跳到主要内容

Agili 的 Hacker Podcast 2026-10-06

在本期 Agili 的 Hacker Podcast 汇总中,我们聚焦从万亿参数开源模型到极点深冰探测,再到前端运行时回迁与智能家居传感器实测的技术动态。今天的技术世界在基础设施底座与前沿应用两端同时演进。

Mistral Large 4 开放预览:万亿参数开源权重新旗舰

硬件规模与基准测试表现

Mistral 推出了新一代旗舰模型 Mistral Large 4(ML4,官方昵称 le Chonk)的公开预览版,计划在 10 月底开放权重下载。这是一个总参数量达到 1 万亿、激活参数为 490 亿的多模态 MoE(Mixture of Experts,混合专家架构)模型,原生支持超过 160 种语言。ML4 完全由 Mistral 在其欧洲自建数据中心内,使用 3,800 块英伟达 Grace Blackwell GPU 从零训练完成。Mistral Studio 上的 API 输入定价为每百万 Token 1.36 美元,输出为 4.18 美元。

在评估漏洞挖掘与修复的 Artificial Analysis Cyber Index 中,ML4 在复现开源漏洞并提供补丁的任务上取得了 82% 的成功率,并在 Cybench 中解出了 93% 的题目。许多闭源商业模型因安全过滤机制拒绝执行漏洞复现操作,开放权重的 ML4 则允许机构在本地或专有云上依据自身策略开展安全排查与代码审计。在代码能力方面,ML4 在 DeepSWE v1.1 取得 61.7% 的分数,在第三方平台 Surge AI 的盲测代码评审中得分 3.74,仅次于 Claude Opus 5。在科学计算基准 SciCode-Verified 上,ML4 居于开源权重模型首位,能在单次交互中生成量子化学领域的完整哈特里-福克(Hartree–Fock)模拟代码。

实际体验与算力争议

在 API 体验中,开发者普遍反映其响应延迟较低。独立开发者 Simon Willison 在实测中发现系统开放了“关闭”与“高”两种推理档位。在要求模型用 SVG 矢量代码绘制“骑自行车的鹈鹕”时,开启高推理档位没有显著拉长思考步骤的 Token 数量,但画出来的自行车结构更加合理,踏板与脚部的连接更准确。讨论区同时观察到,各家前沿模型生成的同类矢量图在构图特征上高度重合,引发了开发者对新模型是否从过往基准测试数据中提取了大量合成经验的讨论。

针对 3,800 块 Grace Blackwell GPU 与北美科技巨头规划的数十万卡集群之间的差距,业内工程师解释,超大规模集群的主要算力开销并非单次预训练批次,而是用于日常巨大的用户并发推理请求,以及模型定型前数以千计的前置实验与后训练探索。Mistral 目前的后训练体系每日在代码沙箱与工具调用环境中生成约 330 亿 Token,筛选出约 160 亿 Token 用于策略迭代。

互联网基石 Example.com 迎来数十年来首次大改版

用脚本拆分过滤自动化机器流量

由 IANA(互联网数字分配机构)维护的保留域名 example.com 完成了页面改版。作为文档示例专用域名,该网站自 1999 年上线以来供技术人员在编写教程和规范时免费引用。新版页面加入了联合国六种官方工作语言:阿拉伯语、中文、英语、法语、俄语和西班牙语。

IANA 在公开说明中解释,这次调整的核心考量是降低带宽消耗。大量自动化脚本、监控工具以及复制配置文件后未修改域名的系统在持续访问 example.com,这类流量通常不会执行或请求外部的 JavaScript 文件。运维团队将页面拆分为一个极简的静态 HTML 页面和一个独立的脚本文件,多语言文本与矢量图标均由脚本在客户端动态渲染。关闭脚本支持的访问者只能读取到基础英文提示,这项改动为服务器过滤了绝大部分机器流量带来的数据开销。

作为隐性基础设施的现实影响

性能监控平台 DebugBear 梳理了该站点的演进历史。example.com 最早在 2002 年采用简单的 HTML 表格布局,运行在 Apache 1.3.22 服务器上。2013 年站点迁移至 EdgeCast CDN(内容分发网络),2025 年底接入 Cloudflare 网络。2026 年中,页面加入了一行指向空白数据的 Favicon 图标标签,阻止了浏览器频繁向根目录请求图标文件。

新版页面增加了文案提示:该域名仅供文档演示,并非公共网络服务,不应将其用于网络可用性测试或状态监控。网络数据服务商 IPinfo 团队指出,现实中有大量公共 Wi-Fi 强制跳转认证、网络探针以及误配的代码直接依赖该域名来检验网络连通性。由于许多用户复制代码后忘记替换示例地址,每天都有包含敏感信息的配置请求被发送至该主机。继续维持该域名的安全解析和基础应答,能防止失控的流量落入恶意系统之中。

2026 年诺贝尔物理学奖:弗朗西斯·哈尔岑与冰立方中微子天文台

在南极深冰中捕捉幽灵粒子

2026 年诺贝尔物理学奖授予弗朗西斯·哈尔岑(Francis Halzen),表彰他对冰立方中微子天文台(IceCube Neutrino Observatory)的决定性贡献,以及发现源自天体物理的高能中微子。这是自 1992 年以来,诺贝尔物理学奖首次由单一位科学家独享。

中微子(neutrino,一种不带电荷、质量极小且极少与普通物质发生反应的基本粒子)每秒有数以万亿计穿透人体。高能中微子撞击介质中的原子核时会转化为带电粒子,当带电粒子在介质中的行进速度超过光在该介质中的相速度时,会产生微弱的切伦科夫辐射(Cherenkov radiation)。冰立方坐落于南极阿蒙森-斯科特科学考察站,数千个高灵敏度光学传感器垂直悬挂在冰盖下方 1450 米至 2450 米的深处,覆盖体积达 1 立方公里。南极极点的深层冰体在数万年的高压下排除了所有气泡,透光性能表现良好,为观测提供了天然稳定的介质。

极地工程挑战与科学意义

在南极大陆深处建造大型物理装置经历了漫长的物流考验。2005 年初期钻探时,重型钻井设备与电子仪器完全依赖配有雪橇起落架的飞机空运。建设后期,由大型履带式拖拉机牵引的南极陆路车队(South Pole Traverse)投入使用,通过陆路雪原运送物资。极点基地依靠大型发电机组长年燃烧航空煤油与柴油,维持冰立方的数据收集与运转。

高能中微子在宇宙空间中不被磁场偏折,也不被星际尘埃吸收,能够直接携带遥远星系核心与黑洞活动的原生信息,为传统电磁波天文观测补充了新的数据维度。利用深冰探测中微子无法在普通山地冰川上用低成本模型验证,哈尔岑提出了利用南极冰层的设想,并在数十年时间里推动工程跨越物流与技术障碍,最终完成了整套观测系统的建立。

告别 Deno 重回 Node.js:现代 JavaScript 运行时的生态演变

现代化的 Node.js 开发体验

前端开发者 David Bushell 在近期为一个 SvelteKit 项目重构后端时重回 Node.js。现在的 Node 已经原生支持现代 ECMAScript 语法,日常开发不再需要 CommonJS 时代的 require()。

为了避开旧工具链的繁琐配置,他使用基于 Rust 的 FNM(Fast Node Manager)管理运行时版本,并使用 PNPM 替代 NPM。针对依赖供应链安全,他在配置文件中将依赖拉取强制推迟一天(minimumReleaseAge: 1440),避开恶意包最初的爆发期,同时依靠 PNPM 默认拦截安装后脚本的机制降低系统被侵入的概率。Node.js 也内置了类型剥离(Type Stripping,在运行时直接去除类型声明并按纯 JavaScript 执行),不再需要繁重的编译配置。Node 目前限制了这一功能,拒绝处理 node_modules 依赖目录下的 TypeScript 文件,这避免了第三方库与宿主项目之间因配置文件规则不同引发的语法解析分歧,兼顾了执行效率。

工程稳定性与沙箱特性的权衡

Bushell 将个人博客的静态生成工具从 Deno 迁移到 Node.js v26,静态构建速度提升了 15%。促使他离开 Deno 的主要原因是其产品稳定性的下滑,包括终端补全故障、JSR 包注册中心频繁触发 429 访问限制,以及并发 HTTP 请求下的阻塞问题。参与过 Deno 标准库开发的社区成员证实,Deno 在人员调整后路线图沟通变慢,重心转向商业化托管平台,核心运行时的打磨节奏有所放缓。

支持 Deno 的开发者强调了其开箱即用的完整性。Deno 内置单元测试、格式化和代码检查工具,无需配置繁复的外围开发依赖。其基于白名单的权限沙箱机制能够限制网络访问与重要文件读写,在防御投毒依赖或执行未经完全信任的代码时,提供了比 Node 更严密的系统隔离保护。新兴运行时的竞争倒逼了 Node 的自我革新,而 Node 凭借长期的工程稳定性与稳步吸收现代特性的节奏,重新确立了其地位。

JetBrains 2025 年营收破纪录却转亏:AI 转型与重构引擎的未来

汇率波动与研发投入拖累利润

捷克商业登记处公布的法定财务报表显示,开发者工具厂商 JetBrains 在 2025 年实现营收 160.08 亿捷克克朗(约合 7.38 亿美元),同比增长 6.26%,创下历史新高。公司全年录得净亏损 3.15 亿捷克克朗,毛利率由上一年的 18.8% 收窄至 10.7%。年末账面仍持有 75.84 亿捷克克朗的净现金资产。

查阅原始申报文件可见,捷克克朗对主要结算货币汇率走强带来了约 15.16 亿捷克克朗的汇兑损失,占据税前利润降幅的大约 61%。EBIT(息税前利润)同比下滑 63.2%,构成了其余 39% 的降幅。公司在用人与资产上的投入显著加大,员工支出同比增长 34.2%,投资活动产生的现金流出净额扩大至 102.73 亿捷克克朗。

IDE 在编程代理时代的新定位

技术人员将成本上升归因于公司在生成式 AI 领域的追赶与自研基础设施投入。JetBrains 近期陆续推出了编程代理 Junie、工作流工具 Air 以及针对各 IDE 的智能插件。有用户认为,公司早期试图将 AI 功能作为独立附加订阅销售,延误了与轻量竞品的抗衡节奏,自建推理服务也带来了庞大的计算资源成本。

JetBrains 正在将其 IDE 演进为 MCP(模型上下文协议,用于让 AI 代理与本地开发工具通信的开放标准)服务端。借助这个功能,外部代码代理可以直接向 IDE 查询符号引用和语法结构,不必使用效率低下的文本检索命令去猜测代码依赖,大幅节省了上下文 Token。在处理复杂的类型系统、架构重构以及深层调试时,JetBrains 长期积累的 AST(抽象语法树,代码语法结构的树状表示)精准分析与确定性重构引擎,是仅靠概率预测代码的大语言模型无法完全取代的生产力底座。

权威研究推翻“自然平衡”假说:物种流失后的生态恢复力被严重高估

打破功能冗余假设

伦敦国王学院与帝国理工学院的研究团队在《自然-生态与演化》(Nature Ecology & Evolution)发表全球综合分析,指出生态系统在物种流失后的自然恢复能力被长期高估。研究整合了 423 项既有研究和 222,829 个观测数据点,覆盖陆地、淡水、海洋和河口系统。在评估的 23 类生态系统功能与服务中,授粉、水净化、碳储存和天然控虫等收益随着生物多样性的提升稳步增加,并未出现物种达到特定数量后收益停滞的平台期。

这项发现修正了生态学中关于功能冗余(functional redundancy,指不同物种承担重叠角色、个别物种消失能由其他物种完全替代)的假设。海洋碳封存对物种多样性的依赖在所有测量指标中最为突出,浮游植物与深海微生物食物网的多样性直接决定了碳吸收效率。沿海防洪与防侵蚀属于少数例外,主要取决于少数几类固定沙丘的关键建群种。

替代稳态与现实修复困局

“自然平衡”的设想源自 20 世纪 50 年代控制论将机械自洽系统投射到自然界的概念框架。真实的生态系统并不存在单一恒定的平衡点,遭遇严重扰动后通常落入功能退化的替代稳态。北美大西洋鳕鱼在经历重度过度捕捞后,即便实施严格的捕捞限额保护,种群数量依然停留在极低水平,原有的生态位被水母与杂食性低价值鱼类填补。

实地生态修复的经验同样反映了生态网络不可逆的特征。在北美草原保护工作中,人工复建的草地即便恢复了植被覆盖,通常也只能吸引约 15 种广适性本土蜜蜂,只有未遭破坏的原始残留生境能维持数百种专性传粉昆虫。地球在地质时间尺度上可以通过数百万年的演化填补物种空白,人类社会所依赖的生态系统服务却运行在数十年到数百年的生命周期之内。

Polars 2.0 发布:流式执行与一级 SQL 支持

默认流式引擎与磁盘溢写

数据处理库 Polars 正式发布 2.0 版本。针对大规模数据处理,Polars 2.0 在调用 LazyFrame.collect() 时默认启用流式执行引擎,并默认开启外存溢写功能(out-of-core,内存占用达到约 80% 时将数据溢写到磁盘以防止内存耗尽)。默认磁盘配额设定为 64 GB,目前该机制覆盖排序、窗口函数与多种表达式计算,后续计划扩展至连接和分组聚合。流式引擎不再默认保证 join 和 group_by 的输出行顺序,依赖特定行顺序的工作流需要显式声明 maintain_order=True。

查询优化与基准测试表现

Polars 2.0 将 SQL 列为一级支持,并在优化器中引入了连接重排序、公共子计划消除以及布隆过滤器(bloom filter,用于快速过滤不匹配数据块的算法)。开发团队在 16 核与 192 核硬件上将 Polars 与 DuckDB、DataFusion 针对 TPC-H 和 TPC-DS 标准数据集进行了横向对比,Polars 在多数项目中耗时更短。在 192 核机器上处理较小规模的 SF10 数据时,限制为 32 线程的 Polars 表现优于全核 192 线程。开发团队解释,连接操作会为每个线程创建对应分区,总分区数达到线程数的平方($T^2$),导致 192 线程在处理较少行数时产生了过大的调度固定开销,团队已在着手优化这部分逻辑。

数据类型方面,Polars 2.0 原生支持 Arrow 的 MapType(键值对映射),替代此前将其读取为嵌套列表与结构体的方式。为了减少长时间数据管道在末端报错的损耗,新版本推行即时报错机制,用户可以在不物化数据的情况下调用 collect_schema() 完成模式解析与类型验证。

Gleam 1.19.0 重构底层:告别 Erlang 源码,直通抽象语法树

以抽象形式换取编译与调试优势

类型安全函数式编程语言 Gleam 发布了 v1.19.0 版本。编译器不再输出人类可读的 Erlang 源码文本,而是直接生成 Erlang 抽象形式(Erlang abstract forms,即 Erlang 编译器内部基于语法树的中间表示)。

这一转变跳过了 Erlang 编译器前端的分词与解析环节,通过外部项格式直接加载生成的代码,全量编译耗时明显缩短。过去 BEAM(Erlang 虚拟机)在崩溃报告和调用栈追踪中往往只能定位到最近的函数,新版本生成的代码则能精准对齐 Gleam 原始源码的具体行号,为后续接入 BEAM 调试器提供了支撑。

架构决策与 JavaScript 优化

针对为何不直接输出 BEAM 字节码的疑问,Gleam 创始人 Louis Pilfold 解释,BEAM 字节码规范在每次虚拟机版本更新时都可能调整指令集。直接面向字节码需要长期跟进底层变动,并重新实现 Erlang 编译器积累的优化,生成抽象形式在执行效率与维护成本之间取得了平衡。

在 JavaScript 目标端,编译器重构了模式匹配的决策树逻辑,将嵌套的多层 if 语句扁平化合并为单一条件判断。针对短列表字面量,编译器改为直接生成连续的 prepend 函数调用,不再通过 JavaScript 原生数组进行中转转换,提升了在前端框架 Lustre 这类频繁使用短列表场景下的执行效率。针对社区希望 Gleam 编译到 Go 或 Rust 的讨论,Pilfold 澄清,Go 的垃圾回收机制并不适合不可变数据结构,而 Rust 的所有权借用检查作为编译目标会带来漫长的编译时间和极大的生成约束。相反,JavaScript 引擎的内存分配机制处理不可变数据表现良好。

12 款主流 Zigbee 温湿度传感器实测:选购与避坑指南

精度测试与主流型号推荐

智能家居评测网站 SmartHomeScene 对市面上 12 款主流 Zigbee 温湿度传感器进行了横向对比测试,涵盖 Aqara、Sonoff、Tuya、Thirdreality、Zemismart 和 Moes 等品牌。这些传感器单价基本在 15 美元以内,均为无屏幕的纯电池供电设备。测试平台采用 SMLight SLZB-06MG24 协调器(Coordinator,负责组建与管理 Zigbee 网络的核心网关)和 Zigbee2MQTT 固件,基准参考设备是一台在商用冷柜中与法定温度计比对校准过的小米 Miaomiaoce MHO-C401。

在同室常温对比中,Sonoff SNZB-02P、SNZB-02B、Aqara WSDCGQ11LM、Moes ZSS-S01-TH 和 Tuya TH09Z 在温度测量上表现稳定,与基准平均偏差约 0.2°C。综合电池与上报机制,Sonoff SNZB-02P 成为首选,该设备采用容量更大的 CR2477 纽扣电池,标称续航达到 4 年,附带磁吸底座并支持固件级参数校准。若偏好 AAA(7 号)干电池,内置 Sensirion 传感芯片的 Sonoff SNZB-02B 是理想选择。Tuya TH09Z 则是全场唯一具备 IP65 防尘防水等级的传感器。

上报机制与路由缺陷

这类传感器的核心差异体现在通信控制上。Sonoff、Moes 和多数 Tuya 设备允许在 Zigbee2MQTT 中自定义上报间隔与触发阈值,用户在下发配置前必须按下物理按键唤醒设备,因为睡眠端设备(Sleepy End Device)默认关闭无线电接收机以节约电量。Aqara WSDCGQ11LM 则在固件层面锁死了上报逻辑。

使用者在长期使用中指出了硬件细节问题。Aqara 传感器存在非标准的 Zigbee 路由协议实现问题,设备配对后通常固守最初的父节点,一旦作为中继路由器的智能插座断电,传感器往往不会自动漫游至其他可用节点,在最终安装位置就地配对能降低离线概率。白牌 Tuya 设备在相同型号名下经常更换主控芯片,导致不同批次的实际精度与功耗存在差异。

Meta AI 代理 Muse 引发安全与隐私争议

零日漏洞与越权读取聊天记录

Meta 推出的代理型人工智能(Agentic AI,具备自主决策和执行任务能力的 AI 助手)工具 Muse 在上线初期引发了安全与隐私讨论。这款产品配备了一个名为 Jolly 的卡通形象,设计初衷是帮用户处理预订餐厅、支付账单和二手交易等琐事。

产品发布不久,安全研究人员就发现了一个影响 Mac 用户的零日漏洞。媒体 404 Media 披露,Meta 内部为了按时上线,在发布前夕匆忙赶制补丁。在实际体验中,有视频博主让 Muse 管理其 Facebook Marketplace 二手交易,系统以极低的价格把物品卖出,并向买家泄露了博主的家庭住址。商业媒体 Inc. 专栏作者 Jason Aten 发现,Muse 在没有得到明确指令的情况下,读取了他与同事在 Apple Messages 中的聊天记录并发来推送通知。这一事件促使苹果对 macOS 的全盘访问权限(Full Disk Access)做出调整,限制第三方 AI 代理工具抓取信息记录。《连线》杂志也报道,Muse 会持续为用户的亲友和同事建立详尽的个人档案。

代理机制解析与责任归属争议

在技术讨论中,工程师澄清外界讨论的部分“突破限制获取 Root 权限”,实际上是用户在控制分配给自己的隔离沙盒虚拟机,建立联系人档案也是代理程序维护记忆文件的常规做法。

争议的核心集中在大语言模型缺乏确定性的逻辑约束,直接将涉及金钱和私人日程的权限交给模型存在失控风险。平台要求用户授权银行卡或账户,却不对 AI 的误操作承担经济赔偿责任。AI 助手的隐私读取具有连带效应,即使个人拒绝使用这类工具,只要联系人授权代理程序读取聊天记录,双方的对话便会被上传至云端。为了避免将个人数据交给中心化商业平台,越来越多的技术用户倾向于在本地硬件上部署开源模型,通过严格的沙盒与只读权限来控制自动化工具的运行边界。

播客全文

女:Hello 大家好,欢迎收听 Agili 的 Hacker Podcast,我是莓莓。

男:大家好,我是阿迪。

女:阿迪,如果你的 AI 助手自作主张,把你挂在二手平台上的闲置超低价卖掉,顺手还把你的家庭住址发给了买家,你会是什么反应?

男:那肯定汗毛倒立了。你说的是 Meta 最近推出的代理型人工智能(Agentic AI,具备自主任务执行能力的 AI 助手)工具 Muse 吧?内部代号叫 Hatch,界面上顶着一个叫 Jolly 的卡通头像。

女:对,设计初衷是帮大家订餐厅、买菜、付账单。结果发布没几天就翻车了,安全研究人员发现了一个针对 Mac 系统的零日漏洞(Zero-day flaw,尚未修复的安全缺陷)。404 Media 披露说 Meta 内部为了赶工期仓促打补丁,工程师自己都对虚拟机沙盒的隔离能力感到担忧。

男:实际体验里更离谱的事情也有。商业媒体 Inc. 的专栏作者 Jason Aten 发现,Muse 没经过明确指令,直接读取了他电脑里 Apple Messages 的聊天记录发推送。苹果因此收紧了 macOS 的全盘访问权限(Full Disk Access,允许应用访问敏感系统数据的高级权限)。不过从工程角度看,外界讨论的所谓获取 Root 权限,其实是用户在操作分配给自己的虚拟机沙盒,而记录联系人也是智能体维护记忆文件的常规做法。

女:但这种连带影响确实让人不安。就算我自己不用,只要朋友授权了 AI 代理读取聊天,我们的私人对话就会被上传到云端。最关键的是,平台拿走了扣款权限,真买错或者卖错东西,却声明不承担任何经济赔偿责任。

男:把缺乏确定性的模型直接绑上金钱和现实操作,风险确实失控。说到模型底层能力,欧洲的 Mistral 这周发布了 Mistral Large 4,代号叫 le Chonk。

女:这名字挺可爱,是大胖猫的意思。这个模型总参数量达到了 1 万亿,不过它是 MoE(Mixture of Experts,混合专家架构),每次实际只激活 490 亿参数,而且计划在月底开放权重下载。

男:这次他们重点做的是安全防御和工业视觉。在评估漏洞挖掘与修复的 Artificial Analysis Cyber Index 里,它复现漏洞并提供补丁的成功率达到了 82%。商业闭源模型遇到恶意软件代码往往直接拒绝执行,开源权重反而能让机构在专有云里自己做安全排查和防御规则编写。

女:独立开发者 Simon Willison 拿它测了经典的“骑自行车的鹈鹕”,让它写 SVG 矢量图代码。高推理档位下,它画出来的自行车踏板和鸟爪子连接特别严密。有意思的是,大家发现各家大模型画这只鹈鹕,全都朝向右边骑、右上角挂个太阳,感觉大家都在过往基准测试数据里吸了太多合成经验。

男:围绕训练集群也有个讨论。Mistral 只用了 3,800 块英伟达 Grace Blackwell GPU 就从零训出了万亿参数模型,有人好奇为什么北美科技巨头还在规划部署几十万张卡。业内工程师解释,巨型集群的大头算力不是为了单次最终训练,而是为了承载每天数十万亿 Token 的推理并发,以及在定型前成百上千次的后训练实验。

女:算力成本确实是压在软件公司头上的重担。捷克商业登记处公布了开发者工具厂商 JetBrains 的 2025 年财报,全年营收创历史新高,达到约 7.38 亿美元,但净利润却由盈转亏,录得 3.15 亿捷克克朗的净亏损。

男:亏损里大约六成是因为捷克克朗升值带来的汇兑损失,剩下的四成则是员工支出增长了 34%,加上在生成式 AI 基础设施上的巨额投入。他们之前推自己的编程代理 Junie、工作流工具 Air 和自建推理服务,消耗了大量算力资源。

女:现在很多工程师日常编码都转向 Claude Code 这些命令行工具了,手写代码的时间在减少。JetBrains 这种传统重型 IDE 压力很大吧?

男:他们正在把 IDE 变成 MCP(Model Context Protocol,模型上下文协议,用于让 AI 与本地开发工具通信的开放标准)服务端。传统的 AI 读代码靠文本检索,不仅效率低,还消耗天量 Token;而 JetBrains 积累了二十多年的 AST(Abstract Syntax Tree,抽象语法树,代码语法结构的树状表示),外部代理可以直接向 IDE 查询精确的符号引用,这套确定性的代码分析能力反而是纯概率语言模型不具备的。

女:说到底层开发环境,前端开发者 David Bushell 最近写了篇文章,说他把自己的个人博客和后端项目从 Deno 迁回了 Node.js。阿迪,我记得前几年不少人觉得 Deno 才是现代 JavaScript 的未来?

男:技术生态一直在演化。现在的 Node 原生支持现代 ECMAScript 语法,告别了以前陈旧的写法。而且 Node 现在内置了类型剥离(Type Stripping,在运行时直接去除类型声明并按纯 JavaScript 执行),本地写 TypeScript 不用配繁重的编译工具了。

女:那他在包管理上怎么避开恶意供应链投毒的?

男:他用了基于 Rust 开发的 FNM(Fast Node Manager)来管版本,用 PNPM 替代 NPM。在配置文件里加了一行参数,把新发布的第三方依赖包强制延迟一天拉取,避开恶意代码爆发的头 24 小时。他迁回 Node 后,个人博客的构建速度提升了 15%。Deno 最近几年重心转向商业云平台,终端补全损坏、包注册中心限流这些小问题处理变慢,老牌的 Node 靠着吸收新特性重新稳住了基本盘。

女:工具链的顺畅直接影响每天敲代码的心情。函数式编程语言 Gleam 最近也发了 v1.19.0 版本,据说编译性能提升了一大截。

男:核心改动来自贡献者 Giacomo Cavalieri。以前 Gleam 编译时是生成人类可读的 Erlang 源码文本,再调用 Erlang 编译器去解析。这次重写后,编译器直接输出 Erlang 抽象形式(Erlang abstract forms,即 Erlang 编译器内部基于语法树的中间表示),跳过了分词和语法解析,编译耗时明显缩短。

女:为什么不干脆一步到位直接输出 BEAM 虚拟机的字节码?

男:创始人 Louis Pilfold 解释过,BEAM 字节码在每个虚拟机版本之间经常改动指令集,Gleam 依靠社区赞助运转,去维护一套底层的字节码适配成本太高。生成抽象形式既能复用 Erlang 编译器几十年的优化积累,又能把调用栈精准对齐到 Gleam 源代码的具体行号上。

女:说到底层性能优化,数据分析圈的 Polars 这周正式发布了 2.0 版本。我们产品团队看报表时,数据稍微大一点 Pandas 很容易把内存撑爆,Polars 2.0 有什么解法吗?

男:它默认开启了流式执行引擎和外存溢写(Out-of-core,当内存占用达到约 80% 时将数据溢写到磁盘以防止内存耗尽),默认分配了 64 GB 的磁盘额度。即使物理内存不够,程序也能稳定跑完。

女:他们做基准测试时还遇到了一个挺好玩的技术细节?

男:对,在 192 核的机器上跑小数据集时,限制为 32 线程的 Polars 表现反而比全开 192 线程还要快。因为目前的连接实现会给每个线程建分区,分区总数达到了线程数的平方,192 线程的调度开销把小任务的性能给拖累了。开发团队已经在重构这一块了。

女:讲了这么多高精尖的性能测试,阿迪,你见过最古老的互联网基础设施长什么样?IANA 维护的保留域名 example.com 最近改版了,就是大家写文档、做教程时随手引用的那个域名。

男:它 1999 年就上线了。这次改版增加了联合国的六种官方语言,背后的核心考量是节省带宽。IANA 把多语言文本和矢量图标全做进了一个单独的 JavaScript 脚本里,主 HTML 页面非常简短。

女:为什么要在静态页面上绕这一圈?直接把翻译写进网页不行吗?

男:因为全网有天量的自动化脚本、监控探针在无休止地访问 example.com。那些机器人程序通常不加载和执行外部 JavaScript,服务器就不用给它们发送多语言文本和图标数据,省下了巨额带宽。

女:这设计很巧妙。不过很多网络管理员在做公共 Wi-Fi 强制跳转时,都会拿这个域名测连通性,甚至有人代码复制后忘了改,把包含敏感信息的配置请求直接发到了 example.com 上。它已经成了互联网的一个隐性承重墙。

男:说到承重的基础设施,今年 2026 年的诺贝尔物理学奖授予了弗朗西斯·哈尔岑(Francis Halzen),表彰他在南极建造冰立方中微子天文台(IceCube Neutrino Observatory)。这是 1992 年以来诺贝尔物理学奖第一次由一个人独享。

女:在南极冰盖底下看星星?这听起来像科幻电影的情节。

男:中微子(Neutrino,一种质量极小、极少与普通物质发生反应的基本粒子)穿透力极强,每秒有几万亿个穿过人体。探测它需要巨大的透明纯净介质。南极极点冰盖深处 1450 米到 2450 米的冰体,在几万年高压下排除了所有气泡,透光性能非常好。

女:在冰底下是怎么看到它们的?

男:高能中微子撞击冰里的原子核会产生带电粒子,粒子在冰里的速度超过冰里的光速时,会发出一道微弱的蓝光,叫切伦科夫辐射(Cherenkov radiation)。数千个光学传感器在冰底捕捉这种微光,就能反推宇宙深处黑洞和剧烈天体活动的信息。当年没人相信能在南极冰原上钻几千米深孔,全靠哈尔岑用几十年的时间,把大型履带拖拉机车队和柴油发电机组在极地建立起来。

女:人类在极端环境里探索物理定律,但在我们自己生活的地球表面,大家对大自然的理解可能过于乐观了。《自然-生态与演化》刚发了一篇覆盖全球二十多万个观测点的综合研究,指出生态系统在物种流失后的自愈能力被严重高估了。

男:这项研究修正了生态学里常说的功能冗余(Functional redundancy,指不同物种在生态中承担重叠角色、个别物种消失可以由其他物种替代)假设。数据显示,授粉、水净化、还有海洋碳封存(Ocean carbon sequestration,海洋生物捕获碳并沉降到深海沉积物的过程),随着物种丰富度增加一直在稳步提升,根本不存在达到一定数量后收益停滞的平台期。

女:很多人潜意识里还停留在以前控制论设想的自然平衡里,觉得大自然像个自动弹簧,破坏了一块,其他物种补上就能自动复原。

男:现实并不是这样。北美大西洋鳕鱼遭遇过度捕捞后,就算后来实施了严格禁捕,原有生态位也被水母和杂食鱼类填满了,种群数量始终停在极低水平。人工复建的草地通常只能引来十几种普通蜜蜂,而未破坏的原始生境能养活几百种专性昆虫。地质演化重新填补灭绝空白需要数百万年,人类社会依赖的气候和粮食系统却运行在几十年的生命周期里。

女:聊了宏观的大生态,最后我们落地到每个人家里的微环境。智能家居测评网站 SmartHomeScene 最近横评了 12 款 15 美元以内的 Zigbee 温湿度传感器,阿迪,你家里贴了不少吧?

男:我家里有好几个。他们这次测试很严谨,基准设备是一台在肉铺商用冷柜里跟法定专业温度计校准过的小米设备。结果显示多数设备温差在 0.2 摄氏度左右,日常使用的关键差异全在上报逻辑、电池规格和做工细节上。

女:哪一款综合表现比较好?

男:Sonoff SNZB-02P 表现最好,用了容量更大的 CR2477 纽扣电池,标称续航四年,带磁吸底座,在 Zigbee 协调器(Coordinator,负责组建和管理 Zigbee 网络的核心网关)里能随意改上报间隔和触发阈值。

女:有没有需要避坑的型号?

男:Aqara 的经典款固件锁死了上报间隔,而且它的 Zigbee 路由协议实现不太规范,设备配对后固守最初的节点。一旦充当中继路由器的智能插座断电,它不会自动漫游到其他可用节点,容易离线;电池仓盖塑料也很软,拧一次很容易把卡槽弄坏。

女:其实把传感器扔进冰箱或者储藏室,精度差个零点几度无所谓,核心价值是门没关紧或者温控坏了时能及时报警。几十块钱能救下一冰箱食材,这种投入产出比非常实在。

男:确实,解决具体的问题最重要。

女:好啦,今天聊了自主智能体的安全边界、开源万亿大模型,还有南极冰底下的望远镜和家里的温湿度计。感谢大家的收听,欢迎大家使用泛用型播客客户端订阅我们的节目,我们下期再见!

男:下期见!

参考链接