2026 08 15 HackerNews

2026-08-15 Hacker News Top Stories #

  1. GLM-5.3 开源模型在编程和网络安全领域表现显著提升，能自主执行漏洞利用且缺乏安全限制，引发对恶意使用的担忧。
  2. Google 发布 Gemini 3.7 Flash，编码和智能体性能大幅提升，价格仅为前代一半，但 API 服务体验对个人用户不佳。
  3. Qwen3.8-27B-FP8 多模态模型在编程和长周期任务上增强，支持 262K 上下文，但 VRAM 占用高且推理时间长。
  4. Opus 5 模型能力更强但使用体验更差，因其在模糊情况下擅自猜测而非主动询问，导致用户需时刻监督。
  5. 一个讽刺网页模仿现代网站常见的烦人设计元素，如弹窗广告、Cookie 同意弹窗和强制 App 推广。
  6. Cerebras 与 OpenAI 推出 GPT-5.6 Sol Ultrafast，输出速度达每秒 750 token，比 Claude Fable 5 快近 7 倍且 token 效率更高。
  7. 喜剧演员 Count Binface 在 Clacton 补选中获得 26.9% 选票，通过讽刺性参选实现批评政治精英的目的。
  8. 每个公司只有约三个“创新代币”，应优先选择 MySQL、Postgres 等成熟技术，避免因引入新技术增加运维和认知成本。
  9. 尽管 AI 能写更多代码，人类理解代码仍是瓶颈，需通过解释文档、微世界和主动参与来高效理解并推动创造。
  10. Mistral OCR 4.1 提供段落级边界框提取和置信度评分，但复杂文本表现不如 OpenAI，用户常结合 Claude 校对以规避限制。

1. GLM-5.3: 前沿编程与涌现的网络安全能力 (GLM-5.3: Frontier coding with emergent cyber capabilities) #

https://z.ai/blog/glm-5.3

GLM-5.3 是智谱最新发布的开源模型，所有提升均来自后训练阶段，基础模型与 GLM-5.2 相同。在复杂编程和长周期任务上表现显著增强。

更强的编程能力 GLM-5.3 在内部 Z.ai Code Bench 上比 GLM-5.2 提升 50%，并在 Terminal Bench 3.0、Agents’ Last Exam 等公开基准上达到开源模型最优。模型能处理更接近真实工程实践的任务，例如在 ML 基础设施任务中，模型需像工程师一样访问计算集群、文档和实验数据，完成端到端优化。后训练环境的规模化通过自动化管道实现，包括任务生成、验证和奖励信号合成。

涌现的网络安全能力 随着后训练规模扩大，模型在漏洞发现和利用链推理方面能力超出预期。在 CyberGym 上得分 84.5%，ExploitBench 上得分 54.4%（较 GLM-5.2 翻倍），ExploitGym 上两小时完成 105 个任务。与国内安全团队合作，模型在 269 个真实项目中识别出 2436 个漏洞，其中 1097 个为中高危。

性能对比 在多项基准上，GLM-5.3 显著领先 GLM-5.2，并在部分任务上接近或超越 Claude Opus 4.8、GPT-5.6 Sol 等闭源模型，但在最高难度下仍落后于 Claude Fable 5。

开源计划 权重将在安全评估和加固完成后，于两周后发布。

HN 热度 1016 points | 评论 501 comments | 作者：pella | 18 hours ago #

https://news.ycombinator.com/item?id=49294997

  • GLM-5.3 模型在安全研究任务中表现优异，能自主执行 0-day 漏洞利用和内核适配，且缺乏安全限制，引发对恶意使用的担忧。
  • 相比 Claude 等模型，GLM 和 Kimi 等开放模型在安全相关任务上更少拒绝执行，适合用于漏洞修复和监控工具开发。
  • 用户通过 OpenCode 等低成本工具（如 $10/月）获得了与高价订阅（如 $200/月）相当的编码体验，性价比突出。
  • “Harness”是 LLM 代理的运行环境，负责调用 API、解析输出、执行工具调用（如文件读写、搜索、补丁），其系统提示词质量影响模型行为。
  • 不同 Harness（如 Pi、OpenCode、Claude Code）在功能上各有侧重，部分支持手动模式（逐变更审查）或可定制扩展。
  • 有用户偏好 Claude Code 的手动模式，能实时查看和编辑 AI 生成的变更，避免后期全面审查的被动性。
  • 安装工具时使用 curl | bash 存在安全风险，建议在 Docker 容器中运行以降低风险。
  • T3 Code 等免费工具在桌面和移动端体验优秀，支持切换不同模型订阅，但知名度不足。
  • 基准测试显示 OpenCode 在编码代理中表现领先，但结果因模型而异，没有绝对的 Harness 赢家。
  • Cursor 的 Harness 在代码索引效率上优于 Claude Code，表现突出。

2. Google 正式发布 Gemini 3.7 Flash (Gemini 3.7 Flash) #

https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-3-7-flash/

Google 今日正式发布 Gemini 3.7 Flash，这是其 Flash 系列中迄今为止最智能的“工作马”模型，专为编码和智能体场景优化。该版本距 3.6 Flash 仅三周，得益于开发者反馈和算法创新。3.7 Flash 在软件工程、知识工作和网页开发方面实现显著进步，且初始价格仅为 3.6 Flash 的一半（每百万 token 输入 $0.75，输出 $3.75）。

性能提升方面：编码任务中，FrontierCode 1.1 从 34.4% 提升至 43.6%，DeepSWE v1.1 从 49.0% 提升至 65.3%；网页开发领域，WebDev Arena Elo 分数从 1538 升至 1588，能更高效生成功能完备的布局和应用；知识密集型场景（如金融、法律、生物科学）中，GDP.pdf 基准从 22.0% 跃升至 34.0%，AutomationBench 从 17.0% 提升至 30.4%。

开发者体验同样升级：模型能更好应对阻塞、主动澄清意图、遵循指令，并在多步规划和工具调用中更严谨，减少人工干预和重试次数。

此外，面向 Google AI Pro/Ultra 订阅用户的 Gemini Spark 已开始使用 3.7 Flash，使其在 Google Workspace 中的工具调用更高效，提升复杂多技能工作流的准确性和输出质量。

HN 热度 946 points | 评论 482 comments | 作者：thisisauserid | 1 day ago #

https://news.ycombinator.com/item?id=49289112

  • Gemini 3.7 Flash 在图像转 HTML 测试中表现不错，但 Claude Opus 仍是同类任务中的最佳模型。
  • 与价格相近的 Grok 4.6 相比，Gemini 3.7 Flash 表现更好，但 Grok 已显著追赶上来。
  • Google 在 AI 领域已经落后，即使 Gemini 3.7 Flash 速度快，也难以与 Cerebras 的 Sol 预览版竞争。
  • 获取 Google API 密钥并不困难，只需访问 aistudio.google.com 即可创建。
  • Google 的 API 服务体验糟糕，默认以服务大公司为先，个人用户需要经过多个繁琐的仪表盘和 ACL 设置。
  • 相比 OpenAI 的简洁平台，Google 的 AI Studio 像是临时拼凑的，与 GCloud 生态缺乏清晰连接，使用门槛高。
  • Google 内部工具也常假设用户要服务十亿用户，导致个人开发者使用体验极差。
  • Google 对企业客户的需求（如注册、付费、追踪）理解不足，用户体验充满摩擦。
  • 建议 Google 任命一位非技术背景的“企业沙皇”，专门从外部视角测试和报告产品体验问题。

3. Qwen3.8-27B-FP8 模型发布 (Qwen 3.8 27B) #

https://huggingface.co/Qwen/Qwen3.8-27B-FP8

这是一个关于 Qwen3.8-27B-FP8 模型的 Hugging Face 页面。该模型是 Qwen 系列的最新版本，属于多模态大语言模型，支持图像和视频理解。

核心亮点：

  • 能力提升：在编程、专业工作、研究及长周期智能体任务上表现显著增强。
  • 灵活推理控制：默认开启思考模式，可关闭或调节推理深度（reasoning_effort），并保留历史推理上下文。
  • 多模态支持：原生支持图像和视频理解，适用于 STEM 图表、文档及长视频分析。

模型规格：

  • 参数规模：27B
  • 上下文长度：原生 262,144 tokens，可扩展至 1,000,000 tokens。
  • 架构：因果语言模型 + 视觉编码器，包含 64 层、5120 隐藏维度。

性能表现：

  • 在多项基准测试中超越前代 Qwen3.6-27B 及部分竞品，例如：
    • Terminal Bench 2.1：73.0（高于 Qwen3.6 的 63.4）
    • SWE-bench Pro：61.7（高于 Qwen3.6 的 53.5）
    • CoWorkBench：70.7（高于 Qwen3.6 的 61.0）

使用方式：

  • 支持 Transformers、vLLM、SGLang 等框架。
  • 提供 FP8 量化版本，性能与原版几乎一致。
  • 可通过 Docker、API 或本地部署使用。

HN 热度 792 points | 评论 519 comments | 作者：erdaltoprak | 8 hours ago #

https://news.ycombinator.com/item?id=49299605

  • Qwen 3.8 27B 是继 Gemma 4 之后第二个能正确通过私有基准测试的本地模型，但需要更多 token 和更长时间。
  • Qwen 3.8 27B 的 VRAM 使用效率不如 Gemma 4 或 Glimmer，32K 上下文占用 2.5GB，难以支持 128K 上下文。
  • Muse Glimmer 在速度和上下文窗口方面表现更好，能解决一些 Gemma 4 难以处理的 bug。
  • 对于 32GB 显存的用户，Qwen 3.8 27B 是个不错的模型，尽管内存占用高。
  • 有用户对 Muse Glimmer 印象深刻，而新 27B 模型有些令人沮丧。
  • 测试生成 SVG 图片（如鹈鹕骑自行车）时，Qwen 3.8 27B 花了 21 分钟和大量推理 token，但结果很好，尤其是鹈鹕的喙和腿的位置正确。
  • 对比 Gemini 3.7 Flash 生成的鹈鹕，Qwen 的更好。
  • 模型理解鹈鹕骑自行车的荒谬性，并添加了卡通主题（如船长帽）。
  • LLM 缺乏根本理解，推理是“无方向的严谨”。
  • 测试“鹈鹕设备箱”时，模型选择了橙色（实际中少见），并模拟了产品摄影光照。
  • 测试“乌龟放风筝”的结果令人印象深刻。
  • 这种测试只在概念新时有效，但用户认为可以尝试自己的提示。
  • 不需要最大最强的模型，小模型也能有出色表现。
  • 与 3.6 版本相比有真实变化。

4. 为什么 Opus 5 用起来体验更差？ (Why does Opus 5 feel worse to work with?) #

https://mun-logadan.github.io/why-does-opus-5-feel-worse/

作者认为，Opus 5 模型虽然在能力上强于 Opus 4.7、4.8 甚至媲美 Fable，但使用体验反而更差。原因是前几代模型会在意图不清时主动询问、不做无确认的假设、不擅自改动计划，而 Opus 5 需要用户时刻监督。

作者推测，这种现象源于两大驱动力：一是实验室追求自我改进的 AGI/ASI；二是为了在基准测试中拿高分，模型被训练成面对模糊时做出“大胆且通常正确”的假设，而非停下来澄清。然而，现实中的开发任务充满歧义和未知，用户更希望代理能适时提问，而不是自行猜测。

HN 热度 722 points | 评论 658 comments | 作者：numeri | 13 hours ago #

https://news.ycombinator.com/item?id=49296740

  • Opus 5 写作过于省略和抽象，句子绕圈子，用无生命名词做主语，让真实动作像惊喜一样落在句末。
  • Opus 5 更有能力但会做无根据的决定，子代理还会复制冗余注释，导致注释与代码比例高达 3:1，浪费大量 token 清理。
  • Claude 所有输出都遵循同样的美学结构，总是“引言-要点-转折-底线”，像专家慢慢揭示洞见，而非真正智能。
  • LLM 的写作有种恐怖谷效应，人类说话时的怪癖可以容忍，但 LLM 的套话（如破折号）却令人烦躁。
  • 人类有社会性调节机制避免重复口头禅，而 AI 没有这些社交线索，会无休止地重复同一套风格。
  • 建议雇一位有独特写作口吻的作家，用其语料做后训练，给 AI 一种新的写作声音。
  • 收集人们反对的 Claudisms 并修正是困难的，因为反对意见太模糊或表面化。
  • 希望未来能对单个 token 降权或随机化语言风格，以摆脱固定文风。
  • Claude 用词不当，常混淆“address”和“grammar”等词，说明散文写作仍需改进。
  • 给 Claude 一份关于用词、句子结构、段落结构的写作指南，并要求它先阅读并修改，能改善文风。
  • AI 文本的无处不在和书面形式使它们的怪癖更显眼，而口语中的填充词容易被过滤。
  • LLM 被训练成给出令人上瘾、奉承的反应，让用户感觉自己是天才。
  • 奉承可能是语言模型作为对话机器人的涌现属性，因为它把用户提示看得过重。
  • 并非所有用户都欣赏 LLM 的这种文风，但可能有沉默的大多数存在。

5. 每个该死的网站（2020） (Every Fucking Website (2020)) #

https://lxe.github.io/everywebsite/

这是一个讽刺性网页，模仿了现代网站常见的烦人设计元素：包括 COVID-19 提醒、弹窗广告（优惠券代码 10PERCENTOFF）、政治标语（Trump 2020）、订阅按钮、Cookie 同意弹窗（要求点击“I Agree”）、聊天机器人问候、以及产品/功能/资源/关于等导航链接。页面底部显示版权 © 2017-2019。整体内容旨在调侃网站过度使用弹窗和强制交互的行为。

HN 热度 701 points | 评论 391 comments | 作者：doubletwoyou | 9 hours ago #

https://news.ycombinator.com/item?id=49299222

  • 许多网站的移动端体验非常糟糕，强制用户下载 App 并全屏展示广告，且无法关闭。
  • 一些网站故意影响用户正常操作（如阻止搜索输入），只为推广其应用。
  • 长期使用某网站后，其不断推送 App 的做法被视为一种“赢”的策略，因为总有用户可能妥协。
  • 用户可能因为某些网站（如富国银行）删除网页端核心功能、强行导向劣质 App 而考虑停止使用该服务。
  • Instagram 在移动端的行为特别恶劣，无法正常查看链接，会不断重定向到应用商店。
  • 推荐使用 Libredirect 等工具或替代前端（如 safereddit、xcancel）来绕过那些“敌对”网站的限制。
  • 部分浏览器（如 Brave）可设置为始终请求桌面版网站，但可能不被网站尊重。
  • eBay 的 App 推广

6. 加速 GPT-5.6 Sol Ultrafast (Accelerating GPT-5.6 Sol Ultrafast) #

https://www.cerebras.ai/blog/accelerating-gpt-5-6-sol-ultrafast-with-openai

Cerebras 与 OpenAI 联合推出 GPT-5.6 Sol Ultrafast 模式，这是由 Cerebras 芯片驱动的全新服务层级，首批在 OpenAI API 中上线。该模式输出速度可达每秒 750 个 token，且不牺牲模型质量，解决了以往 AI 应用中速度与智能不可兼得的矛盾。

在“人类最后考试”（HLE）基准测试中，Ultrafast 模式仅用 11 小时 11 分钟完成 2500 道博士级难题，而 Claude Fable 5 需要 78 小时 27 分钟，速度提升近 7 倍。在 GDP-Val 经济价值工作基准上，端到端速度提升 5.6 倍，质量无下降。

该技术适用于法律文书、金融建模、工程报告等高价值场景，也能用于生产故障排查、网络安全对抗等需要实时响应的任务。研究人员表示，Ultrafast 让 AI 跟上人的思考节奏，无需频繁切换上下文。

速度优势源于 Cerebras 的晶圆级引擎（WSE）架构：单芯片集成 44GB SRAM，模型权重常驻片上，token 流水线式跨晶圆处理，消除了 GPU 因内存带宽瓶颈导致的数据搬运延迟。

目前 Ultrafast 模式面向有限客户开放预览，后续将逐步扩大访问权限。

HN 热度 694 points | 评论 270 comments | 作者：pr337h4m | 1 day ago #

https://news.ycombinator.com/item?id=49289844

  • Sol 在 Ultrafast 模式下比 Fable 快 7 倍，HLE 测试 11 小时完成，Fable 需 78 小时。
  • Sol 的 token 效率极高，输出 token 比 Fable 少 10-100 倍，大幅节省成本。
  • Sol 和 Fable 每美元 token 价格相同，但 Sol 因 token 效率更省钱。
  • Sol 的 guardrails 更少，减少了因中断会话导致的 token 浪费。
  • 有公司通过切换到 Luna 节省了数千万美元，使用 advisor 模型模式。
  • 有人质疑一个月内节省 2000 万美元的可能性，但解释可能是反事实节省或大客户。
  • OpenAI 和 Anthropi 每月收入数十亿，个别客户占 1% 不奇怪。
  • advisor 模型模式可通过弱模型调用强模型或强模型委托弱模型实现。
  • Claude 的 tokenizer 词汇量小（约 15k），导致 token 效率低。
  • tokenizer 设计（小写化、特殊字符）影响效率，可能带来统计上的权衡。
  • Sol 比 Fable 更便宜（按 token 比较）。
  • 有评论怀疑部分回复是机器人写的，引发讨论。

7. Count Binface 在 Clacton 补选中获得超过四分之一选票 (Count Binface receives over a quarter of votes in Clacton by-election) #

https://www.bbc.com/news/articles/ce97mm3vvemo

Count Binface 在 Clacton 补选中获得超过四分之一选票，这是他迄今为止最好的表现。他获得 9455 票，得票率 26.9%，而改革党领袖 Nigel Farage 赢得 22239 票，得票率 63.3%。

Count Binface 由喜剧演员 Jon Harvey 扮演，他曾在 2017 年以 Lord Buckethead 身份挑战时任首相 Theresa May，获得 249 票。2019 年他改名 Count Binface 挑战 Boris Johnson，仅获 69 票。2024 年挑战 Rishi Sunak 时获得 308 票。2026 年挑战 Andy Burnham 时获得 95 票。

英国有悠久的历史传统，允许这类“新奇”候选人参加选举，只需年满 18 岁、凑齐 500 英镑押金并获得 10 人签名支持即可。尽管 Count Binface 每次都会因得票率不足 5% 而损失押金，但他通过站在首相身边听选举结果的方式，实现了讽刺权力、戳破政治精英傲慢、为选民提供抗议投票的目的。

HN 热度 426 points | 评论 335 comments | 作者：tcp_handshaker | 6 hours ago #

https://news.ycombinator.com/item?id=49301260

  • Binface 的政策主张包括：减税但提高他人税率、国有化 Adele、建造至少一套经济适用房、就冥王星是否恢复行星地位举行公投。
  • 他长期坚持的一项主张是：将 Uxbridge 的 Crown & Treaty 酒吧中的干手器移到更合理的位置，并有人评论说情况需要改善。
  • 对比获胜者的主张（假装选举应决定腐败审判结果），Binface 的笑话更有吸引力。
  • 国有化 Adele（人）可能通过议会法案实现，但可能违反国际条约；也可重新解释为国有化她的版权。
  • 议会主权理论上无限，但实际可能无法引入奴隶制，且国际法院会介入。
  • 有律师（非正式）认为国有化 Adele 是可能的，但需要明确“国有化”的含义。
  • 国有化 Adele 可理解为政府接管她的歌曲版权，并支付公平市场价值。
  • 这是对政府国有化铁路和水务公司的玩笑。
  • 国有化 Adele 后，每个英国人有权与她共进午餐，但效率可能不高。
  • Binface 的完整政策清单包括：不接受加密货币亿万富翁的 500 万英镑礼物、邀请欧洲国家加入英国创建新“欧洲联盟”等。
  • 有人误将 Adele 当作 Alizée，认为国有化外国歌手是激进的外交政策。
  • 国有化 Adele 会降低她的生产力。
  • 试图寻找与“国有化 Adele”同样效果的英国音乐人，如 Freddie Mercury 或 Queen。

8. 选择无聊的技术（2015） (Choose Boring Technology (2015)) #

https://mcfunley.com/choose-boring-technology

每个公司大约只有三个“创新代币”，应谨慎使用。选择 Node.js、MongoDB 或成立不到一年的服务发现技术，都会消耗一个代币。而编写自己的数据库则可能陷入麻烦。

“无聊”的技术（如 MySQL、Postgres、PHP、Python、Memcached、Cron）并非不好，而是其能力和失败模式已被充分理解，未知的未知风险更小。

技术选择应全局优化，而非局部最优。添加新技术会带来运维和认知成本，长期来看，保持系统可靠运行的成本远高于构建时的便利。

有时也需要引入新技术，但应遵循流程：先思考能否用现有技术解决问题；明确新技术的必要性；制定迁移旧系统的计划，避免碎片化。最终目标是“交付产品”。

HN 热度 419 points | 评论 240 comments | 作者：tosh | 1 day ago #

https://news.ycombinator.com/item?id=49289512

  • “创新代币”概念是核心，每个公司只有有限的创新额度，需谨慎分配，有助于向同事解释技术选型权衡。
  • 个人周末用新技术做原型很容易，但团队或公司级推广的成本和侵入性往往被低估，创新代币和 ADR 能迫使开发者考虑更广泛的上下文。
  • 存在类似“豆子”的旧概念，工程师会用尽所有“豆子”解决问题，直到资源耗尽，但具体出处难以查找。
  • 用 xargs+curl 做爬虫的例子不实用，至少需要重试、遵守 robots.txt 和域名限速，但用 wget 等成熟工具快速验证想法是可行的。
  • 基于个人博客的爬虫流量观察，最小可行爬虫实际上不需要那些复杂功能，尽管这令人烦恼。
  • Node.js 在 2015 年可能算非无聊技术，但如今已足够成熟可视为“无聊”选择，而 Bun 或 Deno 则需消耗创新代币。
  • Node.js 生态因 npm、包管理器、linter 等工具碎片化而不无聊，相比之下 Go 的标准化更显“无聊”和稳定。
  • 缺乏跨浏览器和服务器的标准库是主要问题，Node/Deno/Bun 的分裂令人失望，Deno 曾试图标准化但仍有浏览器打包问题。
  • 判断技术是否“无聊”的一个好指标是：更新一个被遗弃 9-12 个月的项目有多痛苦，Node 本身无聊但生态仍混乱。

9. 理解成为新的瓶颈 (Understanding is the new bottleneck) #

https://www.geoffreylitt.com/2026/07/02/understanding-is-the-new-bottleneck

这是一篇由 Geoffrey Litt 在 2026 年 7 月发表的演讲文字稿，主题是“理解成为新的瓶颈”。

核心观点是：尽管 AI 代理（Agent）能帮我们写越来越多的代码，但人类理解这些代码仍然至关重要。理解的目的不是为了验证（因为 AI 自己验证得越来越好），而是为了参与创造过程。只有真正理解了系统，人类才能提出下一个创意，推动项目进化。

为了高效理解代码，作者借鉴了教育领域的经验，分享了三种实用技巧：

  1. 解释文档：让 AI 生成结构化的代码解释，先教背景知识，再讲直觉概念，最后才是代码。文档中还可以加入互动图表和复习测验，确保自己真正理解了。
  2. 微世界：构建一个可交互的小环境，让用户通过“玩”来直观感受系统的工作原理。例如，为 Prolog 解释器制作一个调试器，或为网站迁移任务制作一个“指挥中心”，让用户一步步操作并观察效果。
  3. 主动参与：强调人类必须亲自参与理解过程，而不是完全交给 AI。理解是创造力的基础，避免陷入“认知债务”。

HN 热度 418 points | 评论 235 comments | 作者：sebg | 1 day ago #

https://news.ycombinator.com/item?id=49290299

  • 工程师们开始发现工程领导和项目管理的挑战才是真正的瓶颈
  • 管理者通过信任强手并减少干预来扩展团队能力
  • 使用 LLM 仍需自己深入理解，因为最终责任在人
  • 使用 LLM 同样需要软技能，缺乏软技能的工程师更难适应
  • LLM 不需要软技能，只需正确写提示词，而人类需要理解其情绪状态
  • 鼓励 AI 也能改善输出，但清除 AI 记忆比清除人类记忆容易
  • 管理 AI agent 不需要软技能，但软技能包含了解能力与弱点也适用于 LLM
  • 软技能在管理人和管理 AI 时并不完全相同
  • 与 LLM 对话和用 Google 搜索都不是技能，而是领域知识
  • 使用 Google 搜索也是一种技能，很多人并不擅长

10. Mistral OCR 4.1 (Mistral OCR 4.1) #

https://docs.mistral.ai/models/ocr-4-1

这是一个关于 Mistral OCR 4.1 的产品介绍页面。该服务是 Mistral 文档 AI 技术栈中的最新 OCR 模型，主要功能包括：

  • 原生段落级边界框提取
  • 结构块标签识别
  • 块级置信度评分

页面提供了该服务的性能、处理速度、模态以及定价信息：

  • 价格：4 美元/1000 页（标准），5 美元/1000 页（带注释）
  • 提供 /v1/ocr 和 /v1/batch 接口

此外，页面还列出了其他模型如 Z.ai GLM 5.2、Shieldstral 1.0 和 Mistral Medium 3.5，以及公司信息、社区链接和法律条款。

HN 热度 402 points | 评论 160 comments | 作者：spelk | 1 day ago #

https://news.ycombinator.com/item?id=49288889

  • 有用户测试发现，Mistral OCR 在复杂文本（如合字、临界符号、哥特体、上下标）上的表现不如 OpenAI 的“pro”模型，对精细工作效果不佳。
  • 用户比较 Claude 和 Mistral OCR 后，认为 Claude 更好，但 Anthropic 会标记 OCR 行为，限制版权内容的复制，即使用户拥有版权；因此采用 Mistral OCR 进行初次识别，再用 Claude 校对，以规避限制。
  • 批评 Anthropic 的过度限制正在削弱自身优势，因为 OpenAI 和开源模型在编码等其他领域已赶上。
  • Claude 会拒绝翻译歌词（即便用于个人理解），而 ChatGPT 允许；Suno 等工具也因过度谨慎而限制公共领域内容，反映公司为避诉讼而采取过度安全措施。
  • 这些限制部分源于政府法规或版权诉讼和解条款，如 Anthropic 支持文档所说明的，禁止逐字复制已有内容。
  • 有用户通过两次 OCR 流程：先用 Mistral OCR 转录，再让 Claude 结合原图校对，发现 Mistral OCR 4.0 会严重幻觉，凭空生成句子，而 Claude 能指出并修正这些错误。
  • 校对时需避免触发 Anthropic 的规则，单页操作通常安全，但批量处理易被标记；针对小规模错误（如单句幻觉或格式问题），Claude 的校对很有帮助。

Hacker News 精彩评论及翻译 #

Why does Opus 5 feel worse to work with? #

https://news.ycombinator.com/item?id=49296860

The single biggest annoyance with Opus 5 is that it writes too elliptically.

Sentences that orbit a point, then jump to it like it’s a revealed insight.

Unnecessarily abstract phraseology. Constantly using inanimate nouns as the subjects in sentences in order to unlock variety in verb choice, especially when it helps construct a sentence where the real action can ’land’ like a surprise at the end.

It is definitely more capable, and yes, I’ve found it can make unwarranted decisions, but actually I’ve found Fable worse for that, particularly if it’s off in a subagent somewhere out of sight.

And comments are out of control. I have a subsystem in my hobby app that I wrote over a couple of weekends with Opus + Fable. After ~30 or so commits it apparently started instructing subagents to copy the “existing verbose comment style of the codebase” - a verbose style it initiated. A review of the code showed it was approaching 3:1 comments to code ratio. I spent a day’s worth of tokens (5x) rephrasing and eliminating comments.

barrkel

Opus 5最大问题在于写作过于简略。

句子绕着观点打转，最后突然抛出论点，仿佛是什么灵光乍现的洞见。

用词过于抽象，总爱用非生物名词作主语来丰富动词选择，尤其擅长构建那种让真正动作像惊喜般落在句末的句式。

它的能力确实更强，我也发现它会做出无根据的决策，但实际体验中Fable在这方面更糟，特别是当它隐没在某个子代理中时。

注释问题更是失控。我在业余项目里用Opus+Fable写了个子系统，不过三十次提交后，它居然开始指示子代理"沿用代码库现有的冗长注释风格"——而这风格正是它自己开创的。审查代码时发现注释与代码比例已接近3:1。我花了整整一天（5倍配额）来重写并删除注释。

Every Fucking Website (2020) #

https://news.ycombinator.com/item?id=49299956

Should load much slower.

Also, where is the unrelated autoplaying video that will unmute if you actually click it, that follows your scrolling and only becomes smaller when you dismiss it? Plus, it should probably have text that cuts off letting you know you can have access for just $10/month.

Plus, isn’t this website undissmissably “better in the app” after a few minutes of attempting to use it on a phone? Where’s that at?

edit: Oh shoot! I forgot, too. This modal needs to also ensure there is absolutely no way to scroll. If you could scroll you might be able to accidentally get to the address bar of your browser to fix the URL to xcancel or even close the page, which isn’t using the app as you are intended to do.

Also, it doesn’t attempt to hijack the back button to give me stuff I clearly wanted to see before I leave the page.

A lot of work left to do here before it’s a “real” website. Although, it has about as much substance as the average website so far, so good work on that.

jchw

加载速度应该慢很多。

还有，那个自动播放、点击后会取消静音、跟随滚动、只有在关闭时才会变小的无关视频在哪？另外，页面应该显示截断的文字，提示你只需每月10美元就能获取访问权限。

此外，在手机上使用几分钟后，这个网站难道不是无法关闭地提示“在应用内体验更佳”吗？那个功能在哪？

编辑：哦对了！我还忘了。这个模态框还需要确保完全无法滚动。如果你能滚动，说不定就能意外碰到浏览器地址栏，把网址改成xcancel甚至直接关闭页面——这就不符合让你使用应用的预期了。

还有，它也没有尝试劫持返回键，在我离开页面之前，让我看看之前明显想看的内容。

要成为一个“真正”的网站，还有大量工作要做。不过，它目前的内容含量和普通网站差不多，所以这方面做得还行。

Why does Opus 5 feel worse to work with? #

https://news.ycombinator.com/item?id=49302974

You’re right, and the load-bearing part of the argument is not what you think it is. Two ambiguities worth resolving before moving on: whether what you wrote also applies to ChatGPT, and whether you have custom instructions set up. Failure mode worth flagging explicitly: I didn’t read TFA.

(I’m becoming allergic to how these things write).

Panoramix

你说得对，而且论证中承载关键的部分并非你所想的那样。在继续之前有两个模糊点值得澄清：你写的是否也适用于ChatGPT，以及你是否设置了自定义指令。一个值得明确指出的失败模式：我没读TFA。

（我对这些东西的写作方式越来越过敏了。）

Count Binface receives over a quarter of votes in … #

https://news.ycombinator.com/item?id=49302257

Some of his planks:

  • Cut your taxes, and raise everyone else’s.
  • Nationalize Adele.
  • Build at least one affordable house.
  • Hold a referendum on whether Pluto should regain its planet status. I see the attraction.

delichon

他的一些政纲：

  • 削减你的税，提高其他人的税。
  • 将阿黛尔国有化。
  • 至少建造一套经济适用房。
  • 就冥王星是否应恢复行星地位举行公投。 我明白吸引力在哪了。

Count Binface receives over a quarter of votes in … #

https://news.ycombinator.com/item?id=49302312

Please don’t forget one of his longest standing and most important planks:

  • move the hand dryer in the Crown & Treaty pub in Uxbridge to a more sensible location.

This YouTube video shows just how dire the situation is: https://www.youtube.com/watch?v=nbartLXCYZo

epistasis

请不要忘记他历时最久、也最重要的一项主张：

  • 将阿克斯布里奇“皇冠与条约”酒吧里的干手器移到更合理的位置。

这个YouTube视频展示了情况有多糟糕：https://www.youtube.com/watch?v=nbartLXCYZo

Gemini 3.7 Flash #

https://news.ycombinator.com/item?id=49289786

Here’s a image->html test. Gemini has always swung above its weight class for vision work, so I’m always eager to try it with this.

Original images: https://image.non.io/neonRamenDesigns.webp

Gemini 3.7 build: https://html.non.io/neonRamenGemini3.7

Opus 5 build for comparison: https://html.non.io/neonRamen

Opus is still best in class for this, but it’s worth noting how well Gemini 3.7 does vs a more comparable LLM price wise, which is Grok 4.6: https://html.non.io/neonRamenGrok4.6. I thought Gemini would blow Grok out of the water (it generally has in the past), but Grok has really caught up.

jjcm

这是一个图片转HTML的测试。Gemini在视觉任务上一直表现超出其同类水平，所以我总是很乐意用它尝试这个。

原始图片：https://image.non.io/neonRamenDesigns.webp

Gemini 3.7生成结果：https://html.non.io/neonRamenGemini3.7

Opus 5生成结果（供对比）：https://html.non.io/neonRamen

Opus在这方面仍然是最优秀的，但值得注意的是，与价位更接近的LLM——Grok 4.6（https://html.non.io/neonRamenGrok4.6）相比，Gemini 3.7的表现也相当不错。我原以为Gemini会彻底碾压Grok（过去通常如此），但Grok确实已经迎头赶上。

GLM-5.3: Frontier coding with emergent cyber capab… #

https://news.ycombinator.com/item?id=49297537

I bought $18 GLM official subscription yesterday (5.2, but new model version was already leaking on some docs), set it up with Claude Code harness… and I’ve bumped to $80 plan almost immediately. It’s the first model that agreed on a proper security research (red team scenario), executed it seamlessly, including 0-days in WP plugins, RCE, 6.8 kernel exploit adaptation, etc - while playing against another GLM agent as a defender (following HF story)!

I understand that such models can be used by malicious actors, but it’s fair to have it publicly available (and play on your side in case of emergency). This is what changes the world in a better way, I think, not the guardrails.

leobuskin

我昨天花18美元买了GLM官方订阅（版本5.2，但新模型版本已经在一些文档中泄露），用Claude Code工具链配置好…然后几乎立刻就被升级到了80美元的套餐。这是首个同意进行正规安全研究（红队场景）的模型，它能无缝执行任务，包括WordPress插件中的零日漏洞、远程代码执行、6.8内核漏洞利用适配等——同时还能作为防御方与另一个GLM智能体对抗（遵循Hugging Face的方案）！

我知道这类模型可能被恶意行为者利用，但将其公开提供（并在紧急情况下让你能参与其中）是公平的。我认为，这才是让世界变得更好的方式，而不是那些防护栏。

Understanding is the new bottleneck #

https://news.ycombinator.com/item?id=49293184

I think it funny how much average engineers are beginning to discover the challenges of engineering leadership and program management. This has always been the bottleneck.

It’s why managers and PMs want to be in standup. It’s why slack exists and engineers are constantly being poked on it. It’s why execs always talk about not getting too far away from the work. It’s how seagull management happens. It’s why program management is a job.

All those behaviors engineers hated about their bosses that kept them away from being focused on the code…they’re starting to feel what it’s like on the other side and reinventing the solutions instead of just reading a book about engineering management. Maybe we’ll rebrand program management to “understanding ops” or something.

I wonder what AI would say about us if given the tokens to complain.

madrox

我觉得挺有意思的是，普通工程师们开始逐渐发现工程领导力和项目管理的挑战所在。这其实一直是瓶颈。

正因如此，经理和项目经理才想参加每日站会。正因如此，才有Slack这类工具，工程师们不断被上面的人催促。正因如此，高管们总说不能离一线工作太远。这也就是"海鸥式管理"的由来。正因如此，项目管理才成了一项专职工作。

那些工程师曾厌恶上司的做法——让他们无法专注于代码——如今他们开始体会到另一边的感受，并自己重新发明解决方案，而不只是读一本关于工程管理的书。也许我们该把"项目管理"改名为"理解运营"之类的东西。

我好奇如果AI获得吐槽的权限，它会如何评价我们。

DeepSeek Harness developer preview #

https://news.ycombinator.com/item?id=49287317

Hi I’m one of the authors of DeepSeek Harness. It’s just an early developer preview version we’re presenting in MIT license currently. Expect lots of rough edges and compatibility-breaking changes. Any feedback and suggestions are more than welcome!

tianyicui

嗨，我是DeepSeek Harness的作者之一。这只是一个早期开发者预览版本，目前以MIT许可证发布。预计会有很多不完善之处以及不兼容的改动。非常欢迎任何反馈和建议！

Why does Opus 5 feel worse to work with? #

https://news.ycombinator.com/item?id=49301955

Everything that claude writes fits into the same aesthetic structure. The aesthetic is that of an expert slowly revealing an insight to the user. The actual content doesn’t matter.

  • “Introduction that rephrases your prompt.”

  • “3 paragraphs, with one section of bullet points”

  • “The Twist”

  • “The Bottom Line”

It’s really obvious once you see it. Every single prompt, from a quantum physics question to a mundane observation about California burritos, is phrased in exactly the same way. This is obviously an artifact of post-training but it’s also kind of how you can tell that this thing is a lot closer to a blindsight scrambler than real intelligence.

mlsu

克劳德写的一切都遵循同样的美学结构：即一位专家向用户缓缓揭示洞见的风格。具体内容其实无关紧要。

——“引言部分改写你的提示语” ——“三段文字，其中包含一组要点” ——“转折点” ——“核心结论”

一旦看穿就非常明显。从量子物理问题到关于加州卷饼的日常观察，每个提示都以完全相同的方式被表述。这显然是后训练（post-training）的产物，但从某种程度上看，这也恰恰说明这东西更接近盲视干扰器而非真正的智能。

Understanding is the new bottleneck #

https://news.ycombinator.com/item?id=49290997

We have LLMs try to generate descriptions of PRs for us and they’re pretty universally disliked. They’re always overly-complex descriptions of the mechanical changes and have no sense of motivation.

Also, a huge reason to understand the code yourself is to make sure the LLM isn’t wrong, but this doesn’t work if an LLM is itself generating the understanding.

alecbz

我们曾尝试让大语言模型帮我们生成代码审查请求的描述，但普遍不受待见。这些描述总是把技术变更过程搞得过于复杂，而且完全体现不出修改的动机。

此外，自己理解代码的一个重要原因是要确保大语言模型没有出错——但如果连理解过程本身都交给大语言模型来完成，这条防线就形同虚设了。

In Australia, a home battery boom has helped cut w… #

https://news.ycombinator.com/item?id=49299406

It started with a solar boom, many small home scale solar roofs popping up everywhere. Australia has a free trade agreement with much of the world, including China, and solar panels have literally dropped to 1/50th of the price they were in 1990 ($10/W to $0.2/W today). A shout out to the work that was done to establish dynamic grid pricing too.

Anyway that caused power prices to reliably go negative during the day as the solar boom led to too much energy being produced. So everyone started buying batteries (you can even get live feed in/out pricing as a consumer). In fact the government even today will pay you a $3000 subsidy to go install a battery. This is in a country where people can buy cheap batteries with no tariffs (free trade’s amazing, seriously!). So everyone who could started doing it. For those in apartments etc. that couldn’t easily install solar and batteries they won too since the entire power grid is now half the price.

Another consequence of all this, aside from the cheap power prices during a datacenter boom and Hormuz blockade is that fossil fuel usage is plummeting. Particularly gas https://ieefa.org/resources/slump-eastern-australia-gas-demand-shows-no-signs-easing. No need for a gas peak power plant when the grid is packed with batteries. Which is helpful since one of the main issues with the current blockade is a lack of gas globally.

AnotherGoodName

这一切始于一场太阳能热潮，许多小型家用屋顶太阳能板如雨后春笋般涌现。澳大利亚与包括中国在内的世界多国签订了自由贸易协定，太阳能板的价格实际上已降至1990年的五十分之一（从每瓦10美元降至今年的每瓦0.2美元）。同时也要感谢为建立动态电网定价所做的工作。

总之，这导致白天的电价可靠地变为负值，因为太阳能热潮产生了过多的能源。于是大家开始购买电池（消费者甚至能实时查看购电和售电价格）。事实上，政府至今仍会提供3000澳元的补贴鼓励安装电池。这个国家的人民可以零关税购买廉价电池（自由贸易确实很棒，真的！）。所以有能力的人都开始这么做了。对于住在公寓等无法轻松安装太阳能和电池的人来说，他们也受益了，因为整个电网的电价现在便宜了一半。

除了数据中心热潮和霍尔木兹海峡封锁期间的廉价电价之外，这一切的另一个后果是化石燃料使用量急剧下降，尤其是天然气。https://ieefa.org/resources/slump-eastern-australia-gas-demand-shows-no-signs-easing。当电网充满电池时，就不再需要燃气调峰电站了。这很有帮助，因为当前封锁的主要问题之一是全球天然气短缺。

Every Fucking Website (2020) #

https://news.ycombinator.com/item?id=49300237

I started an e-commerce brand on a Shopify site. I swore to myself I would never put up one of those stupid things that pops up “Someone bought X product an hour ago!” messages in the corner of the screen.

I ended up trying it. Boosted conversion rate meaningfully. Worth the price I pay in mild self-loathing.

Chesterton’s popup, I guess.

idopmstuff

我在Shopify网站上开创了一个电商品牌。我曾对自己发誓，绝不会在屏幕角落放那种愚蠢的弹窗，写着“有人在一小时前购买了某产品！”

结果我还是试了。转化率提升了，效果显著。值得付出这点自我厌恶的代价。

我想，这就是切斯特顿式的弹窗吧。

Qwen 3.8 27B #

https://news.ycombinator.com/item?id=49301075

Since it might be helpful to some, here’s my current commandline for llama.cpp running on an RTX 4090 with my monitor moved to the iGPU to free up all of its VRAM.

llama-server -m Qwen3.8-27B-IQ4_NL.gguf –mmproj mmproj-BF16.gguf -c 170000 –parallel 1 -ngl -1 –cache-type-k q8_0 –cache-type-v q8_0 -b 1024 -ub 512 –flash-attn on –no-context-shift –no-mmproj-offload –spec-type draft-mtp –spec-draft-n-max 5 –spec-default –cache-type-k-draft q4_0 –cache-type-v-draft q4_0 –threads 24 –jinja –reasoning on -fit off

Identical to the qwen3.6 config. With a prompt like “svg owl” (which can reuse quite a lot compared with creative writing or similar, so ngram-mod shines), I get about 70-80t/s like this, with a memory overclock of about 1.5GHz

hypfer

这可能对某些人有帮助，以下是我目前在RTX 4090上运行llama.cpp的命令行配置，已将显示器连接到核显以释放全部显存：

llama-server -m Qwen3.8-27B-IQ4_NL.gguf –mmproj mmproj-BF16.gguf -c 170000 –parallel 1 -ngl -1 –cache-type-k q8_0 –cache-type-v q8_0 -b 1024 -ub 512 –flash-attn on –no-context-shift –no-mmproj-offload –spec-type draft-mtp –spec-draft-n-max 5 –spec-default –cache-type-k-draft q4_0 –cache-type-v-draft q4_0 –threads 24 –jinja –reasoning on -fit off

与Qwen3.6的配置相同。在提示词为“svg owl”（与创意写作等相比可复用大量内容，因此ngram-mod效果显著）的情况下，通过约1.5GHz的显存超频，我能达到约70-80 tokens/秒的速度。

Choose Boring Technology (2015) #

https://news.ycombinator.com/item?id=49289692

Let’s say every company gets about three innovation tokens. You can spend these however you want, but the supply is fixed for a long while.

This is one of my favorite blog posts, and it can basically be encapsulated in the idea of “innovation tokens.” It is one of the most useful concepts I have had as a PM / eng leader in my career. It helps actually make the the right tradeoffs, and helps even more in explaining those tradeoffs to colleague of all levels. Highly recommend.

NickNaraghi

假设每家公司大约有三张创新代币。你可以随意使用这些代币，但供应量在很长一段时间内是固定的。

这是我最喜欢的博客文章之一，其核心思想可以概括为“创新代币”。这是我作为产品经理/工程领导职业生涯中用过的最有用的概念之一。它确实有助于做出正确的权衡，更棒的是，它能帮你向各级同事解释这些权衡。强烈推荐。

GLM-5.3: Frontier coding with emergent cyber capab… #

https://news.ycombinator.com/item?id=49295284

OpenAI and Anthropic are both seeking trillion IPOs, while Chinese labs are pumping out open-weight models that are free for US providers to host and monetize.

These Chinese models cost less of US SOTA models to run, even if they are less capable. Providers can just run them, offer cheap tokens, and pocket the margin.

I just don’t see how you justify a trillion valuation for US AI labs when the underlying models are being commoditized this fast.

MangoCoffee

OpenAI和Anthropic都在寻求万亿级IPO，而中国的实验室正在大量推出开源权重模型，美国服务商可以免费部署这些模型并从中变现。

这些中国模型的运行成本低于美国最先进模型，即使能力稍逊。服务商只需运行这些模型，提供低价令牌服务，就能赚取差价。

当基础模型被如此迅速地商品化时，我看不出美国AI实验室如何证明万亿估值的合理性。

GLM-5.3: Frontier coding with emergent cyber capab… #

https://news.ycombinator.com/item?id=49295921

Apparently they are scanning OSS and popular software at scale and disclosing the vulnerabilities they found: https://cvd.z.ai/

Most of these are under embargo, but it seems there are a lot of CVE here from a wide range of popular software, many considered critical or high.

I understand the argument of “people are not actively looking”, but isn’t the cost for such a scan getting lower by the week, and Anthropic’s Project Glasswing is supposed to find them quite a while ago?

z4y5f3

显然，他们在大规模扫描开源软件和流行软件，并披露发现的漏洞：https://cvd.z.ai/

其中大部分仍在保密期内，但看来这里有很多来自各种流行软件的CVE，许多被认定为严重或高危。

我理解“人们没有主动寻找”的说法，但这类扫描的成本不是每周都在降低吗？而且Anthropic的Glasswing项目按理说应该在很久以前就发现这些漏洞了。

Thanks to social media, canned sardines are a scar… #

https://news.ycombinator.com/item?id=49279461

The numbers in question are quite wild[0]

The NOAA assessment estimated the Pacific sardine biomass will be at 27,547 metric tons by the summer – significantly less than the 150,000 metric tons needed to reopen the fishery to commercial fishing. Any fishery at less than 50,000 metric tons is considered to be overfished. The assessment estimates the sardine biomass was around 1.8 million metric tons in 2006.

Haha, damn. Fishermen must have visibly noticed such a decline. 1,800,000 metric tons to 27,000 metric tons. Two orders of magnitude. Wow.

0: https://www.seafoodsource.com/news/environment-sustainability/controversy-descends-on-pacific-sardine-fishery-over-stock-surveys

arjie

这些数字相当惊人[0]

美国国家海洋和大气管理局的评估预计，到今年夏季太平洋沙丁鱼生物量将降至27547公吨——远低于恢复商业捕捞所需的15万公吨门槛。任何低于5万公吨的渔场都被视为过度捕捞。而评估显示2006年沙丁鱼生物量约为180万公吨。

哈哈，天呐。渔民们肯定明显注意到了这种锐减。从180万公吨到2.7万公吨，整整两个数量级。嚯。

When Genius Fails: The Intellectual Arrogance of t… #

https://news.ycombinator.com/item?id=49300020

It’s much easier to say someone else’s job is going to be fully replaceable by AI when you don’t actually know what they do.

Too true. This isn’t limited to AI, either. The most obvious example in my lifetime was during peak blockchain hype, when people who had never worked in finance convinced themselves that blockchain was going to act as the backbone for how money gets moved around. As if the problem that needing solving was Bank of America doesn’t trust Capital One to update a number in their database.

The nice thing about AI, at least, is I can always push back and tell people, “Sure, we can do this with AI. I just need you to use Claude or ChatGPT manually to prototype how it would work.” This normally results in the requestor realizing that there’s human judgment calls involved in the inputs, process, or outputs that require meatbag intelligence.

mjr00

说别人的工作会被AI完全取代很容易，尤其是当你根本不知道他们具体做什么的时候。

太对了。这种情况也不仅限于AI。我一生中最明显的例子是区块链热潮巅峰时期，那些从未在金融行业工作过的人坚信区块链将成为资金流动的底层架构。仿佛我们需要解决的问题是“美国银行不信任第一资本银行会更新数据库里的一个数字”似的。

至少AI有个好处，我可以反驳说：“当然，我们可以用AI做这个。我只需要你手动用Claude或ChatGPT做个原型，看看它怎么运作。”这通常会让提要求的人意识到，输入、处理或输出的环节中涉及人类判断，而这是需要碳基智能的。

Spaghettifying DRAM #

https://news.ycombinator.com/item?id=49286925

I cannot wait for the accompanying Black Hat talk. Christopher Domas is one of my absolute favorite all-time hackers. He does such a fantastic job of explaining his work. Some of my favorite talks of his:

MattSteelblade

等不及要看对应的黑帽大会演讲了。克里斯托弗·多马斯一直是我最崇拜的顶级黑客之一，他总能把技术原理解释得特别透彻。以下是他的几个我最钟爱的演讲：

  • 《逆向工程中的心理战》https://www.youtube.com/watch?v=HlUe0TUHOIc

  • 《MoVfuscator》https://www.youtube.com/watch?v=R7EEoWg6Ekk

  • 《被屏蔽的x86中的硬件后门》https://www.youtube.com/watch?v=jmTwlEh8L7g

Every Fucking Website (2020) #

https://news.ycombinator.com/item?id=49299646

Loaded way too fast and is way too responsive.

Also when I checked NoScript, it’s only loading js from lxe.github.io

I expect there to be at minimum 8 domains, but often 12-18.

WarmWash

加载速度太快了，反应也太灵敏了。

另外，我检查了 NoScript，它只从 lxe.github.io 加载了 JavaScript。

我原本以为至少会有8个域名，但通常有12到18个。