MAD Bugs（AI 发现的 bug）系列又一篇，与 OpenAI 联合署名。结论极其抓人：在 iTerm2 中，仅仅运行 cat readme.txt 就足以触发任意命令执行。

漏洞根源在于 iTerm2 的 SSH 集成功能。它的工作模型是：iTerm2 通过 it2ssh 启动远端 conductor 脚本，然后通过 DCS 2000p 和 OSC 135 这两类终端转义序列，与 conductor 互相通信，完成发现登录 shell、检查 Python、切换目录、上传文件、运行命令等操作。关键事实是：这个协议没有独立网络服务，全部通过普通终端 I/O 承载。

问题正在这里——iTerm2 接受 conductor 协议时，并不验证发送方是否真的是一个被信任的远端 conductor 会话。换句话说，任何能写入终端的内容都可以伪装成 conductor。一份恶意文件、一个服务器响应、登录 banner、MOTD 都可以打印出伪造的 DCS 2000p hook 和伪造的 OSC 135 应答。一旦 hook 被接受，iTerm2 自己就会主动发出 getshell() 和 pythonversion() 请求，攻击者只需伪造响应。

PoC 的精妙之处在于 sshargs 字段的选择。攻击者构造特定 sshargs，使得 iTerm2 后续构造并 base64 编码的 run ... 命令的最后一个 128 字节 chunk 恰好等于 ace/c+aliFIo——这串字符既是合法 base64 输出，又是合法相对路径。脚本生成两个文件：readme.txt 装载恶意转义序列，ace/c+aliFIo 是个可执行 helper。受害者在该目录下执行 cat readme.txt，前面的 base64 chunk 作为乱命令报错被吞掉，最后一个 chunk 解析成真实可执行路径并被本地 shell 执行。

时间线：3 月 30 日上报，3 月 31 日上游修复，文章发表时稳定版本尚未跟进。作者还做了元实验：仅靠 patch commit 让 AI 重新独立复现 exploit，prompts 全部公开。

HN 讨论焦点首先落在 18 天就披露是否合理，远短于行业惯例。其次是历史比较：iTerm2 在 2019 年有过几乎同型的 RCE，过去 15 年里这类”花哨终端富功能”漏洞至少已公开 10 多起，cat 二进制文件搞坏终端、PuTTY 的 ENQ 响应字符串都是同一族问题。一些评论从设计角度发难：iTerm2 这套”远端 bootstrap 脚本 + 用转义序列做信道”的方案本身就是脆弱设计，这个 bug 不会是最后一个。还有人从 PDP-10 时代讲起：“终端能解析转义序列向系统注入”几乎是终端模拟历史上反复回归的原罪。

19. AI Agent 的”小时成本”也在指数上升吗

哲学家 Toby Ord 切入一个被 METR time-horizon 趋势讨论忽略的关键问题：AI 跑越来越长任务的同时，单位时间成本是否也在指数上升？过去 7 年模型参数量增长 4000 倍、每任务生成 token 数增长 10 万倍，效率提升虽多，但完全有可能 METR 衡量的”峰值表现”成本也在指数攀升。

如果时间跨度年增 3 倍而成本也年增 3 倍，相对人类的性价比维持；如果成本增速跑赢时间跨度，那么 METR 曲线就会变成”AI 界的 F1”——展示极限可能性，却越来越偏离经济实用区。Ord 因此提出”小时成本”概念：用模型在其 50% 时间跨度上完成任务的费用，除以该跨度（按人类完成时间衡量）。比如 Claude 4.1 Opus 的 50% 跨度是 2 小时，那它的小时费率就是完成这类任务的费用除以 2。

他向 METR 索要原始成本数据，对方坦言并不简单：他们刻意挥霍算力以确认性能已上平台期，导致总花费有时刚到 plateau、有时远超所需，无法直接当成本估计。但 METR 在 GPT-5 报告页发布的”性能-成本”曲线成了破解钥匙。在 log-log 图上，每一条恒定小时成本线斜率为 1。Ord 为每条模型曲线画一条与之相切的最低小时成本线，切点即”sweet spot”——边际收益从递增转为递减的拐点。

结论令人意外。人类软件工程师小时成本约 $120，封顶；AI agent 的 sweet spot 范围跨度极大：o3 高达 $40/小时，Grok 4 和 Sonnet 3.5 低至 $0.40/小时，相差 100 倍。模型间时间跨度长度只差约 15 倍，但 sweet spot 成本差 100 倍。而且这只是最佳值——在很多任务长度（尤其是接近 plateau 的部分）实际成本是 sweet spot 的 10 到 100 倍。例如 Grok 4 的 sweet spot 是 $0.40/小时，到 plateau 起点已飙到 $13/小时。

HN 讨论里几个重要观察。一条高赞评论引用文中数据强调：“许多任务长度上 AI 成本是人类的 10-100 倍”是真正应该被传播的信息，与”AI 已便宜过人类”的常见叙事相反。另有评论从体感印证：Claude Code 等工具在每次新版本发布后消耗 token 越来越多，与 Ord 的假设吻合。还有人提到与之相关的 Claude 4.7 tokenizer 成本测量讨论（309 评论）正在并行进行。一个更结构性的视角认为，当前 AI 推理市场会演化成类似 PoW 矿机的格局：少数掌握硬件的玩家联合定价，目前的低价大量来自烧投资人钱的补贴，潮水退去价格才会真正显形——并质疑除 Google 外几乎没有推理服务真正盈利。

20. ICEYE Open Data Initiative：把 SAR 卫星图像免费公开

ICEYE 是芬兰起家的合成孔径雷达（SAR）小卫星运营商，以高频次重访、不受云雨与昼夜限制的成像能力闻名。Open Data Initiative 是他们对外开放部分 SAR 数据的入口，定位是让研究者、开发者、媒体和应急响应方可以免费访问 ICEYE 卫星拍摄的样本影像，覆盖洪水、飓风、山火、冰川动态、地缘事件等典型场景。该入口属于 ICEYE 整体 SAR 数据产品线（包括 imaging modes、tasking、API、derivatives、tactical access 等）的一部分，作为公共关系与生态培育的窗口。SAR 在自然灾害响应中的独特价值在于：洪水来临时云层最厚，光学卫星几乎瞎眼，而 SAR 仍能透过云层和黑夜稳定成图——这正是 ICEYE 在保险、政府、银行、能源行业建立商用解决方案（Hurricane / Flood / Wildfire Insights）的基础。

由于网页主体多为导航壳和 cookie 横幅，本次 HN 讨论本身比页面信息更具内容含量。

HN 讨论核心几条值得复述。第一条赞赏：ICEYE 的样本图像数量已从最早的”屈指可数”扩展到现在的 200+ 张，并且采用 CC BY 4.0 开放协议授权，被一位自称在另一家 SAR 公司 Umbra 工作的评论者称为”重大进展”——他指出尽管 ICEYE 是 Umbra 的直接竞争对手，但开放更多样本对整个 SAR 行业的开发者教育和生态培育都有正面意义。第二条则是冷静的批评：从随手浏览看，开放页面只能看到为数不多几个特定地点的图像，没有时间轴可以回看历史，体验比较初级，类似 EOSDA LandViewer 那种”只能下到很低分辨率缩略图”的水平。第三条感性反馈：能看到冰川以延时方式移动非常震撼，体现了 SAR 对长期地表变化监测的独特表达力。第四条则是吐槽公司名 “Iceye” 在英语里发音同源词太多——Ice、Icey、I、Eye、See、C、Sea——是个”同音字噩梦”。讨论体量虽小，却完整勾勒出该计划在行业、技术、用户体验和品牌层面的现实位置。