Agili 的 Hacker Podcast 2026-09-01

2026年9月1日

AI 模型与开源生态是今天的两个主题：Anthropic 发布了新模型，一位独立研究者用 67 美分训练出匹敌大模型的 transformer；与此同时，Google Play 的政策接连压向 AnkiDroid、Aurora Store，而 Fastpotify 用 Rust 写了一个轻量 Spotify 客户端。Agili 的 Hacker Podcast 整理了今天 Hacker News 上值得关注的故事。

Claude Fable 5.1 与 Claude Mythos 5.1 发布

同一模型，两套防护等级

Anthropic 发布了新模型。Fable 5.1 面向所有用户开放，Mythos 5.1 只通过可信访问项目提供。两者是同一个模型，Mythos 的防护针对网络安全和生命科学工作做了专门调整。

定价有明显调整。缓存读取（模型读取已处理并存储的输入）的价格降至每百万 token 0.25 美元，降幅 75%。Anthropic 称，按 token 计费的使用场景中，典型工作负载的整体成本比 Fable 5 低约 25%，复杂的代理任务最高能省约 45%。

数据保留方面，Anthropic 推出了企业前沿防护（EFS）。这套系统把数据存放在客户自己的云基础设施上，而不是 Anthropic 的服务器上，从而实现与零数据保留相同的隐私效果，同时仍能防止模型被恶意使用。EFS 从今年秋天开始分阶段向企业客户交付。

科学能力的具体案例

Fable 5.1 在 Terminal-Bench-Science 上得分 52.6%，Fable 5 是 24.7%。在代理编码基准 Terminal-Bench 4.0 上得分 55.8%，Mythos 5.1 版本为 60.9%。

蛋白设计是展示的案例之一：Mythos 5.1 设计出的结合蛋白在三个靶点上的结合亲和力比 Adaptyv Bio 竞赛的最佳方案高 10 倍以上，12 个靶点上的命中率接近 50%，目前蛋白设计的典型命中率只有 10% 到 15%。

另一个案例是金星测绘。Fable 5.1 基于 NASA 麦哲伦任务三十多年前的雷达图像，生成了覆盖金星三分之一表面的高分辨率高程图，分辨率从 10 到 20 公里提升到 2 到 3 公里，高度数据比旧地图准确了最多 25%。这幅地图以知识共享许可发布，供 NASA VERITAS 和 ESA EnVision 任务参考。

写作风格成为社区焦点

一位 Anthropic 员工在 Hacker News 上说，Fable 5.1 的写作改进很大，听起来不像以前那种典型的 Claude 风格，对用户风格指令的响应也更可靠。不少用户不买账。有评论说 Opus 5 的腔调让人精疲力竭，甚至影响了工作流，有人因此转投 GPT-5.6 Sol。也有人提出缓解方法，在 AGENTS.md 里加一句“不要用最高级形容词，不要用说服性文体”，或者告诉 Claude“说得简洁点”。

安全防护放宽与合规水印

生物安全防护方面，Fable 5.1 对良性请求（例如基础生物学和医学问题）误拦截的频率降低了 85%。网络安全防护也有调整：Fable 5.1 现在可以用于发现软件漏洞，但还不能开发对应的利用代码，这项变化让用户的会话平均被拦截次数减少约 60%。

欧盟 AI 法案方面，Anthropic 于 2026 年 7 月签署了 AI 生成内容透明度的行为准则，需要对 2026 年 8 月 2 日之后发布的模型输出加入水印。水印对不具备检测 API 的人不可见，不影响输出质量，也不包含用户信息。评论区对这种做法有争论。一方认为 AI 文本加水印是好事；另一方担心水印会限制措辞的灵活性，数学性很强的句子没有多少可替换的词语，模型要么牺牲精确度，要么依赖幻觉来满足水印要求。

用 67 美分训练的小型 transformer 在 ARC 基准追平大模型

没有预训练，只学了 ARC 拼图

作者在 NVIDIA 5090 上花 1.5 小时训练了一个 8 层的小型 transformer，在 ARC-1 公开评测集上拿到 44% 的成绩，与 TRM/HRM 持平，总计算成本约 67 美分。这不是大语言模型：没有预训练，没有语言数据，只用了 ARC 拼图本身的网格输入输出。作者强调这一点，是为了说明复杂问题未必需要靠 LLM 和巨大训练成本才能解决。

两个关键设计

方法本身不复杂：把每个输入输出网格转成 token 序列，用小型 transformer 做自回归训练。两个关键设计是 3D RoPE 位置编码和每任务可学习嵌入。消融实验显示，去掉任何一个都会把分数从 44% 拉到 24% 左右。另一个重要改动是只对输出 token 计算损失，不再训练输入 token，分数从 40% 提升到 44%。作者说他不完全理解原因，猜测是模型容量有限。

在测试集上训练算不算作弊

作者没有训练测试答案标签，只是用测试输入本身做转导式推理（transductive reasoning）。有评论者用考试类比解释：模型先通读所有考题，建立“这题和之前见过的某题相似”的检索关系，再去作答。作者也承认，他考试时也会先通读全卷，用简单题积累的思路去解难题。

样本效率是真正动机

作者认为样本效率是当前 AI 最重要的问题，ARC 因为样本少、规则多样、人类容易解而成了理想的测试场。他也承认性能-计算曲线呈对数关系，会很快饱和。有人问投入 1000 倍计算会怎样，作者说他已经达到过更高分数，但收益呈对数关系，44% @ 67 美分对他的目的是好的停止点。作者提到，他是从 2025 年 12 月才开始学机器学习的，用 ARC 作为学习项目。

被引用 2100 次的拖延症研究被发现数据伪造

复制失败引出原始数据

2002 年，Dan Ariely 和 Klaus Wertenbroch 在《心理科学》上发表论文，结论是人们在每项任务都有外部截止日期时表现更好。这项研究被经济学和心理学课程广泛使用，引用超过 2100 次。

《心理科学》近期刊登了复制研究的失败报告。复制作者之一 Kyle Hyndman 在 2006 年收到过原始数据文件，文件属性显示“最后保存者”为 Dan Ariely。2023 年，Hyndman 把这些文件转发给 Data Colada 研究团队，分析揭示多项异常。

四个数据红旗

实验是有偿校对任务：60 名参与者分到三组，每组 20 人，分别是均匀截止日期组、自己设定截止日期组和最后一天截止组。

Data Colada 的完整分析记录了多个异常。效应量过大，均匀截止组平均修正 136.1 个错误，最后一天截止组只有 71.1 个，Cohen's d（效应量指标）达到 2.5。作为参照，性别对身高的效应 d 约 1.8。最后一天截止组的 20 名参与者中，18 人都有一个纠错“双胞胎”，另一个人在三个独立任务中发现了完全相同的错误数量，且 ID 序号恰好相差 10。应该高相关的变量完全无关，复制研究中“喜欢这个任务”与“觉得有趣”的偏相关接近完美，原始数据中这两个变量毫无关系。自我报告时间的分布也不正常：人在估计时间时倾向于说“20 分钟”而不是“17 分钟”，复制研究中 85% 的答案是整数，原始数据只有 11.7%。

作者的回应

Data Colada 团队把证据分享给原作者。Wertenbroch 回应说自己从未接触过数据，已要求期刊撤稿。Ariely 在个人网站和 LinkedIn 上写道，论文背后的数据存在严重异常，会配合期刊的审查和撤稿流程。

评论区没有停留在这篇论文上。有评论者分享了类似经历：发现一篇论文声称解决了 50 年的难题，但推导无法成立。这引发了关于科学是否会自我纠正的争论。有人认为这个案例正是自我纠正的证明；也有人反驳，复制研究没有回报，“复制是未付薪水的 QA”，没人靠这个拿终身教职，因此明显可疑的论文能存在数十年。

Fastpotify 用 Rust 提供轻量 Spotify 客户端

原生二进制，启动不到一秒

Fastpotify 是一个开源的 Spotify 客户端，用 Rust 编写，面向 Linux、macOS 和 Windows。它不依赖浏览器引擎，是原生二进制程序，启动时间不到一秒，内存占用通常在 100 到 250 MB 之间。支持本地播放、无间隙播放、最高 320 kbps 音质和 Spotify Connect，可以从同一个窗口控制音箱、手机或电视上的播放。界面提供浅色、深色和跟随系统三种模式，页面和播放器栏的颜色可以取自专辑封面。MilkDrop 可视化可以在独立窗口运行，支持全屏和预设包。

官方客户端成了吐槽对象

社区评论里的抱怨集中在几个方面。Android 应用界面不一致，播放列表下方的推荐歌曲看起来和普通歌曲一样，但右滑加进队列的手势对它们无效。没有网络时搜索会一直转圈，本地曲库也要等网络请求超时才能访问。桌面应用在笔记本上占用 1.5 GB 内存。播客里被 Spotify 自己插入广告，付费用户也会遇到。有用户认为，Spotify 的问题出在组织架构上，各团队各自为政，应用界面就像是公司的组织架构图。

代码由 AI 生成引发的争论

作者在评论中承认，代码和网站文档都是 AI 生成的。他 5 天内完成开发，每天都在使用这个客户端，发现 bug 会立刻修复，也接受社区提交的 PR。有评论认为既然代码和文档都不是自己写的，就不该说自己“构建”了这个项目，作者顶多算技术总监。也有人反驳说，使用 LLM 写代码和用框架一样，都是工程分工的一部分，产出有用的东西就值得认可。作者回应说会重写文档，承认当时的优先级是尽快发布而不是打磨文案。

librespot 的处境

Fastpotify 依赖 librespot，一个 Spotify 协议逆向工程库。有用户声称 Spotify 正通过 API 限制和法律施压来扼杀 librespot，新账号已经无法使用，这让第三方客户端面临风险。作者回应说没有看到证据，项目看起来还在活跃维护。有用户提到，Spotify Connect 兼容的数百万台音箱设备固件已经不再更新，Spotify 不太可能彻底改变底层协议，否则这些设备都会失效。

Google Play 拒绝 AnkiDroid 更新，要求移除捐款链接

一个免税身份引发的下架危机

AnkiDroid 是 Android 上的一款免费开源闪卡应用，安装量超过 1000 万，主要用户群体是医学教育和语言学习者。开发完全由志愿者完成，应用内不售卖任何东西，Open Collective 是唯一资金来源，捐款导向持有美国国税局 501(c)(6) 免税认定信的 Open Source Collective。

Google Play 从 2026 年 8 月 28 日起拒绝 AnkiDroid 的更新。如果问题不解决，9 月 11 日起应用将从 Google Play 下架，印度和俄罗斯除外。Google 的政策允许“免税捐赠”例外，但邮件中要求的是“经过验证的免税组织（例如美国的 501(c)(3) 慈善组织）”。AnkiDroid 提交了 501(c)(6) 认定信后，Google 回复称“你的应用允许用户向一个非免税组织捐款”。

501(c)(6) 与 501(c)(3) 的措辞之争

501(c)(3) 是慈善组织，捐款对捐赠者可抵税；501(c)(6) 是行业协会或商业联盟类组织，组织本身免税，但捐款对捐赠者不可抵税。AnkiDroid 团队指出，Google 的措辞是“tax-exempt”，而 501(c)(6) 确实是免税身份。有评论者认为 Google 的邮件把“免税组织”和“可抵税捐赠”混为一谈，也有人指出，支付处理方关心的应该是交易本身是否涉税，而不是收款方的身份。

评论区提到 Linux 基金会和 Rust 基金会都是 501(c)(6)，Linux 基金会官网也有 PayPal 捐款按钮，并注明美国纳税人的捐款不可抵税。

志愿者项目的生存处境

评论区提到 2019 年 WireGuard 被 Google Play 下架的类似事件。不少开发者分享了自己与 Google Play 打交道的经历：审核回复像是 AI 生成的套话，无法与真人沟通。有开发者说相比之下 Apple 的审核支持反而有人类客服。AnkiDroid 团队目前的做法是在 Play Store 构建中移除捐款链接，但声明这是“抗议下被迫执行”，同时继续在 GitHub 上公开与 Google 的完整往来邮件，希望有人能帮忙联系 Google 内部人员。

Play Store 封锁 Aurora Store 匿名下载，GrapheneOS 用户受影响

所有请求返回 Server busy

Aurora Store 是 Google Play 商店的第三方客户端，允许用户不登录 Google 账号下载应用。近期大量用户报告，应用内所有安装请求都返回“Server busy, please try again later.”错误。问题出现在 Aurora Store 4.8.4 及 2026-08-31 的 Nightly 版本上，无论使用 VPN、清除缓存、刷新匿名账号、强制关闭应用还是重启设备，错误都持续存在。

匿名账号池被标记

Aurora Store 的匿名模式依赖一批批量创建的 Google 临时账号。有评论指出，Google 可能标记了这批账号池，导致匿名下载集体失效。多位用户确认，在 Aurora Store 中登录自己的 Google 账号后可以正常安装，问题只影响匿名下载。也有评论认为这不是“封锁”，而是非官方接口变动导致的问题，类似 Invidious（YouTube 第三方前端）反复出现的情况。

GrapheneOS 自身的矛盾

GrapheneOS 官方不推荐使用 Aurora Store，建议直接使用 Play Store，并可用一个不关联其他服务的 Google 账号登录。但多名用户反驳了这一建议。有用户指出，GrapheneOS 同时宣传 Play Services 可以不登录使用，而官方 Play Store 需要登录账号，这个矛盾让 Aurora Store 成为实际选择。还有人强调，Google 的商业模式就是跟踪用户，所谓“不关联其他服务的账号”并不存在。一位用户说，自己用现金购买的便宜手机在公共 WiFi 上创建 Google 账号，之后把手机扔进抽屉，才实现了真正隔离。

工作了 80 年的航空机械师去世，社区讨论内隐知识

职业生涯横跨 80 年

美国航空（American Airlines）机械师阿兹瑞尔·“阿尔”·布莱克曼（Azriel "Al" Blackman）去世。他是吉尼斯世界纪录认证的任职时间最长的航空公司机械师，职业生涯长达 80 年。工会 Local 591 发布了讣告。他的同事说，他是“那个午餐时坐在新员工旁边，把经验传下去的人”。他的已故妻子形容他上班的状态：“他去上班是为了跟朋友一起玩。”他休假时还会去志愿修复博物馆里的飞机。他入行时的时薪是 50 美分。

内隐知识无法写入文档

评论区感叹，高级技工消失时，大量无法量化的知识、技巧和经验也跟着消失。一位在工程机构工作多年的人说，程序文档没法记录“情境意识”：在机加工车间里怎么保证安全、怎么判断一个复杂设计正走向不可行。

一个 F-16 的故事流传广泛。一架 F-16 因为驾驶舱缺了一根半英寸长的金属销钉而停飞，没人知道这根销钉是干什么的。飞机趴窝好几天后，他们联系上一名退休 20 年的老人，才搞明白那是 30 年前被替换掉的模拟传感器留下的残留件，只是机身设计的一部分。另一条评论提到一位联合循环发电厂的老技师，厂里出现怪问题时，他走一圈、听一听，就能指出“第二级压缩机失衡”。

文档化最彻底的行业也有空白

航空维修可能是全世界文档化程度最高的行业之一，每一项操作都有任务卡，步骤、工具、扭矩值全部写明。但文档再全也有边界。关于 F-16 的故事，评论补充了一个技术细节：飞机可以带着 INOP（inoperative，不可用）标牌和书面拆除记录飞行，前提是经过批准，争议往往出在“缺失”的口语定义和技术定义之间。

关于 AI 能否补位，观点并不一致。有人说 AI 擅长在海量文档里定位需要查阅的内容；从事过多年知识工程的人则说，AI 能复制教科书知识，但难处理的是发生在边缘地带、频率极低的复杂问题。

陶哲轩用 84 分钟讲清数学的六个基本概念

数字、代数、几何、概率、分析和动力学

数学家陶哲轩（Terence Tao）在 Big Think 的访谈里，用约 84 分钟把数学拆成六个基本概念。他是加州大学洛杉矶分校（UCLA）教授，2006 年获得菲尔兹奖。访谈中提到，他从来没有过“尤里卡”时刻，数学研究更像一步步推进。

数字是最古老的发明；代数研究规则背后的规则；几何在古希腊人手里已经能用来测量月球的距离；概率教我们对不确定性下注；分析处理无穷与极限；动力学描述变化本身。

理解不等于解释

有人称赞陶哲轩能把深奥的概念讲得清楚，又不让人觉得被小看，这本身是深刻理解的体现。有工程师表示，自己合作过很厉害的人却常常难以说清思路，能做好一件事和能讲清楚是两种能力。另有人补充，解释还需要站在听众的角度，理解只是必要条件，而不是充分条件。

有观众对列表本身提出修改：有人会用拓扑学替换几何，并给逻辑和类型论留位置。另一些人认为，这六个概念像主成分分析一样抓住了数学的主要维度，而且大致对应数学史的发展顺序。

AI 改变数学研究

陶哲轩在访谈后半段谈到 AI 对数学的影响。有观众联系到他之前的“数学在 AI 时代”演讲，说当证明的生成变得容易，理解、验证、阐述、社区判断、综合和规范化这些环节反而更有价值。这个观点也被套用到编程上：AI 生成代码便宜了，但写出别人能放心修改、扩展的代码更贵了。

有观众在评论里纠正了视频中的一处细节：陶哲轩开玩笑说“无理数”的 irrational 来自拉丁语“疯狂”，但词源考证显示，这个词是欧几里得对希腊语 alogon（意为“无法表达为比”）的翻译，与“理性”无关。

GPU World 花 10 万美元征文：如果 AI 不再进步

一个大胆的前提

GPU 世界（GPU World）发起了一场故事竞赛，总奖金 10 万美元，邀请人们想象一个“未来均匀分布”的图景。竞赛页面引用威廉·吉布森的名言：“未来已经在这里，只是分布不均。”

竞赛设定的前提是：AI 前沿进展在 2026 年 9 月 1 日停止，模型不再变得更聪明，只会变得更快更便宜。GPU 继续生产，到 2040 年全球大约有 80 亿块 GPU，每个人都能随时使用相当于 Fable 或 Sol 级别的 LLM。问题包括：会不会出现不知疲倦的 AI 全景监视？教育会被无限耐心的导师改变吗？医疗会由世界级 AI 医生主导吗？

评审与奖项

一等奖 4 万美元，二等奖 2 万，三等奖 1.2 万，另有 7 个入围奖各 4000 美元。评审委员会由科幻作家 Neal Stephenson、研究者 Gwern Branwen 和 Paradigm 联合创始人 Matt Huang 组成。提交截止到 2026 年 10 月 31 日，虚构或非虚构均可，长度 1000 到 5000 字。AI 辅助写作被允许但被劝阻，要求披露 AI 使用情况。

能源与现实约束

一块 B300 GPU 功耗最高 1400 瓦。按 80 亿块计算，即使只有三分之一时间运行，全球电力需求也会翻倍。当前全球平均发电能力约为 3.6 太瓦。不过也有评论计算，用更高效的芯片和更小的模型，功耗可以降到几十瓦。

“均匀分布”本身的争议

有评论说，技术从来不会均匀分布，而是被用来制造“有组织的稀缺”；另一位则说，互联网和手机普及已经大幅改变了世界。还有人对前提提出逻辑质疑：如果模型变快变便宜，通过更好的工具、记忆和上下文管理，实际能力必然提升，不可能把智能水平冻结在固定变量上。

一个收藏公厕实况的网站

自动公厕的倒计时器

The Restroom Archive 是一个专门收录公共厕所实况的网站，按时间标记了各地公厕的照片和简短描述。有一篇记录提到纽约大军广场的自动公共厕所，门上方安装了倒计时器，提醒使用者门会在多少秒后自动打开。有评论者觉得这种设计是“最让人焦虑的东西”。

社区看法分裂

有人说“这就是我们为什么不能拥有好东西”，也有人反驳“这本身就是个好东西”。还有用户吐槽公共厕所的水池总是太小，建议谷歌地图与这个服务集成，以此倒逼厂家把水池做大。

播客全文

女：Hello 大家好，欢迎收听 Hacker Podcast，我是莓莓。

男：大家好，我是阿迪。

女：今天想聊的话题有点多。先从最近一个挺火的开源项目说起吧，叫 Fastpotify，一个用 Rust 写的 Spotify 客户端，最近在 Hacker News 上讨论得很热烈。

男：这个我看了。它的卖点很直接：不依赖浏览器引擎，是真正的原生程序，启动不到一秒，内存占用一般在 100 到 250 MB 之间。对比官方桌面客户端在笔记本上动不动就吃 1.5 GB，这确实是一个让人眼前一亮的数据。

女：而且它还支持 Spotify Connect，可以从同一个窗口控制音箱、手机或者电视上的播放，这算是很多官方客户端用户刚需的功能。

男：对，还有个好玩的地方是它保留了一个致敬 Winamp 的小功能：按 Ctrl+M 能打开一个支持 Winamp 2 皮肤的迷你播放器，带频谱分析器、均衡器和播放列表。这算是给老玩家的一点情怀。

女：我看了相关讨论，大家对官方 Spotify 客户端的怨气很大啊。有人说播放列表下面的推荐歌曲看起来和普通歌曲一样，但右滑加进队列的手势对它们无效；还有人提到搜索没网络时一直转圈，本地曲库都要等网络请求超时。

男：有人甚至说，Spotify 各团队各自为政，应用界面就像是公司的组织架构图。这句话挺损的，但确实很多人有共鸣。

女：也有人替 Spotify 说话，说自己的用起来没这些 bug，而且 Spotify Connect 没有真正的替代品。不过话说回来，连付费用户的播客里都会插播 Spotify 自己的广告，这事确实让人无语。

男：我注意到评论区不少人转向了 Apple Music、Tidal 这些服务，但这些替代品也各有各的问题。有一位用户的总结很有意思：Spotify 能保持主导地位，是因为先进入市场，积累够了曲库和用户习惯，竞争者至今没能撼动这个位置。

女：也有人干脆离开流媒体，转向自托管，比如 Navidrome 配 Feishin，还有 Plexamp。然后我发现网络电台被反复提起，说用它来发现音乐比推荐算法好多了，KEXP、FIP、NTS 这些。

男：这个我倒觉得是另一种思路。有一个用户说，离开 Spotify 之后才发现它推荐的音乐越来越窄，越来越偏向 AI 生成的曲子。而通过朋友推荐、本地唱片店和网络电台能找到更多样的音乐。

女：那 Fastpotify 自己有没有争议？我记得看到说它的代码和网站文档都是 AI 生成的。

男：对，作者自己承认了。他用五天内完成开发，每天都在用这个客户端，发现问题就修，也接受社区提交的 PR。但有人质疑说，代码和文档都不是自己写的，就不该说自己“构建”了这个项目，作者顶多算技术总监。

女：这个争议还挺有意思的。不过也有人反驳说，用 LLM 写代码和用框架一样，都是工程分工的一部分，产出有用的东西就值得认可。

男：还有一个讨论是和 Fastpotify 直接相关的，就是它依赖的 librespot 库。有用户声称 Spotify 正在通过 API 限制和法律施压来扼杀这个逆向工程库，新账号可能无法使用。但 Fastpotify 的作者回应说没看到 Spotify 打击的证据。

女：说到第三方客户端，我还看到 Aurora Store 最近也出了事。它是 Google Play 的第三方客户端，可以让用户不登录 Google 账号下载应用。最近大量用户报告所有安装请求都返回“Server busy, please try again later.”

男：这个可能和它的匿名模式有关。Aurora Store 的匿名下载依赖一批批量创建的 Google 临时账号。有评论指出，Google 可能标记了这批账号池，导致匿名下载集体失效。多个用户确认登录自己的 Google 账号后就能正常安装，问题只影响匿名下载。

女：但有些用户就是不想登录 Google 账号。GrapheneOS 官方其实不推荐用 Aurora Store，而是建议直接使用 Play Store，用不关联其他服务的账号登录。但有人反驳说，GrapheneOS 同时宣传 Play Services 可以不登录使用，而官方 Play Store 必须登录账号，这个矛盾让 Aurora Store 成了实际选择。

男：还有人更坚决：自己移除了所有 Google 组件，不会为了下载应用重新启用，想保持八年不登录 Google 账号的记录。这种坚持还挺让人感慨的。

女：从 Aurora Store 这个事，我想到另一个可能更严重的：AnkiDroid 也要被 Google Play 下架了。

男：这个我也看到了。AnkiDroid 是一个安装量超过 1000 万的开源闪卡应用，医学教育和语言学习者用得特别多。它没有通过应用内付费赚钱，唯一的资金来源是 Open Collective 上的捐款。问题就出在这个捐款链接上。

女：Google Play 的支付政策规定应用不得将用户引导至 Google Play 计费系统以外的支付方式，但有个“免税捐赠”的例外。AnkiDroid 的资金托管方是 Open Source Collective，持有 IRS 的 501(c)(6) 免税认定信。问题是 Google 邮件里要求的是“经过验证的免税组织”，举例说的是 501(c)(3) 慈善组织。

男：这里有个关键区别：501(c)(3) 是慈善组织，捐款对捐赠者可抵税；而 501(c)(6) 是行业协会或商业联盟类组织，组织本身免税，但捐款对捐赠者不可抵税。AnkiDroid 团队指出 Google 的原话是“tax-exempt”，也就是免税身份，而 501(c)(6) 确实就是免税身份。

女：有评论者提到 Linux 基金会和 Rust 基金会也是 501(c)(6)，Linux 基金会官网也有 PayPal 捐款按钮。还有人说 AnkiDroid 只是志愿者把 Anki 移植到 Android 的产物，没有律师团队，也没有收入来源。

男：评论区里有人提到 2019 年 WireGuard 被 Google Play 下架的事，说这是 Google 的一贯做法。不少开发者分享过类似遭遇：审核回复像是 AI 生成的套话，无法和真人沟通，账号验证流程繁琐。

女：AnkiDroid 团队现在只能先移除捐款链接，但声明这是“抗议下的被迫执行”，同时把和 Google 的往来邮件公开在 GitHub 上，希望有人能帮忙联系 Google 内部人员。

男：这两个案例其实都指向同一个问题：掌握分发渠道的一方有绝对权力，开源项目往往是最没有能力应对这种变化的一方。

女：说到开源和 AI 的结合，Fastpotify 的作者用 AI 生成代码这件事，我在想，如果代码是你设计架构、你调试、你决定什么能用，AI 只是帮你写出来，这到底算不算你的作品？

男：这个话题在 ARC 这件事上也有讨论。有人做了一个很有意思的实验：在 NVIDIA 5090 上用 67 美分的计算成本，训练了一个小型 transformer，在 ARC-1 基准测试上拿到了 44% 的成绩。这不是一个大语言模型，没有预训练，没有语言数据，只用了 ARC 拼图本身的网格输入输出。

女：67 美分？这个数字听上去有点不可思议。

男：对，方法其实不复杂：把每个输入输出网格转成 token 序列，用 8 层的小型 transformer 做自回归训练，甚至在测试时也对评测拼图做同样的训练。这里面有两个关键设计，一个是 3D RoPE 位置编码，一个是每任务可学习嵌入。消融实验显示去掉任何一个都会把分数从 44% 拉低到 24% 左右。

女：那这和用 AI 写代码有什么关系？

男：关系在于作者的核心动机是样本效率。他认为这是 AI 研究中最重要的问题，而 ARC 因为样本少、规则多样、人类容易解，成了一个理想的测试场。这个实验本身证明了一件事：复杂问题未必需要靠 LLM 和巨大训练成本才能解决。

女：不过有评论质疑在评测集上训练算不算作弊。

男：这个争议确实有。作者没有训练测试答案标签，只是用测试输入本身做转导式推理（transductive reasoning）。有人用考试类比解释：模型先通读所有考题，建立“这题和之前见过的某题相似”的检索关系，再去作答。作者本人也说，他考试时也会先通读全卷，用简单题积累的思路去解难题。

女：这个类比还挺能说明问题的。还有一个讨论是 67 美分能不能外推——花 100 美元是不是就能大幅提升？

男：作者说性能-计算图是对数关系，会饱和，但更快到达平台本身有价值。他还提到一个更激进的想法：前沿模型可能被从零训练的专用模型击败，但他还没证明这一点。

女：从一个两美元不到的模型训练，到 Anthropic 刚发布的 Claude Fable 5.1，今天的 AI 话题还挺丰富。Fable 5.1 和 Mythos 5.1 其实是同一个模型，只是防护等级不同，Mythos 版只通过可信访问项目提供。

男：对，定价上有个明显调整：缓存读取价格降低了 75%，降到每百万 token 0.25 美元。按 token 计费的工作负载，整体成本比 Fable 5 低约 25%，复杂的代理任务最多可以省 45%。

女：性能数据方面，它在 Terminal-Bench-Science 上从 24.7% 跳到了 52.6%，在 Humanit's Last Exam 上无工具得分 60.9%。有个投资公司提到的例子挺吓人的：Fable 5.1 找到了一处概率约百万分之一的崩溃根因，工程师们和好几个模型花了四五年都没能解释。

男：这些提升确实真实，但社区讨论最热烈的反而是写作风格。有一位 Anthropic 员工说 Fable 5.1 的写作改进很大，听起来不像以前那种典型的 Claude 风格。但不少用户不买账，说 Opus 5 的腔调让人精疲力竭，甚至有人因此转投了 GPT-5.6 Sol。

女：那个被大家吐槽的 Claude 腔是什么样的？

男：有用户分享了一段对话，开篇就是“This is the right question and it needs a real trace, not a guess”。这种带着强烈肯定语气的句子，以前是识别 AI 文本的标志，现在模型变得更像人，反而让人难以分辨内容来源了。

女：还有人提出了缓解办法，比如在 AGENTS.md 里加一句“不要用最高级形容词，不要用说服性文体”，或者直接告诉 Claude“说得简洁点”。这听起来有点心酸，用户还得反过来教模型怎么说人话。

男：但科学能力方面的案例确实扎实。蛋白设计方面，Mythos 5.1 设计出的结合蛋白，在三个靶点上的结合亲和力比竞赛最佳方案高 10 倍以上，12 个靶点上的命中率接近 50%，而目前蛋白设计的典型命中率只有 10% 到 15%。

女：还有一个金星测绘的例子：Fable 5.1 基于 NASA 麦哲伦任务三十多年前的雷达图像，训练了一个神经网络，生成了覆盖金星三分之一表面的高分辨率高程图，分辨率从 10 到 20 公里提升到了 2 到 3 公里。

男：不过有研究人员提出了现实担忧：学术研究者不敢把自己的研究问题传到私有模型平台，担心想法在成果发布前就被人审阅或复制。做医学物理的用户也说，因为工作涉及粒子物理、生化和临床医学，Fable 5 经常直接拒绝回答。

女：安全限制和实际需求之间的平衡确实很难。有人反映在排查自己代码漏洞时被模型拒绝，即使说明了是代码所有者和授权执行。新版本放宽了漏洞发现的使用限制，算是部分回应了这类抱怨。

男：还有反蒸馏方面的变化：Fable 5.1 不再允许新注册 API 账户在多轮对话中手动编辑 Claude 之前的上下文并保留思考记录。这是关闭一种常见的蒸馏手段。

女：欧盟 AI 法案要求 2026 年 8 月 2 日之后发布的模型输出加入水印。这个水印对不具备检测 API 的人不可见，也不影响输出质量。但有评论担心这会导致模型输出降级，因为数学性很强的句子本来就没有多少可替换的词语。

男：关于 AI 和科学，陶哲轩在 Big Think 也有一期访谈聊了类似话题。他用 84 分钟把数学拆成了六个基本概念：数字、代数、几何、概率、分析和动力学。他说自己从来没有过“尤里卡”时刻，数学研究更像一步步推进。

女：陶哲轩在访谈后半段谈到 AI 对数学的影响。有人联系到他之前的演讲，说他把数学研究为什么重要讲透了：当证明的生成变得容易，理解、验证、阐述、社区判断这些环节反而更有价值。

男：这个观点也被套用到编程上——AI 生成代码便宜了，但写出别人能放心修改、扩展的代码更贵了。其实即使在 LLM 出现之前，初始写代码也不是最值钱的环节，维护和演进才是。

女：评论区还有人纠正了视频里一个词源细节。陶哲轩开玩笑说“无理数”的 irrational 来自拉丁语“疯狂”，但词源考证显示，这个词是欧几里得对希腊语 alogon 的翻译，意思是“无法表达为比”，和“理性”无关。

男：这种较真精神确实符合他的观众群体。整体来看，这场访谈让不少人觉得数学没那么遥不可及，有人看完后“觉得自己能理解正在学的内容”。

女：聊完陶哲轩，我想起另一个和科学严谨性有关的事，不过这个是反面例子。一篇关于拖延症的著名研究，可能使用了被篡改的数据。

男：你说的是 Dan Ariely 和 Klaus Wertenbroch 在 2002 年发表的那篇论文吧。这项研究声称人们在每项任务都有外部截止日期时表现更好，而不是自己设截止日期或统一到最后一刻。被引用了超过 2100 次，还进了经济学和心理学的课程。

女：最近它被复制研究失败了。Data Colada 团队分析了原始数据文件，发现多项异常。其中有一个红旗特别直观：最后一天截止组的 20 名参与者里，18 个人都有一个“纠错双胞胎”——另一个人在三个独立任务中发现了完全相同的错误数量，而且 ID 序号恰好相差 10。

男：另一个红旗是效应量大得离谱。均匀截止日期组平均修正 136.1 个错误，最后一天截止组只有 71.1 个，差异的效应量 d 达到了 2.5。作为参照，性别对身高的效应 d 约 1.8，性别对鞋子拥有数量的效应 d 约 1.2。两组数据的分布几乎没有重叠。

女：原作者中，Wertenbroch 说从未接触过数据，已要求期刊撤稿。Ariely 在声明中说记忆不足，表示会配合审查和撤稿流程。

男：评论区有一个观点我印象很深：科学本身是一套自我纠正的机制，这个案例正是证明；但也有人反驳，复制研究没有回报，“复制是未付薪水的 QA”，没人靠这个拿终身教职，所以很多明显可疑的论文能存在数十年。

女：聊完这些让人有点沮丧的学术圈事，我想说一个真正让人心里一暖的新闻。美国航空有一位机械师叫阿兹瑞尔·布莱克曼，工作了整整 80 年，刚去世。他是吉尼斯世界纪录认证的任职时间最长的航空公司机械师。

男：他的同事说他“是那个午餐时坐在新员工旁边，把经验传下去的人”。他入行时薪 50 美分，是当时美国最低工资的 1.66 倍。

女：他去世后，Hacker News 上展开了一场关于“内隐知识”的讨论。有网友感叹，高级技工消失时，大量无法量化的知识、技巧和经验也跟着消失。一位在工程机构工作多年的人说，程序文档没法记录“情境意识”——在机加工车间怎么保证安全、怎么判断一个复杂设计正走向不可行，这些没法从书里学会。

男：有人讲了一个 F-16 的故事：一架 F-16 因为驾驶舱缺了一根半英寸长的金属销钉而停飞，没人知道这根销钉是干什么的。飞机趴窝好几天后，他们联系上一名退休 20 年的老人，才搞明白那是 30 年前被替换掉的模拟传感器留下的残留件，只是机身设计的一部分。

女：这个故事特别能说明问题。文档再全也有边界。

男：但也有人提出反例：航空维修可能是全世界文档化程度最高的行业之一，每一项操作都有任务卡，步骤、工具、扭矩值全部写明。关于 F-16 那个故事，有人说飞机可以带着 INOP（不可用）标牌和书面拆除记录飞行，前提是经过批准；争议往往出在“缺失”的口语定义和技术定义之间。

女：还有一条相关的轶事，一位网友的朋友是联合航空机械师的儿子。父亲去世后，公司给了他一叠空白 WYO 机票，他可以在上面填写目的地免费乘坐。网友说，这是“一种相当体面的致敬方式”。

男：评论区有人称布莱克曼是“航空传奇”，有人说“他显然找到了适合自己的工作”。我觉得这句话很朴素，但也很让人羡慕。

女：好，从一段让人肃然起敬的职业生涯，我们聊到一个完全不同的网站——The Restroom Archive，一个专门收录公共厕所实况的网站，按时间标记了各地公厕的照片和简短描述。

男：这个网站有个细节很有意思：纽约大军广场的自动公共厕所，门上方装了倒计时器，提醒使用者门会在多少秒后自动打开。有评论者觉得这种设计是“最让人焦虑的东西”。

女：哈哈，想象一下你在里面，头顶一个倒计时在跳，确实挺紧张的。还有什么好玩的？有人指出，在其中一篇记录里能从镜子反光看到网站作者本人。

男：还有人开玩笑说这个网站适合生成独特的开放数据集，比如“涂鸦即服务”或厕纸消耗统计。评论区对这类收藏的看法不一致，有人说“这就是我们为什么不能拥有好东西”，也有人反驳“这本身就是个好东西”。

女：最后一条我觉得尤其好玩：有人吐槽公共厕所的水池总是太小，建议谷歌地图和这个服务集成，以此倒逼厂家把水池做大。这个思路倒是很有行动力。

男：从公厕档案馆聊到“未来均匀分布”，这个话题跳跃好像也挺合理的。GPU World 发起了一个故事竞赛，总奖金 10 万美元，让参赛者想象一个“未来已经均匀分布”的世界。

女：它的前提设定很具体：AI 前沿进展在 2026 年 9 月 1 日停止，模型不再变得更聪明，只会变得更快更便宜。GPU 继续生产，到 2040 年全球大约有 80 亿块 GPU，每个人都能随时使用相当于 Fable 或 Sol 级别的 LLM。

男：评审阵容包括科幻作家 Neal Stephenson、研究者 Gwern Branwen 和 Paradigm 联合创始人 Matt Huang。一个问题特别有意思：会不会出现不知疲倦的 AI 全景监视？教育会被无限耐心的导师改变吗？

女：评论区对“GPU 普及是否真能改变世界”看法不一。有人说 LLM 不是互联网或蒸汽机那样的基础技术，可靠性问题——幻觉、无法持续学习——是模型结构本身的属性，到 2040 年也不会消失。

男：反驳的人举了一个例子：数学界已经在尝试把 LLM 接到 Lean 验证器上，用外部验证来抑制幻觉，LLM 可以成为人与机器之间的通用翻译层，这本身就是基础技术。

女：能源也是个现实约束。一块 B300 GPU 功耗最高 1400 瓦，按 80 亿块算，即使只有三分之一时间运行，全球电力需求也会翻倍。

男：不过也有评论算了一下，用更高效的芯片和更小的模型，功耗可以降到几十瓦。AI 普及未必意味着每人都要扛一台高功耗设备。

女：Gwern Branwen 在评论区回应了一个挺实际的问题：有网友建议用检测工具替代“是否使用 AI”的自我披露。他说，没有可靠的检测器，要求披露是现实做法。他还解释了一等奖金额的合理性：英联邦短篇小说奖的全球奖只有它的六分之一。

男：有人提到 Adrian Tchaikovsky 的《Service Model》，说它处理了许多关于 AI 与人类控制的问题。也有人说，如果模型不再进步，注意力会转向让模型在特定生产环节可靠工作，比如农业收割机。

女：聊了这么多，从开源客户端到公厕档案馆，从 80 年职业生涯的机械师到数据造假的论文，再到未来人人拥有 AI 的世界。你发现没有，今天很多话题其实都围绕同一个问题：当技术变得便宜和普及时，我们拿它做什么？

男：对。Fastpotify 让人用 100 多 MB 内存听歌，AnkiDroid 让人免费背单词，Aurora Store 让人不登录 Google 下载应用，67 美分的 transformer 证明复杂推理不一定需要天价训练成本。这些不是同一个故事，但都在同一个方向上：让技术从巨头手中散开，回到普通人手里。

女：今天这期聊得挺长的。如果大家想看到我们提到的这些资料和链接，可以关注我们的 show notes。也别忘了用泛用型播客客户端订阅我们，这样就不会错过每一期。

男：那今天就到这里，我是阿迪。

女：我是莓莓。大家下期见。