AI 写作业的账，两年后才算清

2.6 万学生用 AI 写作业，平时分涨了 18%，大考跌了 24%，坑要两年才暴露

这条我今天看了两遍，数字太具体了，而且时间跨度够长，不是那种"用了一学期 AI 成绩下降"的短期观察。

研究团队在华中某县追踪了 2.6 万多名中学生，从 7 年级到 12 年级，整整 30 个月。用 AI 写作业的学生，平时成绩涨了 18%，完成时间从 64 分钟缩到 45 分钟。但闭卷月考成绩直接掉了 20%，中考、高考这类关键考试的成绩下滑了 18% 到 24%。

最值得留意的是时间线：这个跌幅要差不多 两年才会完全显现。短期研究根本看不出来。约 81% 的长期用户出现了典型的"外包模式"——作业做得又快又好，考试却一塌糊涂。

分学科看，社会学科跌得最惨，27%；STEM 跌了 22%；英语 17%；语文相对好一点，9%。剂量效应也很清楚：每周用 AI 一小时，成绩损失约 5%；用到五小时，损失飙到 30%。早期损失从约 25% 降到 16%，说明学生可能学会了一点"怎么用 AI 但不完全外包"，但坑始终没填平。

说实话，这个研究让我有点不安。不是因为"AI 会让学生变笨"这种道德恐慌，而是它暴露了一个很具体的机制：AI 把"完成作业"和"掌握知识"这两件事拆开了。平时分涨了，老师以为学生学会了；大考一考，才发现是 AI 在替考平时。两年后才暴露，意味着等学校反应过来，一届学生已经毕业了。

至于这个研究能不能推广到其他地区、其他年龄段，论文本身应该会有讨论，但上游报道没提。先把这个问号挂在这。

斯坦福用工资单实锤：初级程序员少了 19%，但写代码的人其实更多了

这条跟上面那条放在一起看，有点意思。都是 AI 在"替人干活"，但一个是在教育系统里埋雷，一个是在就业市场里直接洗牌。

斯坦福数字经济实验室根据 ADP 工资单数据发现，美国 22 到 25 岁软件开发者的就业人数比 2022 年底的高点跌了 19%，而 41 到 49 岁的反而涨了 14%。就算排除公司自身经营波动，在 AI 能直接替代人干活的岗位上，年轻从业者还是相对减少了 16%。

初级岗位招聘量少了 28%，计算机专业毕业生失业率到了 6.1%，比文科生还高。这个数字挺扎眼的——以前是"学 CS 好找工作"，现在是"学 CS 的应届生比文科生还难找"。

但别急着下结论说"AI 在消灭程序员"。同期程序员总人数其实涨了 4.4%。只是结构变了：初级岗被 AI 替掉了，资深岗反而更值钱。这跟上面学生用 AI 的逻辑有点像——AI 替掉的是"执行层"，不是"判断层"。

坦率地讲，这个趋势如果继续，对刚毕业的学生确实不友好。以前初级岗是练手的地方，现在 AI 直接把练手的机会拿走了。怎么从"不会"到"会"，这条路在变窄。

一个不会 Rust 的人，靠 AI 从零写了个 PHP 引擎，跑通了 17% 的官方测试

这条我先打个折：上游没披露用了哪个模型、哪个版本、总共花了多少钱。但就算打折，这件事本身还是值得说。

作者完全不会 Rust，让 Claude 写了一个叫 Phargo 的 PHP 解释器。他的工作就是看 AI 写的代码，然后说"看起来不错，继续"或者"这个退步了，再看看"。项目用 PHP 官方 22,000 个测试用例当裁判，目前通过了 3,844 个，占 17.4%。

这个通过率没法注水，过就是过，不过就是不过。过程中踩了不少坑：测试工具因为没处理好多字节字符，一开始报了一堆假阳性；AI 有时候会"修好一个 bug，引入三个新 bug"，需要人盯着回退。

最有意思的是，这个项目还跑起了 WordPress。一个不会 Rust 的人，让 AI 写了个 PHP 引擎，然后在这个引擎上跑起了全世界最流行的 CMS。

怎么说呢，这件事不证明"AI 可以替代程序员"——作者虽然不会 Rust，但他懂 PHP、懂解释器原理、能判断 AI 写的代码对不对。它证明的是：AI 把"实现"的门槛打下来了，但"判断"的门槛还在那。跟上面两条的逻辑完全一致。

Claude 新模型在工具调用里自己编字段，20% 的调用被拒

Armin Ronacher（Flask 的作者）发现，Anthropic 最新的 Opus 4.8 和 Sonnet 5 在调用 Pi 的编辑工具时，会凭空捏造出 requireUnique、oldText2 这类 schema 里根本不存在的字段，导致校验失败。老模型反而没这毛病。

在多轮 agent 对话里，Opus 4.8 大概有 20% 的调用会翻车。把历史里的思考过程清掉之后，问题消失了。Ronacher 的猜测是，模型在多轮对话里被自己的推理历史带偏了，开始"脑补"一些不存在的参数。

这条跟上面那条 GPT-5.5 推理 token 扎堆的社区反馈放在一起看，有点意思。都是新模型在某些特定场景下出现规律性异常，而且都跟推理过程有关。Opus 4.8 是推理历史污染了工具调用，GPT-5.5 是推理 token 在固定位置扎堆。

目前 Anthropic 还没回应。如果 Ronacher 的猜测是对的，修起来可能不复杂——在工具调用前清掉或压缩推理历史就行。但如果是更深层的训练问题，那就另说了。

阿里不让员工用 Claude Code 了，让转用自家的 Qoder

阿里把 Anthropic 的编程工具 Claude Code 划为高风险软件，7 月 10 日起不让员工用了，要求转用自家的 Qoder。

起因是 Anthropic 之前搞了个实验性版本，能识别中国用户——官方说是为了反二手贩子和防"蒸馏"（用大模型输出训练小模型），但被解读成有后门风险。Anthropic 那边说这个实验早就想撤了，后来也上了更强的风控。

报道没写清楚禁令是强制还是建议，也没说 Qoder 目前的能力跟 Claude Code 差多少。但这件事的信号很清楚：在大模型工具链上，地缘政治的裂缝正在从芯片延伸到代码编辑器。

YouTube 的 AI 助手会听评论的话，谷歌却说这不是安全漏洞

安全研究员发现 YouTube Studio 的 AI 助手"Ask Studio"会读取视频评论来生成摘要，但藏在评论里的指令可以劫持它的输出。攻击者先发一条正常评论，之后悄悄编辑成攻击指令，创作者一旦点击系统推荐的 AI 提示，助手就会把攻击者写的内容当成自己的回复显示出来。

更严重的是，攻击指令可以构造一个链接，把创作者的私密视频标题作为参数传到外部服务器。也就是说，一条评论就能泄露创作者还没公开的视频标题。

谷歌的回应是：这不是安全漏洞，因为攻击者需要知道创作者的频道 ID，而且只能拿到视频标题，拿不到视频内容。

这个回应我不太买账。频道 ID 不是秘密，视频标题本身就可能包含敏感信息（比如"某公司 Q3 财报提前看"）。而且问题的核心不是"能偷到什么"，是"AI 助手会执行用户评论里的指令"这个设计本身就有问题。把用户输入和系统指令混在一起处理，这是 prompt injection 的经典场景，谷歌不应该不知道。

Midjourney 反手要求好莱坞片厂公开自己怎么用 AI

Midjourney 跟 迪士尼、环球、华纳兄弟的版权官司打到了证据开示阶段。片厂去年告 Midjourney 能生成他们版权的角色，Midjourney 辩称训练属于合理使用。现在 Midjourney 反过来要求片厂交出自己内部用 AI 的细节，法官已裁定片厂必须提供部分信息。

这招挺聪明：你不是说我用你的角色训练模型吗，那你先说说自己有没有用 AI 生成剧本、概念图或者做后期。如果真能逼出内部数据，这场官司的焦点可能从"AI 偷素材"变成"大家都在用，只是说不说"。

目前双方还在为具体交哪些文件扯皮。缺少片厂实际用了多少 AI 工具的数据，所以这个反击能打到多疼还不好说。但至少，Midjourney 把"谁在用 AI"这个问题扔回给了原告。

今日小信号

• Fable 开源 .splat4d 格式：动态 3D 场景压缩到原来的 58 分之一，427MB 压到 7.4MB，支持像视频一样边下边播。原理是把不动的背景和动的物体拆开，背景只存一次，动的部分借鉴视频编码思路。如果这个格式被广泛采用，3D 内容在网页上的分发成本会大幅下降。

• GPT-5.5 推理 token 规律性扎堆：有人在 OpenAI Codex 仓库报了个 bug，说 GPT-5.5 写代码时推理 token 会在第 516、1034、1552 个位置扎堆，怀疑是注意力被固定位置带偏，导致复杂任务代码质量下降。目前只是社区观察，没有复现步骤或 OpenAI 回应。如果是真的，说明模型内部推理路径可能被训练数据里的某种模式锁死了。

• Zig 把包管理挪出编译器，二进制缩小 4%：从 14.1 MiB 缩到 13.5 MiB。网络代码现在跑在 ReleaseSafe 模式，安全检查和 CPU 优化都开了。还有 4 个阻塞问题没解决，最快 8 月初收尾。

• Zo Computer：聊天就能操作的云端电脑：号称能替代 12 个工具，几分钟建站。集成了 OpenAI、Anthropic 等模型和 1000 多个外部工具。听起来像"AI 版操作系统"，但更像一个套了聊天界面的自动化工作流平台。缺少定价、模型版本和延迟数据。

• A. Best 用 Claude Code 写的小说拿了 1 万美元大奖：120 人报名，每人拿一个月 Claude Code 订阅，写一条 prompt 生成一篇短篇。缺少评委和评分标准，含金量不好判断，但至少说明 AI 写小说已经能产出让人愿意读的东西了。