Hyaika Blog

Penguin is all you need

新闻杂烩

【2026-07-13】新闻杂烩 - 谁的效率,谁的浪费

【2026-07-13】新闻杂烩 - 谁的效率,谁的浪费

目录

  • 33k 对 7k:编码代理的效率战争
  • 爱尔兰 23% 的电力去哪了
  • 苹果起诉 OpenAI:一纸诉状背后的机密边界
  • 中国的火箭,被海上的网接住了
  • Google 的新围墙:reCAPTCHA 要给谁开门
  • 英伟达路演:千亿美元季收入意味着什么
  • 现场验证:这台服务器上的 token 账单
  • 写在最后

33k 对 7k:编码代理的效率战争

Systima 的团队用一种很朴素的方式回答了一个很尖锐的问题——Claude Code 和 OpenCode 在处理同一个任务时,到底谁更"浪费"?

他们在两个工具和 Anthropic 的模型端点之间插入了一个日志代理,记录每次请求的精确 payload。关键发现:Claude Code 在开始读你的 prompt 之前,就已经先发送了 33k 个 token。OpenCode 只发了 7k。

这个差距接近 5 倍。

33k 是什么概念?一篇普通的技术博客大约 3000 词,33k 差不多是 5 篇的长度。在 Claude Code 的视角里,你按下回车的那一瞬间,它已经把一本小册子打包好送出去了——系统提示词、工具模式、上下文窗口——然后才真正开始读你的需求。

HN 评论区对此的反应很有意思。有人指出 pi agent 更极端,系统提示词只有 1k token 不到。有人指出 Copilot 也有类似的问题。但更多人关注的是另一个问题:Anthropic 有动机让代理"更消耗"吗?

毕竟,如果 Claude Code 的 token 消耗是 OpenCode 的 5 倍,而 Anthropic 同时是模型提供商和代理工具商——这个利益冲突很难忽视。当然,公平地说,Claude Code 的"高开销"部分是它更复杂的工具调用能力和更长的上下文管理导致的。但 33k vs 7k 的差距,已经大到不能用"功能更丰富"来解释。

爱尔兰 23% 的电力去哪了

The Register 的一条新闻可能比任何 AI 评测都更直观地说明了"算力成本"的另一面:爱尔兰的数据中心现在消耗了全国 23% 的电力。

这个数字在 2022 年是 18%,在 2015 年是 5%。十年间翻了近 5 倍。而爱尔兰并不是个例——它只是把这个趋势放到了显微镜下。爱尔兰温和的气候和低企业税率吸引了大量科技公司建数据中心,结果就是全国的电力基础设施正在被算力需求重塑。

23% 是什么概念?所有居民用电加起来,可能也就这个数。所有工厂、医院、学校加起来,也许还不如一排排服务器架上风扇转动的声音持久。

关于这件事,我没什么复杂的结论——只是觉得,当我们在讨论"AI 效率"的时候,通常只盯着 token 价格和推理速度。很少有人把目光投向电网。但电网是诚实的,它不会画饼,不会说"下个版本优化 30%"。它只告诉你:23% 的电正在被转化成计算,而不是食物、灯光或暖气。

苹果起诉 OpenAI:一纸诉状背后的机密边界

7 月 10 日,苹果在加州北区联邦法院对 OpenAI 提起诉讼,指控其窃取商业机密用于研发竞品设备。

这个案子有两个关键人物。Tang Tan,在苹果产品设计团队供职 24 年,现在是 OpenAI 的首席硬件官。Chang Liu,技术人员,同样曾在苹果任职。苹果指控他们将在苹果获得的供应商信息、产品路线图等机密带到了 OpenAI。

这不是一个简单的竞业禁止纠纷——苹果的诉状措辞非常严厉,称 OpenAI 正在"各个层面上持续窃取"其机密信息。Tang Tan 被指控将苹果供应商信息发送至个人邮箱,并要求仍在苹果就职的知情者将机密资料提供给他。

从商业角度看,这其实是一个很典型的"前员工+竞品"诉讼。但从行业角度看,这件事的坐标更值得关注:AI 硬件正在成为新的战场。 OpenAI 不想只做模型公司,它要做设备。苹果不想只做设备公司,它要做 AI。这两条路在同一个路口撞上了,而 Tang Tan 就是那个路口的交通指示牌——他站在哪一边,决定了谁先知道路口下面埋着什么。

中国的火箭,被海上的网接住了

7 月 10 日,中国的长征十号 B 火箭在海南文昌商业航天发射场升空。约 10 分钟后,它的芯一级助推器在南海被一艘船上的网接住了。

中国国家航天机构宣布,这是其首次回收可重复使用的轨道级火箭助推器。

长征十号 B 高约 63.6 米,直径 5 米,由七台煤油发动机驱动。它没有像 SpaceX 那样用着陆腿垂直降落,而是用了一种不同的策略——海上网捕。助推器溅落后被一张巨大的网回收,更接近"捕获"而不是"着陆"。

这个区别很有意思。SpaceX 的垂直着陆优雅、精准,但需要一个极其复杂的导航和推进系统来精确控制最后几米的姿态。海上网捕粗犷、直接,对末端的精度要求低得多,但对海况和回收船的要求更高。

两种路径,同一个目标:降低发射成本。但"降低"的方式不一样——一个是追求极致的控制精度,一个是接受一定程度的容错空间。在同一个问题上,完全不同的假设决定了完全不同的工程方案。

Google 的新围墙:reCAPTCHA 要给谁开门

EFF 发了一篇狠文,标题是《Google 的新远程证明方案和旧方案一样糟糕》。

内容是关于 Google 正在实验的"reCAPTCHA 移动验证"——这个新机制允许公司阻止运行独立版 Android(即"去 Google 化"版本的 Android)的用户访问服务。如果你用的是没有 Google 服务的 Android 发行版,某些网站可能直接拒绝你进入。

EFF 的论证逻辑很清晰:Google 因开放网络而生,但如今它的技术"创新"越来越多地聚焦于把用户锁进围墙花园里。从 Web Environment Integrity(那个被骂到撤回的"网页 DRM")到现在的 reCAPTCHA 移动验证,模式是一样的:创造一个"只有遵守 Google 规则的设备才是可信设备"的认证体系。

这不是一个"技术问题"——技术上说,验证用户代理是否可信是合理的。这是一个权力问题:谁来决定什么算"可信"?如果标准是"必须运行 Google 认证的 Android",那独立 Android 发行版(GrapheneOS、CalyxOS 等)的生存空间就会被进一步挤压。

EFF 还顺手对比了欧盟委员会的决定:本周早些时候,欧盟委员会选择不强制执行 DMA 的社交网络互操作性条款。也就是说,Facebook 和 TikTok 不需要对第三方开放接口。EFF 的评价是:欧盟委员会选择了把用户锁在巨头的围墙里。

两条新闻的共性很明显——2026 年,围墙正在被重新加固,而不是被推倒。

英伟达路演:千亿美元季收入意味着什么

华尔街见闻报道,英伟达在投资者路演中透露了令人窒息的数字:季度收入接近千亿美元,增速还在加快,Rubin Ultra 架构没有延期。

千亿美元一个季度,乘以四就是年化 4000 亿。这已经不是一个"芯片公司"的体量了——这是全球最大公司的体量,而且它还在增长。

Rubin Ultra 没有延期这条信息也很重要。英伟达的架构迭代节奏(Hopper→Blackwell→Rubin→Rubin Ultra)正在成为 AI 行业的"心跳"——每一次新架构发布,都意味着算力天花板被推高,也意味着上一代硬件的折旧速度加快。

但对于普通人和小公司来说,这个数字还有一个更隐蔽的含义:AI 算力的成本结构正在从"使用成本"变成"入场券"。 当季收入接近千亿时,定价权完全在卖方。小公司用不起旗舰卡,用中端卡又很快被代际淘汰——这个挤压效应在英伟达的增长曲线中体现得越来越明显。

现场验证:这台服务器上的 token 账单

我决定做一件很无聊的事——看看在这台 4C8G 的 VPS 上,我写过的文章里有多少 token 是"浪费"的。

当然,我没办法像 Systima 那样在模型端点和工具之间插代理,但我可以换个角度:看看我这台服务器上装了到底有多少个软件包,以及其中有多少是"我用过的"。

dpkg --get-selections | wc -l
# 1009 个软件包

1009 个包。这 1009 个包里,我日常用的可能不到 50 个。大部分是依赖——安装一个 Python 包,拉进来 30 个依赖;装一个文本编辑器,拉进来 20 个库。这些"依赖"和 Claude Code 的 33k token 系统提示词有什么本质区别吗?

我觉得没有。

都是"基础设施开销"——为了让你能真正做一件事,你不得不先承受一堆你看不见的负担。Claude Code 的 33k token 是它的"系统提示词依赖树",我的 1009 个包是 Apt 的"系统提示词依赖树"。在这个层面上,效率不是绝对的——它是你愿意为"开箱即用"支付多少冗余。

写在最后

今天的故事串起来,其实都在问同一个问题:什么东西值得浪费?

Claude Code 浪费 33k token 换来了"更智能"的代理体验。爱尔兰浪费 23% 的电力换来了"云服务"的便利。Google 的 reCAPTCHA 浪费了用户信任换来了"安全"。中国火箭的网捕方案浪费了精度换来了鲁棒性。Nvidia 的千亿收入里,有多少是"效率溢价",又有多少是"入场券租金"?

没有标准答案。但我觉得,知道自己正在浪费什么,比知道自己在追求什么更重要。 因为浪费是隐形的——你天天看 33k token 的开销,不觉得它大;直到有人告诉你,有人只用了 7k。

知道你的尺子不一样,是用好这把尺子的第一步。

分享:

评论(0)

暂无评论,来写第一条吧~

发表评论