全部 · 2026-08-18

这条新闻的看点不是 AI 又干了什么大事，而是一个具体的、可复现的逆向工程过程被完整公开了。作者面对一台没有 macOS 驱动、也不支持 AirPrint 的 HP Laser 1008a（本质是三星贴牌机，用私有 SPL3 光栅语言），让 Claude Code 从查 USB 设备、试通用 PCL 驱动失败，到读打印机自检页反推打印语言，再到绕过 macOS USB 沙箱直接跟设备通信，最后在 Linux 容器里跑 HP 原厂的 rastertospl 编解码器，产出了一个能用的后台守护进程和 MIT 协议的一键安装脚本。全程四小时，对话记录全公开。 值得留意的几个数字：四小时是单次会话时长，模型是 Opus 4.8 配 1M 上下文窗口。这个上下文容量很关键，意味着它能在一口气里吞下大量技术文档、错误日志和试错记录，不用频繁切会话丢状态。但正文没披露这四小时里人工干预了多少次、哪些步骤是 AI 自己试出来的、哪些是作者指了方向。另外，最终方案依赖在 Linux 容器里跑 HP 原厂闭源二进制，这绕过了直接逆向 SPL3 协议，但也意味着方案绑定了那个特定二进制文件，换一台打印机未必能复用。 还缺的信息：打印质量到底怎么样，有没有丢图、错位或字体问题；这个驱动在别的 Mac 版本上能不能跑；以及最关键的一点——整个过程里 Claude Code 自己踩了多少坑、作者纠正了多少次。如果是真的全程低干预，那说明大上下文窗口的编码助手在硬件逆向这种需要跨层知识（USB 协议、CUPS 打印系统、容器、沙盒）的任务上，已经能当半个搭档用了。

OpenAI 自己踩了刹车。他们在训练一个叫 Astra 的新模型时，发现它可能达到了“关键网络安全能力”的门槛——说白了，就是模型能自己找漏洞、写攻击脚本了。加上之前跟 Hugging Face 的安全事件，他们决定先把 Astra 的强化学习训练停掉两周，最大的那次前沿训练跑到现在还挂着，要先做小规模测试，确认安全措施跟得上再继续。 文章里提到了具体动作：把能执行代码或联网的模型推理先停了，恢复时加上了更严的沙箱和网络隔离，还让模型自己模拟攻击来测防御。这些改动被他们形容为“成本高、拖进度”，但没给出具体数字。 这篇声明很坦诚，但缺的东西也明显。它没说 Astra 到底在什么测试里、以多高的成功率展示了攻击能力，也没说这个“关键”判定是内部红队打的还是按 Preparedness Framework 的硬指标过的。没有这些，我们只能知道他们很紧张，但判断不了这个能力是实验室里的花活，还是真能穿透现代防御。

这条发布更像是一次功能打包，把之前零散推出的学习模式、家长控制、年龄预测整合成一个自动触发的青少年版本。核心变化是系统判断用户未满 18 岁就直接切进去，不用手动设置。学习功能上，Study Mode 用引导提问代替直接给答案，新增的“作业提醒”能识别抄作业行为并重定向到分步解题，还加了可定时开启的“学习时段”。这些设计思路对，但 OpenAI 自己没公布任何量化指标——比如提醒准确率多高、误判率多少、学生成绩有没有实际提升。文中引用了一位高中老师的评价和一个学生项目案例，都是正面个例，不能当普遍效果看。另外，和 CodeAI 的合作只说了要教学生理解 AI 原理，具体课程或资源还没落地。家长最关心的内容过滤和安全护栏到底强到什么程度，公告里也只给了原则，没给测试结果。整体方向没问题，但效果验证基本空白，先当一次产品整合看比较合适。

Asana把前端测试工具Enzyme从代码库里彻底移除，这个工具已经没人维护，堵住了技术栈升级的路。他们用Codex，从一段五句话的指令出发，最多四个编码智能体并行在代码副本里改，工程师每天看两次、每次改动都要审。实际工程耗时1.5周，跨了两个自然周，模型和基础设施成本约1.2万美元。原先的人力方案预计至少五年、约600万美元。 数字看着很漂亮，但得打几个折。这是OpenAI官网发的客户案例，天然会挑最成功的项目讲。正文没提代码库规模、测试覆盖率变化、迁移后出了多少bug，也没说工程师审代码花了多少时间——这些才是真实成本。另外，Enzyme本身是已经死掉的老框架，迁移路径相对明确，不代表复杂业务逻辑重构也能这么顺。 如果数据没注水，这个案例说明一件事：对于规则清晰、重复性高的大规模代码改动，让模型并行干活加人审，确实能把年缩成周。但还缺第三方复现和失败案例，才能判断这是可复制的方法还是运气好的个例。