同一天两次模型降价、一颗快 50% 的芯片、一个量不到 0 的随机数、一个被当成语言模型的压缩器：9 月 23 日 HN 热榜在问，这些数字是怎么量出来的？

同一天两次模型降价，两家的「每个任务成本」各算各的

• 两家是不是撞车。 GPT-6 那条帖子里，beardsciences 认为两家把发布放在同一天是有意的。4 Anthropic 那条帖子里，mupuff1234 问了一句「说好的放慢节奏呢」，指的是 Anthropic 此前那篇呼吁给前沿模型减速的文章。5
• 便宜到什么程度。 Cu3PO42 说 Luna 那个 0.10 / 0.50 美元的价格「疯得离谱」，同时指出发布页没说 Azure 和 AWS 上什么时候能有。4 pookieinc 把两家价格做成表贴在评论里，配了一句「按这个价，我不理解还有谁在用 Claude」。另一条评论给的是更实际的用法：cesarvarela 认为最优组合是用 Astra 做调度、Sol 做实现，和 Fable 配 Opus 是同一套分工。4
• 跑分和排行对不对得上。 Readerium 注意到 GPT-6 Sol 在 DeepSWE 上的成绩比 GPT-5.6 Sol 更低。4 nickandbro 说他想看 token 效率，因为他听到的说法是新版每个任务会吐更多 token。5 Artificial Analysis 量到的正是这件事：同样的评估，Opus 5.5 生成 2.6 亿个输出 token。3 Opus 那条帖子里，有人抱怨发布页的滚动交互（m4tthumphrey），也有人盯着版本号跳号这件事（alpineman、skunkworker）。5

一颗桌面芯片两年快 50%，频率只解释其中 15%

• 50% 里的多少是频率和散热。 nly 的问题是：最高频率只涨了 15%，基础频率却涨了 38%，是不是散热改善、降频更少。7 ProllyInfamous 和 ChoGGi 给了一个具体原因：这一代 X3D 把缓存挪到了核心上方，主要热源离散热器更近，所以能更久地维持加速度。qball 补的是电压那一环：制程更小，同样发热预算里能塞进更高频率。
• 这三颗芯片能不能代表「Ryzen」。 kristianp 认为「两年」这个说法有误导：三代 3D 缓存的 SKU 出现在各自世代的后期，Zen 3 桌面版是 2020 年 11 月，Zen 5 桌面版是 2024 年 8 月，代际间隔接近四年。mcv 则说，只拿三颗芯片不足以得出「Ryzen 快了 50%」这个结论，市面上还有不带额外缓存的更快型号，而 5800X3D 属于更老的平台，本身带着一代主板的限制。7
• 那 50% 是谁给的。 kasabali 提醒 Geekbench 的版本迭代越来越偏向专用指令集，单核分数要谨慎看。jauntywundrkind 把软件那一半也算了进来：同一段时间里 Linux 内核自身在 AMD 平台上的改进，公开评测里大约有 8% 的提升。也有人从另一个方向泼冷水——whatever1 说 x86 的单核性能仍然落在 iPhone 后面。以上都是评论者的说法。7

一块 AMD 芯片的硬件随机数取不到 0

• 影响有多大。 CodesInChaos 说这很难看，但实际影响小，因为硬件随机数通常只用来给一个伪随机数生成器播种。9 throwawayffffas 的说法更直接：取值空间从 2^16 变成 2^16−1，只是每个数出现的概率被抬高了三万二千分之一，这个缺陷在实践中的影响接近于零。反面的例子来自 hnacobsxph：他在一个密钥派生函数里追过类似的问题，标准统计测试套件没有报出来，最后是他自己做 16 位直方图才发现的。
• 是缺陷还是样本不够。 ExoticPearTree 认为抽到零的概率本来就极低，可能只是他跑的次数不够。matja 报告了相反的结果：他的 Zen 3 芯片上能取到 16 位零，三次计数分别是 +1 出现 3821 次、0 出现 3893 次、−1 出现 3895 次，他准备把 32 位的样本跑够再更新。9
• 在哪一代上成立。 jstanley 先说自己在 Ryzen 5 3600 上复现失败，随后更新了结论：rdrand32 正常，rdrand16 取不到全零，他自己那颗 CPU 也有这个毛病；他一开始没发现，是因为他先用 rdrand32 取模，那样当然会出零。他还回忆起 Zen 2 早期另一个问题——rdrand 曾经永远返回全 1，后来靠微码更新修好。9 另有用户贴出 AMD 产品安全公告的链接，这份公告的内容本期未能核对。9

gzip 能不能当语言模型

• 这算不算「会」语言模型。 mg 指出，这个搜索只覆盖了样本空间里极小的一部分，所以结果只是「gzip 作为续写合理性检验器」能到什么程度的下界，谈不上它真的在建模。13 bob1029 用速度做论据：gzip 快得可疑，因为它只擅长在一个叙事里猜下一个词；语言模型要覆盖许多叙事，搜索空间随之膨胀，gzip 是线性，语言模型接近二次。
• 反过来问会怎样。 tromp 说他更想知道反过来的问题——一个语言模型当压缩器用，能比 gzip 好多少。jll29 给了个已经被用过的做法：把测试文件和各个主题的语料分别压在一起，压缩后最小的那个主题就是它的话题，怀卡托大学的 Witten 团队早就在做这类分类。13
• 这类对比的历史包袱。 montebicyclelo 提醒，过去人们容易把这类方法和神经网络语言模型之间的差距说得太近。另一条评论来自 relevant_stats，他判断这篇文章本身看起来像 AI 写的，因此怀疑作者对自己工作的投入程度，这是他个人的判断。还有人贴出这篇页面更早在 HN 被讨论过的链接。13

98% 准的 AI 内容识别器，成立在哪几个条件上

• 整条流程能不能复现。 asdff 说思路有意思，但整套阈值是由一个模型回答英文提示词来设定和验证的，他更希望这部分用确定性代码完成，也不希望结果依赖向某一家服务商付出的 token 花费。14
• 反过来测会怎样。 bryanrasmussen 提议做两个方向的验证：拿 AI 出现之前最枯燥的人类营销与公文文本，去掉时间线索，看模型会不会把它判成 AI；以及让人去模仿 AI 行文，看模型能不能认出这是模仿。14
• 一次当场发生的失败案例。 帖子里有一条评论被 HN 版主 dang 判定为 AI 生成，版主引用了站规中关于生成内容的规定。14 另一位用户 jumploops 把那条评论拿去作者公开的检测器上跑，返回的结果是「80% human」。16 这条检测器是作者在帖子里给出的、面向公众的十特征版本。14

五条材料，换的那把尺子在哪

拿到一个数字时先问的几件事

1. 它是拿哪一批样本量出来的。 人类文章写于 2020 到 2022 年，AI 文章写于 2026 年，这个 98% 就带着一层时间差。
2. 对照组是谁挑的。 同一张表里放谁、不放谁，会直接改变名次，也会改变「便宜了 50%」这句话的参照物。
3. 成本那一列有没有算全。 回退到另一个模型的那部分开销、安全机制介入后被算作失败的任务，都会让成本那一列偏向一侧。
4. 量它的位宽、版本和档位对不对。 16 位和 32 位取样是两个结果，xhigh 和 medium 是两个结果，5800X3D 和 9800X3D 之间的那两年也是一次有选择的取法。
5. 今天能不能用一步操作把它复现出来。 一段直方图代码、一次自己的实测、把自己文章喂进检测器，都算；能重现的数字才有资格进入判断。