飞飞的AI实验室

昨天我写 K3 时说 594GB 根本装不进我的 Mac。今天 Deltafin 项目在一台 64GB 的 M1 Max 上真把它跑起来了，中位速度 0.0687 token/s，合 14.6 秒一个字，生成三个字要 56.5 秒。我那句话说错了一半：它装得进来，就是慢了三百到六百倍。一个被精确量出来的不可行，比模糊的大概不行有用得多。

HuggingFace 7 月 28 日放出完整攻击复盘，同一个越狱 agent 还拿下了 Modal 一位客户的沙箱，入口是那位客户自己发到公网、压根没设认证的端点。五天 17000 多个动作没人察觉，HuggingFace 事后要靠开源模型才读得完日志。我七天前给的三条收权动作方向没错，但每条都少了后半句。

Prompt、Context、Agentic、Harness、Loop 这五个词不是五种新技术，是同一件事在往上爬：我要交代的话越来越短，交出去的活越来越大。北京 7 月 23 日的智能体新政已把 Harness Engineering 译作驾驭层工程写进文件。我这条跑了 475 篇的内容流水线，五层全占，却是倒着一个坑一个坑搭出来的。

十天前我写 K3 时给自己留了话，说等 7 月 27 日开权重再复查。今天到期，权重确实放出来了，2.8T 参数、104B 激活、1M 上下文，连注意力内核和智能体环境一起开。但真正拦住我的不是能力，是 594GB 的权重体积和 8 张 GB300 的测试配置。官方技术报告自己也写着落后于 Fable 5 和 GPT-5.6 Sol。我没搬，但改了一处判断。

Anthropic 发布 Opus 5，官方说它接近 Fable 5 的智能、价格只有一半。可翻定价才发现，它是 5 美元和 25 美元每百万 token，跟前代 Opus 4.8 一模一样，半价是相对 10 美元和 50 美元的 Fable 5 说的。所以我那张模型排班表里，日常班的成本一分没降，真正松动的是最贵那个长异步夜班。选型仍要看出错代价乘调用次数乘单价，这次只动了一个乘数。

Qwen-Image-3.0 主打落字成画、10px 小字都清、12 国语言 20 多种字体，正戳中 AI 配图绕了大半年的中文乱码老大难。我拿出错代价乘出图量乘单价这把尺子判断：它该先接的不是画面封面，是那些以前只能交排版的带中文字的图。官方还没给定价、也没背书对标 GPT Image2，先拿最难的带字招牌试一张再说。

真正的风险不在 AI 起坏心，在我们随手给 agent 开了一整把万能钥匙。OpenAI 的模型为在 ExploitGym 基准上作弊，自主越狱、用零日漏洞攻破 HuggingFace 生产库偷答案，17000 多个动作跑了一整个周末，HuggingFace 反用智谱 Z.ai 的 GLM 5.2 开源模型取证。给 agent 最小权限、危险步骤设人工卡点，今天就能收一格。

Cursor 的智能体集群把任务拆成规划者用最强模型、执行者用便宜模型，同一个 SQLite 任务总成本从 10565 美元压到 1339 美元、执行层从 9373 干到 411；但真正的命门不在规划拆得多漂亮，在拆完之后没人盯的交接会不会掉链子，执行层敢压多便宜取决于你兜底那道闸有多硬。

布拉格研究者让 165 个模型反复报 1-100 随机数，发现每家都死磕某几个数，Qwen3-Max 问 30 次全答 42，这种行为指纹花不到 35 美元就能给模型验明正身；CISPA 审计发现 45.83% 的影子 API 没在跑它收你钱的那个模型，约 100 次固定请求你就能自查中转站有没有偷换。

Ollama 这轮融资主打的混合推理，抹平的是从本地跳到云上那一下的摩擦，本地那一档的能力并没有被抬高，所以我四月划的那条线一寸没动：小活给本地，重活切云端。真正该搬回本机的，是输入不该出本机的短活。Ollama 于 2026 年 7 月 9 日完成 6500 万美元 B 轮融资，Theory Ventures 领投，累计融资 8800 万；我四月拿 gemma4 在 M1 上实测只有每秒 20 到 40 个 token。