1. Kimi K3：首个开源3万亿参数模型，直面前沿智能；
2. 索尼删除“已购”电影，揭露数字许可的欺诈本质；
3. 微软漫画聊天 Comic Chat 正式开源；
4. 从Rust到Zig的重写之路：Roc编译器达成里程碑后的深度复盘；
5. 诱饵字体；

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. Kimi K3：首个开源3万亿参数模型，直面前沿智能

🔗 kimi.com: Kimi K3: Open Frontier Intelligence

今日，月之暗面正式发布 Kimi K3——全球首个开源的 2.8万亿参数 级模型，原生支持视觉与百万tokens上下文。它基于 Kimi Delta Attention 与 Attention Residuals 架构，并采用 Stable LatentMoE 混合专家方案，在长周期编程、知识工作及推理等前沿任务中展现出强大自主性。尽管整体性能仍略逊于顶尖闭源模型，K3 在多项评测中均大幅超越其他开源模型。案例显示，它能独立完成 GPU 内核优化、自研类 Triton 编译器、搭建 3D 开放世界游戏，甚至在 48 小时内用开源 EDA 工具设计出一款可运行编译器的芯片。在知识工作方面，K3 可生成交互式行业研究报告与视频，并通过 Widgets 和 Dashboard 提供持久化可视化交互。目前，K3 已登陆 Kimi 各端应用及 API，完整模型权重将于 2026 年 7 月 27 日发布。

2. 索尼删除“已购”电影，揭露数字许可的欺诈本质

🔗 techdirt.com: Sony deletes more movies from the accounts of people who ‘bought’ them

当索尼再次从用户账户中抹除他们以为买断的电影时，我们才看清所谓“购买”只是一纸有限许可。想真正掌控自己合法获取的内容，请使用实体介质或下载后转存到你自己的服务器（如 Jellyfin、Plex）。那些声称因盗版损失数十亿的说辞本就可笑：既然你只授予了临时且可被单方面收回的访问权，又怎能宣称用户“偷窃”了你从未转让过的所有权？在法庭分清这桩盗窃悖论之前，你支付的代价与拥有的权利永远不对等。要么承认那是销售，被盗才有损失；要么坚持只是授权，就别提什么销售额被窃取。

3. 微软漫画聊天 Comic Chat 正式开源

🔗 opensource.microsoft.com: Microsoft Comic Chat is now open source

微软于7月16日宣布，将1996年随Internet Explorer 3.0一同面世的经典工具 Microsoft Comic Chat 完全开源。这款传奇软件首次让IRC即时通讯跳出纯文本的限制，通过漫画分镜形式实时呈现对话，自动将聊天参与者绘制成生动卡通角色，并依据预设情绪让对话气泡动态变化，在充满想象力的交互中开创了趣味社交的先河。此次公开的代码库由Robert Standefer和Scott Hanselman主导发布，揭示了其核心的漫画布局算法与完整的IRC协议实现，对研究早期用户体验设计、保存复古技术遗产具有极高价值。开发者可直接编译包含Visual C++工程文件的原始代码，重温拨号时代用漫画开怀畅聊的独特体验，也为现代聊天应用注入幽默灵感。

4. 从Rust到Zig的重写之路：Roc编译器达成里程碑后的深度复盘

🔗 rtfeldman.com: How Our Rust-to-Zig Rewrite Is Going

经过487天的努力，Roc语言编译器团队成功将30万行Rust代码重写为Zig，并实现了与原编译器的功能对等。这次重写的核心动机并非语言优劣之争，而是原有架构难以正确实现多态去函数化等关键优化，这迫使团队几乎要重写整个编译器，因此顺势采用了编译界常见的“推倒重来”策略。选择Zig主要基于几大考量：极快的增量构建速度解决了Rust编译缓慢的痛点；Zig生态以细粒度内存分配器（如竞技场）和数组结构体布局为核心，完美契合编译器对内存的精细控制需求；同时，Zig为内存不安全代码提供了更丰富的辅助工具，而编译器本身恰好有大量此类工作。

目前新编译器已解锁多项激动人心的特性。它原生支持开发时的热代码加载，修改源码后无需重启即可生效；通过字符串插值与模式匹配的深度结合，能实现零堆分配的HTTP路由，兼顾了极高的人体工程学与运行时性能。在内存安全方面，团队依赖Zig的ReleaseSafe模式在运行时捕获释放后使用漏洞，并认为在充分测试下，这种方式在实际项目中足以提供可靠保障，尽管它不像Rust的借用检查器那样提供编译期保证。项目仍在向0.1.0版本迈进，这次里程碑让团队确信，针对编译器这一特定领域，Zig的设计哲学带来了显著的开发体验提升。

5. 诱饵字体

🔗 mixfont.com: Decoy Font

诱饵字体通过空间频率错觉嵌入双信息：近看AI可读诱饵轮廓，远看可见隐藏文字。源自混合图像原理（如爱因斯坦与梦露幻视），已迷惑ChatGPT等模型。字体以TTF免费提供，可商用，用作AI反爬取，适合验证码、私密消息。高级模型或能破解，仍有效阻挡普通扫描。计划扩展至中文等字符语言。

6. SpaceX股价抹去全部涨幅，盘中跌破发行价

🔗 latimes.com: SpaceX stock erases all its gains and slides below IPO price in intraday trading

SpaceX股价周三盘中首次跌破IPO发行价，收盘勉强企稳。作为史上最大IPO，募资860亿美元使其市值达2.2万亿美元，但如今光环褪去。上市后公司大举进军AI，600亿美元收购Cursor并合并xAI，却引发支出和债务担忧。即将解禁的大量内部股票或加剧跌势。此前Meta上市后也曾破发并最终恢复。

7. Ente – 公开我们的账本

🔗 ente.com: Ente – Opening Our Books

照片与记忆备份服务 Ente 做出惊人透明之举，将其商业账本全盘公开，主动披露关键运营数据。图表显示，截至 2026 年 1 月，其年收入已达到 $780,996，付费用户为 12,018 名，累计注册账户 290,703 个，并展示了平台上已保存的海量记忆计数。这种将营收、客户和账户等核心指标都暴露在阳光下的做法，在科技行业极为罕见，展现了团队对用户坦诚的承诺。

8. NotebookLM 正式更名为 Gemini Notebook，深度融入 Google AI 生态

🔗 blog.google: NotebookLM is now Gemini Notebook

Google 宣布将其广受欢迎的研究工具 NotebookLM 正式更名为 Gemini Notebook，标志着该产品将更深度地整合进 Google 生态系统。这款独立产品自 2023 年作为 Project Tailwind 推出以来，已吸引超过 3000 万用户和 60 万个组织使用。此次升级的核心亮点是为每个笔记本配备了 安全云计算机，使其能够原生编写和执行代码，从而支持用户基于源文件进行复杂的数据分析。该功能目前已向 Google AI Ultra 用户和特定 Workspace 商业客户开放，并将在未来几周内向所有 Pro 用户推出。此外，用户现可在 Gemini 应用中直接访问和创建笔记本，实现跨应用同步，未来还将把笔记本功能直接整合进 Google 搜索的 AI 模式中，让研究助手无处不在，帮助用户更智能地工作与学习。

9. 我承认 LLM 的所有批评，却仍深度依赖它

🔗 theocharis.dev: The LLM Critics Are Right. I Use LLMs Anyway

我几乎完全认同对大型语言模型的批判：版权侵犯、环境代价、泡沫风险、低质“认知污染”侵蚀开源与初级工程师培养，甚至地缘政治断供的威胁。然而，我依然大量使用它，因为我发现它能放大人类的思考——不是替你思考，而是迫使你将模糊想法淬炼得更清晰。关键在于信任：只有敢于站在台上逐字念出的文本才不是糟粕。我采用“grill-me”等模式，耗费海量 token 逐个问题逼问自己，只为输出更高质量的句子。这种矛盾感并非我独有，在本地优先大会上，许多边用 Claude Code 边为批判鼓掌的工程师也深陷其中。

10. 沉浸式线性代数：全球首部全交互图解书

🔗 immersivemath.com: Immersive Linear Algebra Book with Interactive Figures (2015)

这本由J. Ström、K. Åström和T. Akenine-Möller合著的《沉浸式线性代数》是全球首部全交互图解线性代数书。它通过完全交互式插图，让读者亲手拖拽、旋转图形，生动理解从向量、点积、向量积，到高斯消元法、矩阵、行列式、秩、线性映射，直至特征值与特征向量等关键主题。全书涵盖前言、导论及十一章内容，将抽象的线性代数化为直观的视觉探索，重新定义教材的互动体验。

11. 用“古典”机器学习揪出AI写手：单句判别准确率85%，误报率趋近于零

🔗 blog.lyc8503.net: Detecting LLM-Generated Texts with “Classical” Machine Learning

作者用传统机器学习（TF‑IDF + 线性SVC）搭建了一个大模型生成文本检测器。通过收集2010–2022年的人类文章，再让七个不同LLM根据摘要重写，构造配对数据。单句检测准确率可达85%左右，对长文采用七模型投票（≥2票判定为AI句）后，真实人类文本被误判为AI的比例极低，在60%阈值下误报仅0.04%，70%阈值下几乎为零。模型泛化到未参与训练的GPT‑5、Claude等模型时仍能保持70%以上的检出率。前端为纯JavaScript实现，加载压缩后约38 MB的模型文件即可在浏览器中离线推理，无需服务器。该项目验证了主流LLM输出存在很强的统计指纹，简单分类器就能高效识别，远比让大模型自己“自问自答”更可靠。

12. GOES-19 气象卫星意外进入安全保持模式

🔗 spaceweather.gov: Goes-19 weather satellite enters Safe Hold mode

美国国家海洋和大气管理局的 GOES-19 卫星于 2026 年 7 月 16 日触发 安全保持模式，目前运行状态异常。最新进展可通过 NOAA 卫星与产品运营办公室 官网获取，团队正密切监测并恢复中。

13. LM Studio Bionic：为开放模型打造的 AI 工作代理

🔗 lmstudio.ai: LM Studio Bionic: the AI agent for open models

LM Studio 推出独立应用 Bionic，为开放模型设计的 AI 代理。它强调隐私，承诺 零数据保留，支持 本地运行 或云端调用开源模型，有效控制成本。其语音键盘基于 Voxtral 实现离线转录。Bionic 能检查代码库、解释和修改代码，并在沙盒中安全处理文档、幻灯片和表格。Bionic 让 开放模型 的能力完全在你掌控之中。

14. 42%成年人依靠父母经济支持：如何把援助变成成长“脚手架”

🔗 cnbc.com: 42% of adults rely on their parents for financial support

一项调查显示，42%美国成年人靠父母接济，Z世代比例高达72%，千禧一代过半，X世代也有三分之一。财务治疗师指出，这种代际援助不应被污名化，而应视为帮助子女迈向独立的“脚手架”。父母应在子女最需要时及时赠与，而非等到继承，资金可用于缓解债务压力或支付房贷首付等关键目标。关键是须明确援助的临时性与目的，避免子女滋生理所当然的依赖，同时父母也不可出于愧疚或控制欲提供金钱。全家早做透明的期望沟通，并咨询财务专家评估对自身退休计划的影响，才能真正让经济支持成为子女成长的助力，而非彼此的负担。

15. 从零构建 PlanetScale：基础设施篇

🔗 onatm.dev: Let’s Build PlanetScale from Scratch: Infrastructure

作者正在构建 Homescale，一个无需完整复制数据库即可创建可写实例和时间点分支的工具，其灵感源自 PlanetScale 与 Docker 的镜像/容器模型。核心思路是将计算与存储分离，利用 写时复制（COW） 机制实现高效克隆：底层采用 Ceph RBD 提供块存储，通过 RBD 快照与受保护的克隆，让多个数据库容器共享不变数据，仅在写入时才分配增量空间。整个系统的控制平面交给 Kubernetes，借助 PVC 和 VolumeSnapshot 资源抽象存储操作，由 Ceph CSI 和 Rook 自动完成卷的供给与挂载。无论本地单节点还是云端多节点复制部署，Homescale 均可保持一致的存储模型，而数据库引擎适配器则负责处理特定引擎的初始化与快照准备，使分支操作完全发生在存储层，对数据库进程透明。

16. 德国AI联盟发布Soofi S：专注德语的混合专家开源模型问鼎多项基准

🔗 the-decoder.com: German AI consortium releases Soofi S, an open 30B model that tops benchmarks

德国AI联盟在德国电信的AI云上训练并发布了开源模型Soofi S。该模型采用混合专家（MoE）架构，总参数316亿但每词元仅激活32亿，通过结合Mamba-2与注意力层实现长上下文下的高效推理，吞吐量几乎不随上下文增长而衰减。其训练数据侧重德语，分阶段将德语占比从7.2%提升至15.3%，在德语、英语和编程基准测试中全面超越OLMo 3 32B与Apertus 70B等完全开源模型。针对该模型因超高数据-参数比引发的“过度训练”质疑，技术团队回应称传统缩放定律不适用于MoE架构，重复数据对专家模型的影响更小。模型权重、训练代码及详细数据清单均已公开，仅因1.3%的商业授权数据未能满足最严格的开源数据定义。

17. 面向开发者的数据工具全景指南

🔗 sinja.io: Guide to data tools landscape for developers

一位软件工程师在加入数据公司后，发现自己对数据工具生态一头雾水，于是撰写了这篇面向开发者的指南。文章梳理了数据生命周期（ETL/ELT）、四类数据岗位（分析型侧重SQL和BI，科学型用Python和Notebook建模，工程型构建数据管道，机器学习型专注AI模型），并详解存储环节：CSV与列式 Parquet 文件，内存格式 Arrow 优化处理，以及数据仓库（OLAP、高性能但昂贵）对比数据湖（廉价云存储，存原始文件）。帮助开发者快速理解数据团队的黑话与工具。

18. 一次OTA更新，我的Android Auto彻底废了

🔗 imdanielkendall.com: My car’s OTA update broke Android Auto

作者新买的MINI Countryman自动更新固件后，Android Auto彻底瘫痪，CarPlay同样报废。他痛斥两周冲刺和“以后修补”心态催生烂软件，让用户当免费测试员。还揭露强制14天修补的合规骗局无法阻挡社工攻击。就连微软也自认Windows 11臃肿需重写。他呼吁我们停止接受平庸，重拾质量。

19. 英国钢铁公司被收归国有以保护“关键”供应链

🔗 bbc.com: British Steel taken into public ownership to protect ‘vital’ UK supply

英国政府将英国钢铁公司正式收归国有，以确保原生钢生产这一“关键国家能力”。该公司在斯肯索普的工厂约雇佣2700人，并支撑着北林肯郡庞大的供应链。此前，这座英国最后的大型高炉钢厂由中国的敬业集团所有，但持续巨额亏损，政府估算其每日亏损约130万英镑。为避免工厂倒闭导致英国彻底丧失从铁矿石直接炼钢的能力、沦为七国集团中唯一无法生产原生钢的成员，议会紧急立法批准国有化。国务大臣强调，关门将令本国完全依赖全球供应，而国有化可争取时间、掌控未来转型方向。工会和下游企业对此表示欢迎，认为这是重振绿色钢铁产业的起点，但也指出政府需长期巨资投入，十年二十年内难见回报。目前，敬业集团正寻求补偿。

20. 100美元AI音乐视频对决：Claude Fable 5 对战 GPT-5.6 Sol

🔗 tryai.dev: $100 AI Music Video: Claude Fable 5 vs. GPT-5.6 Sol

该项目让两个前沿模型在25和100美元预算下，自主使用搜索、图像/视频生成与ffmpeg编辑工具，为《Uptown Funk》制作完整MV。所有运行均成功输出视频，但策略迥异：Claude Fable 5只用文本生成视频，GPT-5.6 Sol则在低预算时结合图像生成与动画，高预算时混合三种视频模型。然而，所有作品都暴露出人物一致性差、歌词直译（如“龙”就真的出现龙）和节奏匹配不佳的缺陷。Sol的25美元版本最有编辑创意，叠加了文字和特效，其他版本仅简单拼接片段。模型普遍缺乏自我审查，未对剪辑进行迭代，也从未使用Replicate平台。Fable 5的令牌成本更高，Sol则更经济。尽管AI能自主完成长链条任务，但在叙事连贯与剪辑美学上仍有巨大提升空间，项目已开源供试玩。

21. 生成式人工智能是一场工程灾难

🔗 theatlantic.com: Generative AI Is an Engineering Disaster

生成式AI正引发一场资源浩劫，科技公司为维持其运行大量抢购高端内存，导致全球供应短缺与硬件价格暴涨，甚至可能让平价电脑在数年内消失。问题的根源在于这项技术本身无法经济地扩展——与传统软件不同，大语言模型在用户和参数增加时，计算需求呈二次方扩展，效率极低且收益递减。然而，行业却深陷“规模定律”的迷信，一味堆砌万亿参数与巨量算力，这种粗暴做法被指是受巨额投资驱动的低风险赌博，而非明智的工程选择。与此同时，低效的AI功能被强行植入操作系统和常用软件，进一步推高了设备门槛，而摩尔定律的放缓使硬件提升远跟不上其膨胀的胃口。这种对效率原则的根本性背离，让生成式AI从工程与经济角度看，或许成为史上部署最糟糕的技术。

22. Schema 外挂系统在 ARC‑AGI‑3 公开测试集上取得约 99% 人类动作效率

🔗 schema-harness.github.io: Schema Harness Achieves ~99% on Arc‑AGI‑3 Public

Schema 不修改底层模型权重，而是通过一个 “物理学家式”控制循环，让前沿模型学会从原始 64×64 彩色网格中联合构建状态表征与发现过渡规则。它将世界模型维护为一个可执行、可回溯的 step() 程序，每一步必须与不可篡改的交互历史精确匹配，一旦出现预测错误就立即中断执行并修订模型。这种基于反例的共同修正机制使模型既能发现隐藏的游戏机制，又能主动设计实验来区分差异假设。在公共测试集上，Schema 搭配 Claude Opus 4.8 与 Fable 5 获得 98.98% 的 RHAE，搭配 GPT‑5.6 Sol 也达 95.35%，相比无 Schema 的 Claude Code 基线提升 56.15 个百分点，比官方最佳单模型高出约 82 个百分点。这一结果强调，如何使用模型本身对终极表现至关重要。

23. 数据科学的数学基础

🔗 arxiv.org: Mathematics of Data Science

本书系统阐述数据科学的数学基础，涵盖高维数据的诅咒与祝福、奇异值分解与主成分分析、线性回归与正则化、图与网络、聚类、非线性降维（扩散映射）、随机投影、优化、分类、深度学习数学导论、图拉普拉斯的大样本极限、社区发现、测度集中与高斯分析、矩阵集中不等式、压缩感知与稀疏性、低秩矩阵恢复等核心主题，由Afonso S. Bandeira、Amit Singer和Thomas Strohmer三位学者合著。

24. 直播攻击伦敦交通局的青少年黑客被判五年半监禁

🔗 bbc.com: Teen hackers who live streamed cyber-attack on TfL jailed

两名曾属于网络犯罪组织 Scattered Spider 的青少年黑客，因2024年对伦敦交通局（TfL）发动长达16小时的网络攻击并直播全过程，被判处五年六个月监禁。18岁的欧文·弗劳尔斯和20岁的塔哈·朱贝尔通过冒充员工骗取客服重置密码，窃取了包含千万级牡蛎卡用户在内的海量数据，甚至搜索伦敦名人的个人资料。攻击造成TfL系统大面积瘫痪，2.7万名员工被迫线下重置密码，致残障人士依赖的“拨号乘车”等服务中断数月，直接经济损失达2900万英镑，外加约1000万英镑的收入损失。两人均为性格孤僻的“电脑痴”，有自闭症诊断，此前已屡次涉足网络犯罪，甚至在狱中还利用私藏手机策划后续攻击。英国国家打击犯罪局称，此类青少年黑客已成国家网络安全的最严峻威胁之一。

25. Kimi K3 登顶前端代码竞技场，1679 分超越 Claude Fable 5

🔗 twitter.com: Kimi K3 is now #1 in the Front end Code Arena with 1679 pts, surpassing Fable 5

Kimi 月之暗面最新模型 Kimi-K3 在 Frontend Code Arena 中突飞猛进，从第 18 名跃升至 第 1 名，以 1679 分 的绝对优势超越 Claude Fable 5。它在品牌营销、参考设计、数据分析、消费品、模拟和内容创作工具等 6 个细分领域均位列榜首，仅在游戏领域以微弱差距屈居第二。官方承诺 7 月 27 日前开源完整模型权重，这一里程碑式的突破标志着前端代码生成领域迎来了强劲的新领跑者。