归档
时光荏苒，文字留痕
共 129 篇文章
Mistral 把语音智能体打包成一整套：Voxtral 3 的能力、价格和冷静剂
Mistral Voxtral 3以转写模型、TTS和LiveKit SDK组成流式语音智能体方案，试图同时解决听准、理解上下文、拟人表达和调用系统办事。转写支持50多种语言、说话人分离、上下文偏置与轮次检测；TTS覆盖35种以上语言及50种以上方言，可调情绪、节奏、重音，30分钟音频可克隆。转录每分钟0.0035至0.008美元，TTS每百万字符13美元；各段为独立模型，便于替换并支持欧洲节点或自部署。落地可先做坐席实时转写与话术辅助，整理客户术语偏置词表，并提前说明数据留存。厂商超越竞品结论需在中文电话场景自测，成本宜换算成单通电话，稳定接管仍需压测。
DeepSeek 把生产环境的推理引擎开源了：DeepInfer 里的四个开关
2026年10月16日，DeepSeek以Apache 2.0开源DeepInfer，当前仅支持离线推理和DeepSeek-V4.1-Flash，并为自家模型调优。它采用自研并行与算子组件，提供草稿加速、SWA有界重放、异步调度、批次无关及确定性采样等开关；SWA后缀须覆盖滑动窗口和最大回溯长度，否则会出错。硬件仅支持NVIDIA SM100与昇腾950，属机柜级多卡方案，且缺少KV cache、Prefill/Decode分离编排和DP副本负载均衡。小团队不宜急于部署，更应借鉴设计思路，把批次无关和确定性采样纳入验收，用固定问题隔天换并发重跑检查漂移；成本优化多在细粒度参数而非换更大模型。
JPEG XL 进了所有主流浏览器，但 Web 上该默认用 AVIF：一份实测结论
Jake Archibald 在2026年10月对比AVIF、JPEG XL等编码。结论是Web默认用AVIF 4:4:4和较高压缩档；单图AVIF异常大时再试JPEG XL的jixel。有损照片AVIF通常更小，默认档比JPEG XL小15%—25%；截图、插画和透明图优势更明显。libjxl调高压缩档几乎不值得，AVIF调档约以3倍时间换约10%体积下降。JPEG XL能把现有JPEG无损重压小9%—20%，HDR场景AVIF gain map更实用。落地用picture提供AVIF与回退，历史JPEG做无损重压，关键图片实测。
当 AI 写了九成代码，评审怎么做：Claude Code 团队的六层流水线
Claude Code团队公开评审法：Claude约写九成代码，仓库日改动从2500增至3万多，逐行人审不可行，于是把读代码交给机器，人只处理关键问题。六层覆盖PR前自检、AI评审、安全卡点、CI、分级人工批准、合并队列与开关。合并PR翻倍多，回滚降40%以上。规则是代理批准不算人批准，谁指挥代理谁担责；评审曾反复标记约59%旧代码，需收敛。小团队可让AI自检并贴输出、沉淀反复意见、按能否回滚分级放权，坚持等级看改动、机器人不替人签字。
九成工作时间没有评测覆盖：AI 到底会不会干你的活，现在没人说得清
Mercor 将 29 个评测集对齐美国劳工部 O*NET 的 923 个职业、18,797 项任务，发现覆盖极不均衡：仅 208 个职业有至少一项任务被 5 条以上评测提示覆盖，22 个大类中 6 个完全空白；按工时加权，约 90% 美国工作时间花在几乎无评测覆盖的任务上。评测还偏向 AI 暴露度高、任务重要且工资总额大的职业，同属高暴露的法律秘书、法庭书记员几乎未被测。企业选型不宜用榜单分数代替场景验证，应列出岗位任务清单，区分数字化与线下环节，并派“增强人”而非“替代人”设计流程；报告也承认样本薄、质量难度未加权等问题，数据为临时版本。
Libreboot 26.10 带来完整 UEFI 支持，同时立了一条反 AI 的规矩
Libreboot 26.10 默认载荷改为 EDK2，多数主板获得完整开源 UEFI，可引导 Windows、Linux 和 BSD。新版导入 233 个 Chromebook 主板，AMD Fam15h 改用 15h.org 的 coreboot 分支，内存、IOMMU、TPM 更可靠。作者还新增反 AI 政策，拒绝 AI 生成分支，并计划审计依赖中的 AI 提交，理由是信任、技能退化与版权不确定。文章强调，关键不在是否用 AI，而在环节后果：可回滚、可测试处可放开；不可逆、高代价处须禁止，或由能读懂并负责的人签字。真正风险是没人能解释代码为何能工作。
用 AI 给没有 Linux 驱动的硬件写驱动：一个人几天做完过去几周的活
作者因底片扫描仪新芯片缺 Linux 驱动，在虚拟机运行厂商 Windows 驱动并直通设备，用抓包工具分别记录 Windows 与 Linux 操作，对比差异定位缺陷，几天内做出可用驱动并支持红外扫描，后公开为 hw-harness。无总线设备可改查驱动文件、注册表、ACPI 和设备属性；只观察硬件行为、提取配置，不复制代码。他还修复笔记本 MIPI 摄像头，低光亮度从 31.1 升至 90.9，补丁已提交。经验是参考抓包最有价值，AI 适合日志比对等重复劳动，决策与真机验收仍由人负责。
藏在 HTTP 响应头里的指令：2.17 亿个网页里，AI 已经被人“喊话”
安全团队扫描 Common Crawl 21.7亿页面中的十分之一，发现7959个站点在HTTP响应头写入面向AI的内容。该通道对人隐形，但agent用curl -i或整段响应喂模型时，头部与正文同处上下文，模型难分资料与指令。多数仅指路，30个试图下命令。测试中模型默认未执行注入，但用户要求“按网站说的做”时9次有7次照做。防线是工具层只传正文，权限层把新链接和重定向视为不可信，MCP与技能人工审批，不写“遵循网站指示”，并在模型外设授权检查。团队应收窄权限，对抓取后立即行动告警；少给权限可降低风险。
把嵌入模型改造成语音转写：1 小时音频 12.6 秒转完，全程在一台 MacBook Air 上跑
EmbeddingGemma Transcribe 利用多模态嵌入模型，把音频经小读取器映射到文本空间，在约22.9万英文词中取最近邻生成转写，再由小模型补标点大小写；原音频编码器不动，训练用8张H100不到两小时。它在8GB M3 MacBook Air上1小时音频约12.6秒转完，全程本机，可按键说话输入任意应用。当前词错率约5%，领先语音模型2%–3%，且仅英文。启发是：重组现成能力可能比换更大模型划算；端侧离线转写已可用于录音整理、会议纪要，但中文需实测；性能报告应区分同机实测与公开基准。
Anthropic 把主力仓库搬离 git：每天合并 3 万次代码，自研版本控制系统只用了 7 个人、5 个月
Anthropic 复盘称编码已非瓶颈，真正受限的是为人类规模设计的版本控制、构建与 CI。其 monorepo 主分支历史近 100GB，每天约 2500 万次 CI 检出，传统 git 镜像难运营。自研 Scion 转向客户端永远在线、服务端处理历史与合并、水平扩展、提交便宜增量无锁、工作副本天生稀疏。基建 CPU 与内存占用降至过去 git 镜像方案的 1/200，CI 检出从分钟级到秒级，7 人 5 个月完成迁移。工程师常需对 Claude 说不，评审重意图而非逐行，合并队列意义下降。Scion 只适用于超大 monorepo；小团队应学其取舍：执行端无状态、按需取数，成本随改动而非仓库增长。