科技笔记
共 101 篇文章
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。
740M 的本地嵌入模型：让图片、音频、视频落进同一个向量空间
Google DeepMind 10月6日发布 EmbeddingGemma 2，Apache 2.0、740M 参数，把初代文本嵌入扩展至代码、图像、视频、音频，统一映射到同一向量空间。纯文本最低 270M，视觉与音频编码器按需加载；MRL 可将 768 维向量截断至 128 维，本地存储和内存最多降至六分之一。8K 上下文可一次处理约 5.5 分钟音频、29 张图片或 58 帧视频；代码 MTEB 从 68.76 升至 78.68。企业可把敏感素材检索放在端侧，只将命中片段送云端推理，并按需选择向量维度；但嵌入只负责找到，不负责答对。
Polars 2.0：把 SQL 扶正，顺手在基准里压过 DuckDB 和 DataFusion
Polars 2.0 发布，核心是 LazyFrame 调 collect 默认走流式引擎，多数查询内存与耗时下降；但 join、group_by、unpivot 不再保证行序，依赖行序需显式 maintain_order=True。溢写磁盘默认开启，内存约80%落盘，默认磁盘预算64GB。SQL 成为一等公民，优化器重做；基准领先 DuckDB 与 DataFusion，但192线程有固定开销，小数据吃亏，32核时最快。中小团队单机处理几千万行更可行，升级前检查依赖行序，选型按真实数据量测试。
一万亿参数的欧洲反击：Mistral Large 4 先把权重留在自己手里
10月6日，Mistral 发布 Mistral Large 4 预览：1万亿参数多模态 MoE，激活490亿；开放权重月底放出，先供 API，定价输入1.36、输出4.18美元/百万词元。模型在自有欧洲数据中心用3800张英伟达显卡从零训练，覆盖160多种语言。安全评测中，Cyber Index 全球前五，漏洞复现打补丁82%，Cybench 解出93%；部分闭源模型因拒绝执行得分近零。企业可关注其开源、可自部署和多语言，并按任务是否被拒评估，但当前仅预览，权重与细节待补，验证前不宜写入交付。
用方框指定画面：FLUX 3 Image 把出图变成一件排版的活
FLUX 3 Image是Black Forest Labs推出的图像生成与编辑模型。核心变化是把提示词变成可编程布局表：在0到1000网格画布上为元素画框并配语义id，再由全局caption与JSON元素表引用，智能体可根据一句话和画幅自动规划布局。已生成图可逐框改描述、替换或移动，未动区域保持原样；最多10张参考图，原生支持2K/4K。它适合排字、拼贴、分格漫画、杂志跨页和密集人群等部件多、关系严格的构图，不适合单纯风光。对小团队而言，元素可寻址利于批量生产，配图、海报、电商主图可脚本化，但商用素材与肖像授权仍需人负责。
2B token 之后：一个开源团队用一个月算清了 AI 的钱花在哪
Wagtail团队九月实验只用便宜模型GLM 5.3 Flash，共2B token。上半月达标，约68美元；下半月1B token转向其他模型。一次“氛围编程”原型烧掉450M token、150美元，超过目标模型半月开销，复盘认为本可用五分之一成本完成。因供应商容量不足，GLM性能退化，需切换同档模型。14模型评测中，DeepSeek V4.1 Flash以95%准确率、每任务0.09美元、14.9 Wh居首；整月能耗35 kWh，高于计划10 kWh。团队建议自动度量花费、单列试错预算、训练提示词与多智能体分工，并按成本或能耗而非token数选日常主力。
Redis 作者写了个本地推理引擎：128GB 的 Mac 上跑 284B 的模型
antirez 新项目 DwarfStar 4（ds4）并非通用 GGUF 播放器，而是用 C 写的窄口径推理引擎，仅支持 DeepSeek V4/V4.1 Flash、GLM 5.x、Qwen3.8 Flash Next，覆盖 Metal、CUDA、ROCm，文本与视觉均可。它面向高内存机器，以非对称 2-bit 量化压缩 MoE 路由专家、保留共享路径，并把 KV 缓存落到 SSD，借 prompt 哈希续长前缀。ds4、ds4-server、ds4-agent 共享模型与缓存，兼容 OpenAI/Anthropic 接口。128GB Mac、DGX Spark 可跑部分模型，普通笔记本仍难承载；窄口径使工程可控，但换模型约等于换适配，2-bit 质量需业务实测。团队可把敏感、高频、模型固定的请求低成本迁到本地，强推理仍交云端。
当 AI 成了命令行的主要用户：Cloudflare 用一个 cf 覆盖全部 API
Cloudflare披露，Wrangler调用中AI智能体占比2026年3月约四分之一，此前一年为个位数，上周达48%，且更高产：每天用不同命令数近人的两倍，单日超六个命令概率近四倍。Wrangler仅约280个操作，产品有几千接口，旧命令各团队自写、术语不一。新工具cf基于接口描述和内部生成管线生成命令行，覆盖全部接口，并面向未读文档的智能体：内置搜索引导、默认JSON、统一配置。它仍是公开测试版，管线开源。企业应提供结构化、可搜索、配置明确的智能体入口，内部工具宜单一入口加自动生成，并把接口描述当基础设施维护。国内使用前需验证网络链路与合规。