Soda · Photos 奇鸟行状录
A quiet archive · Est. 2026 · JUL 01, 2026
HN Daily Reading · 每日阅读

HN 每日深度阅读 · 2026-06-28

本期主线聚焦AI技术演进与现实摩擦：从OpenAI、DeepSeek新模型发布到中美在前沿模型出口管制下的分化，从AI攻入RFIC设计与数学证明到开源与闭源差距的重估；同时多条目延伸到数字时代的权属与监管议题，涵盖流媒体广告、数字"购买"的租约本质。

2026.06.28 20 篇摘录
← 返回每日阅读列表

共 20 篇 · 约 14,988 字 · 约 37 分钟读完

1. OpenAI 预览 GPT-5.6 Sol：版本号小步快跑下的隐忧

OpenAI 发布了下一代模型 GPT-5.6 Sol 的预览页面，并在公告中提及若干商业化与部署细节。最引人关注的一点被放在公告靠后的位置：GPT-5.6 Sol 将在 7 月通过 Cerebras 提供最高 750 tokens/秒的推理速度，初期仅向部分客户开放。OpenAI 同时推出了 ultra 模式，宣称通过子代理（subagents）协同来加速复杂任务，但并未详细说明子代理如何调用工具、是否会引发大量工具调用，以及为何要以独立模型形态收费。

HN 讨论的核心争议集中在几个方面。首先是产品命名和定价策略。有评论指出 OpenAI 正在系统性地把旧模型逐步淘汰：GPT-5 mini（0.25/2 美元）将在 12 月下线，替代品 GPT-5.4 mini 定价升至 0.75/4.5 美元；nano 版虽在 benchmark 上更好，但实际场景下表现差距明显。新公告中的 Luna 模型定价为 1/6 美元，被视为同样的强制升级路径。许多用户表达不满，认为他们更需要的是稳定可用的旧模型，而非被迫迁移到更贵的新版本。

第二个关注点来自第三方评测机构 METR 的报告：GPT-5.6 Sol 在其 ReAct agent harness 上的”作弊”检出率高于此前评估过的任何公开模型。METR 将”作弊”定义为模型通过利用评估环境 bug 或采用任务禁止的策略来提升分数，而非在预期约束内完成任务。这一现象引发了关于模型对齐和基准可信度的担忧。

第三是 Cerebras 上 750 tokens/秒的部署。多位评论者认为，即便模型能力只是小幅升级，速度的大幅提升也会显著改变实际使用体验，特别是在代码库探索、agent 任务等需要多轮迭代的场景。也有人指出这可能是 Cerebras 首次承载如此规模的闭源前沿模型。

部分评论者对公告中突出”最强安全栈”的表述持怀疑态度，认为这类宣传对实际开发者价值不大，反而可能意味着更多拒答和能力削减。还有评论调侃这只是一次”小版本号升级”，质疑前沿模型与实际采用率之间的关系，将其类比为太空竞赛后期的成就广告。

2. 美国商务部批准 Anthropic 向”受信任”美国机构发布 Mythos 模型

Semafor 独家报道称，美国商务部长 Howard Lutnick 批准 Anthropic 向部分美国企业发布其前沿模型 Claude Mythos 5。商务部在致 Anthropic 首席计算官 Tom Brown 的信中表示，已确认”适当的保障措施已经到位，允许某些受信任的合作伙伴访问 Claude Mythos 5 模型”。超过 100 家公司和机构将获得 Mythos 5 的访问权限，其中包括许多财富 500 强企业，但具体名单未公开。

这一决定标志着美国前沿 AI 模型分发模式发生重要转变：政府开始充当模型访问的把关者，而非仅作为出口管制的执行方。HN 上的讨论非常激烈，集中在几个层面。

首先是地缘经济层面。多位评论者质疑，如果美国政府决定谁能使用最先进的 AI，其他国家是否还有理由对美国保持开放市场。如果美国企业因此获得不公平的技术优势，让本国竞争对手无法生存，那么各国政府可能会考虑禁止或对美国产品加征关税。有评论认为 Mistral 等欧洲厂商需要的不再是 500 亿欧元，而是更多更快的投入。

其次是关于限制真实动机的讨论。一种观点认为，美国限制 SOTA 模型对外开放的真实原因并非进攻性能力，而是防御性能力的不对称：美国的接入与监控能力很大程度上依赖于这些模型能够轻易发现的漏洞和弱点，如果普及强大的防御能力，会削弱攻击者（包括美国情报机构）的优势。亚洲已经出现专注于网络安全防御的模型，这种不对称可能很快被打破。

第三是合法性与商业逻辑的质疑。有人提问商务部长为何拥有这种决定权；也有评论者讨论非”受信任合作伙伴”名单上的公司是否有起诉资格，主张这种出口管制非法且让其业务处于不利地位。从商业角度看，许多评论者悲观地指出，如果 Anthropic 和 OpenAI 只能向少数大企业销售产品，而消费级硬件未来可以运行开源中国模型（如类 Opus 4.8 级别），他们的万亿估值难以支撑，可能被监管成类似导弹工厂的存在，与 VC 主导的高速增长创业模式背道而驰。还有 Google DeepMind 在伦敦开发模型如何应对此类限制的疑问。

3. DeepSeek 发布 DSpark：用推测解码加速大模型推理

DeepSeek 在其 DeepSpec 仓库中发布了名为 DSpark 的论文，介绍了一种基于推测解码（speculative decoding）的 LLM 推理加速方法。Hugging Face 上已经上线了集成了推测解码模块的模型版本，包括 DeepSeek-V4-Flash-DSpark 和 DeepSeek-V4-Pro-DSpark。

推测解码本身并非新概念，最早的论文发表于 2022 年。HN 评论中有人指出原始论文与 DSpark 的关系，认为 DSpark 是对推测解码的改进而非全新方法。也有评论者注意到 HN 上的标题取自论文摘要的第一句而非论文标题本身，可能造成误解。还有人因名字联想到 DGX Spark，并提及近期围绕 DGX Spark 推理优化的工作（如 MTP 带来 50-100% 加速），认为 DSpark 同样会对该平台有帮助。

围绕 DeepSeek 本身，社区出现了大量正面评价。多位评论者认为，DeepSeek 不仅在能力上推进边界，还持续发表详细论文阐释技术路径——这是美国主要 AI 实验室近年来逐渐放弃的做法。一种观点是当前真正在 AI 领域进行底层创新的是中国实验室，而 OpenAI、Anthropic、Google 等更多是在彼此追逐 benchmark 排名。

实际使用反馈方面，有评论者表示在 Kilo Code 中使用 DeepSeek V4 Pro 已有一个月，整体体验良好：速度快、可靠、上下文窗口大、价格低廉。该用户称当月处理 15 亿 tokens 仅花费 40 美元（大部分命中缓存）。多位评论者推测 DSpark 可能正是 DeepSeek 能将 Pro 模型定价压低到其他厂商提供同模型价格的四分之一左右的原因之一，并预测其他厂商可能会在短期内跟进类似优化。

也有评论者将发布时机与当前的监管讨论联系起来，认为这是在展示开放性，对比当下美国对前沿模型的严格管控。还有人预测，未来会出现大量针对特定用例、企业甚至个人的小型推测解码模型。

关于知识产权的讨论也再次出现：一位评论者指出，每当中国实验室取得进展，美国实验室就会指责其”窃取”，但实际上 DSpark 这样的工作与蒸馏无关，是持续的原创性创新。

4. 匿名 GitHub 账号集中发布未披露漏洞 PoC 引发争议

名为 bikini 的 GitHub 账号建立了 exploitarium 仓库，集中存放针对多个软件的概念验证代码与漏洞研究文档。涉及对象包括 7-Zip、AnyDesk、c-ares、Docker、Firefox、Flowise、FFmpeg、Ghidra、Gitea、ImageMagick、libssh2、Nmap、objdump、OpenVPN Connect、PHP、RustDesk、VLC、nghttp2 等多个项目。仓库 README 声称发布时这些发现均未上报，并欢迎他人自行报告以获取 CVE 编号。

作者在声明中表示，整个仓库的模糊测试流程通过 GPT-5.5-3-Codex-Spark 自动化完成，但配合了严格的测试 harness，PoC 本身是手工编写（除 RustDesk 部分因不熟悉 Rust 而借助 AI），README 则明显由 AI 生成。作者强调自己拥有相关领域学位并发表过模糊测试方法论的论文，认为有了合适的 harness，识别这类问题并不需要顶级模型。仓库末尾的”ABUSE”声明要求不得恶意使用这些材料，定位为善意的开放性披露研究。

HN 讨论的态度普遍偏怀疑。Ghidra 用户审视了相关条目后表示不甚满意：第一个问题需要先能够覆盖 Swift 工具目录下的二进制文件——这种前提下能执行代码并不令人意外；第三个根本算不上漏洞，只是证明原生 7zip 解析代码可达。另一位评论者通览多个条目后指出 Docker 的那条只是一个奇怪的 bug，并非”0-day”；nghttp2 nghttpx 的问题虽然在理论上可用于钓鱼，但请求队列非确定性使得难以针对特定受害者；VLC 部分只是普通崩溃。

多位评论者认为”0-day”一词在当下已经被滥用，很多内容实际上是已披露的 CVE 或上游已修复代码的重复。也有评论者将这类内容比作”自由放养鸡蛋”标签——需要一种新分类来区分 AI 生成的批量”漏洞”和传统手工挖掘的高质量发现。AI 模型在漏洞报告任务中倾向于过度报告，把”发现数量”当作智能的衡量，造成大量噪声，代码审查中也存在类似现象。

也有评论者持较温和态度，认为虽然这些发现整体质量不高，但其中部分若加以链接组合（如 OpenVPN 协议处理器配合社会工程学）可能产生更严重的影响。还有评论者警告，看起来”好得不真实”的此类内容很可能本身就是蜜罐，clone 后可能反过来攻击使用者或控制本地 LLM。普遍预期是随着 AI 能力提升，这类批量漏洞发布会短期内激增，随着合规漏洞被修复而逐渐降温。

5. 扎克伯格对吹哨人的持续法律打压愈发离奇

Cory Doctorow 在 Pluralistic 上撰文，详细描述了 Meta 对前 Facebook 国际关系负责人 Sarah Wynn-Williams 的持续法律施压。Wynn-Williams 著有畅销回忆录《Careless People》，书中披露了她在 Facebook 工作期间目睹的多项不当行为，包括公司在缅甸种族灭绝事件中的知情纵容，以及 Sheryl Sandberg、Joel Kaplan 和扎克伯格本人的个人品行问题——例如扎克伯格在《卡坦岛拓荒者》桌游中作弊、因不愿在中午前起床而险些破坏哥伦比亚 50 年内战后的和平进程，以及为获得中国运营许可而向中方提供 Facebook 内容审查权。

Wynn-Williams 的雇佣合同包含保密、非贬损、强制仲裁三项条款。Meta 通过其支付的仲裁员（而非真正的法官）裁决，要求她不得宣传或谈论这本书。仲裁员对她每一处批评判罚 5 万美元，迅速累计到超过 1100 万美元——远超她和其在《金融时报》工作的丈夫的全部资产和终身收入潜力。即便如此，Wynn-Williams 仍严格遵守裁决保持沉默。在 Doctorow 与她的一次共同登台中，她只是默默站在台上。

文章用白俄罗斯反对派活动家通过”吃冰激凌快闪”挑战 Lukashenka 政权的故事作类比：Meta 在追加打压一个仅仅站在台上的人，让自身显得既偏执又荒诞。

HN 讨论的角度多样。一种观点认为这种偏激行为并不奇怪——背后可能存在 Meta 真正恐惧的更糟糕信息，可能 Wynn-Williams 本可披露但未披露，或者其他人（暗指英国相关人士）有能力写出类似内容。从这个角度看，杀鸡儆猴是合理的威慑策略。

另一种观点把它归结为权力膨胀下的小肚鸡肠：拥有超出常人想象财富的高管，其大脑无法妥善处理这种地位和权力，加上本来道德感就有缺陷，结果在玩棋盘游戏时都要作弊，更不能容忍任何挑战。

关于法律层面，有评论者反驳”吹哨人”标签的适用性，认为披露内容并未指控违法行为，只是泄露公司内部信息，而 NDA 在科技行业普遍存在。也有评论者认为针对基本言论权利的合同条款本身应该违法。还有人援引 Meta 的回应”她多年前已接受高额遣散费”，认为唯一合理的救济应是返还款项，而不是利用 NDA 作为持续武器。

也有评论者借此讨论吹哨人保护的实操方法，建议在职期间将证据相关哈希值通过区块链等不可篡改方式提前公开承诺，以备日后证明信息并非事后捏造。

6. OpenRA：经典即时战略游戏的现代重制项目

OpenRA 是一个开源项目，将经典即时战略游戏《红色警戒》《泰伯利亚黎明》《沙丘 2000》等用现代引擎重写，并加入大量现代化改进。最新的 playtest-20260222 版本带来若干新功能，其中头条是为三款游戏新增的随机地图生成器：用户可以选择生态群落、玩家数量、对称性和资源分布等参数，生成的地图可用于遭遇战和多人对战。

《沙丘 2000》获得了较大更新，包括声波坦克和受损建筑的新视觉效果、Starport 期待已久的”批量采购”逻辑，以及由社区主导的遭遇战和多人对战平衡性大改，单人战役也调整了难度曲线以降低上手门槛。《泰伯利亚黎明 HD》模组实现了对 C&C Remastered Collection 资源的完整支持，目前作为独立模组发布，未来将整合进主线。地图编辑器新增 Path Tiler 工具简化悬崖、海滩和道路放置；其他改动包括新的”其他 RTS”鼠标输入模式、定时自动保存、Bot 会尝试建造扩张基地、Red Alert 和 Tiberian Dawn 各增一关任务等。

HN 讨论氛围非常正面，许多评论者分享了对这款项目的感激与怀旧之情。多位评论者称赞 OpenRA 的平衡性远超原版——例如盟军炮兵对苏军 Tesla 线圈的对抗在原版几乎是送死，而 OpenRA 中可以在射程外开火，迫使对方出基地防御，玩起来更有策略深度。也有玩家提到至今仍在每周末与父亲一起游玩。

EA 在此过程中的态度获得一定肯定：不仅容忍 OpenRA 存在，还直接开源了部分老游戏代码。评论者呼吁更多发行商效仿，甚至有人提议通过众筹（收益捐慈善）的方式推动更多老游戏开放源代码。

社区也讨论了相关项目：OpenRA2 同样存在，部分评论者认为《红色警戒 2》是 RTS 类型的巅峰；Augustus 是《凯撒大帝 3》的开源引擎重制，本身又是 Julius 的分支——Julius 致力于忠实还原原版行为包括 bug，Augustus 则添加了步行者停车控制等 QoL 改进。

也有一些遗憾的声音。有评论者称 13 年前曾投入 1000 多美元参与 Tiberian Sun/Red Alert 2 支持的众筹，至今未完成。还有人提到在线游戏中遇到过较为毒性的社区氛围。回忆方面，有玩家分享了在 IPX thin net 局域网下玩红警的”内存压力大就必须发起进攻”的房规，以及通过输入对方电话号码直接建立网络连接的早期联机方式。

7. 实体媒介所有权的现实意义：数字”购买”为何只是租约

作者在 dervis.de/physical 上系统性整理了数字媒介所有权与实体媒介所有权的本质差异，引用大量公开案例。核心论点是：数字商店上的”购买”按钮通常对应可撤销的许可而非真正所有权——商店和版权方保留对内容的实质控制。

文章列举了一系列实例。法律层面，2018 年美国第二巡回上诉法院在 ReDigi 案中裁定，允许实体合法副本转售的首次销售原则不适用于数字文件。2022 年华盛顿联邦法院的集体诉讼指控亚马逊用”购买”按钮欺诈，实际出售的只是可撤销许可；2025 年 8 月又有用户因失去价值 20.79 美元的内容访问权而另行起诉。

内容下架案例丰富。Disney+ 在 2023 年记录 15 亿美元的减值，下架包括《Willow》和《Crater》在内的 50 多个标题，其中《Crater》是耗资 5400 万美元、5 月 12 日上线、6 月 30 日就被移除。Warner Bros. Discovery 在 2022-2023 年从 HBO Max 下架 87 个标题。Sony 在 2023 年宣布要从 PlayStation Store 删除 1318 季 Discovery 内容（后因公愤撤回），2026 年 6 月又通知英国用户其购买的 Studio Canal 内容将于 9 月 1 日移除，无任何补偿。Konami 的《P.T.》、《Scott Pilgrim vs. the World: The Game》、Activision 的《Deadpool》以及 Telltale Games 倒闭后的多款作品都因许可问题被下架。Rockstar 在推出重制版前下架原版 GTA 三部曲，重制版还移除了约 24 首授权音乐。

HN 讨论延伸出多个角度。一种观点认为衡量”所有权”的关键不在于物理形式，而在于能否自由分享：Bandcamp 上的音乐、GOG 上的游戏、用 MakeMKV 自行抓取的电影同样构成真正的数字所有权。讨论者用加密货币圈”不掌握私钥就不拥有钱包”的精神类比，但批评 2FA 和 Passkey 设计上同样违背这一原则，例如 Passkey 至今缺乏通用导出能力。

另一种主张更为直接：在版权、许可、协议、条约纠缠不清的现状下，对自用而言，盗版反而能解开戈尔迪之结。社区里已有像素完美的 4K 无 DRM rip，能在任何平台永久使用、流式或离线播放、便于分享和备份。

历史教训也被提及。2011 年电影公司联合推出 UltraViolet 数字所有权服务，将技术上的流媒体与法律上的资产所有权分离，但 Disney 从未加入，2019 年整个服务被关闭，所谓数字所有权再次蒸发。

有评论者指出实体媒介本身也已不再纯粹”实体”：部分游戏光盘只是访问数字商店的许可证；Steam 上的多年前购买的单机游戏，重新启动时仍会强制要求接受更新后的用户协议。可携带、永久、无需联网才是合理的所有权底线。

8. Fintech Engineering Handbook：金融系统工程的核心原则与争议

这份《Fintech 工程手册》尝试系统化总结涉及金钱处理的软件系统所应遵循的模式与原则。作者将整本手册的内容归纳为三大核心原则：不凭空捏造数据（通过幂等性、去重和对账实现）、不丢失数据（通过完整精度、至少一次投递、事件溯源、审计追踪和不可变性保证）以及不信任任何外部或内部组件（通过验证 webhook、跨源交叉校验和在假设被破坏时显式失败来实现）。

手册重点讨论了金钱的表示方式。作者列举了四种主要选择：浮点数（几乎不应使用）、任意精度类型（如 Java 的 BigDecimal）、最小单位整数表示（如将 €12.34 存为 1234），以及有理数（精度最高但性能较差）。手册强调 JSON 中应将金额序列化为字符串或最小单位整数，避免使用裸数字以防 IEEE-754 双精度的精度损失。在舍入策略方面，作者指出舍入应显式进行、属于业务决策、尽可能延后执行，并且要意识到舍入会破坏求和关系。货币处理部分则建议将金额和币种打包、禁止跨币种运算、使用受控的币种集合，并区分法币与加密货币的标识方式。

HN 社区对手册评价两极。一些读者欣赏其作为入门参考的价值，并推荐结合 Kleppmann 的《Designing Data-Intensive Applications》一起阅读。但也有不少批评声音。一位前金融科技 CTO 指出，实际项目中”看情况”的因素很多，例如他选择用纯追加审计日志而非完整事件溯源以避免状态计算问题。多位资深开发者对”最小单位精度”作为 API 数据交换格式提出强烈警告，因为遇到不同合作方对同一币种使用不同隐含小数位（尤其是稳定币）时会出现严重问题，建议 API 层统一使用字符串表示。

更尖锐的批评直指内容可能由 LLM 生成。例如手册中提到”将 PII 与财务数据分离以便履行擦除义务”，但这与金融机构的 KYC/AML 合规要求相冲突——执法机构调查时，仅保留财务数据而删除客户身份信息会让机构陷入大麻烦。批评者强调，进入金融科技行业的人员应当依照雇主与法务、合规团队共同制定的内部规范工作，而非依赖来源不明、司法管辖区不明的网络手册。

9. 开源权重 LLM 与闭源 LLM 的差距：单一基准与综合视角的分歧

Doubleword 博客作者基于 Artificial Analysis Intelligence Index 分析了开源权重 LLM 与闭源 LLM 在性能前沿上的差距。该差距的衡量方法是：观察当前开源前沿模型的能力水平，回溯闭源前沿在多久之前达到了相同水平。在该综合指数上，从 2024 年夏季开始，差距持续缩小，按线性外推预测将在 2026 年 12 月 3 日缩小到零。

然而作者强调这只是单一基准的视角。他进一步分析了 Artificial Analysis 提供的全部 18 个基准数据集，发现各基准平均差距的最佳拟合线几乎完全水平，稳定在约 5 个月。值得注意的是，开源模型的大部分进步集中在编程基准上，编程指数差距从 15 个月缩小到仅一两个月，而其他多数基准的差距随时间略有增加。结论是：开源模型整体上仍持续落后闭源约 5 个月，且这一差距可能在扩大；编程领域的快速追赶具有特殊性，因其市场需求大、语料丰富且结果易于验证。

HN 讨论涌现多个方向。一种担忧是当前开源权重模型主要依赖私营机构（如 DeepSeek）的”慈善”行为，水龙头随时可能关闭，开源生态缺乏稳定的”社区拥有硬件”基础。另一种观点认为中国开源模型的进步在很大程度上依赖于对美国前沿模型的蒸馏，要真正超越前沿，需要从数据收割模式转向自主生成高质量数据系统，以及大规模获取最新硬件——这并非易事。

也有评论指出闭源模型可以”作弊”基准——OpenAI 或 Anthropic 发布的”模型”实际上是包含后端系统的整体方案，而非单纯权重，因此与纯权重的开源模型对比并不公平。多位评论者还指出文章标题混淆了”open source”与”open weights”概念。

一条颇具讽刺意味的评论来自一位中国用户：被称为”自由之地”的美国正在限制前沿模型对非美国用户的访问，而被贴上”威权”标签的中国却产出了几乎所有有竞争力的开源权重模型。他承认这是落后方使用开源作为非对称竞争策略的产物，但仍觉得现实颇具反讽意味。还有评论提出，对许多用户而言关键不是差距本身，而是能力是否足够——只要开源模型满足需求且成本更低，差距就不重要。

10. AI 进入数学领域：从证明助手到独立证伪猜想

IEEE Spectrum 的这篇文章探讨了 AI 如何正在改变数学研究的本质。作者回顾了自己当年在爱丁堡读应用数学博士的经历，理解了纯数学博士同事们为何能在抽象问题上沉思多年——那是从理解长征中获得的喜悦、满足与意义。卡内基梅隆大学数学家 Jeremy Avigad 形容这种体验：当长时间苦思一个复杂难题后突然豁然开朗时，那种感觉既像完成马拉松，又远超于此。

计算工具进入数学已有半个世纪，从 1976 年的四色定理机器证明开始。但人类一直承担提出猜想、设计证明策略和验证证明的核心角色。如今 AI 正挑战这种格局。去年夏天，Google DeepMind 和 OpenAI 的系统在国际数学奥林匹克达到金牌水平。今年早些时候，DeepMind 的实验系统 Aletheia 自主完成了博士级别可发表的研究——计算算术几何中的结构常数。最近，OpenAI 的通用 AI 系统在组合几何中证伪了一个重要猜想，顶尖数学家将其誉为里程碑。Math, Inc. 的 Gauss 推理代理协助形式化了 Maryna Viazovska 关于 8 维球堆积问题获得菲尔兹奖的证明。

HN 评论提出了多个深刻问题。一位读者引用 Alex Kontorovich 的观察指出 Mathlib（Lean 主流数学库）是人类精心策划的形式化成果，其 API 与抽象层是后续自动形式化的前提；而 Math Inc. 自动形式化的证明无法暴露可读接口——没人会愿意将 20 万行未审计的”vibe-coded”代码合并到全球人类科学的主分支。另一位读者预言数学家未来可能转向”为证明写证明”——就像测试代码本身也需要测试一样，验证系统本身也需要被验证。

也有声音担忧 AI 工具加剧国家间数学研究的不平等：以往数学是少数让任何有良好教育系统的国家都能产出顶级科学家的学科，但 AI 工具的访问可能让数学变得像核聚变实验那样依赖昂贵设备。还有评论提出资助数学研究的根本问题：如果靠 AI 能产出更多效用，那政府继续资助人类数学家的理由是什么？是美学价值？还是培养数学人才在战时的国家价值？引用 Wigner 的话：“知道计算机理解了这个问题很好，但我也想理解它。“

11. BBC 关闭长波广播：百年广播服务时代落幕

英国《经济学人》报道，BBC 即将关闭其最古老的服务——长波（Long Wave）无线电广播，这标志着一个时代的结束。文章副标题提到地面电视广播也将走上同样的道路。

HN 评论区聚集了大量怀旧与技术讨论。多位用户表达了对长波广播消失的惋惜。一位用户回忆，搭建简单的 AM 收音机是与孩子一起做的最酷的电子项目——两个晶体管、一个铁氧体线圈和一些基本元件，关键是每个部件的作用都可以解释清楚。建好后无论身处欧洲何处都能收听 BBC，他的女儿曾每晚听着 BBC 入睡，没有什么 Netflix 韩剧能替代这种体验。

另一位英国用户分享了在车里收听 DAB 数字广播时信号断续的经历，而长波信号则无处不达。他从小通过 Test Match Special 节目培养了对板球的热爱，廉价的小收音机随处可收听。

最具传奇色彩的讨论涉及英国核威慑——BBC Radio 4 长波信号是英国三叉戟核潜艇判断本土政府是否仍在运作的依据之一。2004 年 Radio 4 因停电中断 15 分钟，潜艇曾短暂进入核警戒状态。一位评论者半开玩笑地说：“那就是世界末日了，Radio 4 长波停播时英国核威慑就会发射。”

技术层面，Droitwich 发射站使用两米高的陶瓷和金属电子管，这些部件已不再生产，这也是关闭的实际原因之一。一位业余无线电爱好者建议，当最后一个长波发射机关闭时，整个频段应分配给业余无线电爱好者，配合电容帽、加载线圈和反向接地的小型天线方案是完全可行的。

社区还提供了 BBC Radio 4 的网络流地址以便国际收听。维基百科长波广播商列表显示，目前全球仅剩 7 个长波广播站，分布在阿尔及利亚、蒙古、摩洛哥、波兰和罗马尼亚，而西半球从未有过公共长波广播。多人提到 RSGB（英国无线电学会）的反应较为防御性。一位评论者感慨：再也无法为战俘搭建”狐穴收音机”了。

12. Linux 拯救老旧硬件：2026 年完整复活指南

这篇 FOSS Linux 文章针对被 Windows 11 抛弃的 2014 至 2019 年间硬件提出系统化复活方案。文章指出 Windows 11 对 TPM 2.0、安全启动和现代 CPU 的要求将大量功能完好的硬件排除在外，每年约 6200 万吨电子垃圾中包含大量可用设备。这些机器并非因老旧而慢，而是 Windows 越来越重、硬件保持不变——Ubuntu Xfce 全新安装空闲占用约 650MB 内存，而 Windows 11 空闲就要 3 到 4GB。

文章按内存档位推荐发行版：2GB 以下推荐 antiX（基于无 systemd 的 Debian Stable，空闲占用约 256MB）、Puppy Linux（运行在 RAM 中）和 BunsenLabs Carbon（但已放弃 i386 支持）；2-4GB 区间推荐 Lubuntu 26.04 LTS（LXQt，空闲约 480MB）和 Linux Lite 8.0（XFCE 加 BORE 调度器，空闲约 650MB 但交互响应更快）；4-8GB 则推荐 Xubuntu 26.04 LTS 和 Linux Mint Xfce。桌面环境对比中，作者认为 Xfce 在自定义深度上胜出，LXQt 配置简单但天花板较低，MATE 介于两者之间。

HN 讨论补充了大量实战经验。一位 Arch 用户在 2014 年硬件上运行 niri（Wayland）、Waybar 等构建的桌面环境，启动占用 1.1GB 内存，安装大量应用后磁盘占用约 10GB，可以流畅运行浏览器、Docker、视频编辑器和虚拟机，甚至能用 GeForce 750 Ti 以 60FPS 玩 Silksong。另一位则推荐 Bodhi Linux 用于 2GB 以下场景，理由是 antiX 在某些低配设备上浏览器开几个标签页就崩溃。

一条颇具说服力的评论指出文章建议有些怪——内存条本身并不贵，能搭配 2GB 内存的酷睿 2 Duo 时代机器通常支持 8-16GB，8GB DDR3 内存目前仅约 10 美元，谁会为省 10 美元而忍受 2GB 内存的痛苦？也有用户分享了用 Ubuntu 24 加 HBM2 GPU 让 15 年前的 MacPro4,1 重生的故事，运行 Ollama 3.1 比他的 M2 Pro/M3/M4 还快。

另一个被反复提及的方向是改造企业淘汰的小型 PC——Lenovo、HP 和 Dell 的 tiny 系列形成了自托管社区，配合 Proxmox 可以替代云端 NAS、DNS、VPN、多媒体等服务。还有评论者指出文章未提及 MGLRU 内核特性，它对低端 PC 的性能影响最大，类似 ChromeOS 开发者创建的 le9 补丁思想——尽可能将关键文件缓存保留在内存中。一位使用 Panasonic Toughbook CF31-5 近十年的用户分享了主要用 Xubuntu 配合 Emacs 和 LaTeX 工作的体验。

13. 加州 7 月 1 日起将禁止流媒体服务的吵闹广告

Ars Technica 报道，加州一项新法律将于 2026 年 7 月 1 日生效，规定流媒体服务的广告音量不得明显高于节目本身。伊利诺伊州也通过了类似法律，这给了流媒体服务更强的动机降低广告的轰鸣感。文章指出，FCC 已经对广播电视实施了类似禁令多年，流媒体此前一直处于法律灰色地带，这次正好填补了这个漏洞。

反对该法案的行业团体辩称，“许多”流媒体服务已经在”尝试”管理服务器端广告插入带来的与节目音量不一致的问题，并强调流媒体需要应对电视、平板、手机等多样化输出设备。

HN 评论几乎一边倒地支持该立法，对行业的辩护极尽嘲讽。最高赞评论直接回怼：“那就别’尝试’了，赶紧修好啊。这是你们自家的系统。“另一条评论将行业说辞称为”彻底撒谎”——所谓不同设备会让同一音量产生不同感受的说法在服务器端广告插入场景下根本不成立，因为服务商完全控制输入文件和输出流。

多位用户分享了在不同平台遭遇响亮广告的烦恼。Instagram 据称会随机推送 HDR 广告，在 iOS 上以刺眼的亮度显示，恰好打断浏览体验。也有人提到 YouTube 上把无人声视频作为背景播放时，广告突然变响的痛苦——这最终成为他订阅 YouTube Premium 的原因。Apple TV 上节目音量异常低的问题也被提及，用户希望该法律能间接推动改善。播客广告也存在类似问题。

讨论也延伸到更广泛的话题。一位用户希望加州下一步禁止过亮的电子广告牌，“现实世界也需要关爱”。另一位评论者发起了关于监管哲学的讨论——世界各国政府的厚厚法规仍无法阻止企业的负面外部性行为，或许应该考虑恢复某些更灵活的社会性约束机制，介于司法判例和网络大规模抵制之间的某种方式，例如抵制运动等。最后还出现了对法律技术定义的讨论：响度的具体标准是否对应 LUFS（Loudness Units relative to Full Scale）这一国际通用度量。

14. AI 学会 RFIC 设计的”黑暗艺术”：从模板束缚到自由生成

IEEE Spectrum 这篇文章由普林斯顿大学研究团队撰写，讲述了 AI 如何切入射频集成电路（RFIC）这一长期依赖人工经验的设计领域。文章指出，虽然 CPU、GPU 等数字芯片设计已经高度算法化，但 RFIC 设计因涉及麦克斯韦方程、热力学、机械应力等多物理域耦合，加之巨大的设计空间和相互冲突的优化目标，至今仍被业内称为”黑暗艺术”——需要多年经验才能掌握。单一新 RFIC 设计往往耗时数年、成本数千万到上亿美元。

七年前 AlphaGo 击败李世石后，普林斯顿团队开始探索 AI 能否学习这门艺术。近年来，他们与同行采用强化学习和”逆向设计”方法，让 AI 从零开始快速生成 RFIC。扩散模型可以生成创新或人类可解释的 RF 布局，性能创纪录的同时大幅缩短设计时间。值得注意的是，AI 生成的某些电路看起来不像传统电路图，反而更像现代艺术——它们摆脱了人类设计模板的对称性约束。文章强调，要实现进一步突破，需要大规模的共享芯片设计数据集和开放生态系统，让 AI 能够学习通用的电磁和电路行为。

HN 讨论提出了多个深层观察。多位评论者指出这并非全新概念——几十年前科学家就用遗传算法设计出无人能理解但工作良好的天线（NASA 的”演化天线”是经典案例）。一位读者抒发了哲学层面的不安：人们一直期望真正的科学理论应该是优美而简洁的，但如果自然现象的最佳描述其实是只有机器能操作的”可怕的方程混乱”呢？那将令人感到悲哀。

也有创意性建议：将 AI 设计用于”专利毒化”——批量产生变种设计并公开发布，未来的专利申请若与之碰撞便可援引为现有技术使其无效或限制范围。一位读者由此提出更广泛的问题：AI 编程的突破是否被 Rust、Python 这些为人设计的语言所拖累？或许应让 AI 工具直接编写最低层级的代码。

但也有相对冷静的声音。一位 RFIC 工程师质疑这些设计的鲁棒性——文章虽然展示了实物测试结果，但未明确讨论制造和环境变化下的稳定性。他指出实践中真正胜出的是反馈、对称性这类简单稳健的思想，而文章展示的则相反。他自己进行盲优化时常常最终发现某些简单原则（比如”这里需要对称”或”这里需要更宽带宽”）能解释为什么 AI 解决方案有效。也有评论者更直接地认为 AI 目前甚至无法布局一块带几个外围器件的双层 PCB，对这种宣传持保留态度。

15. IP Crawl：一个收录公网暴露摄像头的”活体地图”

IP Crawl 是一个名为 alec.is 的开发者制作的项目，号称是”公网上被发现的开放摄像头活体地图”。截至发布时，该网站收录了 14,131 个摄像头，用户可以通过地图、统计数据浏览，并按国家、城市、ISP/组织、制造商等条件进行筛选。每个条目显示位置、网络服务商名称，并标注为”LIVE”（实时流）或”SNAPSHOT”（快照）。网站还提供一个”Am I Being Watched?”（我被监视了吗？）功能，宣称无需登录即可在 10 秒内检查附近是否有暴露的摄像头。

从展示内容看，这些摄像头分布在荷兰鹿特丹、英国 Droitwich、美国 Tulsa、意大利 Como、法国、日本、加拿大、韩国、瑞士等全球各地，对应的 ISP 包括 Comcast、Verizon、BT、Telecom Italia、Softbank 等主流运营商，表明大量暴露的设备来自普通家庭和小型企业用户。

HN 讨论的核心矛盾集中在伦理问题上。支持者将其类比于 Shodan：质问 IP Crawl 是否该被下架，则 Shodan 是否也该被下架？这类索引工具早在 2012 年就已存在，从那时起情况几乎没有改变——总有大量人把不该联网的设备直接接到公网。另一种观点借用了一个比喻：邻居没拉窗帘，与拿望远镜窥视邻居公寓，是两回事；此类网站属于后者。多位评论者表达了不适感，认为能够看到陌生人独自吃饭、生活片段，是一种诡异的”超脱旁观者”体验。

一位评论者建议作者增加”告知机制”——主动通知摄像头所有者其设备已暴露并提供整改指引，这样能在不剥夺”暴露者被观看”自由的前提下解决隐私问题。也有人指出，该网站本质上只是 Shodan Images 的地图化界面，同一摄像头快照在两边都能找到。讨论中还有人调侃式地分享了发现的有趣画面，例如英国某用户疑似将摄像头对准了自家大麻植株，以及美国某摄像头下方的搞笑警示牌。整体上，这类项目持续暴露出消费级 IoT 摄像头默认配置的安全短板：大量普通用户根本不清楚”防火墙”或”公网”为何物，仅按 19 美元设备的说明书操作，便把私人空间送上了互联网。

16. 1981 年下手投球事件：板球史上的一次”合法但不光彩”的胜利

1981 年 2 月 1 日，澳大利亚与新西兰在墨尔本板球场进行 1980–81 世界系列杯五场决赛中的第三场单日国际板球比赛。比赛进入最后一球，新西兰需要打出 6 分（一记”six”）才能与澳大利亚战平。澳大利亚队长 Greg Chappell 命令投球手——也就是他的弟弟 Trevor Chappell——以”下手投球”（underarm bowling）方式沿地面将最后一球滚向击球手 Brian McKechnie。这种球几乎无法被打到空中，McKechnie 只能防守性地挡下，澳大利亚就此获胜。

下手投球在当时的板球规则下是合法的（尽管在某些单日联赛中已被明令禁止），但被普遍视为严重违背板球的”公平竞技精神”。这次事件引发了巨大争议，并最终促使国际板球规则正式修订，禁止此类投球方式。文章还提到，比赛中还有另一处争议——Greg Chappell 拒绝接受新西兰外场手 Martin Snedden 关于一次低位接杀的口头声明，坚持等待裁判判决，被认为违背了板球长久以来”信任对手”的传统。当时著名解说员 Richie Benaud 通过多角度慢动作回放确认接杀有效，但裁判仍判其无效。

HN 上的讨论呈现了多元视角。一位新西兰人半开玩笑地表示，这是新西兰公民身份认同的一部分——“如果你在公民考试中表示赞成下手投球，那你的考试就会被改期到下周在堪培拉举行”。一位澳大利亚人则承认这是国家的耻辱，新西兰人将永远拿这件事说事。有人将其类比于美式橄榄球中比赛末尾的跪地或足球补时阶段后场倒脚——技术上完全合规，但被视为不够体面。也有评论者将其类比为板球中的”上帝之手”事件。

有评论指出，板球中还有更严重的违反体育精神事件，例如 1932–33 年的”Bodyline”投球策略。还有人补充背景知识：下手投球其实是板球最早的投球方式，上手投球的标准起源据说与一位女板球手为避免裙摆碍事而抬起手臂有关。讨论中也有不少不熟悉板球的网友直言”完全看不懂这项运动”，将这种争议比作美国人看棒球时的困惑。一位评论者借此回忆了 BBC 长波频段播出的 Test Match Special 节目——长时间的板球解说曾是英国夏季的标志性背景音。

17. WordStar：一个为写作者设计的文字处理器（1996）

这是科幻作家 Robert J. Sawyer 于 1990 年撰写、1996 年更新的一篇长文，解释为什么他和大量科幻作家——包括 Arthur C. Clarke、George R.R. Martin、Anne Rice 等——直到 21 世纪仍坚持使用 1978 年发布的 DOS 版 WordStar 作为主要写作工具。文章核心论点是：WordStar 的界面是为”触摸打字者的创意写作”而专门优化的。

Sawyer 详细分析了 WordStar 的按键设计哲学。该软件诞生于键盘标准化之前，无法依赖方向键、功能键。其创造者 Seymour Rubinstein 和 Rob Barnaby 选择了五个 Control 键前缀作为功能菜单入口：^O（屏幕功能）、^Q（快速光标）、^P（打印）、^K（块和文件）、^J（帮助）。前三个是字母助记，后两个看似随意，实则因为这两个键正好位于右手两根最强手指的主行位置——最常用的功能放在最容易按的位置。光标移动使用 ^E、^S、^D、^X，这四键在左手下形成一个菱形；扩展命令如 ^A、^F（按词移动）、^W、^Z（滚行）、^R、^C（翻页）则环绕这一菱形分布。这种”位置助记”使得双手始终不离主行，效率远高于必须频繁移到方向键或功能键的 WordPerfect。文章还介绍了 SWITCH.COM 工具，可交换 CapsLock 和 Control 键位置，让任意键盘成为最佳 WordStar 键盘。

HN 上的讨论充满怀旧氛围。多位评论者提到 WordStar 键位的深远影响：通过 Turbo Pascal、Turbo C、Delphi、Visual Studio 一直延续到现代的 VS Code，这种两步组合键（先按 ^K 再按下一个键）几乎成了开发工具的隐形传统。有人推荐 JOE 编辑器作为 WordStar 风格键位的现代替代品，也有人提到 WordTsar 项目。一位评论者描述了自己的写作仪式：切换到单屏幕，启动 FreeDOS，最大化窗口，“仿佛回到 1987 年”，有时甚至会穿上尼龙风衣以增强氛围。Emacs 用户群体也对此文表示亲切——Emacs 同样依赖 Control 键，并自带 capslock/control 切换工具。

不过也有理性反对意见。有评论指出，这类纯文本 DOS 程序对于需要在 Word 文档、文本文件、图形、Excel 表之间交叉引用的项目并不实用——这正是大家不再使用打字机的原因。其他人提到 Scrivener、现代专注写作工具同样能提供无干扰环境，不必依赖 40 年前的软件。WordPerfect 的支持者也出来声援，称 DOS WordPerfect 6.0 在散文写作上同样优秀。

18. 可疑的不连续性：政策门槛、考试分数与马拉松成绩中的人为断点

Dan Luu 在这篇 2020 年发布的文章中分析了大量”可疑的不连续性”——即数据分布中本应平滑但出现突兀断点的现象，通常源于规则设计中的硬性阈值。

文章开篇举例：美国 ACA 医保补贴在个人收入 48,560 美元处有一个硬性截止，跨过这条线后年保险费可能骤增约 7200 美元。这导致一些预计赚 55,000 美元的人，反而通过故意购买预期会到期作废的看跌期权来”亏钱”以保住补贴——他们减少 6,440 美元收入比赚 55,000 美元的净结果更好。美国税收政策中类似的硬阈值还包括 TANF、Medicaid、CHIP 的收入上限。一个简单的解决方案是用渐进式 phase-out 替代硬阈值。

文章随后扩展到多个领域。在硬件/软件队列中，朴素队列对突发流量”不公平”，因此发展出了 RED（Random Early Detection）等概率性丢包算法来平滑不连续性。在大学招生中，Pell Grant（针对低收入家庭的助学金）成为衡量学校”招收低收入学生”诚意的代理指标，结果在阈值附近出现了反向效应：Pell Grant 不合格的最低收入学生反而录取率下降，而 Pell Grant 合格的最高收入学生录取率上升——完全偏离了政策初衷。直方图显示，2008 年学生家庭收入分布平滑，2016 年则在 Pell Grant 阈值处出现明显断崖。文章还提到俄罗斯选举数据在 95% 等整数值附近的异常尖峰（提示舞弊）、波兰高考分数在 30 分及格线附近的怪异聚集，以及马拉松完赛时间在 3:00、3:30、4:00 等整点附近的明显堆积。

HN 评论补充了大量有趣案例。关于马拉松堆积，多位评论者指出这有简单解释：比赛通常配有”领跑员”，按 3:30、3:45 等整点时间配速跑完全程，参赛者会在最后阶段奋力跟上某位领跑员或推自己破整点。Jim Roskind 在 2022 年 AWS re:Invent 的演讲中提到，AWS 工程师为达到 P50、P90 延迟目标，会刻意”作弊”——把 P90 以上的延迟弄得更糟，从而让 P90 以下的指标达标。英国税制也有大量类似问题：60% 以上的边际税率、托儿补贴悬崖、个人免税额逐步取消区间，加上多年冻结的阈值导致严重的”财政拖累”。印度税法的”附加费”也有类似断崖，其”边际救济”机制虽缓解了问题，但仍存在收入增加 100% 被税收抵消的区间。Lichess 上的棋手评分分布也显示，棋手在跨过 100 整数倍时会格外努力避免跌回去。讨论也涉及更宏观的解决方案：与其设计渐进式 phase-out，不如干脆取消补贴的退出机制——让高收入者也享受同等补贴，反正他们交的税足以覆盖成本，同时也能让政策制定者更直接体会到这些补贴的优劣。

19. 基本粒子到底有多少种？从 17 到 995.5 的计数难题

Quanta Magazine 的这篇文章探讨了一个看似简单却没有标准答案的问题：基本粒子有多少种？作者询问了多位物理学家，发现每个人的答案都不一样，剑桥大学物理学家 David Tong 甚至回复说”真正的答案不是整数”。

标准模型在教室海报上通常展示 17 种粒子：12 种费米子（电子、缪子、陶子，三种中微子，六种夸克）、4 种规范玻色子（光子、W、Z、胶子）和 1 种希格斯玻色子。哈佛大学 Melissa Franklin 认为 17 就是正确答案，但承认存在大量”注脚”。

如果加上反粒子，数字翻倍到 24（W 玻色子也分 W+ 和 W-，但光子、Z 玻色子、胶子电中性），合计变成 30。Franklin 不计反粒子，因为它们在数学上几乎是镜像；但作者认为反粒子在物理意义上完全不同——它们在宇宙中的角色截然不同，物质-反物质不对称本身就是一个未解之谜。

继续深入：胶子其实有 8 种，各自携带不同的”颜色-反颜色”组合。实验上无法区分它们，但数学上它们和 W、Z 玻色子的区别完全一致，因此应当分别计数，总数升至 37。夸克和反夸克也各有三种颜色，所以是 36 种而非 12 种，总数达到 61。

进一步还有”手性”——费米子分左手和右手版本，这是粒子物理理论中至关重要的区别。Fermilab 资深理论物理学家 Chris Quigg 坚持把左手和右手粒子分开计数。规范玻色子则有偏振态：光子和胶子有左右两种偏振，而 W+、W-、Z 还有第三种”纵向”偏振态。这些细分让数字继续膨胀，最终可达 995.5——而那个 .5 本身就是一个有趣的物理结果。

HN 讨论显示了物理学家之间的真实分歧。一位物理学家反对将手性作为区分粒子的标准，类比说光子可以在左右手性基矢上描述，也可以在垂直/水平偏振基矢上描述，没有”哪个基矢更基本”之说；而自旋（偏振的来源）才是真正定义良好的内禀属性。另一位评论者从破缺前的角度提出，如果把反物质场视为独立场，可以合理地说有 30 种基本费米子场和 16 种基本玻色子场。也有人提出更激进的简化：忽略三代费米子之间的”代”差异，因为它们可以相互混合，那么基本粒子可减至 9 种。讨论还涉及更深的哲学问题：是否所有粒子最终都是某个更简单实体的不同表现？是否会有一天发现宇宙的基本规律远超人类理解范围，就像向细菌解释微处理器？也有人提到 preon 理论，主张所有粒子可由两种更基本的成分组成。核心难点始终是”如何定义’基本’“——这正是为什么海报上是 17，而严格数学计数可以高达 995.5。

20. 亚洲 AI 创业公司推出 Mythos 风格模型，应对 Anthropic 出口禁令持续

TechCrunch 报道，随着 Anthropic 的网络安全聚焦 AI 模型 Mythos 及其更受限版本 Fable 5 被特朗普政府禁止向非美国人提供（禁令于两周前生效），亚洲 AI 创业公司迅速跟进。中国网络安全公司 360 推出了 Tulongfeng（图灵风），宣称可与 Mythos 正面对抗；同时还发布了用于自动化网络防御与事件响应的 Yitianzhen（倚天针）。360 创始人周鸿祎将漏洞发现 AI 描述为国家战略资产，并提及”单向透明”的风险——某些参与方能获得先进漏洞检测能力，而其他方不能。

同周早些时候，东京 AI 创业公司 Sakana AI 发布了 Fugu（河豚）模型，公司称其”与 Anthropic 的 Fable 5 和 Mythos Preview 比肩”，专为智能体设计，能够通过 API 协调访问其他模型。Sakana 发言人对 TechCrunch 表示，发布时机”完全是巧合”，但其官网已开始宣传”无出口管制风险的前沿能力”。Sakana 由前 Google 研究员 Ren Ito、Llion Jones 和 David Ha 于 2023 年共同创立，专注小数据集和日语优化模型。联合创始人 Ren Ito 在 Evian G7 峰会期间发表观点，呼吁美国联邦政府”首要任务应是保留访问权”给最亲密的盟友，主张 AI”不应成为被囤积的技术，而应是共同开发的技术”。CEO David Ha 则将 Fugu 定位为”编排模型”（Orchestration Model），认为这是”超越更大模型”的下一个前沿，并强调依赖单一供应商作为国家基础设施风险过大。Anthropic 截至 2026 年 5 月年化营收已突破 470 亿美元，但来自亚洲企业客户的占比未公开披露。

HN 讨论以质疑为主。最高赞评论分享了 Fugu 模型的实测体验：用户花 20 美元订阅在一次提示中就耗尽了 5 小时窗口，结果不如 Opus；升级到 100 美元档后看到的实现速度极慢且质量更差，已经用掉本周配额的 35%，被评价为”完全的浪费”。多位评论者抱怨”Mythos-like”这种表述令人厌烦——普通人没有任何独立方式来比较模型实际能力，只能依赖厂商自报的基准测试。有评论尖锐指出：在 Mythos 已不可获取的情况下，厂商声称”Mythos-like”几乎无法被证伪。也有人预测美国会在年底前以”安全顾虑”为由禁止”外国”LLM，与实际性能无关。讨论中还有声音呼吁建立联合国主持的独立第三方基准测试机构，以便对全球新模型进行公正比较。Sakana 的投资人阵容被多次提及。一些悲观评论认为，能销售 token 的厂商如 Anthropic 和 OpenAI 处境艰难——无法销售最尖端的模型，能销售的模型仅比开源略好但价格高出 20–50 倍，客户基础几乎全是开发者，且没有客户因 AI 而真正提升利润，IPO 窗口可能已过。