2026 08 13 HackerNews

2026-08-13 Hacker News Top Stories #

  1. Tailscale 将多次数据库损坏追溯至 SQLite 中一个隐藏了16年的 WAL 重置 bug，并借此推动修复与开源调试工具。
  2. DeepSeek V4 Pro 0813 是低成本混合专家模型，在 OpenRouter 上以极低价格处理超长上下文，但发布链接与图表信息不完整。
  3. AI 正在淘汰软件工程的中产阶级，它让糟糕决策的破坏速度远超修复速度，优秀工程师反而更有价值。
  4. “压缩即预测”揭示压缩与大语言模型的本质联系，核心在于更好的概率模型能带来更好的压缩效果。
  5. 车牌识别系统的历史搜索应需搜查令，而实时警报可豁免，需通过州立法强制实施。
  6. Meta 运营的货币化计划间接奖励有争议创作者，其商业模式鼓励“愤怒诱饵”以获取高互动。
  7. Qwen3.8-2.4T-A95B 是开源最强模型之一，参数量巨大但可通过量化部署，不过许可证有收入限制。
  8. LinkedIn CringeBot 3000 是一个恶搞工具，可生成模仿 LinkedIn“思想领袖”的尴尬帖子。
  9. 2026 年日食网络摄像头页面实时展示日食观测，当前全食阶段已结束。
  10. Grok 4.6 专注长时程智能体与复杂交互任务，基准测试前沿，但系统提示词无法根除越狱风险。

1. Tailscale 将数据库损坏追溯到 16 年前的 SQLite WAL 重置 bug (Tailscale Traces Database Corruption to 16y/o SQLite WAL-Reset Bug) #

https://tailscale.com/blog/sqlite-wal-reset-bug

Tailscale 在去年底到今年初经历了一系列数据库损坏导致的停机事件，根源是一个深藏在 SQLite 中的 16 年历史 bug。他们的控制平面采用 SQLite 作为主数据库，每个分片由单个 Go 进程独占访问，本应是 SQLite 的标准用法。然而，从 2023 年 8 月开始，备份管道频繁报告数据库损坏，最终在六个月内发生了 19 次。每次损坏都需要停止控制平面进程进行修复，导致受影响 tailnet 的设备无法获取新配置、无法连接新设备，但已有设备间的点对点连接不受影响。团队投入大量工程时间排查，但最初无法找到规律或复现条件，只能部署被动遥测。最终他们成功定位并修复了这个底层 bug，恢复了服务的可靠性。

HN 热度 743 points | 评论 120 comments | 作者：ropbear | 10 hours ago #

https://news.ycombinator.com/item?id=49272832

  • Tailscale 资助开源开发，支付开发了新的 SQLite VFS shim 调试工具，这是公司资助开源的有趣例子。
  • Tailscale 允许用户通过 headscale 自托管控制平面，headscale 是 Tailscale 控制协议的免费实现，由 Tailscale 工程师开发，这增加了信任。
  • Tailscale 的领导层处理事情的方式正确，愿意付费获取 SQLite 开发者的专业支持，并再次付费确保未来更容易避免问题，这种长期思维罕见。
  • Tailscale 比 Hamachi、ZeroTier 等好得多，但 SSO 要求（如 GitHub）奇怪，且提供商成为永久身份的一部分；不过可以通过支持工单切换 SSO 提供商。
  • Tailscale 使用非常简单，相比传统 VPN 配置（如 openswan）极其直接。
  • Tailscale 不自己作为身份提供商，而是下游使用，这是聪明的做法，因为成为身份提供商会带来很多问题；支持任何 OIDC 端点，也支持 passkeys 无需 SSO 提供商。
  • 将 Tailscale 绑定到 Apple 账户感觉奇怪，但可以用 Passkey 账户管理。
  • 雇佣核心开发者并提供支持包是常见模式，如 Percona、EnterpriseDB。
  • 希望 Tailscale 收购 Keybase。

2. DeepSeek V4 Pro 0813 (DeepSeek V4 Pro 0813) #

https://openrouter.ai/deepseek/deepseek-v4-pro-0813

DeepSeek V4 Pro 0813 是深度求索公司发布的大规模混合专家模型，于 2026 年 8 月 12 日推出。该模型在 OpenRouter 上由深度求索官方托管，输入价格每百万 tokens 0.435 美元，输出 0.87 美元，缓存命中后输入成本降至约 0.14 美元。性能方面，模型吞吐量中位数约 61 tokens/秒，延迟中位数 1.55 秒，过去 30 天服务可用率达 100%。在基准测试中，模型在 GPQA Diamond（研究生级科学推理）得分 88.8%，HLE（人类最后考试）37.5%，IFBench（指令遵循）76.5%，科学编程 SciCode 50%，终端代理 Terminal-Bench Hard 46.2%。当前流量最大的应用包括 Hermes Agent、OMP New、以及多个编码代理工具如 Claude Code。该模型支持 1M 上下文长度，通过 OpenAI 兼容 API 调用，还可启用推理 token 显示思维过程。

HN 热度 697 points | 评论 250 comments | 作者：explosion-s | 8 hours ago #

https://news.ycombinator.com/item?id=49274600

  • 在交通模拟器/分布式物理引擎上使用 DeepSeek V4 Pro，花费约 12.50 美元处理 2B token（50% 缓存命中），找到了显著优化且未引入新问题。
  • 链接指向 OpenRouter 而非官方 API 或基准测试，缺乏有用信息，应直接链接到 DeepSeek 官方或相关评测。
  • OpenRouter 并非开源，而是专有云服务，只是 API 聚合分发游戏的赢家，建议直接链接到 DeepSeek。
  • 图表没有标签或坐标轴刻度，毫无用处，看完后比之前更不懂。
  • 之前的 DeepSeek Flash 更新已经令人惊讶，能处理简单任务，现在新版似乎能以极低成本进行重度开发。
  • 不能信任 DeepSeek V4 Pro 从规格自行编写计划，但若由 Opus 写好详细执行计划，它执行起来又快又便宜（尽管话多）。
  • 常用做法：用 Opus/GPT 规划，用 DeepSeek 实现，然后让 Opus/GPT 审查。
  • DeepSeek Flash 性价比极高，配合好的规划效果很好，通常用 Opus 或 GLM 规划，再用 DSF 实现。
  • 测试发现 DeepSeek V4 Pro 和 Grok 4.6 在 Codex CLI 上执行新功能：DSV4 Pro 耗时 12 分钟、成本 0.12 美元但有 bug；Grok 4.6 耗时 3 分钟、成本 1.41 美元且无 bug。
  • 单次测试的 n=1 比较没有意义，这些是非确定性系统，一次试验不应显著更新先验，但如果有 bug 且耗时四倍，确实值得注意。
  • LLM 的“非确定性”更接近混沌理论中的“混沌”，输入微小扰动会导致输出剧烈变化；即使理论上确定，实际推理实现中可能存在竞态条件等导致非确定性。
  • 多次测试结果往往一致（通过或失败），因此后来对新模型只测一次。
  • 在较小模型上，如果看到错误方向，重做一步往往能改进，SOTA 模型效果不那么明显。
  • 对于因果自回归模型，输出对推理实现细节很敏感，一个错误 token 可能破坏整个答案。
  • 如果运行的是 agentic 循环（多次调用带工具调用），则不需要多次测试，因为工具可能失败而 agent 能纠正；一次测试就能衡量模型质量。
  • 99% 的情况下不需要最好的模型，随着模型改进，这一点越来越重要，应优先考虑价格和平台，到 2027 年胜者可能是开放模型和中国。
  • 不同努力程度（低、中、高）下，模型生成的鹈鹕图像风格迥异，像三个模型合一，这种多样性对解决创意问题很重要。
  • 有人因幽默感被误解而建议避免搞笑，但回复认为若因此避免有趣的事，生活会少很多乐趣。

3. AI 正在淘汰软件工程的中产阶级？ (AI is removing the middle class of software engineering?) #

https://blog.florianherrengt.com/ai-removing-middle-class-software-engineering.html

AI 正在淘汰软件工程的中产阶级。文章以一个 2026 年的场景开头：一位高级工程师回来后发现团队用 AI 在短时间内生成了大量代码，导致系统变得极其复杂、无人能理解。AI 降低了代码产出的速度限制，但让工程文化薄弱的项目更快崩溃。即使代码能运行，项目最终会变得混乱不堪，没人能解释数据来源或架构决策。

当出现 bug 时，团队成员只能依赖 AI 修复，却无人真正理解系统。修复混乱的成本巨大且难以向管理层证明。核心问题是：即使以前的大型系统也并非人人理解，但至少有人懂并能解释；而如今，连开发者自己都不懂，只能问 AI。

文章指出，过去就有糟糕的工程师和累积的技术债务，但 AI 让坏决策的速度远超过修复速度。现在，实现代码很廉价，工程师的价值在于做出好决策、管理复杂性。公司付高薪不是因为你能写代码，而是因为你能做关键判断。

最终，AI 将拉大薪资差距：优秀工程师因 AI 变得更快、更有价值；而能力不足的工程师，其产出不再稀缺，他们会被淘汰或薪资降低。市场将更集中地回报那些真正能理解系统、能判断 AI 建议是否合理的人。

HN 热度 675 points | 评论 600 comments | 作者：florianherrengt | 11 hours ago #

https://news.ycombinator.com/item?id=49271994

  • AI 让“差工程师”的坏影响放大十倍，因为他们缺乏兴趣和技能，却拥有足够的资历去交付糟糕的代码。
  • AI 生成代码本身不坏，问题在于人们缺乏正确引导 AI 写出好代码的抽象和契约能力。
  • 2010 年代的“学编程”热潮是行业灾难，导致大量无法胜任工作的人涌入，而行业缺乏合理的导师或学徒文化。
  • 许多“资深工程师”连基本函数都写不好，更别提推理复杂系统，行业存在大量 0.1x 工程师而非 10x 工程师。
  • 软件工程不应被宣传为“任何人都能 4 个月速成的高薪职业”，它需要特定思维和多年经验，门槛极高。
  • 软件行业从未像会计、法律那样实现专业化认证，导致公司不得不依赖 LeetCode 等面试方式。
  • 职业许可制度往往由从业者主导，形成垄断卡特尔，损害消费者利益，软件行业不应重蹈覆辙。
  • LeetCode 测试只能筛掉明显不合格者，但如今 AI 也能轻松通过，其有效性已下降。
  • 如果软件行业过度许可化，人们会绕过规则自行开发，导致监管失效。

4. 压缩即预测 (Compression is prediction) #

https://ngrok.com/blog/compression-is-prediction

这篇文章探讨了压缩技术与大语言模型（LLM）之间的深层联系，指出两者本质上都在解决相同的问题。

文章首先介绍了压缩的基本概念，通过“minification”（精简）和“run-length encoding”（游程编码）等例子，说明压缩如何利用数据冗余来缩减体积。

接着，文章剖析了现代压缩工具的三大核心组件：变换（Transforms）、模型（Models）和熵编码器（Entropy Coders）。重点讲解了熵编码器如何利用模型提供的概率分布来高效压缩数据。

最后，文章以算术编码（Arithmetic Coding）为例，通过交互式演示，直观展示了如何用单个数字表示整个数据集，并强调：更好的概率模型能带来更好的压缩效果。

HN 热度 639 points | 评论 274 comments | 作者：nikolay | 1 day ago #

https://news.ycombinator.com/item?id=49263497

  • 信息论与机器学习本质上是同一枚硬币的两面，这一观点在剑桥大学的课程中早有阐述。
  • 批评该博客文章未充分引用或承认前人工作，给人一种作者独立发现或认为这是新观点的印象。
  • 反驳批评，认为博客文章使用了标准术语并引用了 2023 年 DeepMind 论文，且解释清晰、付出努力，不应苛责。
  • 指出压缩、预测与智能之间的联系早已被认知，引用 2023 年论文会让人误以为这是新发现。
  • 认为博客文章无需追溯最早论文，作为非学术博客，标准应低于同行评审论文。
  • 主张博客文章也应受到同样批评，若作者不知晓前人工作则显得不专业，尤其当文章以教导姿态出现时。
  • 区分个人学习笔记类博客与研究发布平台，不同场景应有不同标准。
  • 强调引用应尊重读者和真相，即使对博客也应要求指出最佳资源或追溯源头。
  • 指出压缩与预测的联系至少可追溯到 1960 年代的 Solomonoff 归纳理论。
  • 提及 Hutter 压缩奖和 Ian Witten 团队基于 PPM 的文本分类工作，作为相关历史贡献。

5. 车牌识别系统搜索应需搜查令 (License plate reader searches should require a warrant) #

https://andrewpwheeler.com/2026/08/12/license-plate-reader-searches-should-require-a-warrant/

这是一篇关于自动车牌识别（ALPR）系统与搜查令问题的观点文章。作者 Andrew Wheeler 长期与警察部门合作，但认为科技应被合理使用。

文章核心观点是：历史 ALPR 数据搜索最终应需要搜查令。作者以“Schmidt v 诺福克市”案为例，法院虽判原告败诉，但明确指出“今天不需要”，暗示未来监管必然收紧。作者认为，基于“卡彭特诉美国”案等判例，当街道摄像头足够密集（他认为这不可避免），现有的宪法隐私标准就会要求警方为历史查询获取搜查令。

作者区分了两种用途：

  1. 主动标记：如车辆被盗时实时报警，这是有用且无需搜查令的。
  2. 历史搜索：回溯某车牌过去 30 天的轨迹。作者认为，对这类搜索要求搜查令不会严重妨碍警方调查。

作者批评当前法律标准“可笑”，认为现状（如不保存数据）既不能防止滥用，也限制了合法调查的效用。他主张通过州立法强制实施搜查令程序，这样对所有人都更有利。

HN 热度 523 points | 评论 323 comments | 作者：apwheele | 9 hours ago #

https://news.ycombinator.com/item?id=49273165

  • 车牌识别摄像头本质上是通用联网摄像头，可被重新编程，不应被视为功能单一的设备。
  • 将设备称为“车牌读取器”是为了弱化其监控性质，减少公众警惕。
  • 智能手机本身就是更强大的监控工具，但公众对此漠不关心。
  • 智能手机与联网摄像头不同，前者是自愿携带且不持续向中央上传视频，后者则构成全景监控。
  • 车牌识别系统的 API 不仅能识别车牌，还能标记人员（如执法人员），便于筛选监控数据。
  • 联网门铃摄像头加入大规模监控网络是制造商早有预谋的结果，并非意外。
  • 普通用户往往不知道 Ring 等摄像头可被警方查看，若知情可能不会购买。
  • 反对联网监控设备并非反对通用计算，而是担忧其远程可访问性和被恶意利用的风险。
  • 政府应通过立法和执法来约束设备使用和数据收集，而非限制设备技术本身。
  • 应将这些设备称为“交通监控摄像头”，而非“车牌读取器”，以反映其真实功能。

6. 有争议的创作者正从 Meta 运营的货币化计划中获益 (Controversial creators are benefiting from monetization programs run by Meta) #

https://www.abc.net.au/news/2026-08-06/ragebait-how-facebook-is-paying-controversial-creators/106940696

澳大利亚 ABC NEWS Verify 调查发现，Facebook 母公司 Meta 正在直接向一些有争议的内容创作者付费，包括一名有纳粹关联的白人民族主义者 Hugo Lennon 和反疫苗团体创始人 Monica Smit。这些创作者通过 Meta 的“内容货币化”计划获得收入，发布的内容时常违反 Facebook 自身关于种族和误导性医疗信息的政策。Meta 回应称有明确政策，但拒绝具体评论，并表示“不是 Meta 的职责来监管冒犯性言论”。专家指出，Meta 的商业模式鼓励通过制造“愤怒诱饵”来获取高互动，从而奖励极端内容。

HN 热度 464 points | 评论 318 comments | 作者：robtherobber | 14 hours ago #

https://news.ycombinator.com/item?id=49269818

  • 标题有误导性，Meta 并非委托创作内容，而是创作者上传后获得变现。
  • Meta 的激励机制导致有害内容泛滥，应被问责，如同明知危险仍奖励超速的乘客。
  • 平台不应删除仇恨内容，而应帮助用户寻找替代方案，网络效应才是监管重点。
  • 不删除内容与不为其变现是两回事，平台有权拒绝为仇恨言论付费。
  • 控制变现等于控制言论，这是危险的滑坡。
  • 企业不受第一修正案约束，Zuckerberg 可选择不包容仇恨内容，但他因利润而放任。
  • 美国有言论自由规范，但实际中不同意见可能被威胁或压制。
  • 平台通过展示极端内容加剧对立，而非促进理解。
  • 邀请白人至上主义者加入付费计划与直接委托创作差别不大。

7. Qwen3.8-2.4T-A95B (Qwen3.8-2.4T) #

https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B

这是一个关于 Qwen3.8-2.4T-A95B 开源大模型在 Hugging Face 平台上的模型卡片页面。

该模型由 Qwen 团队发布，是 Qwen 开源系列中能力最强的版本，首次将 Qwen-Max 级别的模型进行开放。它基于 Qwen3.5 架构，总参数量高达 2.4 万亿，每次推理激活参数量为 950 亿。该模型在代码生成、专业工作、科研以及长期自主任务方面表现突出。

特点包括：

  • 支持 26 万 tokens 原生上下文长度，可扩展至 101 万 tokens。
  • 提供灵活的推理深度控制（reasoning_effort）和上下文记忆保留（preserve_thinking）。
  • 兼容多种推理框架，如 Transformers、vLLM、SGLang 等，页面提供了详细的使用代码示例。
  • 模型类型为因果语言模型，包含 92 层 网络，使用混合专家架构（512 个专家，每次激活 10 个路由专家 +1 个共享专家）。

页面还展示了详细的基准测试结果，与 Opus 4.5、Fable 5、GPT 5.6 Sol 等模型在编程智能体、通用智能体和通用能力三大类任务上的性能对比。例如在 PaperBench、Terminal Bench 和 SkillsBench 等测试中表现优异。

HN 热度 462 points | 评论 98 comments | 作者：Philpax | 9 hours ago #

https://news.ycombinator.com/item?id=49273478

  • 模型体积很大（BF16 和 FP8），比 Kimi k3 更难部署，需要量化到约 1.3TB。
  • 许可证类似 K3，有收入限制（<50M$），对服务模型或编码/生产力代理有限制。
  • 基准测试与 Opus 4.8 和 Sol 相当，但 Qwen 的基准与真实世界相关性存疑。
  • 本地模型 3.8-27B 将在周五发布，更令人兴奋。
  • Unsloth 已提供量化指南，但有人对其 GGUF 质量有疑虑。
  • Unsloth 团队会修复问题，但用户反馈 Gemma 4 的问题仍未解决。
  • 有人对 Unsloth 的量化有信心，认为他们最可靠。
  • 有人好奇 Unsloth 如何获得时间、硬件和知识来量化模型。
  • Qwen 3.8 支持 reasoning_effort 参数，可调整推理深度，但 OCR 任务中仍可能循环。
  • Qwen 正在逐步退出小模型发布，但 3.8-27B 确认发布。

8. 领英尴尬机器人 3000 (LinkedIn CringeBot 3000) #

https://www.cringebot3000.com/

这是一个名为“LinkedIn CringeBot 3000”的恶搞工具，专门生成模仿 LinkedIn 上“思想领袖”风格的尴尬帖子。用户输入任意主题（最多 250 字符），并从八种讽刺风格中选择一种，例如“So This Happened”“The Hot Take”“You Go Girl!”等，点击“Generate Post”即可生成一段充满套话的励志或自我推销文案。页面底部还设有“cringe 名人堂”和赞助入口。

HN 热度 461 points | 评论 201 comments | 作者：theanonymousone | 17 hours ago #

https://news.ycombinator.com/item?id=49268564

  • 在 LinkedIn 上发布真诚、非 AI 生成的内容，反而能脱颖而出，带来咨询客户。
  • 对 LinkedIn 的封闭生态感到不满，如无法导出帖子、必须登录才能查看链接。
  • 因 LinkedIn 内容质量低，反而让人没有心理负担，可以随意写作，像写评论一样自然。
  • 看到尊敬的人在 LinkedIn 上发帖，会感到不适，但自己不会参与点赞或发布。
  • 自我意识强反而是优势，能写出真诚、有趣的内容，避免千篇一律的废话。
  • 每个自雇人士都需要自我推广和营销，这不是缺乏自尊，而是必要手段。
  • 不敢在 LinkedIn 上发帖，更多是害怕被拒绝。
  • 可以通过脚本批量下载 LinkedIn 帖子，再发布到个人博客，以摆脱平台限制。
  • 发布长文时，建议先在个人博客发布，再用 LinkedIn 的定时功能转发。
  • LinkedIn 的数据导出功能可能无法包含所有帖子，需要额外处理。
  • 在 LinkedIn 上发布内容是为了触达潜在客户，因为客户聚集在那里，而独立博客需要大量营销。
  • LinkedIn 内容质量普遍低劣，不值得投入精力，更倾向于在 HN 这类平台获取高质量信息。
  • 在 LinkedIn 上真诚互动，是因为目标受众在那里。

9. 2026 年日食网络摄像头 (2026 Eclipse Webcams) #

https://jonty.github.io/2026_eclipse_webcams/

这是一个基于 Leaflet 地图的日食追踪页面，由 jonty 制作。当前状态显示“全食阶段已结束”，并已到达最后一个网络摄像头位置。页面利用 OpenStreetMap 贡献者的地图数据，展示日食的实时观测信息。

HN 热度 454 points | 评论 123 comments | 作者：zoenolan | 12 hours ago #

https://news.ycombinator.com/item?id=49270953

  • 作者在 2024 年为美国日食快速搭建了网站，今天被朋友提醒才想起来，协调冰岛和西班牙摄像头的流量不是计划中的事，希望不会崩溃，这次他会用肉眼观看。
  • 提供了 GitHub 仓库链接。
  • 马略卡岛的很多摄像头方向不对或缺失，并给出了另一个地图链接。
  • 询问作者如何找到这些摄像头。
  • 自己也在最后一刻发布了一个 app，3 小时前才获批。
  • 评论 app 是否考虑了树木和建筑遮挡，并建议去掉 AI 写的废话，直接说明功能。
  • 时机很好。
  • 有些摄像头不工作，例如 Torreblanca。
  • 非常酷，感谢作者。
  • 询问是否有仓库链接，得到回复。
  • 询问 OpenStreetMap 是否有实时天气层可查看云覆盖。
  • 建议使用 Windy.com 或 sat24.com 查看天气。
  • 分享个人经历：2024 年从温哥华到多伦多看日食遇到云，开了几百公里才看到；今天在 Sierra 看，日食是人生里程碑，1999 年在伊斯法罕看到完美日食。
  • 对“hundreds of kilometers (hundreds of miles)”的单位转换感到好笑。
  • 2024 年在多伦多，想去欧洲看这次但没成，祝享受。
  • 希望下次能去。
  • 飞到多伦多看 2024 年日食，因云失望。
  • 冰岛现在多云，酒店价格翻倍，没看到表演。
  • 日食对人类历史有特殊意义，阿西莫夫认为第一次正确预测日食是公元前 585 年泰勒斯，被视为科学诞生；同时一场战争因日食停止。
  • 泰勒斯的预测不被专家认为可信，当时没有足够数据/理论预测日食，希罗多德的段落可能被误解。
  • 安提基特拉机械可以预测日月食，基于巴比伦天文学，泰勒斯的时代确实有数据。
  • 纠正年份笔误（应为 585 BC）。
  • 太阳能板监测数据也很有趣，给出链接。
  • 电力公司付钱让他放电。
  • 在萨拉戈萨看到日食，日冕壮观，通过双筒望远镜看到粉红色日珥。
  • Sierra de Guadarrama 的摄像头视角不错，但每 5 分钟更新一次，全食开始后 30 秒才更新。
  • 感谢分享，希望看到日食。

10. Grok 4.6 发布公告 (Grok 4.6) #

https://x.ai/news/grok-4-6

Grok 4.6 发布公告。该版本在 Grok 4.5 基础上，重点优化了长时间运行的智能体能力，以及更复杂的交互与视觉任务。它能在多步骤任务中保持专注，如研究主题、分析信息、处理代码库或将创意转化为完整的应用。

在多项智能体编程和知识工作基准测试中，Grok 4.6 达到了前沿水平，在人工智能分析指数上与 GPT-5.6 Sol 持平。

训练方面，Grok 4.6 采用了比 4.5 更长的补充训练，使用了模型生成的推理与高级技术概念数据、高质量工程数据，并改进了优化器和训练方案。后续的 SFT 和 RL 阶段也得到强化，在知识工作、通用编程及内核优化、网页开发等特定领域表现优异。

实际测试中，该模型擅长将宽泛的产品创意转化为可用的初版，能研究陌生领域、构建应用结构、实现核心交互，并通过多轮反馈持续优化。在视觉和交互项目上，其初版质量也明显优于前代。

安全方面，Grok 4.6 的防护措施已根据其能力进行了校准和增强，覆盖漏洞修补、工程设计加速和 AI 研究辅助等合法用例。

Grok 4.6 即日起在 Cursor 和 Grok Build 中可用，首周提供双倍使用额度。API 定价为每百万输入 token 2 美元，每百万输出 token 6 美元，另有价格翻倍的快速版本。

HN 热度 365 points | 评论 369 comments | 作者：iLuddite | 8 hours ago #

https://news.ycombinator.com/item?id=49274027

  • 系统提示词无法有效防止越狱，反而可能因“不得提及规则”的指令导致模型拒绝讨论系统提示本身，这是提示工程而非安全的真正防线。
  • 提示词作为安全层不可靠，应被视为客户端输入验证式的启发式方法，容易被绕过，但能快速低成本地应对大多数非恶意用户。
  • 安全需依赖确定性过滤器、输入输出监控等额外层，而非仅靠提示词，类似监督式自动驾驶需要随时监管。
  • 替代方案如 Claude 的硬性审查存在频繁误报和无法根除越狱的问题，效果也不理想。
  • 在模型中嵌入“不得讨论规则”的指令更偏向法律合规目的，无法保证非确定性输出。
  • 通过提示词“说服”工具不算是计算机科学，而更像“机器心理学”或人机交互语言建模。
  • 使用专用审查模型（如 OpenAI 的 GPT OSS Safeguard）进行策略评分可能比纯提示词更鲁棒，但本质仍是基于无限输入空间的非确定性推理。
  • 人类大脑与 LLM 的区别在于，后者只是统计模拟特定情境下的输出，而非复制意识。
  • “犯罪活动”的界定存在法律管辖权问题，提示词缺乏跨司法统一性。

Hacker News 精彩评论及翻译 #

Controversial creators are benefiting from monetiz… #

https://news.ycombinator.com/item?id=49270669

“it is not Meta’s role to police offensiveness”

Just to fund, transmit, amplify, protect, and profit from it.

wpietri

这不是Meta的职责来监管冒犯性内容。只是为了资助、传播、放大、保护并从中获利。

AI is removing the middle class of software engine… #

https://news.ycombinator.com/item?id=49273063

bad engineers were always a liability

This part of the article hits home for me. With AI, “bad” engineers can now amplify their “bad” engineering x10 across the organization. The most egregious of these cases for me is often long tenured engineers who have lost interest in the craft, creating a dangerous combination of having enough merit to ship but not enough interest to make what they ship good.

I am still a firm believer in garbage in -> garbage out, AI is only as good as the abstractions and contracts you put in place for it. I don’t subscribe to the idea that AI generated code is fundamentally bad, just that people lack the right skills today to wrangle agents into writing good code.

Earlier in the year I put together a talk for my company on what the future of architecture & design means for us in the career, I’m very proud of it and will share here in case folks have their own thoughts to share on the topic: https://youtu.be/SIZrt9Rt05Q?si=W57eirniWmoSFeBu

Syntaf

糟糕的工程师始终是累赘。

文章的这部分让我深有感触。借助AI，那些“糟糕”的工程师现在能将他们的“糟糕”工程能力在整个组织中放大十倍。在我看来，最触目惊心的案例往往是那些资历深厚却对技艺失去热情的工程师——他们既拥有足以交付成果的资历，又缺乏将交付成果打磨“精良”的热忱，这种组合极具危险性。

我始终坚信“垃圾进，垃圾出”的原理，AI的好坏完全取决于你为它设置的抽象层和契约框架。我并不认为AI生成的代码本质上存在缺陷，只是人们目前缺乏正确引导AI代理编写优秀代码所需的技能。

今年早些时候，我为公司准备了一场关于架构与设计未来对职业发展影响的演讲，对此深感自豪。现将视频链接分享于此，或许朋友们也有自己的见解想要探讨：https://youtu.be/SIZrt9Rt05Q?si=W57eirniWmoSFeBu

Stealing Reasoning Traces from Proprietary LLM API… #

https://news.ycombinator.com/item?id=49263548

“Stealing” something you already paid for (tokens), but that you can’t have access to(!). And trained on the sum of human knowledge.

Training on other model outputs ought to be business as usual, stop using morally charged terms made up by future monopolists: https://thomasdullien.github.io/posts/2026-06-15-rl-economics-morally-charged-terms-and-distillation/

Aissen

“偷窃"你已经付费（但无法访问）的token，并且训练在人类知识总和之上。
对其他模型输出进行训练本应是常规操作，请停止使用那些由未来垄断者编造的带有道德色彩的术语：https://thomasdullien.github.io/posts/2026-06-15-rl-economics-morally-charged-terms-and-distillation/

Tailscale Traces Database Corruption to 16y/o SQLi… #

https://news.ycombinator.com/item?id=49273533

We funded the open-source SQLite VFS shim that helped isolate the race condition almost immediately, and will help track down similar bugs in the future.

Interesting example of a company funding open source - in this case paying for the development of a new and very specific debugging tool.

simonw

我们资助了开源SQLite VFS的封装层，它几乎立即帮助隔离了竞态条件，并且未来将有助于追踪类似的漏洞。

这是公司资助开源的一个有趣案例——在此例中是为开发一个全新且高度特定的调试工具提供资金。

OpenAI’s head of ethics leaves less than a year af… #

https://news.ycombinator.com/item?id=49268172

Organisationally it never works to have a group whose only job is to say no to some other group. The incentives are diametrically opposed and as a structure it can’t last.

If you had an AI company and want it to be ethical you have to find a way to make ethics everyone’s responsibility, and have the consequences of poor ethics bite the people who make those bad decisions. If you just outsource it to the ethics group what happens is

1)everyone else thinks they don’t need to worry about ethics

2)the ethics group need to justify their existence so introduce a bunch of guidelines that everyone initially thinks are reasonable but over time people think are increasingly out of touch

  1. The ethics group start to “make difficult calls” and say no to things. Initially everyone supports this and feels like the system is working as it should but over time everyone starts to just see them as an obstacle to work around

4)everyone else starts to try to work around what the ethics group says

5)The ethics group grows powerless and disconnected. The people who work around them “get things done” so get promoted etc whereas they only visibly put roadblocks in peoples’ way, so they get sidelined.

6)Eventually they get disbanded with some corporate announcement thanking them for their hard work, thought leadership etc. All that has been achieved is a lot of wasted time and bad blood.

seanhunter

从组织架构上看，如果一个团队的唯一职能就是否决其他团队，这种设置永远无法奏效。双方的激励机制完全对立，这种结构注定无法长久。

如果你经营一家AI公司，希望它符合伦理规范，就必须想办法让伦理责任成为每个人的分内之事，让糟糕的伦理决策带来的后果直接反噬那些做出错误决定的人。如果只是将伦理问题外包给专门的伦理团队，就会出现以下情况：

1）其他人会认为无需操心伦理问题； 2）伦理团队为了证明自身存在价值，会推出一系列准则——起初大家觉得合理，但久而久之会越来越脱离实际； 3）伦理团队开始“做出艰难抉择”，对某些项目亮红灯。最初所有人支持这种运作，但逐渐大家只把他们视为需要绕开的障碍； 4）其他人开始设法绕过伦理团队的指令； 5）伦理团队逐渐丧失权力、脱离实际。绕过他们的人“办成了事”并获得晋升，而他们只是明面上给他人设置路障，最终被边缘化； 6）最终公司会发布公告，感谢他们的辛勤付出和思想领导力，然后解散该团队。整个过程留下的只有大量被浪费的时间和积怨。

Someone is running mass vulnerability scans, spoof… #

https://news.ycombinator.com/item?id=49273309

Every server with port 80/443 open has thousands of hits a day from random boxes looking for wordpress login pages. The only new thing is that they’re pretending to be a different type of annoying bot. There’s a new layer of sophistication and subterfuge, but it’s the same junk traffic we’ve always dealt with.

yabones

每个开放80/443端口的服务器每天都会收到来自随机设备的成千上万次访问，试图寻找WordPress登录页面。唯一的新变化是它们伪装成了另一种烦人的机器人。虽然多了些花招和诡计，但这还是我们一直在处理的那种垃圾流量。

Tailscale Traces Database Corruption to 16y/o SQLi… #

https://news.ycombinator.com/item?id=49273685

Yeah, this part also stuck out to me:

Because this wouldn’t be a quick or easy fix, we reached out to the SQLite developers for a professional support contract. This was a great decision. It gave us direct access to their deep expertise and experience, and we had many detailed technical conversations about our architecture and our incidents.

They were willing to pay to get help solving the problem, and then pay again to make sure that the problem is easier to avoid in the future! That kind of long-term thinking seems pretty rare nowadays…

saghm

是的，这部分也让我印象深刻：

因为这不是一个能快速或轻易解决的问题，我们联系了SQLite开发者，签订了一份专业支持合同。这是一个很棒的决定。它让我们能直接接触到他们深厚的专业知识和经验，我们就我们的架构和故障进行了许多详细的技术讨论。

他们愿意花钱请人帮忙解决问题，然后又花钱确保将来更容易避免这个问题！这种长远思维如今似乎相当少见……

License plate reader searches should require a war… #

https://news.ycombinator.com/item?id=49273424

Either it needs a warrant or it’s fully open and people can start creating websites showing the movements of local politicians.

This middle ground that municipalities try to carve out where it’s fully open to police without a warrant but not subject to FOIL laws doesn’t appear tenable for much longer.

There’s been too many cases of police officers stalking exes, poking around the data for fun and such so it’s clear police cannot be trusted with the data without better court oversight.

It’s certainly a very powerful investigative tool, but needs solid 4th amendment protections. The Supreme Court’s recent ruling on geofence searches of cell phone records is a good indication on where the Supreme Court’s head is at on this sort of thing, where they said no you can’t just do blanket data dumps like that without a warrant.

cmiles8

要么需要搜查令，要么完全公开，让人们可以创建展示本地政客行踪的网站。
市政当局试图在“警察无需搜查令即可完全获取数据，但数据不受《信息自由法》约束”之间寻找中间地带，但这种做法似乎无法长久维持。
已有太多警察利用数据跟踪前任、出于消遣而翻查信息等案例，显然在没有更强有力的司法监督下，警方无法被信任使用这些数据。
这无疑是一种非常强大的调查工具，但需要坚实的第四修正案保护。最高法院最近关于地理围栏搜索手机记录作出的裁决，很好地表明了最高法院对此类问题的立场——他们明确表示：不行，你不能在没有搜查令的情况下进行这种无差别数据批量提取。

Go is an ideal language for AI-assisted software e… #

https://news.ycombinator.com/item?id=49262199

Uber reported that their Go code has quantitatively more concurrency bugs than code in other languages, and while to me it seems obvious from looking at Go’s concurrency model, this is backed by actual data. Is there any quantitative data to back the claim that Go is better in an LLM based workflow than another popular language?

yosefk

Uber报告称，他们的Go代码在数量上存在比用其他语言编写的代码更多的并发bug，虽然在我看来，从Go的并发模型来看这显而易见，但这有实际数据支持。是否有任何定量数据支持Go在基于LLM的工作流中比另一种流行语言更好的说法？

Compression is prediction #

https://news.ycombinator.com/item?id=49264395

This is the thesis behind the “Information Theory, Inference, and Learning Algorithms” course that was taught at Cambridge University.

Why unify information theory and machine learning? Because they are two sides of the same coin. In the 1960s, a single field, cybernetics, was populated by information theorists, computer scientists, and neuroscientists, all studying common problems. Information theory and machine learning still belong together. Brains are the ultimate compression and communication systems. And the state-of-the-art algorithms for both data compression and error-correcting codes use the same tools as machine learning.

Book (creative commons): https://www.inference.org.uk/mackay/itila/book.html

Lectures: https://m.youtube.com/playlist?list=PLruBu5BI5n4aFpG32iMbdWoRVAA-Vcso6

farfatched

这就是剑桥大学开设的“信息论、推理与学习算法”课程的核心思想。

为什么要将信息论与机器学习统一起来？因为它们是一枚硬币的两面。20世纪60年代，信息论学者、计算机科学家和神经科学家共同组成了一个单一的领域——控制论，研究着共同的问题。信息论与机器学习本应同属一体。大脑是最极致的压缩与通信系统。而数据压缩和纠错码领域最先进的算法，所使用的工具与机器学习别无二致。

书籍（知识共享许可）：https://www.inference.org.uk/mackay/itila/book.html

课程视频：https://m.youtube.com/playlist?list=PLruBu5BI5n4aFpG32iMbdWoRVAA-Vcso6

Grok Bot #

https://news.ycombinator.com/item?id=49265046

Isn’t the answer obvious? The 40 companies will have to use AI to filter the messages too.

If your business is selling tokens, it’d be extremely lucrative for you if the whole society relies on tokens to perform basic operations. That’s where we’re heading to.

raincole

答案不是显而易见的吗？那40家公司也得用人工智能来筛选信息。
如果你的生意是卖代币，那整个社会都靠代币运作基本操作的话，对你来说可是极其有利可图的。这就是我们正在走向的方向。

License plate reader searches should require a war… #

https://news.ycombinator.com/item?id=49273820

I don’t understand why a police cruiser can sit in a public space (or even a private one) and write down licence plates and descriptions of passers-by with pen and paper, or record everything around them with dashcams and bodycams for later use, but when it comes to cameras on a pole this would require a warrant.

Scale actually matters. Things that are generally OK at a small scale become problematic at larger scales. A single police cruiser writing down license plates isn’t able to track you in the same way a huge surveillance network is, and the opportunities for abuse are much lower.

kentm

我不明白为什么一辆警车可以停在公共空间（甚至是私人空间），用纸笔记录过往车辆的车牌和行人特征，或者用行车记录仪和执法记录仪录下周围的一切以备后用，但换成装在杆子上的摄像头就需要搜查令。

规模实际上很重要。在小规模下通常没问题的事情，到了大规模就会变得有问题。一辆警车记录车牌的方式，无法像庞大的监控网络那样追踪你，而且滥用的机会也小得多。

Controversial creators are benefiting from monetiz… #

https://news.ycombinator.com/item?id=49270905

This is correct, it’s monetisation, not commissioning.

Facebook isn’t paying to produce. It’s paying for driving views and clicks on ads, regardless of how.

It’s like if I hire a taxi driver to come to my house and drive me to the airport, and the taxi driver happens to run over a person in the process. It would be ridiculous to write ‘he hired a driver to run over a person with a car’.

However, this also doesn’t fully capture the reality of what is happening.

Let’s say I routinely get a taxi, and taxi drivers routinely hit people because I happen to have a policy where I only pay them a large sum if they get to the airport impossibly fast, and the fastest way is to drive dangerously. Suppose I notice that every time I get a taxi, someone is run over because of my payment incentives. Suppose I then write a statement that says I will not pay the taxi if they hit a person. Suppose it keeps happening anyway, and I keep paying anyway. And suppose I benefit directly from this financially, because getting to the airport faster saves me money in missed flights.

Suppose I then do this on a worldwide scale involving many millions of people and create a market around this of tens of billions of dollars, suppose it’s having a significant effect on public health and safety worldwide?

I think it’s fair to then use more explicit language to hold me to account. I am financing death and destruction after all, even if technically I’m ‘just getting a cab’.

NoLinkToMe

这是正确的，这是变现，而非委托创作。

Facebook并没有为内容生产付费。它是在为驱动观看量和广告点击付费，无论手段如何。

这就像我雇一辆出租车来我家接我去机场，而司机在途中恰好撞死了一个人。如果写成"他雇了一个司机开车撞人”，那将非常荒谬。

然而，这也没有完全反映出实际情况。

假设我经常打车，而司机们之所以经常撞人，是因为我恰好有一个政策：只有当他们以不可能的速度到达机场时，我才会付给他们一大笔钱，而最快的方式就是危险驾驶。假设我注意到，每次我打车时，都会有人因为我的付费激励而被撞。假设我随后声明，如果司机撞了人，我就不会付钱。假设事情仍然继续发生，而我仍然继续付钱。并且假设我直接从中获得经济利益，因为更快到达机场让我避免了错过航班而造成的损失。

假设我随后在全球范围内开展这种业务，涉及数百万人，并围绕它创造了一个价值数百亿美元的市场；假设这对全球公共健康和安全造成了重大影响？

我认为，此时使用更直白的语言来追究我的责任是合理的。毕竟，我是在资助死亡与毁灭，即使技术上我只是"打了一辆车"。

Mojo 1.0 #

https://news.ycombinator.com/item?id=49263295

I feel like this language would really benefit from some sort of 1-pager overview.

I just spent a fair bit of time on the official site, and I still don’t think I have a very good grasp of what problem this language aims to solve, or why I would select it over other similar languages

swiftcoder

我觉得这种语言如果能有一份一页纸的概览会很有帮助。我刚刚在官网上花了不少时间，但依然觉得自己并没有很好地理解这门语言旨在解决什么问题，或者为什么我会选择它而不是其他类似的语言。

Show HN: Git-knife – Edit commit messages, authors… #

https://news.ycombinator.com/item?id=49260655

“It never reimplements git — it shells out to the system git CLI and rebuilds commits with git commit-tree, reusing each commit’s original tree so file contents are provably never changed.”

Glad the LLM noted this - I was worried this would reimplement git

NichoPaolucci

它从未重新实现 git——而是通过调用系统 git 命令行工具，使用 git commit-tree 重建提交，并复用每个提交的原始树对象，从而可证明文件内容从未被更改。

很高兴大语言模型注意到了这一点——我之前还担心它会重新实现 git。

2026 Eclipse Webcams #

https://news.ycombinator.com/item?id=49271716

This is mine! Built it quickly in 2024 for the US eclipse [1] and finished minutes before totality started.

I completely forgot about it until a friend asked this morning. Coordinating a DDOS on cameras across Iceland and Spain was not on my to-do list for today.

Fingers crossed it doesn’t break for you all - I will be watching it with my own eyes this time.

[1] https://jonty.github.io/2024_eclipse_webcams/

jonty

这是我的作品！2024年为了观测美国日食[1]迅速搭建，在食甚开始前几分钟才完工。

直到今早朋友问起，我才完全想起这事。协调对冰岛和西班牙各地摄像头的分布式拒绝攻击完全不在我今天的计划内。

祝你们一切顺利别出故障——这次我要亲眼观看日食了。

[1] https://jonty.github.io/2024_eclipse_webcams/

OpenAI’s head of ethics leaves less than a year af… #

https://news.ycombinator.com/item?id=49258707

Before her role at OpenAI, which she started last August, she was the Chief Ethicist at Meta from November 2021 to August 2025.

Sounds like perfect credentials.

KptMarchewa

她在去年八月开始担任OpenAI的职位之前，从2021年11月到2025年8月曾在Meta担任首席伦理官。听起来履历完美。

Grok 4.6 scores 61 on the Artificial Analysis Inte… #

https://news.ycombinator.com/item?id=49275800

I have. He was using it due to philosophical reasons the same way many people have philosophical reasons for avoiding it. I don’t know how many people are like that, but it’s not exactly where you want to position your product if you’re a business.

Personally - and I know I’m not alone with this sentiment based on comments I see on this site - I wouldn’t touch Grok no matter how good or cheap it is. I don’t trust Elon and I don’t want to give another dollar to the world’s richest person who turns around and uses the money to interfere with elections. The guy I know uses it for essentially the same reason I won’t use it.

jm4

我用过。他出于哲学理由使用它，就像许多人因哲学理由回避它一样。我不确定有多少人抱有这种心态，但作为企业，这并非产品理想的定位方向。

就个人而言——根据我在这个平台看到的评论，我知道自己并非个例——无论Grok多好或多便宜，我都不会碰它。我不信任埃隆·马斯克，更不愿再给这个全球首富一分钱，让他转头用这些钱干涉选举。我认识的那个人使用它的理由，本质上恰恰是我拒绝使用它的理由。

Grok Bot #

https://news.ycombinator.com/item?id=49264910

I wanted to make something that didn’t feel like just my logo on a shirt, so I had one of my bots reach out to ~40 fabric suppliers in vietnam, negotiate prices, lock one in, and get samples made.

Isn’t this one of the problems foreseen with this? For you, it was a single prompt - for 40 companies, this probably took up some time.

What happens when fifty people fire off a 15-second “get me a shirt” prompt? When five hundred, five thousand, five million do?

pavel_lishin

我想做点不只是把logo印在T恤上的东西，所以让我的一个机器人联系了越南大约40家布料供应商，谈价格、锁定一家、并打样。

这不就是其中预见到的问题之一吗？对你来说，只是一条指令——但对那40家公司来说，可能花了不少时间。

当五十个人发出15秒的"给我做件T恤"指令时会发生什么？当五百人、五千人、五百万人这样做时呢？

London Underground begins scanning passengers’ fac… #

https://news.ycombinator.com/item?id=49256203

It’s a moot point. I’m saddened at the invasion of privacy and the intrusion on an individual’s civil liberties, but anonymous travel on the London Underground died when they made bank cards and contactless the primary way to get through the barriers.

I’m not saying that “this doesn’t matter because it’s slightly worse than before”. I’m saying the frog has been boiling for a long time.

I don’t want people being surprised as though THIS is the nail in the coffin of untracked movement across the city. As others have said, we’ve always been tracked. This is just them being open about their latest methods.

I hope this serves as a warning for citizens elsewhere: this is a slope that governments will only slide down further. There is no coming back from this in the UK.

Supermarkets in the UK point cameras at your face at self-checkout.

Roadside CCTV captures your registration plate and tracks your vehicle across the country.

Your ISP proactively shares your web history with the state.

Being an anonymous citizen in the UK has been an impossibility for at least 20 years.

Any weapons can and will be utilised against a perceived enemy. When that perceived enemy becomes /you/, you should expect these things to be used against you.

History has taught us that before.

We have seen in the last 10 years that liberal democracies are fragile things. Robust restrictions on the state’s ability to monitor, interfere with and restrict the daily lives of its citizens aren’t a luxury; they’re essential to protecting a free and just society.

_fw

这是个有争议的问题。我对个人隐私被侵犯和公民自由受到侵害感到痛心，但当伦敦地铁把银行卡和免接触支付作为通过闸机的主要方式时，匿名乘坐地铁的可能就已经消失了。

我不是在说"因为情况比之前稍微糟糕，所以这件事无关紧要"。我想说的是，温水煮青蛙已经持续很久了。

我不希望人们表现得好像这件事是压垮全城无追踪出行的最后一根稻草。正如其他人所说，我们一直都被追踪着。这不过是他们公开了自己最新追踪手段而已。

我希望这对其他地区的公民是个警示：这是一条政府只会越滑越深的斜坡。在英国，这已经回不了头了。

英国超市的自助结账处安装了摄像头对准你的脸。

路边监控摄像头拍下你的车牌，在全国范围内追踪你的车辆。

你的网络服务提供商会主动把浏览记录分享给政府。

至少二十年来，在英国做一个匿名公民已经是不可能的事了。

任何武器都可能被用来对付所谓的敌人。当那个所谓的敌人变成"你"时，你应该预料到这些东西会被用来对付你。

历史早已教会我们这一点。

过去十年我们看到，自由民主其实很脆弱。对政府监视、干涉和限制公民日常生活的能力进行强有力的约束并非奢侈品，而是保护自由公正社会所必需的。

Go is an ideal language for AI-assisted software e… #

https://news.ycombinator.com/item?id=49261907

Definitely agree with this article.

At Netflix, I lead the Go language guild. We’ve been seen increasing reports of users finding their AI agents writing better Go code than other languages, and increasing reports of projects favouring Go over other languages.

Two additional notes I’ll add:

  • Go has great resources on writing good Go code, including treasure troves at https://go.dev/doc/effective_go and https://google.github.io/styleguide/go/. edit: Sorry, I forgot to add: we give these resources to AI agents and they use them to produce even better Go code.

  • For a language team, Go is a dream. The go fix tooling, AST/SSA packages, ease of reading and writing go.mod (go mod edit, etc), and various other “platform”-y features make modifying Go code at scale way easier than other languages.

jeanbza

完全同意这篇文章。

在Netflix，我领导着Go语言协会。我们不断收到用户报告，称他们的AI智能体用Go编写的代码比其他语言更优秀，同时也有越来越多的项目青睐Go而非其他语言。

我额外补充两点：

  • Go语言拥有非常优秀的资源来指导编写高质量的Go代码，包括宝藏资源：https://go.dev/doc/effective_go 和 https://google.github.io/styleguide/go/。编辑补充：抱歉忘了说——我们把这些资源提供给AI智能体，它们会用这些资源生成更出色的Go代码。

  • 对于语言团队来说，Go简直是梦想。go fix工具、AST/SSA包、go.mod的易读写性（go mod edit等），以及各种“平台化”特性，使得大规模修改Go代码比其他语言轻松得多。