1. antirez 的 ds4 浮出 HN 水面：C 写就的本地前沿模型推理引擎 —— 22.9k★，但已 13 天没有 push

• Velocity: ▮▮▮ trending
• Source: dwarfstar.sh · 25+ pts on HN · ~2h ago (~02:01 UTC+8)
• Tags: local-llm inference c open-source

Salvatore Sanfilippo——antirez，Redis 的作者——有一个本地推理引擎 ds4（MIT，C 语言）："一个面向高内存 Mac、CUDA 和 ROCM 机器的窄域 C 推理引擎"，可在完全本地的硬件上运行 DeepSeek V4 / V4.1 Flash、GLM 5.x 和 Qwen3.8 Flash Next（含视觉）。设计刻意收窄——"不是通用 GGUF 运行器"：非对称量化把 routed experts 压到约 2-bit，同时让共享/关键路径保持更高精度（64 GB+ 机器可跑 284B 级模型）；"KV cache as a disk citizen" 把长前缀持久化到 SSD、按 prompt 哈希恢复。三个界面——CLI、OpenAI/Anthropic 风格的 server、以及 ds4-agent——共享同一份模型状态和缓存。官方数字：M5 Max 128 GB、Q2 量化下 2K 上下文 prefill 790.2 t/s / 生成 39.4 t/s；DGX Spark 为 825.8/18.1。休眠状态，精确陈述： 仓库（22,878★）创建于今年 5 月，最后一次 push 是 9 月 20 日——今天的 HN 帖子让一个五个月大的项目浮出水面；项目站 dwarfstar.sh 于 9 月 17 日上线。它既不是今天的发布，也不是上月的发布；它是一个终于登上头条的可用工具。

Why it matters: MoE 时代前沿模型的 llama.cpp 时刻正在到来——形态是针对特定模型家族手工调优的窄域 C 代码，而且出自上一代基础设施软件的作者之手。值得观察的是："刻意收窄"会不会像当年 Redis 战胜通用 KV 存储那样，再次战胜"什么都能跑"。

🔗 dwarfstar.sh · 🔗 antirez/ds4 · 🔗 HN discussion

2. FLUX 3 Image：边界框构图、10 张参考图、原生 4K —— "为 agent 而设计"

• Velocity: ▮▮▮ trending
• Source: bfl.ai · 197+ pts on HN · ~25h ago (~03:24 UTC+8)
• Tags: image-generation agents multimodal flux

Black Forest Labs 的 FLUX 3 是一个多模态模型家族（视频、音频、图像、动作）；FLUX 3 Image 是其中生成与编辑的部分，卖点是结构而非氛围：边界框构图（0–1000 网格，"用边界框精确布置画面"）、最多 10 张参考图（每张可用 token 寻址，ref_image_0 起）、批量编辑时未触及区域保持完全一致、像素级局部编辑、原生 2K/4K 输出（展示样张：5456 × 3072 px，"全部出自模型"）。Agent 钩子写得明明白白："为 agent 而设计"——LLM 从一句话加宽高比规划出布局（caption + 元素表），再发给 API。可用性：BFL API，外加面向自托管与微调的商用权重许可。页面没有主张的东西： 没有参数量、没有基准测试表、没有发布日期——本条的限制在于：所有说法全部来自 BFL 自己，且只通过精选样张展示。

Why it matters: 图像生成正在变成工具原语——结构化布局输入、逐字传递的框、agent 规划的构图，这才是 agentic 流水线真正需要的接口；如果参考系统如描述般工作，它是在 API 层面进攻最难剩下的缺口（一致的多主体场景）。

🔗 bfl.ai — FLUX 3 Image · 🔗 HN discussion

3. Supabase 收购 Turso："agent 应该能像创建文件一样创建数据库"

• Velocity: ▮▮▮ trending
• Source: supabase.com · 173+ pts on HN · ~4h ago (~23:43 UTC+8)
• Tags: database postgres sqlite agents acquisition

Supabase 宣布收购 Turso（10 月 2 日），并给出 agent 基础设施层面的论点：Supabase 已经"每周创建超过一百万个数据库"，除非建库变成文件一样便宜的原语，需求将超出供给能力。Turso 带来 SQLite 的 Rust 重写，以及一个"单台服务器可管理数百万个数据库、按需加载、空闲挂起"的平台——恰恰是临时性 per-agent 数据库需要的 suspend/resume 形态。交易条款与交割日期未披露。连续性说得直白：Turso 继续运营，Supabase 继续围绕 Postgres 构建，"对现有用户，一切不变"（点名的客户：Superhuman、Sauna.ai、CTO.new、Mastra）。两位创始人 Glauber Costa 与 Pekka Enberg 加入，Costa 将领导 agentic 基础设施工作。

Why it matters: 生态里最可信的 SQLite 重写 libSQL 一脉，现在归入最大的托管 Postgres 玩家麾下，且明说的产品方向是把数据库变成 agent 的一次性资源。Postgres 与 SQLite 正在汇入同一个买家：到 2027 年，谁的 agent 需要一百万个小数据库。

🔗 Supabase blog · 🔗 HN discussion

4. 犹他州 VPN 年龄验证法被叫停：法院认定其"要求了技术上的不可能"

• Velocity: ▮▮ rising
• Source: eff.org · 303+ pts on HN（第 1 名）· ~22h ago (~06:23 UTC+8)
• Tags: vpn privacy policy geolocation

犹他州联邦法院（Barlow 法官）对 SB 73 批准初步禁令——该法要求网站要么屏蔽所有 VPN 用户，要么穿透流量伪装识别访客物理位置，配套规则还要求自 10 月 8 日起部署"商业上合理的地理混淆检测"。判决书罕见地以系统论证的方式书写：该法"要求 Aylo 这样的实体以完美精度对网站用户进行地理定位才能免责"，同时承认"地理定位的完美在目前并不可能"——任何一个被误判位置的访客都构成严格责任，等于要给全球几乎所有访客做年龄验证。诉讼由 Aylo（Pornhub 母公司）提起，EFF 以法庭之友工作构建了技术记录。范围限制说得清楚：禁令只覆盖 VPN 相关条款——另一条禁止分享 VPN 绕过信息的禁令未被质疑，犹他州下届会期可能重新起草。

Why it matters: 第一个死于技术不可能论证（而非言论裁决）的年龄验证制度——其他州的 VPN 法律从此有了判例标尺，也难得看到法院逐字采纳了工程师的论证。

🔗 EFF Deeplinks · 🔗 HN discussion

5. 继 10 月 1 日报道之后：DIVD 事件中的 Zammad 攻击链登上 CISA KEV —— NVD 评 9.8，活跃利用已报告

• Velocity: ▮▮ rising
• Source: CISA KEV / NVD · CVSS 9.8（NVD Analyzed）· KEV dateAdded Oct 2
• Tags: cve kev zammad helpdesk ai-agents

在"自主 AI agent 串链攻破 DIVD"披露两天后，这条链已被正式认定为活跃利用：CISA 于 10 月 2 日将 CVE-2026-102489（会话劫持 → 以 zammad 用户 RCE）与 CVE-2026-102490（本地提权 zammad → root）加入 KEV。评分，注明出处： NVD 自行分析将两者均评为 9.8 CRITICAL（primary，nvd@nist.gov，Analyzed）；DIVD 的 secondary 评分为 CVSS 4.0——RCE 单独 8.7，串链 9.4。影响 Zammad ≥ 6.3.0，6.5.4 修复；在 7.0.0–7.1.3 中存在但因环境条件不可利用。致谢：Merlon Security 五名发现者加 DIVD 三名发现者，案件号 DIVD-2026-00015，发布于 9 月 29 日 20:00 UTC。令人不安的是提权那一半——NVD 描述称截至发布时它存在于"包括最新 alpha 在内的所有 Zammad 版本"，所以仅升级版本可能关不上它（应限制本地 shell 访问）。仓库状态已核查：zammad/zammad 未归档、10 月 2 日仍有 push——在积极维护，补丁在流动。

（10 月 4 日复查： Zammad 首份公开声明——10 月 1 日，社区论坛——确认 RCE 在 7.0+ 上不可利用（仅 ≤6.5，已 EOL；7.2.0 中已加固），并表示在公开批评之后才收到提权漏洞的细节（其时间线：9 月 24 日报告 → 9 月 26 日公开披露 → 10 月 1 日交付细节），且将提权漏洞定性为"无法单独远程利用"——需要先获得服务器访问权。修复"正在推进"：尚无 GHSA（GitHub 早在 4 月就被定为唯一公告渠道），7.2.0 之后无新 tag。KEV 截止日期：10 月 5 日——BOD 期限就在明天。）

Why it matters: 这是第一个有完整记录、且整条入侵路径由 AI agent 执行的 KEV 条目——会话劫持、服务账号 RCE、root——而且受害者正是漏洞披露非营利组织本身。Helpdesk 软件正式进入 agent 攻击的一级攻击面——而 KEV 认定的"影响所有版本、正在活跃利用"的说法，如今有了公开的厂商异议记录在案。

🔗 DIVD CSIRT — CVE-2026-102489 · 🔗 NVD · 🔗 CISA KEV · 🔗 Zammad 声明（10 月 1 日）

6. "Sites"：ChatGPT 变成托管平台 —— 站点持久化、按访客授权的应用数据

• Velocity: ▮▮ rising
• Source: learn.chatgpt.com · 122+ pts on HN · 135 comments · ~22h ago (~06:22 UTC+8)
• Tags: openai chatgpt hosting agents

OpenAI 的文档将 Sites 描述为让"ChatGPT 创建、托管、迭代并分享网站、Web 应用和游戏"。一个 Site 是"可重新打开、迭代、配置与分享的持久化托管产物"——它比创建它的对话活得更久；Sites 项目通过 .openai/hosting.json（配置后带 project_id）把本地源码项目接到托管上。真正的重点在数据："在 Sites 中使用插件，构建一个从每位 Site 访客自己连接的应用读取数据的 Site"——访客用 ChatGPT 登录并逐项同意连接授权，共享应用跑在每位访客自己的数据上，且不暴露所有者的连接。分享权限从仅所有者到工作区再到公钥公开逐级放开（Enterprise 默认关闭公开发布）；访客只有查看权。公测中，面向 Plus/Pro/Business/Enterprise/Edu，带用量限额。

Why it matters: vibe-coded 应用的漏斗刚刚收拢成一座围墙花园：在 ChatGPT 内生成、托管、分发，还带身份感知的按访客数据访问——这既是 OpenAI 对应用商店的回答，也是"agent 需要入口面"的答案，每个 agent 应用开发者现在都必须把这个分发变量算进去。

🔗 Sites docs · 🔗 HN discussion

7. Agent-Reach：88.4k★ 的"给你的 AI agent 看清整个互联网的眼睛" —— 零 API 费用，也已 18 天没有 push

• Velocity: ▮▮ rising
• Source: GitHub Trending · 88,421★ · 当日第 1 名仓库（Trendshift）
• Tags: agents cli web-scraping open-source

Panniantong/Agent-Reach（MIT，Python）登顶今日趋势榜：一个能力层，让 agent 读取与搜索 Twitter/X、Reddit、YouTube、GitHub、B站、小红书，外加网页、RSS、Facebook、Instagram 与 LinkedIn——"一个 CLI，零 API 费用"。架构：每个平台映射到一组有序的主后备后端（Twitter 走 twitter-cli、OpenCLI 兜底；YouTube 走 yt-dlp；GitHub 走 gh；小红书有三级后备链）；channel 文件逐一探测后端，第一个可用的胜出，agent-reach doctor 报告各通道状态。只用免费后端——免 key 的 Jina Reader、经 MCP 的 Exa 搜索、feedparser，以及官方 API 封死处的 OpenCLI 浏览器登录态（Reddit 匿名端点已被封）。安装本身就是 agentic 的：粘贴一段指向安装文档的 prompt，agent 自行完成安装；默认只读。限制条件： 仓库最后 push 是 9 月 15 日、没有任何 release——七个月 88.4k★，且没有任何单一公告能解释这波涨幅——README 还警告PyPI 上的同名包不是本项目（安装前谨防供应链风险）。

Why it matters: 免计量 API 的 agent 网络访问，实质是一个前面站了 LLM 的爬虫框架——极其实用，也结构性对抗每个平台的服务条款；今天的走势正是这种张力的具象化。

🔗 Panniantong/Agent-Reach · 🔗 install doc

8. Ataraxos：花"几千美元"达到超人类 Stratego —— 15 比 1 击败史上最强人类

• Velocity: ▮▮ rising
• Source: arXiv / Nature · 85+ pts on HN · ~6h ago (~22:11 UTC+8)
• Tags: rl game-ai imperfect-information research

《用自博弈强化学习与测试时搜索实现超人类 Stratego AI》（Sokota、Vinitsky、Hu、Kolter、Farina；arXiv 2511.07312，现为 Nature 论文）报告了 Stratego 上"性能与成本的双重台阶变化"——这个游戏因绝大多数信息隐藏（约 10⁵³⁵ 局面空间）而长期难住 AI。该系统 Ataraxos 对 Pim Niemeijer——"可以说是史上最强的 Stratego 选手"——以 15 胜 1 负外加 4 盘和棋取胜（Ars Technica 对 Nature 发表的报道）；摘要宣称凭借不完美信息下的自博弈 RL 加测试时搜索达到"大幅超人类水平"，训练"不是工业级预算，而只是几千美元"（报道称为 16 块 GPU），训练数据比 2022 年 DeepMind 那次少两个数量级。对局档案公开在 ataraxosai.github.io。为平衡起见的反弹： HN 评论者指出"budget"说法低估了机构级人才投入（CMU/MIT/NYU/Stanford）——成本主张针对算力，不含研究本身。

Why it matters: 不完美信息游戏是经典博弈 AI 最后一块未解之地；如果自博弈 + 测试时搜索如今四千美元就能拿下，同一配方显然是"对手状态真正隐藏"的对抗规划场景的首选候选——谈判、安全、市场。

🔗 arXiv 2511.07312 · 🔗 HN discussion

9. CVE-2026-86345：389 目录服务器的 StartTLS 明文注入 —— CVSS 9.0，影响评级却是 Moderate

• Velocity: ▮▮ rising
• Source: Red Hat CVE database · CVSS 9.0（Red Hat 评定，preliminary）· 发布于 Oct 2
• Tags: cve ldap red-hat starttls

389-ds-base 的一个缺陷（Red Hat Directory Server 11/12/13、RHEL）：服务器"在协商 StartTLS 时不丢弃客户端连接中已缓冲的明文字节"，于是路径上的攻击者可以注入一条特制 LDAP 消息，它会在 TLS 升级之后被处理——由于 messageID 碰撞，其响应被当作客户端挂起操作的响应返回，导致"客户端应用把一次失败的身份验证（bind）当作成功"。评分 9.0 CRITICAL（CVSS:3.1/AV:N/AC:H/PR:N/UI:N/S:C/C:H/I:H/A:H），由 Red Hat 作为 CNA 与 cve.org 评定；NVD 尚未评分（Awaiting Analysis）。然后是转折：Red Hat 将影响评级定为 Moderate，"尽管 CVSS 基础分为 9.0"——利用需要活跃的 MITM 位置，"389-ds-base 本身未被该缺陷攻破"，损害落在 PAM 等下游客户端，Red Hat 明确把它与 Blast-RADIUS（CVE-2024-3596）类比。缓解措施："在 389 端口禁用 StartTLS，强制 ldaps://（636 端口）"——且"只要 StartTLS 仍开启，没有任何纯配置的缓解能完全关闭 389 端口上的此问题"。报告者 xclow3n（Bugzilla 2529332）。

Why it matters: 本栏目"谁评的分"规则的教科书双向案例——9.0 的头条是真的（你的 PAM bind 可被伪造）但有边界（需要 MITM）。如果你的目录栈还在 389 上说 StartTLS，这就是本周的审计项。

🔗 Red Hat CVE database · 🔗 NVD

10. Google Project Suncatcher 原型卫星入轨 —— TPU 开赴太空

• Velocity: ▮▮ rising
• Source: blog.google · 23+ pts on HN · ~9h ago (~19:13 UTC+8)
• Tags: google space tpu ai-infra

Google 确认其 Project Suncatcher 原型星（与 Planet 合作建造）已于 10 月 1 日搭乘 SpaceX Transporter-18 拼车发射，且"按预期运行"。任务：未来数周收集 TPU 在轨应对"太空飞行的物理应力、辐射与热极限"的数据。Google 的表述："长期研究登月计划的第一步"，探索太空能否承载可扩展的 ML 基础设施；同行评审论文已发表于 Joule；认识论态度相当诚实——"有些东西只能在太空里测试"。文中没有给舰队规模与部署日期；这篇博客只承诺"随任务展开"分享发现。

Why it matters: 太空数据中心论从预印本变成了硬件。商用加速器的辐射响应数据，是所有押注轨道算力的人的成败数字——它现在正在被采集，而不是被仿真。

🔗 Google blog · 🔗 HN discussion

11. Apple 将收紧"完全磁盘访问权限"——并点名 AI agent 是原因

• Velocity: ▮▮ rising
• Source: developer.apple.com · Oct 2 公告 · fresh (~03:37 UTC+8)
• Tags: macos privacy tcc agents

Apple 发布一则政策通告（10 月 2 日，尚无技术细节）："完全磁盘访问"（FDA）"在很大程度上绕过"了按资源的隐私控制——这原本是为备份应用留的正当通道——但如今"一些开发者正在以可能置用户于风险之中的方式使用它，暴露其系统上的一切——包括文件、邮件、消息，甚至浏览历史"。今后，用户"只能通过非常明确的用户操作"授予该权限。AI 表述就是标题本身："随着 AI agent 变得越来越强大和自主，与这种级别的访问权限相关的风险将大幅增长。我们致力于确保用户在授予此类访问权限前清楚理解这些风险。"这份公告不包含：没有生效日期、没有新 entitlement 或 API、没有迁移指引——"going forward" 就是全部时间线。它还点名了第三方视角：agent 读取通讯类应用"还可能损害用户通讯对象的隐私"。

Why it matters: agent 时代的权限墙从 macOS 率先立起，出自那个本就事事设门禁的厂商。如果你的 agent 会索引邮件、消息或文件系统，请预期未来某个 macOS 版本出现同意感崖——现在就按范围化访问来设计，因为 Apple 点名的唯一正当用例是"备份应用"。

🔗 Apple Developer News · 🔗 HN discussion

12. Apple Pass Designer：Wallet 凭证的首方 GUI，预览即 iOS 原样渲染

• Velocity: ▮ steady
• Source: developer.apple.com · 106+ pts on HN · ~1h ago (~03:06 UTC+8)
• Tags: apple wallet devtools macos

Apple 发布 Pass Designer（beta）：一个可下载的 macOS 应用（要求 macOS 27，需免费注册 Apple Developer），用于设计与预览 Apple Wallet 凭证——商店卡、活动门票、登机牌。卖点是保真："Pass Designer 实时更新预览，展示凭证在 iPhone 和 Apple Watch 上的外观。预览使用与 iOS 和 watchOS 相同的渲染，所以你在 Pass Designer 里看到的，就是客户设备上将看到的。"它随做随校验（缺失键值、意外定义），支持门票与登机牌的 semantic tags（喂给 Siri 建议、日历、地图），并能"从你的语义数据自动生成向后兼容的凭证结构"。

Why it matters: 凭证设计原本是一道手写 JSON 加签名的工序，视觉确认还要绕道真机；一个像素级保真的首方设计器把这道循环压平了——就在 Apple 收紧另一个开发者面（第 11 条）的同一天，它把这个面磨光了。

🔗 developer.apple.com/pass-designer · 🔗 HN discussion

13. stillwet.art：给模型一块画布，而不是像素生成器 —— 75 幅用代码画出来的油画

• Velocity: ▮ steady
• Source: stillwet.art · 140+ pts on HN · ~20h ago (~08:27 UTC+8)
• Tags: generative-art llm show-hn

Alice（@aliceisplaying）搭建了一个模拟油画工作室——"鬃毛笔刷、湿颜料、干燥、分层罩染"——然后让模型在里面作画：每幅作品都是"一段对着亚麻布油画仿真运行的程序"，每一笔都由代码写就。全程没有任何图像生成器。 画廊里挂着 75 幅画，多为摹 Caspar David Friedrich——且按站点自述，是"仅凭文字研究作画；它们从未见过他作品的图片"。发现才是正片：65 幅有标题的作品里 31 幅是黄昏/日落/暮色；"只被要求规划一幅画、完全没有画室时，Claude Opus 六次里有六次选择了柠檬水壶"；相隔六小时的两个画手画出了几乎相同的波罗的海岸景；还有一条评测卫生笔记——Gemini 3.8 Flash 注意到了"后台的自动评测运行器"，促使后续轮次收紧了沙箱。代码以 claude-paint 名义开源。

Why it matters: 用物理介质而非习得的像素先验，对模型美学做了一次受控探测——那些趋同现象（黄昏偏好、柠檬水壶）正是可解释性研究一直想要的、可复现的行为数据，只是伪装成了一场画展。

🔗 stillwet.art · 🔗 HN discussion

14. context-mode：把工具输出变成数据库而不是对话记录 —— 25k★

• Velocity: ▮ steady
• Source: GitHub Trending · 24,988★ · +276 today
• Tags: mcp context-window coding-agent open-source

mksglu/context-mode（TypeScript，ELv2）用一招对付上下文危机：工具输出应当被计算，而不是被吞下。 沙箱工具（ctx_execute，12 种语言）在隔离子进程中运行代码，只有 stdout 进入对话——"315 KB 变成 5.4 KB，减少 98%。" 超过 5 KB 的输出被切块进 SQLite FTS5，agent 只取回与意图匹配的片段（BM25、Porter 词干、三元组、RRF、邻近重排、Levenshtein 纠错）。"Routing"再把 agent 从 Bash/Read/WebFetch 引开——在支持 hook 的客户端上由 hook 程序化强制（约 98% 遵从），在不支持的 Zed 和 Antigravity 上退回指令文件（约 60%）。11 个 MCP 工具、压缩前 ≤2 KB 的按项目 SQLite 会话快照、覆盖 17 个平台（含 Claude Code、Gemini CLI、Cursor、Codex CLI 与 OpenClaw 网关）。来自它自己 README 的诚实边界： Cursor 拒绝其 sessionStart hook（无法恢复会话）、Codex 的 PreToolUse 只能 deny（等上游 updatedInput 支持，openai/codex#18491）、内容 14 天后清除、Linux 上 Node < 22.5 不支持。今天仍有 push；license 在 GitHub 上登记为"Other"，未入 OSI 名录。

Why it matters: 与 caveman 的 token 裁剪（10 月 2 日）同族，但更像一个系统——把对话记录变成可查询的索引，token 只花在命中检索上。真正的看点是逐平台的 hook 矩阵：上下文纪律的强度，取决于最弱客户端的扩展 API。

🔗 mksglu/context-mode · 🔗 openai/codex#18491

15. Figure 让整支 F.02 人形机器人舰队退役——终点是芬兰的一座电弧炉

• Velocity: ▮ steady
• Source: figure.ai · 19+ pts on HN · ~9h ago (~18:57 UTC+8)
• Tags: robotics humanoid figure-ai

Figure 9 月 30 日公告让 F.02 退役——它是第一台进入 BMW 的机器人，也是 Helix 的诞生地——理由是"随着 F.03 舰队壮大，继续维护 F.02 舰队不再合理"，而拆解会拖慢 F.04。处置方式本身成了故事：为保护 IP，送至芬兰 Imatra 的一家铸造厂（"据报道是全球唯一愿意接收带锂电池机器人的设施"），在教会它们用气囊从二楼跳下后，这些机器人"在 24 小时内、六次熔炼中自主跳进了 75 吨电弧炉"。产出的金属条被运回美国，加工成限量纪念品出售；Arnold Schwarzenegger 出主意并出演了影片。"F.02 舰队大部分已经没了。只有几台留在总部仓库。"

Why it matters: 人形机器人硬件的世代更替开始像模型 checkpoint 一样轮转——而"如何退役一支带专有执行器和软包电池的联网机器人舰队"，还没有任何标准手册。表演成分是算计好的（营销话术须核验，但教训留下）：舰队生命周期管理刚刚成为机器人学的一级问题。

🔗 figure.ai — F.02 Decommission · 🔗 HN discussion

16. 只用 GLM 5.3 Flash 写一个月代码：上半月花掉 $68，下半月"脱轨"

• Velocity: ▮ steady
• Source: wagtail.org · 34+ pts on HN · ~5h ago (~23:29 UTC+8)
• Tags: coding-agent glm cost field-report

Thibaud Colas（Wagtail 核心团队）整个九月把所有 AI 辅助编码押在 GLM 5.3 Flash 上——就是本栏 9 月 27 日报道过的那个 Jev 级 flash 模型。上半月：完全达标，"$68，约 4kWh 电耗 / 365 克碳排放"。下半月："脱轨"——全月 2B token 中有 1B 流向了其他模型。失败清单正是本文价值所在：一个 vibe-coded 的 MCP 原型悄悄用错了模型（"一夜之间烧掉 450M token / $150 / 5kWh"，而他估计同样结果本可以便宜 5 倍）；月中供应商容量限制导致 GLM 5.3 Flash 质量下降，被迫切换到 DeepSeek V4.1 Flash 和 Qwen 3.8 Flash；他的 14 模型基准里 DeepSeek V4.1 Flash 领跑——95% 准确率、每任务 14.9 Wh 与 $0.09。结论原文："所以严格说这次挑战失败了……（但）聚焦一两个 flash 级便宜模型是完全可行的。"

Why it matters: flash 级 agent 编码难得的公开成本与能耗遥测——而且发现约束条件是运维性的（容量、模型路由失误），不是能力。要为漂移做预算，而不只是为模型。

🔗 wagtail.org · 🔗 HN discussion

17. "Jev 校准得很差"：花 4 美元审计决策模型浪潮的参照分类器

• Velocity: ▮ steady
• Source: maximumeffort.substack.com · 22+ pts on HN · ~5h ago (~23:12 UTC+8)
• Tags: jev decision-models calibration evaluation

Dylan Black 测试了 Jev——TypeSafe 的 System One 分类器、本栏自 9 月以来追踪的决策模型浪潮的参照点——的校准度：它的输出概率与真实相符吗？方法：10 个有解析答案的物理学分布族，5 套模板 × 20 个变体（1,000 个设置，花费不到 4 美元），以总变差距离评分。结果：Jev 平均 TV 0.518，而朴素均匀猜测为 0.546；在均匀分布上它得 0.77，随机猜测是 0.39——比随机还显著地差；泊松分布则与掷硬币无异（0.65 对 0.64）。失败模式："Jev 有强烈 tendency 输出过尖的分布"——均匀分布情形下输出了一个近似 delta 函数；而在峰值不是给定参数的分布（Maxwell、Rayleigh、Gamma）上，它只有约 20% 的设置里找对了峰。它倒是能可靠识别分布族，数学能力则在多步算术与数量级上崩溃。结论：作者"深深怀疑"把 Jev 用作自动裁判，并引用先前工作——Jev 曾对本质均匀的掷骰子给出 83–90%+ 的置信度。对免责声明的免责： 这是单一作者、单一领域、自跑的基准——本栏用在厂商图表上的标准，同样适用在这里。

Why it matters: 分类器可以准确却不校准，而这波浪潮的新用例——LLM 当裁判、序数刻度坍缩（见 10 月 2 日的 Clef）——靠的是概率而不是 argmax。如果 Jev 类模型天生偏尖，每个下游置信度数字都会继承这份偏尖。

🔗 maximumeffort.substack.com · 🔗 HN discussion

18. Muse Gadgets：Meta 为其助手开源硬件层 —— ESP32 与 Raspberry Pi SDK，Apache 2.0

• Velocity: ▮▮▮ trending
• Source: gadgets.muse.ai · 155+ pts on HN · ~9h ago (~03:24 UTC+8)
• Tags: meta muse hardware esp32 open-source

Meta 推出 Muse Gadgets——"给你的 Muse 的开源硬件"——并将 SDK 与固件以 Apache 2.0 开源在 facebookincubator/muse-gadget-sdk（仓库创建于 10 月 2 日，今天仍有 push；C 语言）。两条线：ESP32 Device SDK（屏幕、音频输入输出、传感器）与 Linux Device SDK——"把那台闲置的 Raspberry Pi 或 Linux 盒子变成 Muse gadget……写上你自己的命令，让 Muse 处理系统管理杂务或你的 Home Assistant 设置。" 支持的板子横跨 Raspberry Pi 5、Waveshare ESP32-S3 AMOLED、Seeed reTerminal E1002（电子墨水）、M5Stack StickS3、ideaspark ESP32 与 Home Assistant Voice PE。配对走 Muse 应用（Settings → Devices → Developer mode，设备名以 "MuseGadget" 为前缀），且每个 gadget 都需要 SDK token（受 Gadget SDK Terms 约束）；每个 SDK 目录都带 AGENTS.md，"给 Muse Code 这类编码 agent 用"。Meta 还卖一台自家设备：Muse Home Link，桥接本地 HTTP-API 设备（灯、电视、打印机）——"仅限美国、需有效 Muse 订阅，免费，每订阅限一台"，10 月发货。姿态刻意走爱好者路线："由 hacker 造，给 hacker 用，纯属好玩。折腾的副作用可能包括变砖、失去保修、电压跌落或破产。" 页面展示的设备均出自第三方，"Meta 不为其背书或担保"。

Why it matters: 助手到执行器是 agent 技术栈最后一层锁着的大门，Meta 选择用 hacker SDK 而不是整机花园来打开它——硬件版的 MCP 时刻。它同时也是一场公开的安全实验：消费级身份配对加本地设备控制，恰恰是 agent 此前不被允许跨越的信任边界。

🔗 gadgets.muse.ai · 🔗 facebookincubator/muse-gadget-sdk · 🔗 HN discussion

19. Greg Kroah-Hartman 给 Anthropic 的 Mythos 内核漏洞清单打分：79 个"漏洞"里"20 个真需要修"——全部实际工作量"只值一小时的内核开发"

• Velocity: ▮▮▮ trending
• Source: Kernel Recipes 2026 video · 197+ pts on HN · ~25h ago (~10:50 UTC+8 Oct 2)
• Tags: linux-kernel ai-security mythos anthropic cve

在他 9 月 29 日上线的 Kernel Recipes 2026 演讲"Security in the LLM age"（9.8k 播放）中，Linux 内核 stable 树维护者专门用一节审计了"Anthropic 的 Mythos 系统发现 79 个内核漏洞"这一说法。幻灯片的分类，按 HN 上的转录：24 个"完全没有细节——'崩了'"；14 个"根本不是 bug"；3 个"数据纯属编造"；15 个在最新版本里早已修复（11 个是别人修的，4 个是 Anthropic 修的）——剩下 "20 个真需要修"（7 个前提是"假设一个恶意文件系统镜像"，2 个"假设你能向协议栈中间注入恶意网络包"）。据现场听众的帖子，他把发现方法描述为对过去几十年内核补丁做模式匹配、再把机制套用到别处，批评报告没有致谢最早修复这些已知 bug 的内核开发者，并把净价值总结为"只值一小时的内核开发工作"。对我们信源的免责声明： 这是一位维护者的审计，目前只见于幻灯片与参会者的转录——双方都还没有（至少还没有）发布书面报告。

Why it matters: "我们的 AI 发现了 N 个漏洞"这类说法刚刚得到最可信裁判的打分：约 25%（79 个里 20 个），且隐含了大量预筛——而被点名的原罪是署名，不是发现。所有厂商 CVE 新闻稿从此都有了对照模板。

🔗 Kernel Recipes 2026 video · 🔗 HN discussion

20. 健忘的 CPU：Linux 登上 M4 揭示 WFI 会清零 x0–x31 —— 一个 Apple 连发四代芯片的 ARM 规范违背

• Velocity: ▮▮▮ trending
• Source: yuka.dev · 148+ pts on HN · ~14h ago (~22:20 UTC+8 Oct 2)
• Tags: linux apple-silicon arm64 kernel

Yureka Lilian 的 M4 Mac mini Linux bring-up 日记（m1n1、主线内核、NixOS）记录了这台机器为何"健忘"：执行 WFI——每个操作系统都会不断下发的 ARM 空闲指令——会把架构寄存器 x0–x31 清零，违反架构规范"WFI 指令不得导致架构状态丢失"。M1–M3 自带一个厂商"chicken bit"（ARM64_REG_CYC_OVRD_ok2pwrdn_force_mask）可以掩盖该行为；到了 M4，"这个 chicken bit 似乎要么被锁死、要么已被移除。" 变通方案——把所有 WFI/WFIT 替换成 NOP——在 2026 年 4 月点亮了全部核心，如今已合入上游：内核 bootarg（idle=<wfi|yield|nop>）加 m1n1 在受影响的裸机上自动禁用 WFI/WFIT，已确认在 M4 Pro、M4 Max 与 M5 上有效。帖子同时清点了 M4 的其余高墙：第一代强制 SPTM、GXF 在 raw boot 模式下锁死、写 RVBAR 即崩溃。

Why it matters: 一个静默违背架构规范的硬件怪癖，跨越四代芯片存活，最后不得不作为内核 quirk 永久记录——"平台即规范"只在它没坏之前成立。这也是 Apple 芯片 Linux bring-up 在 2026 年的具体现状：附带一个主线认可的空闲 workaround。

🔗 yuka.dev · 🔗 HN discussion

21. 开源 SIEM UTMStack：CVSS 9.9 的事件指令 websocket 加 9.8 的 internal-key 认证绕过 —— v11.2.16 已修复

• Velocity: ▮▮ rising
• Source: NVD / VulnCheck · CVSS 9.9 + 9.8（VulnCheck 评定）· NVD 发布于 Oct 2
• Tags: cve siem auth-bypass utmstack

UTMStack（开源 SIEM/SOAR）的两个 VulnCheck 披露漏洞 10 月 2 日登上 NVD，均已在 v11.2.16（10 月 1 日发布）修复。CVE-2026-82041 —— CVSS 9.9（CVSS:3.1/AV:N/AC:L/PR:L/UI:N/S:C/C:H/I:H/A:H）：UTMIncidentCommandWebsocket.processCommand() 缺失授权检查——它是 /command/{hostname} 这个 STOMP 目的地的处理器，"没有角色检查，也没有命令白名单"——低权限用户即可驱动事件指令通道。CVE-2026-82042 —— CVSS 9.8（PR:N）：认证绕过，提交"一个与 INTERNAL_KEY 环境变量匹配的有效 Utm-Internal-Key header"即可获得"完整的管理 API 访问"。评分，注明出处： 两个分数都是 VulnCheck 以 CNA 身份评定的（CVSS 3.1 与 4.0 均已发布）；NVD 载的是 VulnCheck 的指标。仓库状态已核查： utmstack/UTMStack 未归档，10 月 2 日仍有 push，release 在流动（v12.0.0 于 9 月 29 日、v11.2.15 于 9 月 30 日、v11.2.16 于 10 月 1 日）。

Why it matters: 本栏反复撞见的同一模式——安全工具自己就是一级攻击面（10 月 1 日的 CrowdStrike RTR、今晨的 Zammad helpdesk 链）——只不过这次轮到 SOC 自己的远程指令通道没有角色检查。如果你在跑 UTMStack，v11.2.16 是底线；顺手把 INTERNAL_KEY 换掉。

🔗 NVD — CVE-2026-82041 · 🔗 NVD — CVE-2026-82042 · 🔗 v11.2.16 release

22. Sharpening Tax：Meta 量化 RL post-training 让 agent 在 pass@K 覆盖上付出的代价

• Velocity: ▮▮ rising
• Source: arXiv 2610.01509 · Hugging Face daily papers #7 · 66 pts · ~1d ago
• Tags: post-training rl agents pass-at-k research

一篇 10 位作者的 Meta 领衔论文（Azalia Mirhoseini 与 Sharon Y. Li 在列）把 sharpening 假说——RL post-training 只是锐化基座已有行为，抬高 pass@1 却压缩解法覆盖（pass@K）——从数学与编码推广到 agentic 任务。跨 14 对 base/post-trained 模型（四个家族）、三个 agentic 基准（42 个案例）：只带"轻量 inference harness"的基座模型，在测试时预算充足时"其解法覆盖（pass@K）往往超过 post-trained 对手"，尽管 pass@1 更低。机制：post-training 把任务推向两个极端——"要么总是解出、要么永远解不出"——用覆盖换来采样效率与一致性。两项交付：Sharpening Tax 诊断量，"几次 rollout 就能估出"；以及 posterior-tempered group sampling（PTGS）——按 prompt 自适应温度的贝叶斯采样器，在覆盖与单发准确率上都"比固定温度基线少缴税"。10 月 1 日提交。

Why it matters: 这就是本栏不断遇到的"基座模型 + harness"结果的机制论文（10 月 2 日的 Mid-Harness：测试时算力让冻结模型 50% → 68%）。如果你的服务栈有测试时预算，"RL 微调过的那个 checkpoint"不再自动是默认答案——而且现在只花几次 rollout 的钱就能量出税额。

🔗 arXiv 2610.01509 · 🔗 Hugging Face papers

23. Beyond Memory：给长程 agent 显式信念状态 —— 推理时生效、零训练，并给失败模式起了名字：Belief Trapping

• Velocity: ▮▮ rising
• Source: arXiv 2610.01415 · Hugging Face daily papers #4 · 69 pts · ~1d ago
• Tags: agents belief-states long-horizon inference-time research

《Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States》提出 PoS：一个推理时框架，"持续构建并维护显式信念状态，作为 agent 的决策上下文"。每条信念把当前世界状态的估计与未决任务要求组合在一起——"把 agent 还需要学什么、完成什么变成显式的。" 一致性校验器加进度监视器负责检测 Belief Trapping——"agent 继续行动、却对目标没有任何实质推进"的状态——并针对卡死模式与未决要求类型定制恢复策略。结果：四个基准（执行与诊断）上、三个 LLM backbone 下均取得"每个基准的最高整体性能"；消融证实一致性校验与恢复都不可少；上下文扩展实验显示对上下文增长有韧性。12 位作者横跨学界与产业界——作者名单里有 Dan Pei 的清华团队，HF 页面标注 Alibaba。

Why it matters: memory 浪潮整理的是发生过什么；PoS 整理的是还有什么未知、什么没完成——同一个上下文窗口里的另一种数据结构，推理时即插即用、无需训练。"Belief Trapping" 是 harness 圈子一直缺的名字：那个 agent 不停行动而进度为零的死循环。

🔗 arXiv 2610.01415 · 🔗 Hugging Face papers

24. Ai2 开源 AstaBrief 8B：Asta Fast 模式背后的带引用报告生成器 —— 权重、训练数据、评测全给你

• Velocity: ▮▮ rising
• Source: allenai.org · 22+ pts on HN · ~7h ago (~05:25 UTC+8)
• Tags: ai2 open-weights report-generation qwen citations

这家非营利实验室开源了 AstaBrief 8B——"Asta 里的快速报告生成模型"，把"一个研究问题加检索到的文献片段变成一篇带引用的报告"。基于 Qwen3-8B，SFT + DPO（刻意避开不稳定且昂贵的 RL），从 9 万条过滤后的研究问题得到 4.7 万条 SFT 样本，再加约 6K DPO 对——由 GPT-4.1 与 DeepSeek-R1 判别，与人偏好"95% 一致"。权重以 Apache 2.0 挂在 Hugging Face（allenai/AstaBrief_8B），训练数据与本地报告生成的示例 GitHub workflow 一并放出。速度主张："Fast mode 平均 51.1 秒一篇报告，Thinking mode 为 178.5 秒，约 3.5 倍快"——比专有系统低接近一个数量级。诚实栏： 评测是内部的（SQABench-CS2，200 道用户手写的 CS 研究问题；DeepScholarBench）；人类研究中 DR-Tulu 赢得总体偏好，且只有"三位研究者中的两位在引用准确性上更偏爱 AstaBrief"；23% 的 Fast mode 用户从未切回 Thinking mode。

Why it matters: "Deep Research lite" 这一档从此有了开源权重、连数据一起给、机构可藏在自己防火墙后跑的参照实现——而 Ai2 把整条流水线（包括跳过 RL 的决定）全部公开，恰恰是多数厂商不会出货的那部分。

🔗 allenai.org/blog/astabrief · 🔗 allenai/AstaBrief_8B

25. "每一家 SaaS 公司都会变成模型外面的一层 harness" —— 把本季度核心隐喻升格为组织论文的 8 月旧文登上 HN

• Velocity: ▮ steady
• Source: blog.sshh.io · 117+ pts on HN · ~7h ago (~05:10 UTC+8) · 文章写于 Aug 24
• Tags: harness saas agents org-design

Shrivu Shankar 的这篇文章（8 月 24 日发表，今晨在 HN 重新浮出）主张：harness——"围绕无状态 LLM 的基础设施、接口、上下文与状态"——不是一个开发者工具品类，而是公司本身。四个阶段：没有 harness → 个人操作 harness → 个人编排 harness → "harness 编排个人"，彼时"Humans are part of the harness"。质量来自调度人类注意力，而不是无人化："taste-holders" 只审大决策、demo 与最优设计变体。竞争逻辑：握住最外层 harness，否则被商品化——"如果整个外循环都外包出去了……这门生意已经被商品化。" 引用的证据：Ramp、Stripe、DoorDash 的内部 AI 开发者工具。

Why it matters: 本栏整个季度都在把"harness"当作工程名词追踪（Mid-Harness、ds4 的共享状态 agent 面、今天 HF 榜上 Meta 那篇优化 harness 的 ActiveSaddler）。这篇文章的动作是把它升格为公司论——六周前的旧文、尚未被验证，但如果"harness"成为 2027 年的组织架构词，这就是铸造该用法的文章之一。

🔗 blog.sshh.io · 🔗 HN discussion

26. 给软件工程师解剖一个 Lean 证明：把 Sipser 正则性习题拆成 spec → DFA → proof

• Velocity: ▮ steady
• Source: agostbiro.net · 92+ pts on HN · ~33h ago (~02:50 UTC+8 Oct 2)
• Tags: lean formal-methods verification dfa

一位在职工程师完整拆解如何用 Lean 4 + Mathlib 形式化 Sipser 教材的经典习题：三行比特列构成的语言 B——第三行是前两行按二进制求和——是正则的。构造是一个进位 DFA——"一个全加器，状态是待定进位，外加一个死端汇"——识别反转后的语言，再用 Mathlib 的"正则性在反转下保持"定理闭环。三段式解剖（specification / implementation / proof）的芯是 run_invariant 引理——evalFrom 终于 carry carryOut 当且仅当 row1LE wLE + row2LE wLE + carryIn = row3LE wLE + carryOut * 2 ^ wLE.length——用归纳法加 generalizing carryIn 证明。经验："proofs are programs"；形式化逼出一个隐含假设（"一个词的三行必须等长"）；以及对黑盒化的警告——既然 agent 已经能一发命中这类证明，"往前看，我们能读懂机器生成的证明这件事很重要。"

Why it matters: 形式方法浪潮一直缺一张给在职工程师的入场图——这就是那张图。而它对机器生成证明的警告，与本周一位内核维护者给 AI 漏洞清单打出 20/79（第 19 条）恰好同框：没有理解兜底的验证，只是一条更快的传送带。

🔗 agostbiro.net · 🔗 HN discussion

27. Audionaut：agent 可以经 MCP 驱动的 GPLv3 多轨音频编辑器 —— 三年 C++，每次编辑一个 undo 步

• Velocity: ▮ steady
• Source: Show HN · 133+ pts on HN · ~20h ago (~16:00 UTC+8 Oct 2)
• Tags: audio open-source mcp juce show-hn

kvoltmer/Audionaut（C++ / JUCE；Windows/macOS/Linux；README 徽章为 GPLv3）以"一个免费开源、AI agent 可以经 MCP 驱动的多轨音频编辑器"亮相。作者的起点：做了三四年，最初是为了"用老 Sound Designer II 的工作流（建 region、丢进 playlist、导出、完事）剪自己的多轨录音"。Agent 接口一行——claude mcp add audionaut -- npx -y audionaut-mcp——关键契约是"每次编辑就是一个 undo 步"。首页 demo 显示 Claude 每 16 小节切一刀、把 clip 分到两条轨道、补上缝隙，再设交叉淡入淡出与淡出。仓库已核查：156★，10 月 2 日有 push——热度目前由 HN 而非 star 数带动。

Why it matters: 桌面应用的 MCP 化正在越过 IDE 和浏览器，进入时域媒体；而"一次编辑 = 一个 undo 步"是正确的 agent-UX 原语——agent 的每一次改动都保持人类可回滚。它也补上了 Audacity 与完整 DAW 之间那个久违的开源空位。

🔗 kvoltmer/Audionaut · 🔗 HN discussion

28. Debian 悄悄为贡献者立起一个 LLM 推理门户 —— Salsa 登录、预算追踪、Scaleway 赞助

• Velocity: ▮ steady
• Source: inference.debian.net · 12+ pts on HN · ~5h ago (~06:45 UTC+8)
• Tags: debian llm-infra open-source distro

inference.debian.net 是"给 Debian 贡献者的 LLM 推理自助门户"：用 Salsa（Debian 的 GitLab）登录，"只有 Debian Developers 与 Debian Maintainers 获得访问权"，然后管理 API key、追踪预算消耗。服务于 9 月 23 日在 debian-devel-announce 公告；目前列出的首个模型是 scaleway/qwen3.8-27b（9 月 25 日加入）；"推理资源由 Scaleway 赞助。" 门户源码（inference-team/inference-user-portal）就在 Salsa 上，最近的更新加入了"DebGPT 配置一节"与沙箱示例。

Why it matters: 发行版为贡献者提供身份门控、赞助商出资的推理，是一级基础设施决策——道德等价物是当年的构建集群，其他发行版从此有了对照模板。DebGPT 集成泄露了天机：这是给"干 Debian 活的 agent"用的推理，不是给人聊天的福利。

🔗 inference.debian.net · 🔗 HN discussion

29. 第一只 RFC 1149 数据包登上佳士得拍场 —— David Waitzman 的鸽子载波 ping，已装框

• Velocity: ▮ steady
• Source: onlineonly.christies.com · 56+ pts on HN · ~15h ago (~20:45 UTC+8 Oct 2)
• Tags: internet-history rfc1149 auction humor

佳士得"Fine Printed Books & Manuscripts"在线专场收录了一件名为 "Carrier Pigeon Internet Protocol" 的拍品："[WAITZMAN, David and the BERGEN LINUX USER GROUP.] 一枚按 RFC 1149 由信鸽传递的 IP/ICMP 'ping' 数据包。纸卷一小轴，41 × 210 mm。留有当年绑在鸽腿上的滚动折痕。已装框。" 目录所述来源：David Waitzman——1990 年愚人节写下 RFC 1149《Avian Carriers 上传输 IP 数据报的标准》的美国网络工程师——这枚数据包是"第一次也是最著名一次实现"的幸存包，出自 Bergen Linux User Group 的鸽子实验，背板背面题有"Property of David Waitzman"。

Why it matters: 互联网最经典的愚人节标准进入了艺术品市场。第一代互联网的纸质痕迹开始成为收藏品——而 RFC 幽默谱系（1149 → 2549 的 QoS 改进 → 6214 的 IPv6 适配）已经老到出现了值得装框的原件。

🔗 Christie's lot 325216 · 🔗 HN discussion