2026-09-23 Hacker News Top Stories #
- 小米发布 MiMo-V2.6 系列，强调多模态应用与公共环境智能系统构建，展现其在智能硬件与软件融合方面的最新进展。
- Claude Opus 5.5 性能接近 Fable 5.1 但成本降低 40%，在编码、计算机使用和知识工作基准中领先，安全性最高且定价更低。
- Colin Breck 批评 AI 生成写作泛滥，指出其缺乏上下文与人情味，但承认 AI 在验证细节、补全引用等方面非常出色。
- 作者记录与苹果 AI 功能的拉锯战，批评 macOS 27 移除关闭开关，认为科技巨头在强迫用户使用 AI。
- 文章提出“spymark”概念，指隐藏信号可在用户不知情下追踪作品，呼吁正视隐私威胁。
- 交互式可视化网页以 GPT-2 为例讲解 Transformer 架构，包括嵌入层、自注意力机制和采样策略，配有丰富可视化交互。
- 苹果在 iOS 设置应用顶部推送自家付费服务推广且无法直接关闭，引发用户强烈不满，被批评为服务营收战略下的变相广告。
- GPT-6 Astra 独立破译 1941 年恩尼格玛消息 MVUEH，利用重复地名作为 crib，两天完成人类需数周的工作。
- NASA 火星样本返回项目在国会支出法案中被终止，资金转移至“火星未来任务”，中国天问三号有望率先完成样本返回。
- 探讨用 gzip 压缩器作为语言模型，基于压缩与预测等价性实现 gzipt 工具生成文本，效果不及神经网络但具思想实验价值。
1. MiMo v2.6 (MiMo v2.6) #
https://mimo.xiaomi.com/mimo-v2-6
MiMo-V2.6 系列是小米公司推出的一款创新产品，旨在推动前沿智能技术的发展。该系列强调多模态的应用，意味着它能够处理和理解多种不同形式的数据和信息，提升用户体验。MiMo-V2.6 的设计理念是在公共环境中构建智能系统，以实现更高效的交互和更智能的服务。这一系列的产品不仅关注技术的先进性，还注重实用性和用户的实际需求，为用户提供全面的智能解决方案。总之，MiMo-V2.6 代表了小米在智能技术领域的最新进展，展现了其在智能硬件和软件融合方面的深厚积累与创新能力。
HN 热度 1089 points | 评论 469 comments | 作者：volf_ | 1 day ago #
https://news.ycombinator.com/item?id=49792730
- 赞赏小米训练过程的透明度，包括实时训练仪表盘和技术报告，希望其他开源模型也提供更多透明度。
- 梦想分布式训练像比特币挖矿一样，参与者获得奖励或荣誉。
- 分布式训练需要解决恶意数据注入、版权责任和内容创作者收入及滥用等问题。
- 通过追踪每个机器对模型的贡献，可以解决恶意和版权问题，并支付版权所有者。
- 内容创作者收入可能通过政府或慈善资助的机构贡献数据实现，但 LLM 未必会促进新数据的创造。
- 该训练仪表盘可能基于 verl 框架构建。
- 分布式执行可以通过并行化基准任务或推理实现，异步 rollouts 是标准。
- 训练仪表盘包含 on-policy RL、staleness、KL 散度等详细技术指标。
2. Claude Opus 5.5 (Claude Opus 5.5) #
https://www.anthropic.com/claude-opus-5-5
Claude Opus 5.5 是 Claude 5.5 系列的首个模型，性能接近 Claude Fable 5.1，但运行成本降低 40%。它在代理编码、计算机使用和知识工作等基准测试中领先，但实际差距比分数显示的更小。
性能方面，Opus 5.5 能高效完成复杂任务，例如一位测试者在不到一天内完成了 68 万行代码的迁移，另一测试者用它审计并修复了 20 万行代码，耗时仅 3 小时，而 Opus 5 需要 20 小时以上。在内部测试中，它将 HAProxy 从 C 语言翻译为 Rust，用时 9.5 小时，比 Fable 5.1 快 2.5 小时，成本低 51%。
安全性上，Opus 5.5 在自动化行为审计中得分最高，更不易采取难以逆转的行动或越界，且比 Opus 5 更能抵抗提示注入。它已通过外部评估者的测试，并配备了与 Fable 5.1 类似的安全保障。
成本与速度方面，Opus 5.5 的定价比 Opus 5 低：输入每百万 token 4 美元，输出 20 美元，缓存读取仅 0.20 美元（降低 60%），输出生成速度快 30% 以上。订阅用户的五小时使用限制也有所提高，并提供了可保存的速率限制重置功能。
沟通方面，Opus 5.5 的写作更清晰自然，能优先呈现重要信息，更适合长时间协作。后续将推出 Claude Sonnet 5.5 和 Haiku 5.5，继承类似的性能、效率和安全性改进。
HN 热度 1020 points | 评论 738 comments | 作者：km144 | 6 hours ago #
https://news.ycombinator.com/item?id=49803892
- Claude Opus 5.5 发布时提到的 “pacing the frontier” 让人觉得意味不明。
- 有网友认为这种表达方式显得做作，像是 AI 生成的语言。
- 对于 “pacing the frontier” 的含义，不同的人有不同的解读，显得模糊不清。
- 一些人觉得它是指相对于之前的快速发展采取一种相对保守的态度。
- 另一些人认为这是在为自身利益呼吁法律框架，以便更好地控制竞争对手。
- 有评论指出，这种语言实际上掩盖了其真正意图，让人对其含义产生疑惑。
- 有人提到这与赛车中的 “pace car” 概念相似，意在控制速度。
- 对于非英语母语者来说，理解这个短语并不容易。
- 许多人认为这种模糊的表达导致了沟通不畅。
- 还有人认为这种表达是为了让他们在 AI 领域保持优势，同时不会完全停止发展。
3. 我不想读你没写的东西 (I don’t want to read what you didn’t write) #
https://blog.colinbreck.com/i-dont-want-to-read-what-you-didnt-write/
这篇文章是 Colin Breck 撰写的一篇博客，题为《我不想读你没写的东西》。作者对当下泛滥的 AI 生成写作表达了强烈不满，同时分享了自己如何在实际写作中有效利用 AI。
作者指出，越来越多从不原创写作的人，正用 AI 生成大量设计文档、商业计划、演示文稿、Pull Request 摘要和会议记录。这些文字虽然细节丰富，却缺乏上下文、视角和人情味，读起来令人疲惫。他特别反感有人用 AI 总结他的评论再作为回复发给他，认为这既懒惰又冒犯。
作者引用了 Simon Sarris《Resist Summary》中的观点，强调写作应基于个人经验和感受。他提到一项调查：78% 的读者会停止阅读疑似 AI 辅助的文章，71% 会因此避开作者，98% 的人更喜欢作者原汁原味的写作，即使有瑕疵。
不过，作者并不全盘否定 AI。他以自己撰写学术论文的经历说明，AI 在验证技术细节、补全引用、检查语法拼写、绘制技术图表等方面非常出色，甚至帮他发现了一个四位专家评审都遗漏的符号错误。但 AI 从未直接代写任何段落——由 AI 从零生成的文字总是生硬且不准确。有趣的是，AI 唯一写得好的部分是摘要，因为那是最机械、最抽象的部分。
最后，作者提醒不应低估 AI 未来的写作潜力，因为当前模型仍处于早期阶段，且被训练得偏向事实准确而非创造性。
HN 热度 982 points | 评论 419 comments | 作者：mooreds | 1 day ago #
https://news.ycombinator.com/item?id=49794330
- 写作是信息传递，LLM 无法填补缺失的语义信息，如果它能猜对，说明这些信息不是真正的语义信息，不如直接传递核心信息。
- LLM 输出类似于没有链接的摘要，缺乏互动性；应该分享可交互的 LLM 会话链接而不是静态文本。
- 人们把 LLM 输出当作自己的作品，可能对主题一无所知。
- 媒体和期刊引用论文时常为自身论点服务，夸大或曲解结论，甚至研究机构自己的摘要也会为了吸引资助而歪曲数据。
- 科学家的发现脱离背景就无用，媒体会断章取义；科学发现通常只对同行有用，对普通人无用，直到变成商品。
- 作者有动机在同行评审中谨慎，在科普中夸大；95% 置信区间可能不是合适的统计量。
- 在注意力经济下，研究机构、媒体和政客都会夸大其词以获取关注和资金。
4. 我说不，苹果却说是 (I said no and Apple said yes) #
https://dbushell.com/2026/09/22/apple-intelligence/
这篇博客文章作者记录了自己与苹果公司 AI 功能“拉锯战”的经历，并强烈批评了 AI 行业的“同意”问题。
作者于 2025 年 2 月发现 macOS 15.3 的 Apple Intelligence 功能每 15 分钟回传个人数据，当时他选择关闭。但升级到 macOS 27 后，苹果移除了关闭该功能的开关，尽管他此前已明确关闭“Apple Intelligence 与 Siri”。他还在“屏幕使用时间”的隐藏设置中找到了清理 AI 工具菜单的方法，并发现该功能占用了 22.28 GB 磁盘空间。
作者批评 AI 行业缺乏“同意”概念，列举了 X 平台儿童性虐待内容、OpenAI 面临 50 多起诉讼、以及 LLMs 建立在“盗窃”基础上等新闻，认为科技巨头在强迫用户使用 AI。最后他提到自己创立了 Valley Fold 公司，并坚持所有内容均由人类撰写。
HN 热度 776 points | 评论 637 comments | 作者：thatslast | 15 hours ago #
https://news.ycombinator.com/item?id=49797982
- Linux 桌面环境存在许多未被修复的尖锐问题，例如网络接口莫名消失、KDE 配置界面缺陷，用户不得不转向命令行解决，浪费时间。
- macOS 和 Windows 系统充满广告、间谍软件和难以关闭的 AI 功能，花钱购买却面对用户敌意环境。
- 所有操作系统都有各自的麻烦，区别在于 Linux 问题发生在尝试做事时，而商业平台问题在于需要忍受的膨胀功能。
- 功能性问题（如网络中断）比难以关闭的 AI 功能更严重，因为直接破坏系统可用性和工作能力。
- 许多 Linux 问题可通过技术手段（如绕过 NetworkManager）解决，但需要用户具备动手能力和耐心；商业平台出问题时往往束手无策。
- 用户对系统的接受度取决于其成长背景和习惯，有人更青睐 Classic Mac OS 那样简洁直观的设计理念。
- 商业平台并非完美，它们也存在各种错误和顽固问题，只是通常不如 Linux 问题那么突出。
5. 间谍标记，而非水印 (Spymarks, not Watermarks) #
https://brand.io/article/spymarks/
这是一篇题为《Spymarks, not Watermarks》（间谍标记，而非水印）的文章，提出了“spymark”（间谍标记）这一新概念，以区别于传统意义上的“水印”（watermark）。
文章指出，水印是可见的、用于验证真伪或所有权的标记；而间谍标记是一种隐藏信号，能在用户不知情或未同意的情况下，使你的作品被追踪。例如，谷歌的 SynthID 可将“人类不可感知”的隐藏信号嵌入图像、音频、文本和视频中，编码数据库标识符，进而关联到用户的姓名、IP 地址、出生日期甚至政治派别等个人信息。
作者主张用“spymark”一词替代“watermark”，因为这一新词将隐私风险直接置于语言之中，让公众更容易理解问题的严重性。文章还列举了音频间谍标记（如 audiowmark 工具，可隐藏 128 位载荷）和文本间谍标记（通过词选择编码数据）等更多实例。
文章强调，传统水印（如版权标识、防伪标记）是良性的，而间谍标记则不然。标准化的元数据标签（如 EXIF、ID3）虽可能暴露敏感信息，但用户可自行检查、编辑和删除；而间谍标记嵌入像素或音频中，用户无法察觉，也难以移除。
最后，作者警示了一个令人不安的未来：若每个设备都经过认证、每条社交媒体帖子都携带关联账户的间谍标记，那么任何人都有可能通过一张图片或一条推文被追踪和定位。文章呼吁人们正视这一威胁，将间谍标记视为真正的间谍工具。
HN 热度 643 points | 评论 159 comments | 作者：possibilistic | 24 hours ago #
https://news.ycombinator.com/item?id=49794615
- Spymarks 是隐写术的一种应用，并非新概念。
- 防止 spymark 很困难，因为内容生成或转换过程可能直接嵌入，且难以验证生成器是否添加标记。
- 社交媒体平台重新压缩内容时容易嵌入追踪信息，已有 Facebook 嵌入元数据追踪的先例。
- 控制分发的一方可以动态注入不同载荷，追踪接收者和发起者。
- 技术的正负价值取决于使用，需要关注谁控制信息输入输出以及法律监管，打印机追踪点是先例。
- 去除 spymark 可通过高斯模糊或添加噪声实现，但会降低质量且需要用户主动操作。
- Spymark 可能被用于广告归因，设备底层驱动扫描并上报，苹果也未必可信。
6. 图解 Transformer (Transformers Explained Visually) #
https://poloclub.github.io/transformer-explainer/
这是一个关于 Transformer 架构的交互式可视化网页，以 GPT-2 小模型为例，帮助用户直观理解现代 AI 大语言模型（如 ChatGPT、Gemini）的核心原理。
- 模型工作原理：Transformer 通过不断预测“下一个词”来生成文本，用户可输入文字并点击“Generate”实时观察生成过程。
- 三大核心组件：嵌入层（将文本转为向量）、Transformer 块（由多头自注意力和 MLP 组成）、概率输出层（预测下一个词的概率分布）。
- 自注意力机制：通过查询（Query）、键（Key）、值（Value）的运算，让每个 token 关注上下文中的相关信息，支持多头并行捕捉不同模式。
- 采样策略：提供温度（Temperature）、Top-k、Top-p 等参数调节生成文本的随机性与创造性。
- 辅助技术：残差连接、层归一化、Dropout 等用于稳定训练、防止过拟合。
页面还配有丰富的可视化交互，如注意力权重热力图、概率分布条形图等，让抽象概念一目了然。
HN 热度 592 points | 评论 87 comments | 作者：aray07 | 1 day ago #
https://news.ycombinator.com/item?id=49792342
- 这是一个交互式可视化网站，用动画和可点击步骤讲解 Transformer（基于 GPT-2）架构，被多数人认为直观好用。
- 有人强烈推荐经典资源 The Illustrated Transformer（Jay Alammar），认为对初学者更友好，并顺带推荐其相关书籍。
- 有人指出注意力机制的核心亮点：Attention 矩阵乘以 Value 向量，相当于在推理时动态构建一个小型 Dense 层，而非传统固定权重。
- Temperature 解释被批评用词不当（“safety”不准确），且 Dropout 在现代模型中已很少使用，建议删除相关说明。
- 有人提醒该可视化基于 GPT-2（使用绝对位置编码），现代模型多用 RoPE，不适合作为当前架构的完整代表。
- 页面会下载约 600MB 的 GPT-2 模型用于示例，导致部分设备（如 Chromebook）卡顿或崩溃。
- “Transformer”一词被电气工程师吐槽容易混淆（联想到电力变压器或变形金刚）。
- 有人分享其他可视化资源（如 bbycroft.net/llm），并讨论注意力与普通 MLP 的区别。
- 整体评价正面：交互设计出色，适合入门理解，但需注意它简化了细节且基于较旧架构。
7. 苹果在 iOS 中加入了持续不断的“广告”，这让用户抓狂。 (Apple has added persistent ‘ads’ to iOS, and it’s driving users crazy) #
这篇 TechRadar 文章报道了苹果在 iOS 系统中向用户推送自家产品"广告"引发的广泛不满。
文章指出，这些推广信息出现在 iPhone 的"设置"应用顶部，向用户推荐付费的 iCloud+ 存储扩容、Apple Music 和 Apple TV 的免费试用，以及 AppleCare+ 延保服务等。最让用户恼火的是，这些推广无法直接关闭，唯一的处理方式是等它们自然过期（可能需要数周甚至数月，期间设置应用上会一直挂着小红点通知），或者干脆花钱订阅被推荐的服务。有些情况下根本没有"关闭"按钮，即使有，也有用户反映点击后并不生效。
社交媒体上怨声载道，有用户表示这几乎堪比微软在"开始"菜单里塞广告的做法，直言"希望苹果别再搞这种破事"。由于苹果刚发布 iPhone Duo 和 iPhone 18 Pro 系列，大量新购机用户正遭遇这些推送，不满情绪在近期集中爆发。
文章分析认为，苹果此举背后是其服务业务战略的推动。智能手机市场增长空间有限，苹果正把重心转向服务营收，而系统内的推广正是这一策略的体现。尽管苹果一直标榜高端定位和极致用户体验，但在涨价之后还不断向用户推送自家付费服务，被批评为显得廉价、有"变相薅羊毛"之嫌。
另外，部分用户（包括已经订阅 iCloud+ 的用户）也收到了相关广告，引发这是否属于系统 bug 的猜测。如果这些现象持续存在，就说明广告是刻意为之而非错误。文章最后指出，苹果的服务扩张没有放缓迹象，未来还计划在 Visual Intelligence 等功能中加入广告，短期内不要指望苹果改变主意。
HN 热度 553 points | 评论 424 comments | 作者：MC995 | 8 hours ago #
https://news.ycombinator.com/item?id=49801939
- 苹果现任高管可能不会改变广告策略，因为那等于否定蒂姆·库克任内的做法，但带广告的苹果已失去过去的品味。
- App Store 首页和搜索充满广告，体验糟糕，连更新页面都刻意避开首页。
- App Store 搜索功能缺失基本筛选条件，如只显示付费应用或最低价格滑块，疑似故意为之。
- 可以用 AppRaven 这类第三方工具更好地发现和讨论应用。
- 史蒂夫·乔布斯当年也推崇 iAds，但苹果后来因追求“品味”而失败，如今真正赚钱的是间谍软件式广告。
- 苹果经常说一套做一套，比如曾称不需要大屏手机、折叠屏、简化产品线、贬低 AI，后来却全部推翻。
- 乔布斯时代的苹果和现在库克时代的苹果不可混为一谈，董事会和股东想要广告，没人能阻止。
- 广告收入对高端品牌是坏收入，苹果难以抵抗诱惑。
- 安卓广告更多，但可以通过刷 LineageOS 和安装 uBlock Origin 大幅减少广告，而 iOS 无法做到同等程度的定制。
- 安卓的“自由市场”意味着普通用户更容易被广告轰炸，对普通人来说苹果仍是更省心的选择。
- 普通用户不需要懂刷机，可以购买预装 LineageOS 或 /e/OS 的设备，未来 GrapheneOS 也可能预装在某些摩托罗拉手机上。
- 运营商不应限制用户只能租用其手机，这种垄断行为应被禁止。
- 即使不做特殊设置，安卓上的广告也很少且容易屏蔽。
- 不应强制苹果开放硬件支持其他系统，用户可以用脚投票不买苹果产品。
- 市场整合导致新竞争者因网络效应难以进入，单纯“不买苹果”并不能解决问题，产品售出后就不再只是苹果的私有物。
8. OpenAI GPT-6 Astra 破译自 2005 年以来一直未被破解的恩尼格玛密码消息 (OpenAI GPT–6 Astra breaks Enigma message that has resisted solution since 2005) #
https://www.cryptocellar.org/bgac/the-mvueh-break.html
2026 年 9 月 15 日，卡特·莱弗联系弗罗德·韦鲁德，请求验证对 1941 年 7 月 10 日德国陆军恩尼格玛密码机消息 MVUEH 的破译结果。该消息由呼号为 2ny 的电台发出，被 SS 骷髅师军需官 Ib 电台于当日 17:30 接收，并登记为 1941 年 7 月收文日志中的第 172 号。自 2005 年以来，这条消息一直未被成功破译。
此前在 2017 年 6 月 9 日，亚历克斯·绍夫科普利亚斯成功破译了同日的另一条未破译消息第 173 号 SIPVX，但其恢复的恩尼格玛密钥与当日其他消息的日常密钥略有不同——虽然轮序同为 512，但插线连接和环设置不同。然而，该密钥无法用来破译 MVUEH 消息。
莱弗发送的破译结果立即表明他找到了正确的密钥和明文。MVUEH 的密钥与 1941 年 7 月 10 日的其他密钥完全不同，甚至轮序也不同（253 而非 512）。更令人惊讶的是，其明文与第 173 号 SIPVX 消息的明文几乎相同，两则消息长度相差 12 个字母（MVUEH 为 82 个字母，SIPVX 为 94 个），差异源于 MVUEH 在加密“Bitte”一词时的错误（变成了“Btte”），以及 SIPVX 消息中重复了发件人签名“Waschbusch”。
分析显示，原始消息表单中 MVUEH 密文的抄录存在若干错误，且破译显示恩尼格玛机的左轮在第 72 个字母处发生了一次转换——这种罕见的左轮转换会使破译复杂化，这些因素可能阻碍了早期破译尝试。
最令人惊叹的是，这次破译完全由 GPT-6 Astra 独立完成。莱弗只是指示 GPT-6 Astra 查看 Crypto Cellar Research 网页上发布的未破译恩尼格玛消息能否被破解。在分析网站上的未破译消息后，它判定第 172 号 MVUEH 最有希望，并很快怀疑第 173 号 SIPVX 的明文可能与未破译的 MVUEH 消息相关。在尝试多种方法后，GPT-6 Astra 聚焦于使用重复地名“ROSENOW ROSENOW”作为猜测明文。它自主开发了用于恩尼格玛模拟器和恩尼格玛炸弹机所需的 Python 和 C++ 软件，并以该猜测明文开始了全面破译，最终找到了 MVUEH 消息的正确密钥和明文。
在分析 GPT-6 Astra 日志的过程中，还发现了惊人细节：它似乎自行发现了德国联邦档案馆中相关无线电消息收藏的说明，并在日志中留下了关于原始来源档案线索的记录，提及了 RS 3-3/20a 和 RS 3-3/63b 等正确的档案编号。GPT-6 Astra 在两天内完成的工作，人类研究人员需要数周甚至数月才能完成。
作为资深密码分析员，韦鲁德对这次 AI 破译恩尼格玛消息的成就表示由衷赞叹。
HN 热度 516 points | 评论 350 comments | 作者：sohkamyung | 9 hours ago #
https://news.ycombinator.com/item?id=49801324
- 使用重复地名 ROSENOW 作为 crib，因为 Enigma 不会将字母映射回自身，滑动 crib 可匹配位置，更长的 crib 更有效。
- 文章提到 Nr.173 中也有 ROSENOW ROSENOW，因此怀疑两条消息相关，所以选择重复地名作为突破口。
- Rosenow 既是市镇名也是区名，所以重复出现，类似“New York, New York”。
- 破解过程是 LLM 构建了 Enigma 和 Bombe 模拟器，利用启发式排除大量密钥空间，但轮子滚动增加了难度。
- 这次破解由 OpenAI 订阅者完成，并非使用 OpenAI 的庞大算力，脚本运行在用户自己的机器上。
- 许多所谓“突破”其实只是花费大量计算解决娱乐数学问题。
- 提供了密文和明文翻译，消息背景是 SS-Totenkopf 师在巴巴罗萨行动中的推进。
- 有人质疑拼写错误是否故意，以及为什么这些消息使用不同密钥，看起来像错误或测试。
- 有人指出文章没有包含密文，感到遗憾。
9. NASA 的火星样本返回任务已终止 (NASA’s Mars Sample Return mission is dead) #
https://www.science.org/content/article/nasa-s-mars-sample-return-mission-dead
美国国家航空航天局（NASA）收集火星岩石并将其送回地球的计划 —— 火星样本返回（MSR）项目，经过多年的挣扎，最终在最近一项国会支出法案中被宣布终止。该法案支持特朗普政府的决策，尽管它仍需获得国会两院的通过和总统签署，实际上标志着 MSR 的结束。
这个决定使得行星科学家们的主要研究目标陷入了困境，并暂时放弃了已经由 “好奇号” 探测器收集的几十个岩心样本。这一结果令许多科学家感到失望，特别是在美国声称要在太空领域成为主导力量的背景下。尽管 MSR 项目的终止令人遗憾，但它可能会为其他行星项目的资金释放出空间，比如已经选择的金星和天王星探测任务。
在对 NASA 科学预算的支持方面，国会的法案文本明确指出 “不支持现有的火星样本返回计划”。不过，法案并未完全削减 MSR 的资金，而是将 1.1 亿美元转移到一个名为 “火星未来任务” 的新项目中，旨在继续开发与 MSR 相关的技术，包括在火星稀薄大气中着陆的系统。这些资金可能会使 NASA 在未来有机会重启该项目。
MSR 项目的推进曾引发行星科学家之间的争论，随着成本的不断增加 ——2024 年时成本达到了 110 亿美元 —— 它可能会消耗过多的 NASA 科学预算。因此，国会多次威胁要取消该项目，虽然最终 MSR 项目以更有限的形式存活下来。NASA 在 2025 年发布的最终提案将项目预算降至 70 亿美元，但即使如此，该预算也被认为过高，其他 NASA 科学任务的成本超支问题仍然存在。
MSR 的失败不仅对美国构成影响，还对与欧洲空间局（ESA）之间的合作产生了深远的影响。MSR 项目本是美欧合作项目，由 ESA 提供将样本捕获送回地球的 “地球返回轨道器” 飞船。ESA 已经在这一飞船上进行了大量工作，最近表示该项目会重新设计为一个独立的火星地质研究任务，这可能会增加 MSR 重新启动时的成本。
尽管 MSR 项目的计划受到挫折，但 “好奇号” 探测器收集的岩石的科学价值不断提升。例如，在 2024 年，探测器发现了可能是火星上古代生命的最佳证据。科学家们认为，来自于耶泽罗陨石坑的 Cheyava Falls 样本中包含的矿物沉积物呈现出类似地球微生物留下的特征，但要确认这些特征是否与生命相关，必须将样本送回地球进行实验。
弃用这一项目可能会使美国失去领导地位，尤其是在中国正在建立自己的火星样本返回计划的情况下。科学家们认为，MSR 项目的科学回报将是非常可观的，并为未来人类前往火星奠定科学和工程基础。同时，仍需迫切考虑如何利用 “好奇号” 探测器剩余的探索时间，目前该探测器已经接近完成其样本管的储存。科学界期待 NASA 能尽快与社区合作，制定获取这些样本的计划。
HN 热度 444 points | 评论 375 comments | 作者：Muhammad523 | 1 day ago #
https://news.ycombinator.com/item?id=49791939
- NASA 的火星样本返回任务因成本飙升至约 110 亿美元、时间表推迟至 2040 年而被取消，被视为重大科学损失。
- 中国的天问三号计划 2028 年发射，有望率先完成火星样本返回，引发美国在太空竞争中落后的担忧。
- 有人批评 JPL 领导层过度复杂化设计、依赖过时火箭，未充分利用 SpaceX Starship 等商业能力降低成本。
- 发射成本已大幅下降，但探测车/着陆器开发成本仍占主导，单次任务仍需数亿美元，难以实现“廉价多发”。
- 有人认为应等待载人火星任务再带回大量样本，但当前载人计划时间表也存在不确定性。
- 欧洲 ExoMars（Rosalind Franklin）探测器因合作与政治因素多次推迟，现计划 2028 年发射，体现国际合作的脆弱性。
- 讨论延伸到美国科学预算削减、政治干预科研，以及中国在太空领域的持续进展。
- 有人指出 NASA 仍停留在“定制昂贵探针”思维，未转向更频繁、低风险的商业化模式。
- 整体情绪偏向遗憾：任务取消被视为美国太空科学领导力下滑的象征，同时期待未来可能以更高效方式重启。
10. gzip 能成为语言模型吗？ (Can gzip be a language model?) #
https://nathan.rs/posts/gzip-lm/
这篇文章探讨了能否将 gzip 压缩器用作语言模型。作者指出，压缩与预测在信息论上是等价的：压缩器对越“预期”的数据编码越短，因此内部隐含着概率模型。gzip 使用 DEFLATE 算法，通过滑动窗口中的重复文本来压缩，因此可以用压缩后长度作为候选续写文本的得分。
作者实现了一个名为 gzipt 的工具，用纯 Python 标准库（zlib）进行波束搜索：以语料库和提示词为上下文，尝试各种字节续写，保留压缩后最短的候选，逐步生成文本。在莎士比亚语料上，gzip 能生成一些看似有语法结构但不连贯的文本，效果超出预期，但远不及神经网络模型。文章还提到，仅选择单个最优字节会因量化噪声失效，因此需要前瞻多个字节的波束搜索。代码已开源在 GitHub。
HN 热度 367 points | 评论 144 comments | 作者：networked | 17 hours ago #
https://news.ycombinator.com/item?id=49797323
- 文章探索用 gzip 压缩作为“语言模型”：通过寻找使文本压缩后更小的续写序列来生成文本，基于压缩与预测的深层联系。
- 有人分享经典用法：用 gzip 做主题分类或语言检测（预加载不同领域/语言字典，看哪个压缩得最好），简单快速有效。
- 该方法本质是 Normalized Compression Distance（NCD），与信息论、机器学习、密码学紧密相关，Hutter Prize 也与此相关。
- 有人指出单纯搜索最优压缩续写并不实用，因为 Deflate 会优先重复上下文中的大段文本，生成结果往往是复制而非真正创作。
- Beam search 等启发式搜索只能给出压缩效果的下界，无法保证找到全局最优，且重复上下文会“作弊”获得更小压缩体积。
- 讨论延伸到压缩算法对比：zstd 被多人推崇为通用最佳（速度与压缩率平衡），LZMA 在高压缩率场景更强，WinRAR 仍有忠实用户。
- 有人用类似方法验证莎士比亚作品作者身份假说，通过互信息判断文本相似性。
- 3Blue1Brown 视频被多次推荐，用于直观理解压缩与语言模型的关系。
- 整体上，帖子被认可为有趣的思想实验，凸显压缩即预测的本质，但实际作为生成模型远不如现代 LLM，更适合分类或距离度量任务。
Hacker News 精彩评论及翻译 #
I don’t want to read what you didn’t write #
https://news.ycombinator.com/item?id=49794483
As I have been saying for years:
Writing is fundamentally the transfer of information from your brain to my brain. If you have 1000 bits of semantic information you want to transfer, you can’t give 300 bits of semantic information to an LLM and have it fill in the remaining 700, because it doesn’t know what those 700 bits are. If it’s able to guess those 700 bits correctly, then they aren’t true semantic information, and you really only have 300 bits you want to transfer. You might as well transfer those bits to me directly, rather than having the LLM add on an extra superfluous 700 bits that I then have to filter out.
hatthew
正如我多年来一直说的：
写作本质上是将信息从你的大脑传递到我的大脑。如果你有1000比特的语义信息想要传递，你不能把300比特的语义信息交给大语言模型，然后让它补全剩下的700比特，因为它不知道那700比特是什么。如果它能正确猜出那700比特，那么它们就不是真正的语义信息，而你实际上只有300比特想要传递。你还不如直接把这300比特传递给我，而不是让大语言模型额外加上700比特的多余内容，然后我还得从中过滤掉。
Claude Opus 5.5 #
https://news.ycombinator.com/item?id=49804199
Claude Opus 5.5 is our first release since we called for pacing the frontier.
Interesting how the very first line is used to remind the reader of their call to pace the frontier just last week, and everything else after that line is to demonstrate with very specific numbers how they absolutely are not pacing.
sailingparrot
Claude Opus 5.5 是我们自呼吁为前沿设定节奏以来的首个发布。
有趣的是，第一行就用来提醒读者他们上周刚呼吁放缓前沿，而该行之后的每一句话都在用非常具体的数据来证明他们绝对没有在放缓。
AI coding has made CI a bottleneck, so we reworked… #
https://news.ycombinator.com/item?id=49793761
Here’s my constant question:
Everyone’s going so fast that they keep hitting walls. Review, CI, product asking for things, whatever.
Why have we not seen an improvements in products?
While every post and thread feels like a 90’s wall street office, the new android and iphone ship with fewer features than usual. No indie guys come up with a linux-sized alternative OS. Switch 2 remains unhacked. Windows takes 3 seconds to show the right click menu.
Is everyone just running full speed in circles or something?
torben-friis
我一直有个疑问：
每个人都在拼命赶，结果总是撞墙。审查、CI、产品提需求，诸如此类。
为什么产品却没什么改进？
虽然每篇帖子、每个话题都像是90年代华尔街办公室的氛围，新一代安卓和iPhone出厂时功能却比以往更少。没有独立开发者搞出个Linux级别的替代操作系统。Switch 2至今没被破解。Windows右键菜单要3秒才弹出来。
难道所有人都在原地全速狂奔吗？
I said no and Apple said yes #
https://news.ycombinator.com/item?id=49798679
Not trying to start flamewars, but more and more I wonder how much are people willing to put up with such practices. On linux for 15+ years and everytime I try to use mac or win, it is an ordeal. And ads. F*cking ads in a system someone has purchased. And spying. Really user hostile environment. No, thank you.
vitro
不是想引战，但我越来越好奇人们到底愿意忍受多少这种行为。我在Linux上用了15年以上，每次尝试用Mac或Windows，都像遭罪一样。还有广告。花了钱买的系统里居然还有该死的广告。还有间谍行为。真是对用户充满敌意的环境。不，谢谢了。
US halts flights at busy East Coast airports, says… #
https://news.ycombinator.com/item?id=49793423
It happens. There use to be a joke during the first big DC build out phase that went like if you’re ever going into the wilderness take a 1ft length of fiber optic cable with you. If you get lost bury it and a back hoe operator will appear and sever it within an hour. You can get a ride back with them.
chasd00
这种事常有。在第一次大规模数据中心建设时期，流传着一个笑话：如果你要进入荒野，记得带上一英尺长的光纤电缆。如果迷路了，就把它埋进土里，一小时内就会有挖掘机操作员出现并把它挖断。你就能搭他们的车回来了。
Pentagon says overreliance on AI contributed to mi… #
https://news.ycombinator.com/item?id=49806777
It found the U.S. “failed in its obligation to do everything feasible to verify” that the school was a military objective and that the failure “went beyond mere negligence.” The report said the United States “directed the strikes at the building of the school while being aware of a substantial risk of striking a civilian object and acting recklessly as regards the possibility that this would happen.”
Reading the details, “AI” doesn’t really seem like the culprit -it’s a scapegoat.
The intelligence that it was no longer a military target never entered the target database, the team that was responsible for vetting the target list was gutted, and said team was never even consulted.
The White House wanted 1000 targets and pulled from their database without any due diligence. Whether it was an AI call or an SQL query - this was from pure human maliciousness and incompetence.
legitster
报告指出，美国“未能履行其尽一切可行手段核实”该校是否为军事目标的义务，且这一失职“远超单纯的疏忽”。报告称，美国“在明知存在打击民用目标重大风险的情况下，仍对校舍发动袭击，并对这一后果发生的可能性持鲁莽态度”。
细读细节，“AI”似乎并非真正的罪魁祸首——它只是个替罪羊。
关于该校已不再是军事目标的情报从未进入目标数据库，负责审核目标清单的团队被裁撤，而且该团队甚至从未被征询过意见。
白宫想要1000个目标，便从数据库中调取，却未做任何尽职调查。无论这是AI的判断还是SQL查询的结果——这纯粹源于人类的恶意与疏忽。
GPT-6 Sol and Luna #
https://news.ycombinator.com/item?id=49806126
GPT-6 Luna being half the price of GPT-5.6 Luna is a really big deal.
Here’s GPT-6 Luna pelicans: https://tools.simonwillison.net/markdown-svg-renderer?url=https%3A%2F%2Fgist.github.com%2Fsimonw%2F40d129fc140faca378b9c9f4f16c6ec2
And GPT-6 Sol: https://tools.simonwillison.net/markdown-svg-renderer?url=https%3A%2F%2Fgist.github.com%2Fsimonw%2Fbe7ae25af2634b68bc34b7b7aaf02cb2
Scroll to the bottom for the GPT-6 Sol max one: https://tools.simonwillison.net/markdown-svg-renderer?url=https%3A%2F%2Fgist.github.com%2Fsimonw%2Fbe7ae25af2634b68bc34b7b7aaf02cb2#response-5
For comparison, here are the pelicans I got for GPT-6 Astra: https://tools.simonwillison.net/markdown-svg-renderer?url=https%3A%2F%2Fgist.github.com%2Fsimonw%2Ff789d2784fc6c5b870cc80f0b7cd9d01 - I still like the Astra Max one best.
Here’s a comparison grid showing all of the GPT-6 and GPT-5.6 pelicans at all effort levels: https://static.simonwillison.net/static/2026/gpt-6-and-5.6.html
The grid is actually really interesting, because it shows that the 5.6 family default to brighter colors than the 6 family.
simonw
GPT-6 Luna 的价格只有 GPT-5.6 Luna 的一半，这真的很重要。
这里是 GPT-6 Luna 的鹈鹕图：https://tools.simonwillison.net/markdown-svg-renderer?url=https%3A%2F%2Fgist.github.com%2Fsimonw%2F40d129fc140faca378b9c9f4f16c6ec2
还有 GPT-6 Sol 的：https://tools.simonwillison.net/markdown-svg-renderer?url=https%3A%2F%2Fgist.github.com%2Fsimonw%2Fbe7ae25af2634b68bc34b7b7aaf02cb2
滚动到底部可以看到 GPT-6 Sol max 版本：https://tools.simonwillison.net/markdown-svg-renderer?url=https%3A%2F%2Fgist.github.com%2Fsimonw%2Fbe7ae25af2634b68bc34b7b7aaf02cb2#response-5
作为对比，这是我为 GPT-6 Astra 得到的鹈鹕图：https://tools.simonwillison.net/markdown-svg-renderer?url=https%3A%2F%2Fgist.github.com%2Fsimonw%2Ff789d2784fc6c5b870cc80f0b7cd9d01 ——我还是最喜欢 Astra Max 的那张。
这是一个对比网格，展示了所有 GPT-6 和 GPT-5.6 在不同努力等级下的鹈鹕图：https://static.simonwillison.net/static/2026/gpt-6-and-5.6.html
这个网格其实非常有趣，因为它显示 5.6 系列默认倾向于比 6 系列更亮的颜色。
I said no and Apple said yes #
https://news.ycombinator.com/item?id=49798802
Because Mac laptops are lightyears ahead of any other hardware.
Build quality (aluminum), charging (magsafe), screen resolution, battery life, noise (or lack thereof), trackpad…
It’s like other vendors aren’t even trying.
Also the OS mostly “just works”, just last week my Linux laptop disabled NVIDIA GPU (and almost bricked itself?? Not sure, had to fix apt) during automated updates
tomp
因为 Mac 笔记本电脑在硬件上遥遥领先于任何其他硬件。
做工（铝合金）、充电（MagSafe）、屏幕分辨率、电池续航、噪音（或者说没有噪音）、触控板……
感觉其他厂商根本没有在努力。
而且操作系统大多“开箱即用”，就在上周，我的 Linux 笔记本电脑禁用了 NVIDIA GPU（差点变砖？？不确定，不得不修复 apt）但我说远了。
AI coding has made CI a bottleneck, so we reworked… #
https://news.ycombinator.com/item?id=49793932
A good chunk of what my company has been doing with AI falls into either burning down our known tech-debt and “easy wins” that no one ever had the bandwidth to approach… And improving / automating our processes. The former is having a direct and meaningful impact on the quality and availability of our services.
Our QA, formerly a fairly frequent blocker of all our releases, are doing more in-depth reviews and catching issues earlier in our release process. They have become unblocked to the point they are actively chasing down work that starts to slip.
We have cleaned up and tuned both our security alerts and operations logs and improved our tenant isolation in our service in a way that makes customer and formal audits SIGNIFICANTLY easier.
We’re setting ourselves up for faster human development of the hard-things. Our development environment and infrastructure are faster, cleaner, more auditable processes, and cheaper overall to operate.
These fixes mostly don’t show up in our product change logs, and definitely don’t fall into “new features”. It would largely be invisible to the outside world, but our costs are going down (though to be fair, not offsetting the spend on AI to date), internal productivity has improved, operational incidents are down, and customer satisfaction is up.
TrueDuality
我们公司用AI做的很大一部分工作，要么是在清理已知的技术债务和那些从来没人有空去做的“轻松赢”，要么就是在改进和自动化我们的流程。前者对我们服务的质量和可用性有着直接且有意义的影响。
我们的QA，以前是我们所有发布的一个相当常见的阻塞点，现在在做更深入的审查，在我们的发布流程中更早地发现问题。他们已经被解放出来，以至于会主动去追查开始滑落的工作。
我们清理并调优了安全告警和运维日志，还改进了服务中的租户隔离，这让客户审计和正式审计都变得容易得多。
我们正在为更快地人工开发那些困难的部分打基础。我们的开发环境和基础设施更快、更干净、流程更可审计，总体运营成本也更低。
这些修复大多不会出现在我们的产品变更日志里，也肯定不属于“新功能”。外界基本看不到这些，但我们的成本在下降（不过说实话，目前还抵消不了在AI上的投入），内部生产力提高了，运维事故减少了，客户满意度上升了。
Claude Opus 5.5 #
https://news.ycombinator.com/item?id=49804160
Finally that price drop
Prices per 1M tokens Claude Opus 5.5 Claude Opus 5 Cache reads $0.20 $0.50 Input tokens $4 $5 Output tokens $20 $25 Cache writes $5 $6.25
Opus 5 is the model with highest spend on openrouter ( https://openrouter.ai/rankings#task-spend ) and it seems plausible that Opus 5 is/was the highest spend model in the world, and certainly Anthropic’s biggest moneymaker.
If you are forced to reduce price despite raising capabilities, that certainly tells something about the market, and potentially about Anthropic future profitability too, since this model is their biggest topline contributor
GodelNumbering
终于降价了
每百万 token 价格 Claude Opus 5.5 Claude Opus 5 缓存读取 $0.20 $0.50 输入 token $4 $5 输出 token $20 $25 缓存写入 $5 $6.25
Opus 5 是 OpenRouter 上花费最高的模型（https://openrouter.ai/rankings#task-spend），而且 Opus 5 是/曾经是全球花费最高的模型这一说法似乎也说得通，并且它无疑也是 Anthropic 最大的收入来源。
如果你在提升能力的同时还被迫降价，这确实能说明一些市场情况，也可能说明 Anthropic 未来的盈利能力，因为这个模型是他们收入贡献最大的顶线支柱。
AI Has No Wisdom and Neither Will You #
https://news.ycombinator.com/item?id=49800745
The problem imo is the slow deterioration of institutional knowledge that offloading the mental task of wisdom gathering to AI is causing.
One interesting comparison is to the history of manufacturing. West/America decided one day that manufacturing would be cheaper to outsource and better (short term) profit was to be made by outsourcing it all to China. The institutional expertise started to deteriorate, to the point that America simply didn’t even have the capacity, or expertise anymore to produce stuff (such as grill brush [1])
I feel like you could take all the handwavy comment that are made today to dismiss this caution, and find equal dismissal back then when companies were actively outsourcing the manufacturing.
“I’m coding 10x faster” “look at the output velocity per employee”
“we are producing much more (in China)” “look at profit / number of (manufacturing) employers”
Seems ok if you’re American / Chinese but I’m struggling to understand how the rest can be OK with allowing institutional knowledge to deteriorate while having an active dependency to the former two. We already see this with the tech dependency towards USA and manufacturing competition from China.
[1] https://youtu.be/3ZTGwcHQfLY
NalNezumi
我认为问题在于，将收集智慧的心智任务外包给AI，正在导致机构性知识的缓慢退化。
一个有趣的类比是制造业的历史。西方/美国某天认定，将制造业外包会更便宜，而且（短期）利润更高，于是把一切都外包给了中国。机构性专业知识开始退化，以至于美国根本不再具备生产某些产品（比如烧烤刷[1]）的能力或专业知识了。
我觉得你可以把今天用来反驳这种警示的所有含糊其辞的评论，拿来对应当年公司积极外包制造业时同样存在的反驳言论。
“我编码速度快了10倍”“看看人均产出速度”
“我们（在中国）生产得多多了”“看看利润除以（制造业）雇员人数”
如果你是美国人或中国人，这似乎没问题，但我很难理解，其他国家怎么能接受让自己的机构性知识退化，同时又对前两者形成严重依赖。我们已经看到了这种局面：技术上依赖美国，制造业上面对中国的竞争。
[1] https://youtu.be/3ZTGwcHQfLY
I asked Meta’s Muse for its filesystem and it sent… #
https://news.ycombinator.com/item?id=49803070
About 20 Markdown files described browser use, connectors, payments, credentials, data handling, generated files, voice, goals, and scheduling.
This the state of software engineering in 2026.
Edit: clarified engineering to software engineering, which is more correct
tolugenius
大约20个Markdown文件描述了浏览器使用、连接器、支付、凭证、数据处理、生成的文件、语音、目标和调度。
这就是2026年软件工程的状态。
编辑：将“工程”澄清为“软件工程”，这样更准确。
Apple has added persistent ‘ads’ to iOS, and it’s … #
https://news.ycombinator.com/item?id=49802359
I doubt John Ternus will change direction anytime soon, since it will look like he’s reversing the plethora of eyesore ads that Tim Cook added over his tenure.
But the Apple with ads is not the Apple that had some taste and discernment in the past. For a long time I’ve visited the App Store’s app update page directly (tap and hold on App Store icon to see the context menu option). Anytime I inadvertently go to the App Store home page or the few times I search, it’s an ad filled disaster!
From this article
repeatedly attempting to prod customers towards even more of the company’s products might seem cheap, even distasteful.
From a recent post by John Gruber:
Steve Jobs in 2011: ‘We Build Products That We Want for Ourselves, Too, and We Just Don’t Want Ads’ [1]
Looks like Tim Cook, John Ternus and Eddy Cue really enjoy being swamped with ads in their products. Will there soon be a time when Apple executives start carrying some other brand’s devices with them to avoid having a rotten experience?
[1]: We don’t want ads https://daringfireball.net/linked/2026/07/28/jobs-we-dont-want-ads
AnonC
我怀疑 John Ternus 短期内不会改变方向，因为那看起来像是在逆转 Tim Cook 任期内添加的那一大堆碍眼的广告。
但有广告的苹果已经不是过去那个有品位、有眼光的苹果了。很长一段时间，我都会直接访问 App Store 的应用更新页面（长按 App Store 图标，就能在上下文菜单中看到这个选项）。每当我不小心进入 App Store 首页，或者偶尔几次搜索时，那都是一场广告灾难！
摘自这篇文章：
反复试图诱使顾客购买公司更多的产品，可能会显得廉价，甚至令人不快。
摘自 John Gruber 最近的一篇帖子：
Steve Jobs 在 2011 年说：“我们也为自己打造我们想要的产品，我们就是不想有广告。” [1]
看起来 Tim Cook、John Ternus 和 Eddy Cue 真的很喜欢被广告淹没在自己的产品里。会不会很快有一天，苹果高管们开始随身携带其他品牌的设备，以避免这种糟糕的体验？
[1]: 我们不想要广告 https://daringfireball.net/linked/2026/07/28/jobs-we-dont-want-ads
Attention is all you have #
https://news.ycombinator.com/item?id=49789866
The Mosaic browser (1993) had full text history search.
We then got a bookmark system that was every bit as terrible as a web directory.
It stayed that way. The delicious search revenue made organizing websites uninteresting. That obscure website you enjoyed a decade ago but don’t even remember, they had lots of traffic like you. No point updating or keeping it online. You can’t have rss in Firefox but here is a Facebook like button in your address bar in stead.
I’ve tried to maintain the bookmark menu but I rarely use it since everything is dead. Why aren’t browsers storing a text version of the bookmark? Did people in 1993 have more resources than us? Should I be afraid it grows to a few GB over the decades?
A good few dead websites have a backup some place but there is no automation to find it. If you had a string of text from a page you might be able to search for it. If the page found is highly similar we might automate the process to have alternative location for bookmarks with a nice warning dialog.
econ
Mosaic浏览器（1993年）有全文历史搜索功能。
后来我们有了书签系统，它和网页目录一样糟糕。
情况一直如此。Delicious的搜索收入让维护网站变得毫无意义。你十年前喜欢但现在已经不记得的那个冷门网站，他们有很多像你一样的流量。没有理由更新或保持它在线。Firefox里不能有RSS，但地址栏里却有一个Facebook点赞按钮。
我试过维护书签菜单，但很少用它，因为一切都死了。为什么浏览器不存储书签的文本版本？1993年的人比我们拥有更多资源吗？我该担心它几十年后长到几个GB吗？
不少死掉的网站在某处有备份，但没有自动化的方式去找到它。如果你有页面中的一段文字，也许能搜索到它。如果找到的页面高度相似，我们也许能自动化这个过程，为书签提供替代位置，并附带一个友好的警告对话框。
I don’t want to read what you didn’t write #
https://news.ycombinator.com/item?id=49794677
It’s funny, i push back on pull requests because there is too much description now - a 20 line change has pages and pages of generated description, rationalisation for why it is safe, defense of each design decision, analysis of risks and side effects. People are indignant, you’re rejecting my change because there is too much documentation? And my response is, I don’t have time to read it and you put me in the position where I can’t afford not to - because approving the PR implies I did and accepted it. The investment to read all that for the value of a code change that I’m one prompt away from doing myself if I cared is just not high enough. So it’s rejected.
zmmmmm
有意思的是，我在代码审查里驳回拉取请求，是因为现在描述太多了——一个20行的改动，却附带着好几页的自动生成描述、为什么安全的合理化解释、对每个设计决策的辩护、风险分析和副作用评估。人们很愤慨：“你因为文档太多就拒绝我的改动？”而我的回应是：我没时间读这些，而且你把我置于一个不得不读的境地——因为批准这个PR就意味着我读了并认可了它。为了一个代码改动的价值（如果我在意的话，自己动一下手也就是一句话的事），要投入那么多精力去读那些东西，实在不值得。所以，驳回。
MiMo v2.6 #
https://news.ycombinator.com/item?id=49793280
Anyone else more excited about Chinese models than American models these days? Big thing for me is affordability.
lwansbrough
最近有人和我一样更期待中国模特而不是美国模特吗？对我来说最重要的是 affordability（价格实惠/价格可负担性）。