EP66 · Claude 护网万漏、快模型慢工程、Skill 反直觉 · 05-24 早报-ginobefun

EP66 · Claude 护网万漏、快模型慢工程、Skill 反直觉 · 05-24 早报

歌手:ginobefun

专辑:BestBlogs

时间:2026-03-15

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

本字幕由TME AI技术生成

每秒一千两百个token

一个月扫出一万个高危漏洞

一百五十组实验跑出七个反直觉结论

今天是二零二六年五月二十四日

欢迎收听best blocks 早报第六十六期

今天三条精讲主线是ai 能力和工程纪律之间越来越紧绷的张力

第一条

Cleude ark 把代码生成速度推到传统水平的二十倍

但sara bus 的工程师说

模型越快

开发者必须越慢

越有纪律律

第条

Anthroropic 联合约五十家合作伙伴

用cloud missils preview 在一个月内找到超过一万个高危漏洞

修补的速度却远远跟不上发现的速度

第三条

腾讯玄武实验室用一百五十组对照实验测试三十个ai skill

结论让很多人意外

装上skill 并不一定比裸模型强

三条加起来传递的是同一个信号

Ai 能力的涌现要求工程册有对等的反应速度和纪律性

我们开始第一条

快模型需要慢开发者

Codex spark 是sarah bus 和open ai 联合开发的推理加速模型

生成原始代码的速度可以达到每秒一千两百个token

做个对比

传统推理平台普遍在每秒五十到一百五十个token 这个区间

也就是说

Codex spark 大约是传统速度的二十倍

Siara bus 的工程是在ai engineer 大会上专门谈了这件事

他的核心论点是

反直觉的速度越快

开发者反而要越慢

为什么

因为传统的推理延迟其实充当了一种隐擎缓冲

模型跑一段代码需要等

开发者在等待过程中会自然的回顾刚才写的内容

思考下一步

这个等待时间是强制的慢

现在速度变成二十倍

这个缓冲消失了

Ai 可以在几秒钟内提交数十个文件的改动

如果没有对应的工程纪律

技术战会以样的速速堆堆积

他提出了几个实际操操作的应对方法

第一

持久上下文文件

他推荐维护四个本地markdown 文件

如别记录agent 角色边界

技术方案

进度状态和验收规则

这四个文件的作用是让每次agent 运行都有边界约束

如会因为速度快而跑偏

第二为验周测试

每次agent 运行结束后立刻跑单测语法检查提交前校验

速度快反而让这件事更可行

因为验收的时间成本已经可以忽略不计

第三

多层模型编排

他推荐的组合是用gpt 五点四这类高推理能力模型做战略规划

把架构设计和技术路线想清楚

然后把具体执行任务交给code x

Spark 这类高速执行引擎

规划和执行分开

各司其职

第四 断路器

对agent 设置最大允许变更行数

防止失控循环

当一个操作的diff 超过阈值

自动暂停

要求人工确认

他给这套方法论取了个名字叫信任

但验证核心是不要因为模型块就跳过验证

高速只是省了等待时间

不是省了验证步骤skill

速度越快的工具

给了你更快犯错的能力

也给了你更快纠错的机会

关键在于你有没有把验证步骤本身也跑的和生成一样快

而不是因为等待消失了

就把验证一起省掉了

这条逻辑对下一个问题也适用

当ai 可以以同样的速度扫描漏洞时

安全侧又发生了什么

第二条

Cloud missas 护网计划

一个月发现超一万个高危漏洞

Anthropic 在去年启动了一个叫project classine 的项目

中文可以理解为护网计划

核心目标是在能力越来越强的ai 模型可能被用来攻击软件之前

先把那些最重要的基础软件里的漏洞找出来

打上补丁

Anthropic 联合了约五万个合作伙伴

使用cloud missas preview 这个安全专项模型

在过去一个月内发现了了过过万个高高或严严重级别漏漏洞

这数字本身身已经很震撼

但细节更目标

使用cloud flaer 一家就找到了两千个漏洞

其中四百个属于高危或严重级别

他们给出了一个评价

Missas preview 的假阳率比人工测试员还低

换句话说

他不仅找得多

找得准的比例也超过人工

英国ai 安全研究院也参与了外部评测

他们的结论是

Clrod misas preview 是第一个能端端端端解决他们两个网络靶场的模型

这两个靶场模拟的是多步骤链式的实际网络攻击场景

斯mod 的测试也很有说服力

他们用cloud missas preview 扫描firefox 一百五十

找到了两百七十一个漏洞

这个数字是他们用上一代模型扫描firefox 一百四十

八十的十倍以上

在开源代码测

Anthropic 自己扫描了超过一千个开源项目

Ccloud missas preview 估计找到了六千两百零二个高危或严重漏洞

经过独立安全机构的人工负荷

超过百分之九十被确认为真实漏洞

超过百分之六十被确认为高危级别

还有一个具体的例子

Wff ssl

一个被数十亿设备使用的开源加密库

Cloud d sas preview 构造了一个利用链

可以伪造证书

让攻击者搭建一个对普通用户完全无法辨别的银行或邮件服务假网站

这个漏洞已经被修复

漏洞编号已正式登记

但报告里最值得停下来想想的一句话不是这些

是这一句

软件安全的进展

过去受限于发现漏洞的速度

现在受限于核查

披露和修补漏洞的速度

瓶颈已经转移了

以前找不到漏洞是核心问题

现在是找到了漏洞

人手不够修

一些开源项目的维护者甚至主动要求anthroppic 放慢披露节奏

因为他们需要公众时间来覆盖补i

Anthropic 发布的公开漏洞追踪面板显示

每过一个阶段

数量都会急剧下降

反映的是人工处理这些漏洞所需的巨大工作量

这提出了一个现实问题

如果发现的速度已经超过修补的速度

那么现在对攻击者的窗口期反而可能是在扩大

Anthropic 的回应是暂时不对公众开放missas preview

原因正是没有足够强的安全门禁来防止滥用

同时在积极扩展互网计划的覆盖范围

并和包括美国及盟国政府在内的机构合作

优先保护最关键的基础设施

攻防之间时间差就是安全窗口

这个窗口正在缩小

从漏洞发现来看

速度与纪律的张力

我们再放大到另一个场景

当一个团队给ai 系统装上一批skill 的时候

真实发生了什么

第三条

一百五十个任务

三十个skill

七个反直觉结论

腾讯玄武实验室的研究团队做了一套系统化实验

他们没有用感觉或下载量来判断scale 是否有效

而是在统一的评测标准下

让三十个scale 和裸模型跑一百五十组任务级别的对照实验

同时测量成本

稳定性和跨模型的可迁移性

结果出来

先看胜负分布

Scale 组胜出六十二次

占百分之四十一点三

裸模型胜出五十五次

占百分之三十六点七

平局三十三次

占百分之二十二

对对对

Skill 略占优势

但远谈不上压倒性

这个结论本身就已经值得停下来想想

很多团队把scale 当做让模型立刻变专业的迎男

但数据告诉你

装上scale 只有不到一半的概率能胜过裸模型

那什么时候有用

什么时候反而没用

而胜负样本逐条分析下来

规率很清晰

当一个scale 给模型补充了它本来没有的东西

比如外部工具调用

受约束的输出

结构清晰的工作流边界

它就是有用的

当一个scale 只是把模型本来就会做的事情用mark down 重新包装一遍

它带来的是负担

不是增益

成本数据也很直白

装上scale 之后

Token 消耗平均增加了百分之四十八

任务耗时平均增加了百分之十九

这不是小数

意味着在大多数场景下

你付出了显著更高的成本

但不一定获得了对应的收益

第二个发现叫skill 虹吸现象

研究团队专门设计了一类请求

理论上不应该触发任何scale

模型直接回加就够了

结果是百分之十三点三的这类请求还是被拉进了某个scale

举两个例子

一个用户说

不用上网

帮我想五个适合检索办公室绿植养护的中文关键词

这本来只是头脑风暴

但因为包含检索和关键词这两个词被吸进了搜索类scale

另一个用户说

把这句话改的更自然

因为涉及商业表达

被吸进了营销类scale

虹吸不是路由系统在乱触发

而是一种更具体的偏差

只要请求的语义靠近某个scale 的描述词

系统就倾向于调用它

结果是本来一句话能完成的任务被套进了更重的专门工作流

时间和成本都上涨了

第三个发现来自稳定性观测

提到scale 不稳定

大多数人第一反应是模型答错了

但实验数据说近一半的scale 在工具链调用外部服务等待或反复修正环节出过问题

最常见的不稳定来源不是模型本身

是工程链路

是外部app 脚脚本行文文格式式理理些些环节

常模型可迁移性的测试也给出了一个实用结论

高推理强度的模运行scale 整体质量明显更好

但收益不均匀

越是流程明确结构固定的scale

模型推理强度的差异反而拉不开距离

越是需要处理隐藏约束细节核对的scale

高推理强度带来的收益越明显

研究团队最后给scale 开发者的建议是

先建裸模型基线

证明scale 真的有增量

再去优化scale 本身

不要因为想法听起来合理就跳过验证步骤

这和第一条是同一个底层逻辑

工具越快越多

工程纪律和验证机制就越不能省

缩短几条今天值得关注的消息

第一条

所有模型实验室都在变成智能体实验室

Laghtspace 的综述指出

Open aiai 二十一

Deep sick 这波都在从纯模型研究向agent 产品转型

Ai 二十一甚至已经关闭了模型团队deep sick v 四pro 同期宣布永久降价百分之七十五

混合均价降到约每百万token 零点一八美理

Mcp 协议也在更新

今年七月赖持c 版本将改为无状态协议

影响所有依赖持久绘画的集成方

第二条

会记忆的agent 记忆存储与梦境整理

S roropic 发布关于于的记会记忆忆方案

核心是文件系统式的持久记忆agagent

可以在不同任务之间读写共享记录

更有意思的是引入了一个叫dreaming 的后台整理任务

在agent 空闲时自动将短期记忆压缩归档

减少上下文噪音

让下一次运行能更精准的调用历史信息

第三条

C 加加支付批评ai coding

七十五岁的c 加加发明者在播客里尖锐的说

Ai 生成的代码更臃肿

有更多bug 和安全漏洞

而且很难验证

因为模型是用旧代码训练的

生成出来的也是旧思路的产物

他提到

已经看到一些资深开发者选择退休

原因是不想接手那种每次改提示词

输出结果就跟着变的代码

它的原话是

验证才是真正的问题

第四条

Google antigragravity 二点零google le o 二零二六上展示的新版题第五位

智能能优优先开开平平台由gi 三三点flasash 调调多子agent 挂挂在hooks 和异步任务处理

覆盖从规划到编码的完整开发流程

同时发布了配套的命令行工具和开发者套件

Google 的ceo 据说也在内测期间用它修了一个线上bug

第五条

Deep seek 组建harness ys 团队

Deep seek 在官网小红书x 同步放出招聘信息

公开表示目标是从零构建对标clooucode 代码智能体产品

他们的逻辑很直接

模型加上harnees 才等于agent

模型之外的所有工程工作都属于层的范队

这次招聘引发了广泛关注

Honeya 次编程竞争从模型层向harness 层的转移

现在已经有了明确的参与者

第六条

Context engineering 完整指南

一篇系统梳理上下文工程的文章

提出四个核心策略

写入 选择

压缩和隔离

对应分析的四种最常见的失败模式分别是上下文太少导致模型没有足够信息

太多导致关键内容被淹没

包含错误信息以及被注入无关噪音

这是目前关于这个话题较为完整的一篇工程实践总结

对于正在构建agent 的工作流的团队值得一读补充阅读

今天还有十八条值得一看的内容

每条一句话

Nvidia 旗下研究团队发布扩散语言模型

通过并行生成token 向更快的文本生成迈进

智能体蜂群缺少的基础源语梳理软件工厂虚拟机隔离与命令行协调层

企业文档智能rg 构建系列更结对于逐块构建检索管道的实践路径

由为前open ai 研究主管判断

Ai 时代只剩孤独天才和管理者

中间层正在被压缩

Google ai studio 联java 四本地模型的完整工作站实操指南

Rg 与智能体协作播客

第二百一十六集

梳理两者结合的设计模式

维真航空借助codex 加速开发

代码量缩减百分之七十八到八十

Npm 供应链安全告警

攻击者利用有效证书和失窃账户植入恶意代码

五类人ai 替代不了

企业做第二名最稳妥

Ai 编程新基准

不测补丁转向系统级工程能力评测

Anthropy 公司深度分析

最好的ai 公司也是一种新型组织

发明open ai 工程师教你更高效使用codex

国内几家大厂以跑通企业级大规模证端到端部署

Aganthropy 估值接近九千亿美元

N vidia 科学家二十分钟演讲

机器人终局二零四零预言

To skskill 与子agen 三概念念边界界拆径

Evlse 训练ai 应用品味判断的实操路径

Already 分析软件工程师角色变化

从主动设计者到偶然的编排者

今天三条精讲说的是同一件事

Ai 工具的能力正在以很快的速度扩化

但扩张本身并不能自动保证结果的质量和安全

快模型需要程工程师高速

漏洞发现需要同样快的修补能力

更多的skill 需要更严格的基限验证

能力与纪律缺一不可

今天的补充阅读链接放在文章版里

感兴趣可以翻看

如果你想每天收到一份根据自己兴趣筛选的早报

可以试试best blocks pro 内侧关注你感兴趣的来源

配置兴趣标签

让早报越来越贴近你自己的阅读节奏

Best blocks

发现真正适合你的高质量内容

明天见

展开显示全部歌词