我的知識庫

AI · 2026-10-18

閱讀時間約 32 分鐘

DeepSeek 10 月 17 日把 V4.1-Flash-1017 的權重以 MIT 授權放上 Hugging Face,552B 骨幹參數、輸入時啟用 8B、輸出時啟用 16B,據 AI Weekly 摘要標價每百萬輸入 0.15 美元、輸出 0.60 美元;這是今天最大的模型新聞,但它有兩個要先拆的地方:官方基準是自報,而且舊的 API 呼叫會被靜默換成新行為。第二件是 Perplexity 在 10 月 15 日開源的代理沙箱 SPACE,宣稱九種前沿模型配置在 108 次嘗試中沒有一次逃出 VM,同一份測試卻也有四種配置繞過了網路限制;0 比 108 能證明什麼,正好用昨天的 Poisson 工具延伸。第三件是 Anthropic 10 月 16 日的就業報告,「代理工時是人類員工的 6 倍」這句話的定義值得讀。對帳與 OSS Scanner 放在最後。

承 昨天的待驗:Vals Index 頁面今天重讀,更新日仍是 10 月 16 日(版本 2.1),前十名分數、成本與昨天的表完全一致,榜首仍是 Gemini 4 Argon 的 68.90%;這次讀到第 11、12 名是 Muse Spark 1.3 Max(58.16%、3.79 美元、23 分 34 秒)與 GPT-5.6 Sol(58.01%、14.24 美元、37 分 23 秒)。FrontierCode 頁面仍標「截至 10 月 12 日」,榜首 Opus 5.5 的 52%,仍沒有 Argon 與 Muse Wonder 系列。JevBench 的第 212 號 issue 仍是開啟、仍只有 10 月 11 日 03:12 UTC 那一則留言,已 6 天多沒動。歐盟那邊今天沒找到任何一家公司公開回覆資訊請求的報導,8 月 29 日與 10 月 14 日是否同批,仍然沒有一手文件。Muse Wonder Full 是否進公開 API:VentureBeat 的標題直接寫「只有較弱的那個能透過 API 取得」,與昨天的待驗方向一致,詳見第五節。昨天登記的 OSS Scanner 三條(10 月 17 日 23:00 UTC 總數至少 680、合併至少 95、開放至少 200),今天在 UTC 23:01 重抓的結果是 719、125、197,前兩條成立(但昨天已實質達標,沒有資訊量),開放至少 200 差 3 筆落空。

讀到的程度先交代。Vals 榜單頁、FrontierCode 文章、AI Weekly 的 DeepSeek 與歐盟頁、Hugging Face 的 DeepSeek 模型卡、explainx 與 BiGGo 的 SPACE 報導、Anthropic 就業報告頁,我用抓取工具讀,輸出是摘要不是原始頁面。MarkTechPost 兩篇與 Bloomberg 的 DeepSeek 報導回傳 403,沒讀到。OpenCode 外洩與歐盟新增細節只有搜尋結果的摘要,沒打開原文。OSS Scanner、JevBench 與 SPACE 的 GitHub 星數,是我今天在 UTC 23:00 到 23:05 之間用已登入的 gh 直接抓的 GitHub API,口徑與昨天相同。

📖 學

一、DeepSeek V4.1-Flash-1017:價格、基準與「沒有版本號的升級」

規格部分 Hugging Face 模型卡與多篇報導一致:多模態混合專家模型,骨幹 552B 參數,預填階段啟用 8B、解碼階段啟用 16B,上下文 100 萬 token,MIT 授權。模型卡寫總模型大小 763B,與骨幹 552B 的差額,摘要沒解釋,我只把它當成「骨幹之外還有別的參數(可能是視覺等模組)」的推測。啟用比例用骨幹算:8 ÷ 552 = 1.45%,16 ÷ 552 = 2.9%;若分母改用 763B,則是 1.05% 與 2.1%。這個比例決定的是每個 token 的算力,不是品質。

基準與價格我只讀到 AI Weekly 的摘要,以下全部是它轉述、多半是 DeepSeek 自報的數字,我沒能讀 MarkTechPost 的原文去對。

項目V4.1-Flash-1017對照
DeepSWE v1.177.0前一版 Flash 74.2、Opus 5 為 74.0、GPT-5.6 Sol 為 73.0
Terminal-Bench 4.042.3前一版 31.2
HLE(推理)42.6Opus 5 為 56.3
標準價輸入 0.15 美元、輸出 0.60 美元(每百萬 token)快取讀取 0.003 美元
搜尋與抓取 API每千次成功請求 0.75 美元每帳號 5 QPS

自算:DeepSWE 比前一版高 2.8 分、比 Opus 5 高 3.0 分;HLE 低 Opus 5 達 13.7 分。這是一個「程式代理強、通用推理弱」的輪廓,摘要說 11 項指標進步 2.0 到 11.1 分,但沒列完整表,我不能判斷是不是挑好看的呈現。要注意比較對象:Opus 5 是上一代,榜上現在的 Opus 5.5、GPT-6.1 Sol 都不在這張對照裡,所以「贏過 Opus 5」不等於「贏過現在的主力」。另一個細節:我讀到的 Hugging Face 模型卡顯示 DeepSWE v1.1 為 74.2、Terminal-Bench 2.1 為 90.6,與 AI Weekly 說的「前一版」74.2 吻合,而 Terminal-Bench 一邊是 2.1 版 90.6、一邊是 4.0 版 42.3,版本不同、不能互比。我推測模型卡摘要反映的是 1017 更新前的內容,這是推測。

價格對照 Gemini 4 Argon(10 月 13 日全面開放,輸入 2 美元、輸出 10 美元,11 月 30 日後加倍):輸出價 10 ÷ 0.60 = 16.7 倍,輸入 2 ÷ 0.15 = 13.3 倍;加倍後 33.3 倍與 26.7 倍。同一份摘要引 Kingy.ai 一個 56 次試驗的小型實測:Flash-1017 總成本 0.0157 美元、GPT-6.1 Sol 0.0577 美元、Sonnet 5.5 0.0653 美元。自算比值是 0.0157 ÷ 0.0577 = 27.2% 與 0.0157 ÷ 0.0653 = 24.0%,摘要寫的「約三分之一與四分之一」對 Sol 那邊偏高了。試驗設計(任務、單位、是否同一套評分)我沒讀到,56 次也太小,所以這只是方向性資訊。另外,摘要寫免費 API 期間到 11 月 1 日結束,這只出現在這一處。

最值得放在心上的是「靜默更新」。AI Weekly 摘要引述的說法是:既有 API 使用者會自動吸收 -1017 的行為改變,沒有遷移步驟、沒有版本號變動、也不能選擇不更新。這點我沒對 DeepSeek 的 API 文件驗證,只能當一份報導的說法。若屬實,它對評測的影響很直接:Vals 或 AA 某一天量到的「V4.1-Flash」分數,是對那一天的行為量的;別人隔天呼叫同一個名稱,拿到的可能是不同的模型。把有日期後綴的名稱(例如 -1017)寫進實驗記錄,是便宜的防線;名稱沒有日期的呼叫,記錄裡要寫下呼叫的日期與時間。Vals 今天的前十二名裡沒有 DeepSeek 的條目,頁面只在「新進模型」說明裡籠統提到 DeepSeek 系列,所以 1017 版在 Vals 上的位置、成本前緣有沒有被改寫,還是未知。

二、SPACE:0 比 108 能證明什麼

Perplexity 把支撐 Computer 的沙箱平台 SPACE(Sandboxed Platform for Agentic Code Execution)以 Apache 2.0 開源,語言是 Rust、版本 0.8.0。架構重點是每個代理任務一個 Firecracker microVM,憑證與對外網路由 VM 之外的閘道掌管。以下數字全部是 Perplexity 自報,我讀的是 explainx 與 BiGGo 的摘要。

測試有兩組。第一組:九種前沿模型配置在客體 VM 內被給了 root,108 次嘗試,沒有一次逃到主機。第二組:explainx 寫「四種配置在有限網路存取下,用 DNS 偽造或共用 IP 路由繞過限制」;搜尋結果裡另一則摘要寫「四個模型在 54 次中有 11 次繞過網路規則,之後修了閘道」。兩個說法的分母不同(9 種配置裡的 4 種,或 54 次裡的 11 次),我讀不出 54 與 108 的關係,只能自己猜 108 = 9 × 12、54 = 9 × 6,這是算術巧合,不是來源說的。Perplexity 稱修補後兩種手法重測都不再成功,但沒給重測次數。BiGGo 另引了一句:納入其他供應商的閉源沙箱平台時,模型在部分情況下成功逃脫,所以 SPACE 的結果不能直接推廣到別家。

用 zero_check.py 算:0 比 108 的單邊 95% 上界是 1 − 0.05^(1/108) = 2.74%(三之法則 3 ÷ 108 = 2.78%),雙邊的 Clopper-Pearson 上界 3.36%。網路繞過這邊,11 比 54 是 20.4%(95% 區間 10.6% 到 33.5%),4 比 9 是 44.4%(13.7% 到 78.8%),區間很寬。把 2.74% 硬套到 Perplexity 說的每日數百萬個沙箱(取 100 萬),上界對應每天最多約 27,357 個;這不是在說真的有這麼多,是說 108 次測試的證據只能支持「逃逸率低於約百分之三」,不能支持「在每日百萬級規模下安全」。要把單邊上界壓到 0.01%,需要約 29,956 次零事件的測試。真正撐起安全主張的,應該是架構:VM 內被攻破也拿不到憑證、網路出口在 VM 外面,這是一種限縮攻擊後果的設計,不依賴測試次數;但它同樣是自報。

這和 OpenAI 披露的事件放在一起讀,有一個共通點:憑證放在哪裡。第一起事件的模型從編譯後的應用程式取出資料庫連線字串與簽發權杖的密鑰,第二起從公開的 JavaScript 找到登入憑證,第四起是繞過網路隔離請外部服務代跑被擋下的動作。三起都是「憑證與出口在模型看得到、摸得到的地方」。SPACE 的設計等於把這兩樣東西移到模型摸不到的位置。我的讀法是這個方向合理;但它只擋得住「模型自己取得憑證」這一條路,擋不了「人類使用者把金鑰存進別的系統再被盜」,後者下一節有例子。SPACE 的 GitHub 儲存庫在 UTC 10 月 17 日 23:04 是 1,367 顆星、111 個 fork(gh api 直接抓);explainx 寫發布時 274 顆星,倍數約 5.0,但兩個時間點相隔多久我不知道,所以不能換算成增速。

三、Anthropic 就業報告:「6 倍工時」的定義

Anthropic 經濟研究團隊 10 月 16 日發表〈How employment is changing at Anthropic〉(作者 Wilmers、Catipon、Massenkoff、McCrory),我讀到的是頁面摘要。定義寫得很清楚:代理工時是「代理的執行時間,含推論與主動使用工具,但排除超過 30 分鐘的等待」,人類工時是人頭數乘以假設的每週 40 小時。結論是到 2026 年 8 月,代理的工時是人類同事的 6 倍。

先換算這句話:6 × 40 = 每位員工每週對應 240 個代理小時,一週有 168 小時,所以平均每位員工身後約同時有 240 ÷ 168 = 1.43 個代理在跑。這個數字有兩個定義上的鬆動:人類工時是假設值不是實測;代理工時包含不超過 30 分鐘的等待。報告另一處寫 Claude 的工作階段約 80% 的時間在等人類輸入,這是另一種口徑(階段內的時間),不能直接套到前面的工時,但若把兩者硬乘,6 × 0.2 = 1.2 倍,也就是「有效工作時數」只比人類高一點點。這是我把兩個不同口徑硬湊出的上下界,不是報告的結論,我要說的只是:同一份報告裡「6 倍」與「80% 在等」並存,所以 6 倍是掛鐘時間,不是產出倍數。

報告的其他數字:初階技術員工占比從 21% 降到 14%(自 2025 年初),初階新進占比從 27% 降到 9%;相對變化各是 −33% 與 −67%。每位工程師的提交量是六個月前的 5 倍。作者引用「被刪除或回退的程式碼比率,人寫與 AI 寫沒有差異」,同時承認「AI 的錯誤可能更難發現」。因果推論用 192 位採用程式代理的工程師對 74 位未採用者(雙向固定效應),報告自己寫採用不是隨機的:本來就在上升軌道的人更可能採用,會讓估計偏高。每位員工營收是 Meta 與 Google 在各自快速成長期的 2 到 4 倍,這是公司對自己的陳述。整份報告的資料來源是 Anthropic 內部資料,作者也是 Anthropic 員工,外界無從重現;我讀的是摘要,所以我只在「報告說」的層次引用,不判斷其對全經濟的適用性,報告自己也寫「許多做法無法在整個經濟中複製」。

四、OpenCode 外洩:被盜的是別人存的金鑰

OpenCode 10 月 17 日披露一起安全事件:一次他們稱為「大規模蒸餾攻擊」的行動,影響 1.4% 的 Console 使用者,範圍是有綁定外部 AI 供應商的那部分客戶。搜尋摘要的說法是攻擊者利用舊系統取得儲存的 OpenAI、Anthropic、Google 的 API 金鑰,部分使用者收到數百美元帳單,受影響客戶被通知撤銷並更換金鑰,OpenCode 與三家供應商協調處理。1.4% 對應的使用者絕對數,摘要沒給,我不知道。

這件事和 10 月 12 日 Anthropic 公布的反蒸餾防禦(外流降 90% 到 99%、封鎖數萬帳號)的關係,是我的推論:如果蒸餾用的是別人帳號的金鑰,以帳號為單位的偵測看到的是「正常使用者的正常付費流量」,封鎖的也就是受害者;成本被轉嫁到金鑰的主人身上。這只是邏輯上的可能性,OpenCode 披露沒說攻擊者的目的是哪一家的蒸餾,「蒸餾」的稱呼是 OpenCode 自己的描述。

歐盟與 OpenAI 事件的新增細節只來自搜尋摘要:一則說 AI 辦公室判定兩家公司自願提交的文件不足,才發出正式資訊請求,AI 法案的執法機制自 8 月 2 日起生效;另兩則標題把 OpenAI 事件的受害者寫成 Hugging Face。Fortune 摘要沒有點名受害機構,我沒打開這兩則的原文,不採用 Hugging Face 這個說法,只記下「有人這樣寫」。

五、對帳:OSS Scanner 第十天與 Wonder Full

項目10/15 23:0110/16 23:0110/17 23:01一日變化
PR 總數654681719+38
已合併92111125+14
已關閉未合併373377397+20
開放中189193197+4

新增量依建立日(UTC)10 月 13 到 17 日是 33、36、26、26、38,最後一天反彈,連續遞減的趨勢中斷;10 月 17 日是星期六,我沒有解釋。處理量:10 月 17 日合併 13 筆(整日口徑,與快照的 +14 差在 10 月 16 日深夜多合併的 1 筆)、關閉未合併 20 筆,共 33 筆,低於新增的 38 筆,所以開放數增加 4。昨天的「批次清理舊 PR」這次不是同一種:10 月 17 日合併的 13 筆從開出到合併的中位數是 57.2 小時、最長 82.1 小時(昨天 19 筆的中位數 113.0 小時);關閉未合併的 20 筆中位數 7.6 小時、最長 38.0 小時、沒有一筆超過 96 小時。也就是這天處理的是較新的 PR,不是積壓的舊件。為什麼這天關了 20 筆(前三天是 23、6、5),我沒讀留言與關閉者,不知道。

全部 125 筆已合併的 PR,從開出到合併的中位數 34.2 小時(昨天 31.5)、平均 47.0 小時(45.8)、最長 178.8 小時(不變)。開放中的 197 筆從建立到快照的中位數 139.5 小時(昨天 121.6)、最舊 217.2 小時(193.2),所以開放的這一群在變老,沒有被清掉。

昨天登記的 10 月 18 日 23:00 UTC 三條:總數至少 730(目前 719,只需 +11,近五天最低日增 26,實質上很可能已成立,我給的 70% 是低估,修正為約 95%)、合併至少 120(目前已 125,已成立,無資訊量)、開放至少 200(目前 197,需淨增 3,前兩天淨增各 +4,我給約 55%)。

Wonder Full 的 API:搜尋摘要寫 Muse Wonder 本體在 Meta Model API 的價格是每百萬輸入 4 美元、輸出 20 美元(快取輸入 0.20 美元),Muse Wonder Full 沒有 token 價格,只隨 Muse Code 的 50 美元月費 Power Usage 與 200 美元月費 Maximum Usage 方案提供,VentureBeat 的標題也是這個意思。這些都是搜尋摘要,不是 Meta 頁面。連帶一個疑點:Vals 為 Wonder Full 標了每測試 8.56 美元,但它沒有公開 token 價格,Vals 的成本是怎麼算的,頁面摘要沒說,我不知道;這會影響「Wonder Full 在成本前緣上」這個結論有多可靠。

🧠 記

  • DeepSeek V4.1-Flash-1017(10 月 17 日,MIT):552B 骨幹、啟用 8B/16B,據摘要標價輸入 0.15 美元、輸出 0.60 美元;DeepSWE v1.1 為 77.0(前版 74.2、Opus 5 為 74.0),HLE 42.6 比 Opus 5 低 13.7 分;自報;Terminal-Bench 2.1 與 4.0 版本不同不能互比;報導稱舊 API 呼叫被靜默更新。
  • 輸出價為 Argon(2/10 美元)的 1/16.7;56 次小型實測成本約為 Sol 的 27.2%、Sonnet 5.5 的 24.0%,摘要寫「三分之一」不準確。
  • SPACE:0 比 108 的單邊 95% 上界 2.74%、雙邊 3.36%;網路繞過 11 比 54 為 20.4%(10.6% 到 33.5%);全部自報;0 事件證據只支持「低於約百分之三」,不支持規模安全。
  • Anthropic 就業報告:6 倍工時 = 每位員工約同時 1.43 個代理;定義含不超過 30 分鐘的等待;另寫 80% 的工作階段時間在等人;初階新進占比 27% 降到 9%(−67%);樣本 192 對 74,作者承認選擇偏誤。
  • OpenCode 10 月 17 日披露外洩,1.4% 的 Console 使用者、存放的第三方金鑰;絕對人數未知。
  • OSS Scanner(UTC 10/17 23:01):719、合併 125、已關閉未合併 397、開放 197;10/17 處理的是較新的 PR(合併中位 57.2 小時、關閉中位 7.6 小時)。

可證偽預測。 第一,到 10 月 18 日 23:00 UTC,anthropics/oss-scanner 的 PR 總數至少 730(目前 719,約 95%),開放中至少 200(目前 197,約 55%);到 10 月 20 日 23:00 UTC,總數至少 790(需三天共 +71,近五天日均 31.8,約 80%)、已合併至少 140(目前 125,需 +15,近四天 1、5、20、13,約 65%)、開放中至少 205(需 +8,約 45%)。第二,到 10 月 31 日,Vals Index 榜首仍是 Gemini 4 Argon(目前 68.90%,約 65%,與昨天相同);DeepSeek 的 V4.1-Flash 任一版本出現在 Vals 前十二名(分數至少 58.01%,約 30%)。第三,到 10 月 31 日,FrontierCode 收入 Gemini 4 Argon(約 35%,頁面已 5 天沒更新,下修自 40%),收入 Muse Wonder 或 Wonder Full 任一(約 30%,下修自 35%)。第四,到 10 月 31 日,Muse Wonder Full 沒有公開的 token 計價 API(約 80%,上調自 75%,因 VentureBeat 標題與多篇摘要同向)。第五,到 10 月 31 日,perplexityai/SPACE 的 GitHub 星數至少 2,500(目前 1,367;發布後五倍的初期增速通常放緩,我給約 55%,這是主觀估計)。第六,到 10 月 31 日,OpenCode 公開受影響使用者的絕對人數或帳單總額(約 30%)。第七,到 10 月 31 日,OpenAI 的 misalignment 頁在 Fortune 摘要說的 19 筆之外再新增至少 1 筆(約 60%,今天沒有重查頁面);OpenAI 或 Anthropic 任一家公開說明已回覆歐盟資訊請求(約 35%,下修自 40%,四天沒有新報導);我能找到執委會官方文件說明 8 月 29 日與 10 月 14 日是同批或不同批(約 25%)。

邊界。 DeepSeek 的基準與價格來自 AI Weekly 的單一摘要,Bloomberg 與 MarkTechPost 沒讀到;DeepSWE 的比較對象是上一代模型;靜默更新的說法沒對 API 文件驗證。Kingy.ai 的 56 次實測我沒讀原文。SPACE 的所有測試是 Perplexity 自報,108 與 54 的關係是我猜的;BiGGo 摘要提到其他閉源沙箱曾被逃脫,我沒有原文。Anthropic 報告我只讀頁面摘要,6 倍與 80% 兩種口徑無法嚴格相乘;報告是 Anthropic 自己研究自己,外界無法重現。OpenCode 與歐盟新增細節只有搜尋摘要,Hugging Face 的說法未採用。Wonder Full 與 Wonder 的價格來自搜尋摘要,不是 Meta 頁面;Vals 的 8.56 美元算法未知。OSS Scanner 統一用 UTC 23:01 快照,近五天樣本小、週末效應不明。

✍️ 實踐

做一件 15 分鐘內可完成的事:找一則「測了 N 次、沒發生」的安全或品質宣稱,用 zero_check.py 算出它能支持的最高發生率,再把它乘上實際的使用規模,看看這個上界換算成每日事件數是多少。同一支腳本也能把「k 次中有 m 次」換成區間,並把「代理工時是人類的幾倍」換成同時運行的代理數。

from math import comb, ceil, log
 
def cp_upper(k, n, conf=0.975):
    """Clopper-Pearson 單邊上界:找 p 使 P(X<=k)=1-conf。"""
    lo, hi = 0.0, 1.0
    for _ in range(200):
        mid = (lo + hi) / 2
        cdf = sum(comb(n, i) * mid**i * (1 - mid)**(n - i) for i in range(k + 1))
        lo, hi = (mid, hi) if cdf > 1 - conf else (lo, mid)
    return lo
 
def cp_lower(k, n, conf=0.975):
    if k == 0:
        return 0.0
    lo, hi = 0.0, 1.0
    for _ in range(200):
        mid = (lo + hi) / 2
        sf = 1 - sum(comb(n, i) * mid**i * (1 - mid)**(n - i) for i in range(k))
        lo, hi = (lo, mid) if sf > 1 - conf else (mid, hi)
    return lo
 
def zero_upper_closed(n, conf=0.95):
    """0 次事件、n 次試驗的單邊上界,封閉解:1-(1-conf)^(1/n)。"""
    return 1 - (1 - conf) ** (1 / n)
 
def trials_needed(target, conf=0.95):
    """要把單邊上界壓到 target,需要連續幾次零事件。"""
    return ceil(log(1 - conf) / log(1 - target))
 
if __name__ == "__main__":
    n = 108
    print("0/108 單邊95%上界", round(zero_upper_closed(n) * 100, 2), "% 三之法則", round(3 / n * 100, 2), "%")
    print("0/108 雙邊95%上界", round(cp_upper(0, n) * 100, 2), "%")
    for k, nn in [(11, 54), (4, 9)]:
        print(f"{k}/{nn}", round(k / nn * 100, 1), "% CP95%",
              round(cp_lower(k, nn) * 100, 1), "-", round(cp_upper(k, nn) * 100, 1), "%")
    print("上界套到每日 100 萬個沙箱:", round(zero_upper_closed(n) * 1_000_000), "個/日")
    print("上界降到 1e-4 需要連續零事件次數:", trials_needed(1e-4))
    print("6 倍工時 = 平均同時運行代理數", round(6 * 40 / 168, 2))
    print("若其中 80% 為等待,有效工作倍數", round(6 * 0.2, 2))
    print("DeepSeek / Sol 成本比", round(0.0157 / 0.0577, 3), " / Sonnet 5.5", round(0.0157 / 0.0653, 3))

我實際執行過,輸出是:0 比 108 單邊上界 2.74%、三之法則 2.78%、雙邊 3.36%;11 比 54 為 20.4%、區間 10.6% 到 33.5%;4 比 9 為 44.4%、區間 13.7% 到 78.8%;每日 100 萬個沙箱對應約 27,357 個;上界降到 0.01% 需要連續 29,956 次零事件;6 倍工時等於同時 1.43 個代理、乘 80% 等待後為 1.2 倍;DeepSeek 對 Sol 的成本比 0.272、對 Sonnet 5.5 為 0.240。步驟:

  1. 存成 zero_check.py 執行,確認與上面相同。
  2. 換成你在乎的宣稱,抄下「測試次數」與「事件次數」,以及測試是誰做的(自報或第三方)。
  3. 算上界,再乘上實際的規模,把結果寫成「這個證據最多只能排除多少事件」。
  4. 檢查測試設計:對手是否真的在嘗試,還是只是被動觀察;事件的定義有沒有在修補後改變。
  5. 若宣稱的主體是比例(例如工時倍數),寫下分子與分母的定義,看有沒有兩種口徑被放在同一句話裡。

🔗 延伸學習

💬 問 AI

我要檢驗 AI 新聞裡「測了 N 次沒發生」與「某指標是人類的 N 倍」這類說法,請嚴格區分三類:「來源明說的」(附頁面與欄位)、「你實際打開原始頁面讀到的」(只讀到摘要或讀不到就明說)、「你自己推論的」(標明假設)。查不到就說查不到,不要編數字或連結。不要給任何投資或下注建議。
 
背景:Perplexity 自報 SPACE 沙箱在 108 次嘗試中沒有 VM 逃逸,另有四種配置繞過網路限制(一說 54 次中 11 次)。Anthropic 2026-10-16 就業報告稱代理工時是人類同事的 6 倍,定義是代理執行時間(排除超過 30 分鐘的等待)對人頭數乘每週 40 小時,另寫工作階段約 80% 時間在等人。DeepSeek V4.1-Flash-1017 於 10 月 17 日以 MIT 授權釋出,據報導標價每百萬輸入 0.15 美元、輸出 0.60 美元,舊 API 呼叫被靜默更新。
 
1. 0 比 108 的單邊 95% 上界約 2.74%。這能支持什麼、不能支持什麼?網路繞過 11 比 54 與 4 比 9,哪個分母比較符合 Perplexity 的原始說法?請找原文,查不到就說查不到。
2. 6 倍工時與 80% 等待是不是同一種口徑?在報告原文中,哪些定義可以讓兩者並存?用原文逐句回答。
3. DeepSeek 是否真的把舊的 API 名稱靜默指向 1017?請查官方文件或公告,並說明對基準重現性的影響。
4. 我的任務以程式修改為主、預算有限。評估這三類新聞時,各應該要哪三個數字、各自的用途?
 
請回答:每項的結論、證據類別、還缺什麼資料才能下定論。

反向連結