在办公室丢了手机。Claude 建议追踪蓝牙信号强度

一名 iPhone 用户在办公室丢失手机,因企业 MDM 禁用了 Find My,转而让 Claude 现场编写蓝牙信号强度追踪工具,几分钟内找回了手机。这件事展示了大模型从“回答问题”到“生成可用工具”的落地能力。

一名 iPhone 用户在办公室丢失手机,因企业 MDM 禁用了 Find My,转而让 Claude 现场编写蓝牙信号强度追踪工具,几分钟内找回了手机。这件事展示了大模型从“回答问题”到“生成可用工具”的落地能力。

知名 YouTube 创作者 Hank Green 在遭到粉丝批评后,公开为自己制定了一套 AI 使用政策,核心是脚本不交给大模型写、视频论点必须来自人类、生成式 AI 制作的图像和音乐一律不用。他同时呼吁其他创作者建立自己的 AI 边界,这反映出内容行业对 AI 信任问题的焦虑已经从讨论转向具体行动。

Meta CTO Andrew Bosworth 在内部问答中明确表示,AI 带来的生产力提升应当用于开发更多产品,而不是转化为员工休假。这一表态把科技行业关于“AI 效率红利归谁”的争论摆到了台面上。

一名香港男子在WhatsApp上收到“父亲”的语音消息,被AI语音克隆技术冒充亲人,先后转账共约127万美元才发现受骗。事件表明语音深度伪造已成为社交工程攻击的新工具,专家建议用“家庭秘密码字”验证身份最有效。

一个名为 The Claudyssey 的项目使用 Claude 完成了荷马《奥德赛》的完整英文逐行翻译,共 12,107 行,并配套学术注释、人名地名索引和全本有声书。它展示了大模型在长篇文学翻译与出版级内容整理上的实际能力。

开发者 slvDev 让一个 2890 万参数的语言模型,在一块约 10 美元的 ESP32-S3 微控制器上以每秒约 10 个 token 的速度完全离线运行。它把大部分参数放到闪存里,突破了小芯片内存不足的限制,展示了未来更轻量、更私密的本地 AI 推理可能。

有人在 Hacker News 上让 Claude 逐行翻译《奥德赛》开头,结果发现它更像是在混编两个知名英译本,而不是独立翻译。这个细节让大模型的“翻译能力”与“记忆能力”之间的边界再次成为焦点,也把版权问题推到了台前。

Databricks 公开了将内部 AI 编程支出削减 70% 的具体做法,核心不是谈下更低价格,而是主动把模型流量迁移到“效率前沿”模型上,并为此建立了可复制的基础设施;Stripe、Coinbase、Uber 等公司也在采用类似策略。

数据与 AI 基础设施公司 Databricks 将 AI 编程相关支出削减了 70%。在行业普遍加码 AI 编程的背景下,这个动作指向一个更现实的问题:AI 编程投入是否真的带来了对等的产出。

1Password 旗下安全实验室的大规模测试发现,用前沿大模型自动生成漏洞补丁的成功率仅 26%,部分补丁还会改变应用行为甚至引入新漏洞——AI 补丁仍需人工审查,不能直接信任。