科技笔记
共 101 篇文章
把「该怎么分」压成 22 毫秒：0.8B 的决策小模型在本地跑
Jeff 是基于 Qwen3.5 和 Gemma 4 微调的零样本分类模型：输入情况描述和候选选项，一次前向计算返回选项校准概率，不生成文本。RTX PRO 6000 上约 22 毫秒，M4 Max 约 28 毫秒；提供 0.8B、2B、Gemma4-E2B 三个规格，MIT 许可，可本地嵌入。训练在本地完成。语音导航微调后，准确率从 31.7% 提升到 95.8%，不到半小时。它适合客服归口、意图、审核高频分类，只能在给定选项中选择，不能开放推理；宜大模型生成选项，小模型执行。
同一份单价、少三成花费：Sonnet 5.5 把「日常活」的模型又推了一格
9月28日，Anthropic发布Claude Sonnet 5.5，比上代更快，多数任务最多省三成，是Opus 5.5的搭档。评测中，其智能体编程、跨学科推理、图表识别分别达70.6%、64.5%、61.6%，进步明显，但复杂判断仍以Opus 5.5更强。价格与上代相同，因完成任务所需token更少，每任务成本最多低三成，企业应按任务而非百万token单价核算。它还首次加入网络安全护栏与回退、防推理提取分类器；原关闭思考者迁移需改用between_tools。实用做法是分级选型、按任务算账，并保留可替换接口。
别把 Go 代码绑在 GitHub 上：一个自定义域名就能解开
Go 把导入路径当作代码获取地址，方便却让项目绑定托管商，迁移时所有引用者都要改 import。作者举例，有公司同时使用 GitLab、GitHub 和 Azure DevOps，因迁移成本高而付三份托管费。他建议商业团队让内部库使用自定义域名，import 路径不变，背后可随时切换仓库，用 nginx 和元信息页面即可实现。企业数字化可借鉴：把域名当最便宜的抽象层，附件、图片、接口等 URL 也先走自有域名，并把可迁移写进交付标准，降低锁定与迁移成本。
不登录、不付费、本地跑：fakecloud 想把测试用的 AWS 搬进你的电脑
fakecloud 是专供集成测试的本地 AWS 云模拟器，应用仍用官方 SDK、CLI 和 IaC，只需把 endpoint 指向 localhost，并可用测试 SDK 断言事件、重置状态。它宣称覆盖 105 个服务、7,508 个操作，其中 3,932 个已实现操作经 Smithy 生成测试验证，并支持 30 多个服务间联动。对比 LocalStack 社区版，启动约 300 毫秒、空闲内存约 10MiB、单文件约 19MB，无需账号或 token，许可证为 AGPL-3.0。但它仍年轻，模拟通过不等于线上通过；适合日常集成测试与 CI 快速验证，不能替代真云回归。企业可将其用于降低测试环境成本，在交付中加入一键起本地环境，并划清模拟与真云回归边界。
推理模型「想得太多」：Fireworks 用 Ember-1 把 token 砍掉四成
Fireworks Research 9月发布 Ember-1，基于 Kimi K3，主打同样答案 token 少一半。推理模型大量 token 耗在内部推理，多轮 agent 会反复回放历史推理，成本近二次增长；调低强度又伤质量，于是转向训练模型更高效思考。官方称在7个基准和两家客户生产 A/B 中，推理可缩短35%–50%且准确率不降，每任务成本最多降51.9%，自家开发者切换后无人察觉。其启发是竞争标尺应转向每任务总成本，企业需用自有任务算账，把模型当可替换组件，并以自身流量 A/B 验证。
每年交一千欧元买不到五分钟人工：Conversations 决定离开 Google Play
作者 2014 年起开发 XMPP 客户端 Conversations，靠应用商店销售、定制、咨询和资助维持十余年。谷歌抽成 15%，每年超 1000 欧元，却屡遭更新被拒、下架和不实指控，审核漫长，且不区分功能与安全更新，安全补丁可能被压数天到数周。资助已保障到 2029 年底，商店收入不再关键，他转向 F-Droid 分发，可复现构建、自有签名，以谷歌不配再拿我的钱为由宣布免费。启示：渠道成本看买到了什么；审核制渠道需备安全更新旁路；退出路径提前铺。
AI 开始产出好想法之后：我们需要更多数学家
Amit Sahai在陶哲轩博客客座文章中警告，AI已能产出漂亮新想法，所有人将经历“跟不上”的时刻；若因此放弃理解，是集体失职。他以1太瓦核聚变电站为例，说明重大突破的新颖性使旧经验失效，必须理解原理、失效边界与不确定性。他并不主张人类手工重做，而提议建立“可调用的智力储备”：稳定支持有数学素养的研究小组，用一学期或一年借助AI理解AI产出的想法，并让理解不只属于提案组织。对企业数字化，这意味着把“能解释为什么”作为交付一部分，说明依赖前提、边界及何时不该相信，判断与承担比写代码更难被自动化替代。
一颗原子指令丢了增量：龙芯 LA664 勘误是怎么被找出来的
Debian 13 龙架构移植中，normaliz 打包因 OpenMP atomic 计数器偶发丢失更新而死循环。排查发现，龙架构 LSX/LASX 向量化 memcpy 会触发原子加指令丢失更新，CAS 指令 amcas 同样受影响。借助 AI 寻找最小复现，人在明确“问题仅限该架构、已定位到原子指令”后约两天获得稳定复现程序。龙芯两周内给出测试固件，修复仅需将手册未描述的 MCSR24 第 13 位置 1，性能损失很小，预计国庆前发布；软件规避需重编译。事件说明 CPU 勘误常见，AI 的价值在于人收窄问题后高效试错。
把问题追踪塞进 Git：git-bug 给不想被 SaaS 绑住的小团队
git-bug 是分布式、离线优先的问题追踪工具，把 issue 和评论作为 git 对象嵌入仓库并推送到远端，仓库克隆到哪里，项目来龙去脉就跟到哪里。它用 Go 编写，部署只需一个二进制，支持离线开单评论、毫秒级搜索，并能与 GitHub、GitLab 双向同步，无需一刀切迁移。它适合项目不大但不愿交出数据的团队。把需求、缺陷和验收讨论记进仓库，可随代码交付或留私有远端，历史可审计；起步可先小范围试用并同步现有平台，以降低沟通成本。
一份代码吃遍多平台：Go 把 SIMD 拉进普通开发者的手里
Go 1.27 推出实验性可移植 simd 包，让一份代码在 amd64、arm64、wasm 等平台获得接近汇编的向量加速，无 SIMD 时退化为模拟实现。此前 Go 用 SIMD 只能写汇编，难点是平台位宽和指令差异。该包取各平台共有操作，缺口用其他 SIMD 指令补齐；类型如 simd.Float32s，长度运行时查询，必要时用 ToArch() 调用架构专属能力，编译器按位宽生成特化副本。对普通项目，这降低了多平台维护汇编的门槛，并可用 GODEBUG 的 simd=0/128/256/+512 验证多种硬件配置；Go 1.28 计划补 SVE 等。小团队宜先量化热点，再判断能否向量化。