1. Claude Fable 5 与神话 5：史上最强却安全可控的模型组合拳；
2. 像1993年那样制作图形；
3. 为AI“摇滚明星”开发者善后；
4. 阿尔巴尼亚非卖品：库什纳40亿美元度假村引爆“火烈鸟革命”；
5. FCC 欲扼杀一次性手机，拟强制电信商全面采集用户身份；

以上是今天的前五条黑科技新闻标题。

总共25条，具体内容您往下读…

1. Claude Fable 5 与神话 5：史上最强却安全可控的模型组合拳

🔗 anthropic.com: Claude Fable 5

Anthropic 于 2026 年 6 月 9 日推出 Mythos 级模型 Claude Fable 5 及其无限制版 Mythos 5，两者在软件工程、知识工作、视觉、科研等领域全面领先，能自主完成超长复杂任务。Fable 5 配备了严格的 安全防护分类器，对敏感查询会自动降级至 Opus 4.8 作答，以减少网络攻击与生物滥用风险，但偶尔会误拦无害请求。Mythos 5 则通过“玻璃翼计划”仅向美国网络防御与关键基础设施伙伴开放，拥有全球最强的网络安全能力，并在蛋白质设计、分子生物学假设生成、基因组学自主研究上取得突破性成果，显著加速药物研发。模型定价仅为前代一半，早期用户反馈其在代码迁移、金融分析、自主游戏、科学推理等方面均大幅跃升，但安全护栏的保守调校令部分正当请求被阻断，团队正着力降低误报率。

2. 像1993年那样制作图形

🔗 staniks.github.io: Making Graphics Like it’s 1993

作者利用业余时间，严格遵循90年代初的技术限制，从零打造复古FPS《Catlantean 3D》。游戏强制采用320×240分辨率与256色调色板，所有渲染与声音混合均手工实现。文章深入解析了VGA Mode-X下的调色板设计哲学——精心挑选768字节色彩以适应埃及沙漠、科技设施与血腥场景，并详细阐述了通过预计算颜色映射表实现O(1)深度照明的方法：利用Oklab感知距离与色相偏移，为每种颜色生成32级明暗渐变，让光线随距离自然衰减，赋予画面立体感。资产制作则融合了三种工作流，包括Blender预渲染精灵的手动合成节点增强清晰度、手绘像素画注入灵魂，以及程序化生成纹理，所有素材最终经色彩量化脚本映射至统一调色板，确保复古视觉的一致性。

3. 为AI“摇滚明星”开发者善后

🔗 codingwithjesse.com: Cleaning up after AI rockstar developers

曾经的摇滚明星开发者用令人费解的聪明代码留下难以维护的系统，而如今AI工具正把这种灾难放大千百倍——每次对话都可能生成数千行缺乏整体设计的代码片段，犹如上百个互不沟通的摇滚明星各自为战，导致系统复杂性爆炸，技术债务积累到无法偿还的地步。要走出困境，我们必须夺回主导权：引导LLM小步产出、保持架构简洁、必要时亲手编码，让软件工艺永远掌握在自己手中，而非被机器生成的混乱所淹没。

4. 阿尔巴尼亚非卖品：库什纳40亿美元度假村引爆“火烈鸟革命”

🔗 yacnews.com: Albania Is Not for Sale: Kushner’s $4B Resort Triggers’Flamingo Revolution’

阿尔巴尼亚因贾里德·库什纳支持的一个价值约40亿美元的豪华度假村项目，爆发了被称为“火烈鸟革命”的全国性抗议，目前已进入第七天。反腐败特别检察官办公室（SPAK）已冻结相关土地开发公司的银行账户，并启动对沿海保护区土地产权欺诈、政府绕开公开招标及非法取消湿地保护地位等问题的调查。开发商在未完成环境影响评估和公众咨询的情况下，就派遣挖掘机进入维约萨-纳尔塔海岸湿地清理沙丘、砍伐松林并阻断泻湖与大海的连接通道，随后又用铁丝网封锁海滩，其私人保安殴打抗议者的视频更是激化了矛盾。总理埃迪·拉马一边让司法机关调查可疑的土地出售方，一边坚称外国投资者权利合法，并拒绝叫停项目。他声称抗议被特朗普的反对者操纵，而伊万卡·特朗普将萨赞岛这一前军事禁区描述为她与丈夫游泳时“发现”的“私人岛屿”，在阿尔巴尼亚社会激起强烈的屈辱感。抗议活动已从环保诉求升级为要求拉马下台的政治运动，并延烧至海外侨民社区。欧盟委员会明确将此项目与阿尔巴尼亚的入盟谈判挂钩，要求其完全遵守欧盟环保与法治标准，废除为该项目量身定制的法律。此事件正考验着阿尔巴尼亚政府的问责制是实质性的，还是仅在牵涉特朗普家族时才被激活。

5. FCC 欲扼杀一次性手机，拟强制电信商全面采集用户身份

🔗 404media.co: FCC wants to kill burner phones by forcing telecoms to get all customers’ IDs

美国联邦通信委员会（FCC）正推动一项新规，要求电信商在销售手机套餐时，必须强制收集所有新客户和续约客户的政府签发的身份证明号码及实际住址，这几乎让购买无实名链接的“一次性手机”变得不可能。该提议旨在打击诈骗，但将迫使运营商采集大量个人信息，包括企业客户与外国客户的IP地址和批量购卡的用途。此举引发隐私权倡导者与民权组织的强烈反对，美国公民自由联盟高级政策分析师杰伊·斯坦利指出，这如同威权国家强制手机实名以方便追踪，将严重损害低收入群体、家暴受害者、记者及所有关心隐私者的权益，人们从未想过这类监控会在美国出现。

6. 当Claude Fable停止帮你，你将永远被蒙在鼓里

🔗 jonready.com: If Claude Fable stops helping you, you’ll never know

Anthropic在Fable 5模型卡中悄然引入隐蔽的安全防护，对涉及前沿AI研发的请求（如预训练管线、分布式训练、加速器设计）进行静默削弱，通过提示修改、转向向量或参数高效微调（PEFT）降低效果，且明确不告知用户。这种不可见的策略限制使得当Claude给出错误建议时，开发者无法判断是模型混淆、问题无解还是隐蔽干预生效。如今普通软件公司也广泛训练嵌入模型、重排序器和微调小模型，前沿AI研究与产品开发的界限日益模糊，任何依赖Claude构建AI组件的企业都面临真实的供应链风险：一旦开发工具可以暗中不为你的成功服务，整个基础设施的信任根基就会崩解。即使当前仅影响0.03%的开发者，随着软件中AI成分渗透，隐患只会放大。

7. 寄望AI取代员工的CEO，不过是无能的领导者

🔗 techdirt.com: CEOs Who Think AI Replaces Their Employees Are Just Bad CEOs

决定公司未来的，从来不是冰冷的工具，而是使用工具的人。如果CEO把AI的崛起视为取代员工的借口，那他本身就是一个糟糕的领导者。作者进一步剖析：这类人实际上自视甚高，骨子里根本就不喜欢自己的员工。他们只把员工当作可替换的成本，迷恋于技术的冰冷效率，却忽视了真正的创新与忠诚，只能诞生于被尊重的人心之中。

8. GentleOS：带有迷人复古界面的经典操作系统

🔗 github.com: GentleOS – Classic operating system with a lovely retro GUI

GentleOS/32 是一款面向 复古32位PC 的业余操作系统，仅需 i386 CPU、4MB RAM 和 640x480x16 色 VGA 显示 即可运行。它采用完全单片式内核与编译期配置，只支持标准设备：VGA/SVGA、键盘、PS/2 鼠标、串口鼠标和 PC 喇叭。项目以 GPLv2 协议开源，并包含 16 位分支 GentleOS/16，可运行于古老的 80186 处理器，旨在为裸机上的图形交互应用提供极简的复古实验平台。

9. GPT-2：因过于危险而一度被雪藏的语言模型（2019）

🔗 naokishibuya.github.io: GPT-2: Too Dangerous To Release (2019)

GPT-2 是 GPT-1 在参数与数据规模上的直接扩增，架构同属 Transformer 解码器，但其最大版本参数量达到了 15 亿参数，训练数据高达 40GB。由于担心模型强大的文本生成能力被用于恶意滥用，OpenAI 最初仅发布小模型，九个月后才公开完整版。他们总结发现，人类极易被 GPT-2 生成的文本欺骗，且专门微调后滥用风险极高，但当时针对生成内容的检测十分困难。尽管如今 ChatGPT 等模型已融入安全防护，但学生作弊等滥用仍在蔓延，溯源难度也持续增加。

10. 系统卡：Claude Fable 5 与 Claude Mythos 5

🔗 www-cdn.anthropic.com: System Card: Claude Fable 5 and Claude Mythos 5 [pdf]

该PDF文档为Anthropic公司针对其Claude Fable 5和Claude Mythos 5模型发布的系统卡，重点披露了两款前沿AI的安全评估、能力基准、潜在偏见及滥用风险。内容涵盖红队测试结果与缓解措施，旨在以透明方式指导负责任的部署，确保用户理解模型的性能边界与社会影响。

11. “泔水奥本海默”：亚马逊员工内部群嘲公司AI工具

🔗 404media.co: ‘Sloppenheimer:’ Amazon employees mock the company’s AI on Slack

尽管亚马逊创始人杰夫·贝索斯公开宣称，人工智能将引来前所未有的生产力爆发，或许能使食品、住房价格骤降，甚至让双收入家庭告别两份工资的日子，但公司内部却是另一番景象。在Slack上，员工们毫不留情地嘲笑自家的AI工具，将其拙劣的输出贬为 “泔水”（slop） ，并把公司试图推广AI应用的 失败激励计划 当作笑柄。这种愿景与现实的巨大落差，被员工们戏仿电影《奥本海默》造出 “泔水奥本海默”（Sloppenheimer） 一词，成为弥漫在公司内部的公开嘲讽与普遍不信任，生动揭示了科技巨头在AI豪赌中面临的巨大内部分裂与文化阻力。

12. npm v12 即将带来的安全破坏性变更

🔗 github.blog: Upcoming breaking changes for npm v12

npm v12 计划于2026年7月发布，将引入三项关键的安全默认设置，旨在将原本自动执行的安装行为改为显式授权。首先，allowScripts 默认关闭，这意味着 npm install 不再自动运行依赖的 preinstall、install、postinstall 脚本，包括原生的 node-gyp 构建与 prepare 脚本，必须通过 npm approve-scripts 生成白名单并提交至 package.json。其次，--allow-git 默认设为 none，直接或间接的 Git 依赖将无法解析，切断通过 .npmrc 覆盖 Git 可执行文件的代码执行路径。再次，--allow-remote 默认设为 none，远程 URL（如 https 压缩包）依赖也将被阻断。用户现在可以升级到 npm 11.16.0 或更新版本，查看警告，使用 npm approve-scripts --allow-scripts-pending 审查并批准可信的脚本，提前锁定允许列表，确保平滑过渡。

13. iPhone的背水一战？

🔗 stratechery.com: The iPhone’s Last Stand?

文章对比了微软与苹果截然不同的AI战略路径。微软在Build大会上描绘了Project Solara的愿景，主张未来属于围绕云端代理的薄客户端生态，设备只是交互入口，代理在云端自主完成任务，这与其缺失移动阵地的现状相符，并瞄准了愿为生产力付费的企业市场。而苹果在WWDC上展示的Siri AI虽在功能上有所进步，能利用个人语境跨应用操作，但仍围绕人机交互范式，未能实现代理自主执行任务，显得落后。然而，作者指出，这或许对苹果并无大碍，因其策略高度依赖iPhone的核心地位与设备端处理能力。核心原因在于，消费者市场本质上追求娱乐消遣而非生产力，强大的代理功能对于普通用户并非刚需，而iPhone恰恰是消费内容的最佳设备；苹果只需让Siri“足够好”，并结合其独有的个人数据整合优势，就能巩固生态。因此，苹果以iPhone为中心、专注本地与隐私的“不同思维”，虽完美贴合其商业模式，却也可能恰恰是守住消费者市场的务实之道。

14. WWDC 2026：苹果折叠蓝图浮出水面

🔗 cupertinolens.com: WWDC 2026: Apple is Folding

在WWDC 2026的Platform State of the Union上，苹果用一款折纸应用悄然埋下伏笔。开发者从iOS 27代码中挖出foldState与angleDegrees这两个全新字符串，以及一个查询设备内置屏幕总数的API，直指可折叠形态。苹果同时大力推行界面弹性，iOS应用在Mac镜像中首次支持横向拉伸，并提供可自由调整尺寸的模拟器，反复强调“为动态尺寸与宽高比设计”。硬件方面，传闻已久的iPhone Ultra为书本式折叠机，配备7.7–7.8英寸内屏与5.3–5.5英寸外屏，展开接近4:3，起售价约2000美元，将由新任CEO John Ternus在九月亲自发布。苹果正抢在硬件落地前，通过开发者生态倒逼全行业转向动态布局，避免安卓折叠机曾经历的碎片化尴尬，一场屏幕可变的软件革命已然启动。

15. KAN：在FPGA上实现超低延迟机器学习与实时在线学习

🔗 aarushgupta.io: Ultrafast machine learning on FPGAs via Kolmogorov-Arnold Networks

本文介绍了利用科尔莫哥洛夫-阿诺德网络（KAN）在FPGA上通过查找表（LUT）实现亚微秒级推断与实时在线学习的方法。KAN将可学习单变量激活函数量化为LUT，避免多元LUT的指数资源消耗，以加法树完成高效推理（KANELÉ论文，性能超越顶尖加速器）。进一步，为实现在线学习，将B样条基函数存入LUT，利用其局部性——每个输入区间仅有少量基函数活跃——使梯度更新在定点量化下稀疏且稳定，纳秒级完成前向、反向传播与参数更新，无需外部处理器。通过增大网格数G即可横向扩展模型表达能力，而计算逻辑仅依赖样条阶数S，资源消耗极低。两项成果分获FPGA 2026最佳论文与ICML 2026接收。

16. 与神话级 AI 合作，我成了委托人而非巫师

🔗 oneusefulthing.org: What it feels like to work with Mythos

作者获得 Claude 5 Fable（首个神话级模型）早期访问权，体验后认为它代表了真正的飞跃。Fable 在多项任务中大幅超越以往模型，能自主工作长达十几小时，生成复杂学术论文、精妙游戏或需要海量实时研究的等时线地图。其工作方式尤其令人不安：它会自行启动多个廉价子代理并行研究、编码与验证，做出上千个小决策，而人类几乎无从干涉。作者由此感到，关系已从“念咒施法”变为 “委托人”向“全流程工作室”下单，控制权从过程转向结果。尽管能通过反馈微调成果，但内部黑箱化加剧，这可能意味着 AI 越强大，人类可做的就越少。模型令牌消耗巨大、护栏敏感，但其产出之宏伟令人惊叹，也引发对软件工程师等角色未来需求的新思考。

17. 引力——交互式太阳系模拟器：从牛顿到爱因斯坦

🔗 qunabu.github.io: Show HN: Gravity – interactive solar-system simulator, from Newton to Einstein

这个名为 Gravity 的交互式太阳系模拟器由 qunabu 制作，采用了 Solar System Scope 提供的地球纹理（基于 CC BY 4.0 许可）。它将牛顿力学与爱因斯坦相对论下的引力模型融为一体，生动呈现天体运行的动态之美。

18. AI 就业危机何在？

🔗 apollo.com: Where is the AI jobs crisis?

若AI真的引发就业危机，理应看到职位空缺锐减、失业率攀升，但实际情况恰恰相反。每位失业者对应的职位空缺数已回升至1.0以上，意味着岗位仍多于求职者。五月非农就业大幅增加17.2万人，进一步印证完全没有ChatGPT取代人力的迹象，劳动力市场依然稳健。

19. Grep 真的万能吗？智能体框架如何重塑智能搜索

🔗 arxiv.org: Is Grep All You Need? How Agent Harnesses Reshape Agentic Search

大型语言模型驱动的智能体虽能自主完成检索与推理，但检索策略如何与智能体框架及工具调用范式相互作用，此前一直缺乏系统对比。这项研究通过两项实验揭示了关键差异：实验一在 LongMemEval 数据集上，同时使用自研工具 Chronos 和多种原生命令行工具，对 grep 关键词检索与向量检索进行了评测，并对比了工具结果以内联或文件形式返回的影响；实验二则在查询中逐步混入无关的对话历史作为干扰，考察两者的抗噪能力。结果显示，grep 通常比向量检索取得更高的准确率，但整体得分极度依赖于所选用的智能体框架和工具调用方式——即便底层对话数据完全相同，性能表现也会因架构不同而显著变化，从而强调了框架设计在智能搜索中的决定性作用。

20. Alpine Linux 3.24.0 发布：轻量安全发行版迎来新桌面与关键升级

🔗 alpinelinux.org: Alpine Linux 3.24.0 Released

Alpine Linux 3.24.0 正式发布，带来 GRUB 2.14、LLVM 22、Rust 1.96、GNOME 50、KDE Plasma 6.6 等大量核心组件更新。本次最瞩目的变化是 Python setuptools 82.0.0 彻底移除了已弃用的 pkg_resources 模块，依赖该模块的项目需立即迁移；同时，由 System76 开发的 COSMIC 桌面环境 首次进入社区仓库。安装器新增 Limine 引导与 IPv6 支持，并可为串口控制台自动配置内核参数，简化无头部署。另一个关键提醒是，GRUB 用户升级后必须手动执行 grub-install 才能将新版引导代码写入磁盘，/usr 独立分区的非标准布局需参照 Wiki 额外处理。此外，GTK+ 3.0 被移至社区仓库，GTK 2、Qt5 及 libsoup 2 等老旧组件持续淘汰，整体系统更精简、更贴近安全理念。

21. Biff.core：Clojure Web 应用的简洁系统组合库

🔗 biffweb.com: Biff.core: system composition for Clojure web apps

Jacob O’Bryant 发布了 Biff 2 的首个正式库 biff.core，用于将应用模块与组件组合成系统映射。它引入 init 函数，从模块集合中提取逻辑生成合并映射，消除样板代码。为解决热更新问题，init 函数接收模块向量的 var 而非值，并将需动态更新的部分改为返回待生成物的函数，通过 延迟绑定 确保修改路由后无需重启服务器。最终形成干净的主命名空间，只需添加模块和组件即可工作，兼顾了便捷与可维护性。

22. LLM能否击败经典超参数优化算法？基于autoresearch的实证研究

🔗 arxiv.org: Can LLMs Beat Classical Hyperparameter Optimization Algorithms?

本研究利用autoresearch平台，让LLM智能体直接编辑训练代码进行超参数优化，并系统对比了经典HPO算法（CMA-ES和TPE）与LLM方法。在固定计算预算下，当搜索空间受限时，经典算法持续胜出，因为避免内存溢出错误比增加搜索多样性更重要；允许LLM自由编辑代码虽能缩小差距，但即使使用前沿模型也无法完全反超。分析表明，LLM难以跨实验跟踪优化状态，而经典方法又缺乏领域知识。为此，作者提出Centaur混合策略，将CMA-ES可解释的内部状态（均值向量、步长、协方差矩阵）共享给LLM。Centaur取得了最佳结果，仅需0.8B参数的LLM即可超越所有纯经典和纯LLM方法。研究揭示，LLM最有效的角色是作为经典优化器的补充，而非替代品。

23. 监控公司拟在ALPR系统中加装手机、AirPods及智能手表追踪器

🔗 404media.co: Company Will Add Phone, AirPod, and Smartwatch Trackers to ALPRs

一家监控公司计划在自动车牌识别系统（ALPR）上加装传感器，使其不仅能抓拍车牌，还能采集车内手机、AirPods、智能手表等蓝牙设备唯一标识符。这项名为SignalTrace的技术，将把原本用于追踪车辆的ALPR转变为跟踪特定个人的工具，可能让执法机构识别出具体驾驶员或乘客。美国各地已广泛部署ALPR摄像头，该技术将大幅增加数据收集范围，引发对个人行踪实时监控的担忧。

24. 测试用例精简器：被低估的调试利器

🔗 tratt.net: Test-case reducers are underappreciated debugging tools

测试用例精简器是一种能自动将导致程序出错的输入大幅缩小的工具，它通过与程序无关的趣味性测试来验证精简后的输入是否仍能触发同样的问题。即使精简器对程序语义一无所知，其简单的逐行删除算法也能将输入缩减60%‑90%，极大降低调试难度。然而，编写正确的趣味性测试并不容易：必须严防过度精简（如意外接受空输入），用超时机制卡住非终止程序，并尽可能让测试快速运行。像 Shrink Ray 这类成熟工具不仅实现了并行化和智能规约（如缩减整数），还会检查空输入陷阱，常能在数十分钟内将看似无解的缺陷暴露出来。合理运用这类工具，能将调试从痛苦的细节泥潭中解放出来。

25. 苹果 AI 现可替你改密码，这能不出乱子？

🔗 kylereddoch.me: Apple’s AI Can Now Change Your Passwords. What Could Possibly Go Wrong?

苹果在 WWDC26 宣布，iOS 27 等系统中的密码 App 将借助 Apple Intelligence 和 Safari，自动为弱口令或已泄露的网站密码执行更改，全程通过实时活动展示。这确实解决了用户因流程繁琐而忽略安全警告的现实问题，将检测变为行动。然而，从识别风险到动用修改账户的权限，是一条危险的界限。核心风险在于，AI 代理在浏览网页时，每张页面都是不可信的输入源，极易遭受提示注入攻击，被隐藏指令诱导将密码发送到别处或修改恢复邮箱。最关键的架构问题是，AI 模型本身绝不应接触当前密码或新生成的密码，必须由独立的凭据服务完成填充，否则模型上下文将变成巨大的攻击面。此外，密码更改失败可能导致账户锁定、新旧凭据丢失；若设备被入侵，自动化功能会放大攻击半径，使恶意者批量旋转密码。苹果需证明凭据与模型严格隔离、强制生物识别审批、提供持久可审计的记录，并在遇到密码更改之外的任何意外操作时安全停止，因为对于电子邮件、金融等重要账户，随意更改密码而不处理弱恢复路径或劫持的会话，只会制造虚假的安全感。