晨启Tech

你有没有发现，很多道理其实你早就知道，但真到市场里，身体就是不听使唤？ 这是 Channing 最近几天在 Flomo 里反复写的一个主题。不是战法，不是技术指标，是那种「道理我都懂，可是就是做不到」的瞬间。 独木难支，个股终究要看板块脸色他说了一句很朴素的话，个股跟板块得有共振，才能走得久。独自硬扛，独木难支。 这话听起来像老生常谈，但老股民都知道，最容易亏钱的地方，往往就是你觉得「这票很强，板块跌它涨」的时候。你以为它是龙头，其实它在透支。等板块真的开始往下走，它补跌起来一点都不手软。 你可以把板块理解为水，个股是船。水在涨的时候，破船都能浮一截。水退了，再好的船也会搁浅。硬要在退潮里找独立行情，不是找不到，是概率太低，容错率太小。 Channing 把这个记下来的原因很简单，他在提醒自己，不要再看单只票的表演，要看它背后的那个舞台还在不在。 逆势抗跌，最容易让人变钝接下来这条更狠。他说他最近被一只票给骗了。那票逆势抗跌，他慢慢就觉得它很强，结果板块其实已经不行了，进入下行空间，它只是在后面补跌。更麻烦的是，他的短线敏感度被消磨掉了，整个人像在看戏，亏的都不是钱，是数字。 这...

你有没有遇到过，让 AI 帮你写代码，结果它把你们家整个代码库打包上传的事情？ 我不是在夸张。2026 年 7 月，独立安全研究者 @cereblab 做了一个钓鱼仓库，专门用来测试 xAI 的 Grok Build。结果他愣住了。这个 AI 编程 Agent 在用户已经关闭「帮助改进模型」开关之后，仍然把整个仓库上传到了 Google Cloud 的存储桶。一个 12GB 的测试仓库被拆成 73 个数据包，总共传了 5.1GB。而同一次正常对话的数据量只有 192KB。 另一个研究者复现后，日志里出现了 339 次自动上传。其中一次，甚至涉及用户整个电脑的主目录。 我当时看到这条消息，第一反应不是愤怒，而是后背发凉。 这几年我一直在折腾 AI Agent，从 LangGraph 到 Webhook，从 Spring Boot 的集成到 CI/CD 的自动化。我越来越习惯把代码交给 Agent 去改、去补、去重构。但这件事让我突然意识到，我们交给 Agent 的，从来不只是一段代码，而是整个项目的信任边界。 而这个边界，现在可能已经被悄悄越过去了。 事情是这样的。Gro...

你有没有发现，开盘时盯着分时图，越盯越觉得自己看的是个股，其实真正跳动的是人性。 这句话听起来有点虚，但我是认真的。 我最近两天在 Flomo 记下四条随想，回头一看，全在讲同一件事，人是怎么在股市里一点点变迟钝的。 第一句，个股还是得和板块共振，才能走得更远。 这话可能谁都听过，但真到持仓里，反倒不信。我手里有一只票，前段时间逆势抗跌，我越看越觉得它强。现在回头看，它强有什么用呢？板块已经在往下走，独木就是难支。你想想看，一个人再有力气，也扛不住一整个队伍往后退。这不是个股的问题，是位置的错觉。 第二句，逆势抗跌，最容易把人的敏感度磨钝。 那只票跌得少，我反而放松了警惕。市场其实在告诉我板块不行了，我却因为手里的数字没跌太多，就觉得自己在看戏。亏的不是钱，是数字。说真的，当账户数字成了唯一的「背景音乐」，你对风险的听觉就会退化。 第三句，账户数字优先，别的靠边。 这是我从鹏哥身上学来的。我们聊起来的时候，他讲话很直接，你先看账户数字，别的情绪、故事、预期，统统往后排。我听完有点脸红，因为我自己经常把「我觉得」放在「数字怎么样」前面。不是说我心态不行，而是这个习惯太容易养成，太难...

今天一开电脑，腾讯混元就连发了两款模型。中文科技圈的节奏感，忽然就变得紧凑起来。 再加上 OpenAI 掏出一份给普通用户的提示词指南，面壁智能、商汤、字节也在各自赛道扔出新东西。这一天的信息量，足够我们聊一会儿。 1. 腾讯混元连发两款模型，Agent 和 OCR 都覆盖到了腾讯混元今天动作很大。 先是发布了 Hy3，一个 295B 总参数、21B 激活参数的 MoE 模型。它主打 Agent 向，定位不是单纯聊天，而是能在真实业务里跑任务。微信服务里 10 亿+ 用户已经被它覆盖，从 preview 到正式版改了 50 多个业务反馈点。腾讯内部 WorkBuddy 的任务成功率，也从 7 成提到了 97.5%。 这个数字听着有点夸张，但也能理解，微信体系本身就是 Agent 最好的试验田。 紧接着，混元又开源了 HyOCR-1.5，端到端 OCR 大模型，把训练、推理、模型权重全放出来了。1B 参数，覆盖 8 种以上 text-centric 任务，推理速度提升了 6.37 倍。OCR 这件事一直被当成”基础能力”，但能把文档、票据、表格真正搞准，对 B 端业务的价值其实很大...

OpenAI 今天凌晨放出了一组医疗评估结果，最小号的 GPT-5.6 Luna 在最低推理强度下，居然干翻了最高推理强度的 GPT-5.5。成本还只有后者的二十五分之一。 坦率的讲，看到这个数据的时候我愣了一下。不是因为它有多夸张，而是我突然意识到，过去半年我们讨论模型，永远在聊「最大号」「最强版」「Sol Ultra 又破什么纪录」，但真正能改变普通人日常体验的，可能恰恰是这种「小但够用」的版本。 🔥 重点新闻1. OpenAI GPT-5.6 系列医疗评估，Luna 成性价比黑马OpenAI 公布了 GPT-5.6 在医疗场景下的完整评估。结果挺有意思，GPT-5.6 Luna 在最低推理档位就能超过 GPT-5.5 的最高推理档位，成本却只要后者的 4%。 我自己一直在关注医疗 AI，因为这地方对错误容忍度极低。Luna 这种小模型够用，意味着诊所、基层医院、甚至个人健康管理工具，都能以更低的延迟和成本接入。反过来看，Sol Ultra 一小时证明 50 年图论猜想，确实震撼，但 Luna 这种新闻离普通人的生活更近。 来源，OpenAI 官方社交媒体 2. xAI...

今天从 Channing 的 Flomo 里翻出来的东西，表面看全是股票交易，但核心其实是怎么不骗自己。 个股的命，得看板块给不给面子Channing 写了一条很短的判断，个股要离开板块自己单干，走不远。这话听起来像常识，但在短线里特别容易被忘掉。你看到手里那只票逆势抗跌，红得显眼，第一反应很容易是「这票真强」。可如果板块已经在往下走，它大概率不是强，只是跌得慢。等板块的跌势继续，它往往会补跌回来。 今天他还提到黄河这个具体例子。前段时间黄河逆势抗跌，让他误以为它很硬，结果板块下行之后，它也跟着补跌。更麻烦的不是亏损，而是心态被磨钝了。他感觉自己像个看戏的，账户数字在变，但人已经麻木。最后他说，得向鹏哥学习，账户数字优先，别的靠边。 这块我印象很深。很多人把交易当成一种智力对抗，但 Channing 这里讲的是感官对抗，你的短线嗅觉是不是还灵？是不是已经被某只票的表象麻醉了？如果一只票让你从主动判断变成被动观察，那它就已经不是机会，而是消耗。 交易预案不是预测，是纪律清单另一条 Flomo 写得特别像操作手册，黄河如果冲高不涨停就卖，跌到-5以下再低吸，低开就暂时不动。除非天孚高...

你刚在终端里敲下一行 grok -p "fix this bug"，它还没开口回答，你仓库里的 .env、数据库密码、甚至你明确让它「不要打开」的文件，已经被打包成 git bundle，飞向 xAI 的 Google Cloud 存储桶。 不是科幻，是 2026 年 7 月 12 日一位安全研究者 jhoho 在 Hacker News 上公开的可复现分析。他用 mitmproxy 抓了 xAI 官方 Grok Build CLI 0.2.93 的流量，结论冷得让人脊背发凉，Grok 在默认情况下，会把整个工作目录上传给 xAI。 我当时看到这条消息，第一反应不是愤怒，而是心虚。因为我自己也是 Claude Code、Codex 这类 AI 编码工具的重度用户。我们每天把工作代码、业务逻辑、甚至生产密钥交给这些工具，到底有多少是在我们看不见的地方流出去的？ 这次到底发生了什么xAI 的 Grok Build CLI 是一个用 npm 安装的官方命令行工具，版本号 0.2.93。你按照官网的 curl -fsSL https://x.ai/cli/instal...

今早刷 AI 资讯，满眼都是 GPT-5.6 的动静。 但中文科技圈也没闲着。腾讯混元、小红书、百度、蚂蚁、宇树、小鹏，几乎在同一天放出消息。我把其中八条挑出来，跟你聊聊。 先挑一条最硬核的。腾讯混元正式发布 Hy3 模型，295B 总参数、21B 激活的 MoE 架构，按他们自己的说法，推理效率能打平参数规模大 2-5 倍的旗舰模型。 这个模型定位很清晰，就是冲着 Agent 去的。从 preview 到正式版，混元团队说迭代了 50 多个真实业务反馈，内部 WorkBuddy 任务成功率从 72% 拉到 90%，耗时降了 34%。 腾讯已经把它接进微信服务，覆盖 10 亿以上用户。 纯视觉能力还是短板，但至少说明国内大厂终于不再只盯着聊天机器人榜单，而是把模型往真实工作流里塞。 小红书这边也很有意思。他们搞了一个叫 PIPO 的架构，输入侧把两个 token 压缩成一个 latent，输出侧再展开成额外 token。听起来很工程细节，但效果直接，输入长度减半，每步输出翻倍。 小红书这帮人做内容社区出身，对长文本和生成效率的敏感度，可能天然比纯研究型团队高。PIPO 背靠 Qw...

早上一睁眼，AI 圈又是两件画风完全相反的事同时刷屏。一边是 OpenAI 的 GPT-5.6 Sol claimed 在一小时内证明了一个悬了 50 年的图论猜想，另一边是 xAI 官方 Grok CLI 被安全研究者抓到会在后台把整个代码仓库、.env 密钥和 git 历史一起打包上传。天才和荒诞，今天照样手拉手。 🔥 重点新闻1. GPT-5.6 Sol 一天之内连刷好几个领域OpenAI 这一轮的 GPT-5.6 系列更新得有点密。 先是有人晒出，Ploy 把它 AI 智能体的默认模型从 Claude Opus 4.8 切到了 GPT-5.6 Sol，在真实营销网站搭建测试里，GPT-5.6 Sol 平均 3 分 42 秒完成一个页面，比 Opus 4.8 的 5 分多钟快了一截。然后 Codex 和 ChatGPT Work 也宣布暂时取消 Plus、Business、Pro 计划的 5 小时使用限制，同时让 GPT 5.6 Sol 整体更高效，实际消耗会下来。 更夸张的是学术侧。OpenAI 发论文说 GPT-5.6 Sol Ultra 在不到一小时内完成了「...

7 月 10 号，OpenAI 研究员 Ethan Knight 在 X 上发了一条消息。他说，GPT-5.6 Sol Ultra 调用 64 个子智能体，在不到一小时里，证明了循环双覆盖猜想（Cycle Double Cover Conjecture）。这个猜想已经在图论界悬了 50 多年。 我当时就愣住了。 不是因为我不相信 AI 能做题。而是这个猜想，我上研究生时听过一次，教授讲完轻描淡写地说了一句，「这个问题还没人解决」。我当时觉得它离我太远，远到连尝试的念头都没有。现在突然告诉我，一台机器一小时搞定了。 我第一反应是，这新闻是不是又被夸张了？所以我下载了 OpenAI 发布的论文原文，把三页纸读了一遍，又把提示词 PDF 也翻了一遍。下面是我真实的想法。 先说人话，什么是循环双覆盖猜想你可以把它理解成一道关于「图」的拼图题。 一张图由顶点和边组成。我们想知道，能不能找到一组环（cycle），让每条边恰好出现在两个环里。这里的环，允许只有两个顶点和两条平行边组成的长度为 2 的环。重复的环也算数，所以叫 multiset，不是集合。 这个要求非常精确。每条边必须是恰好两次...