一张把三档价钱并排印在最上面的模型对比表、一个住进你订阅的常驻智能体、一份只发给加盟商的定价参数、一份被交给第三方的对话清单、一份不公开的问题博彩计划、一个只在内部分级的分数、一把提前写下规则的尺子：9 月 30 日 HN 热榜在问，定下这些条件的规则，你翻得到哪一页？
从一张把三档价钱并排印在最上面的模型对比表、一个住进订阅套餐的常驻智能体，到只发给加盟商的定价参数、被交给第三方的对话清单、不公开的问题博彩计划、只在内部分级的房屋评分，以及一把提前写下规则的尺子，逐条看清定下这些条件的规则写在谁的那一页，以及今天能自己翻到哪一步。
北京时间 9 月 30 日早上 8 点，Hacker News 首页第一条是《Livenerf: Has Opus 5.5 been nerfed yet?》，94 分、56 条评论；当天首页上分数最高的是《GPT 6.1 Sol: Near-Astra intelligence for a fifth of the price》，747 分、685 条评论，排在第 3 位。本期要写的那条达拉斯本地新闻只有 6 分、2 条评论，排在第 39 位，上帖时间是当天清晨 7 点 38 分。榜序按时间衰减，分数按累计投票，两套数字每天都对不上。1234
今天挑出来的七条材料，回答的是同一个问题：一件正在替你定价、打分、决定权限的东西，定下这些条件的规则写在哪一层，你今天翻得到哪一页。
选条的标准有两条：这条材料能被翻到并逐句对质（官网原文、产品条款、公开仓库、监管记录，以及拿到内部文件的调查报道），以及读者今天还有一步能自己走。
按这两条，本期收了一条 6 分的帖子和一条 36 分的帖子。分数高但没有收的几条：当天讨论热度第二的《Everybody's home. No one's coming over》（712 分、651 条评论）5、《How Delhi cut electricity loss from 50 to 5 percent》（421 分、247 条评论）6、《America.gov》（293 分、237 条评论）7、《PS5 Relapse Exploit》（220 分、119 条评论）8、《Tcl/Tk 9.1》（229 分、78 条评论）9、Anthropic 对 GLM-5.3 网络能力的评测（182 分、179 条评论）10，以及《Nicholas Polson has authored 258 academic papers in 2026 so far》（134 分、90 条评论）11。这些与本期主线无关，一并列出，免得读者以为漏了榜上更热的几条。
时间窗按上帖时间算，从北京时间 9 月 29 日 17 点 03 分到 9 月 30 日 7 点 38 分。有三条的原始材料早于上帖：那份隐私分析论文的 PDF 标注 9 月 16 日；《纽约时报》的 DraftKings 调查发表于 9 月 19 日；达拉斯那条来自 9 月 2 日的本地调查报道。这三个日期在文末的对照表里单独标出。
一张把价钱印在首页的对比表
谁在说：OpenAI 在 9 月 29 日的 DevDay 上发布了 GPT-6.1 Sol，同一天更新了订阅档位的帮助文档。帖子当天凌晨 1 点 06 分上到 Hacker News，747 分、685 条评论。3
一手材料写了什么：发布页把三档价格并排放在最上面，单位都是每百万 token。GPT-6 Astra 是 $10 输入 / $50 输出 / $1 缓存，GPT-6.1 Sol 是 $2 / $10 / $0.10，GPT-6 Luna 是 $0.10 / $0.50 / $0.01。标题里那句「五分之一的价钱」指的就是前两行。上一代 GPT-6 Sol 发布于六天前的 9 月 22 日。1213
跑分部分每一格都注明了出处和条件。DeepSWE v1.1 考真实代码库里的长任务，GPT-6.1 Sol 与 Astra 打平，成本约为五分之一。GDP.pdf 上它高于带 fallback 的 Opus 5.5，每个任务成本不到一半。OSWorld 2.0 的离线集上，它比 GPT-6 Sol 高 7 个百分点，离 Astra 差 2.1 个百分点。Terminal-Bench Science 0.1 上它每个任务平均 $5.47，Opus 5.5 是 $23.21，Astra 是 $23.80。12
两处脚注值得单独看。AutomationBench 那一格，OpenAI 自己写明 Claude Fable 5.1 的成本被低估了，因为那个数字没算 fallback，而约 40% 的任务出现了 fallback。DeepSWE 那一格，high 档是 75.2%，xhigh 档是 71.9% 且更贵。同一个模型把思考调得更久，分数反而更低。12
订阅条件也在同一天改了。Pro 500 上线，$500 一个月，含 Ultrafast 模式，在 Codex 里最高 300 token/秒，额度是 Plus 的 25 倍。Pro 200 的新订阅额度下调，帮助文档给的理由是「反映我们越来越高效的模型」。按 Engadget 拿到的说法，Codex 和 Work 里 $200 档的额度从 Plus 的 20 倍降到 10 倍，ChatGPT 里 GPT-6 Pro 每周消息上限从 200 条降到 100 条。老订阅可以保留原额度到 10 月 29 日，之后按新额度执行。141516
评论区争在哪几点：四路。第一路算这笔账对谁不利：gradus_ad 的评论有 76 条回复，说 token 价格变成主战场，对行业和投资者都是坏消息；proxysna 的评论有 151 条回复，说自己一年在 DeepSeek 上花不到 200 美元，愿意落后「前沿」半年。第二路盯着发布节奏：intenex、dcchambers、TomGarden 都在数 GPT-6 Sol 才发布六天；revolvingthrow 说几天前文件里出现过 Astra-Minor，怀疑这是被临时改名的版本，理由是在 Opus 5.5 表现很强的前提下，Sol 6 那次发布很难解释。第三路回头查表：pazimzadeh 问为什么 effort 越高分越低、还更贵，以及每个条件测了几次；mkaic 点开试用后发现模型选择器显示的是「GPT-6 Astra Light」；minimaxir 认为真正的新闻是缓存价降到 $0.10。第四路是情绪：dzogchen 说自己想升级 $200 档时已经被卡住；AmazingTurtle 把 25 倍和 10 倍相除，说公司是把订阅砍半，然后说「我们更高效了」。3
今天能自己复检哪一步：打开那一页，把五张模型卡和价格逐行对上，特别看两处脚注；再打开自己账号的用量页，对照 10 月 29 日这个日期，算一下自己的额度什么时候变。
规则装在你账号里的那一个
谁在说：同一场 DevDay 上发布的还有 dots，一种常驻的智能体。帖子当天凌晨 1 点 07 分上到 Hacker News，444 分、337 条评论。17
一手材料写了什么：每个 dot 有自己的云电脑和自己的浏览器，可以连你已连接的应用；你随时能打开它的电脑看它的工作。边界写在几个具体的地方。你没有主动使用它的时候，它做「主动研究」只能用只读工具，发不了消息，改不了应用内容，也控制不了你的浏览器或电脑。改密码一类的敏感动作永远留给你。Custom Rules 让你把一类动作设成允许、需要批准或阻止。Activity View 里能看到它后台做了什么。自动复核比对它的动作和你的规则，决定哪些直接做、哪些等你批。企业版默认关闭，要管理员打开；Pro 与 Business Premium 各含一个 dot；与 dot 的对话不计入 ChatGPT 用量上限。1618
评论区争在哪几点：三路。第一路把它算进订阅账：johnfahey 的评论有 42 条回复，说 OpenAI 先用宽松额度把人从别家拉过来，再推没人要的新产品、收紧原来的额度，今年早些时候 Anthropic 也走过同一条路。第二路盯着权限：jameslk 说云电脑意味着算力和数据都搬到厂商手里，这批产品是给不懂技术的人做的；esafak 说自己不敢用，怕它做了没被批准的事而他事后才知道；eutropia 希望更多应用提供只读模式，这样才敢把访问权交出去。第三路不接受这个形状：ranyume 说很期待某天助理停下手来、甚至向警方举报他；realharo 问到最后厂商总得回答「为什么智能体还需要我」；HeavenFox 说读了几遍营销页，还是不知道这东西是什么。17
今天能自己复检哪一步：如果你已经在用，进设置逐项过一遍权限和规则，再打开活动记录看它今天做了什么；如果还没用，先去找到只读模式和活动日志摆在哪个页面。
一份只发给加盟商的参数表
谁在说：路透社记者拿到 8 月的定价引擎截图、采访九位知情人士写成这篇报道，CNBC 在 9 月 29 日刊出。帖子当天凌晨 3 点 58 分上到 Hacker News，36 分、4 条评论。本期收它，是因为它是七条里唯一一份「参数确实被写了下来、但只发给中间商」的材料。19
一手材料写了什么：引擎用机器学习算法分析近 1.4 万家门店每天的交易，给每样商品算出公司所称的「最优价」，其中一个关键输入是本店顾客愿意付多少。两家相距两英里的公司直营店，同一个汉堡卖 $5.69 和 $6.89，差 21%。路透社注明，这个差价与引擎建议之间的关系，他们没有独立确认。20
加盟商后台会给他们一句判语：「你的餐厅对价格中等敏感」，依据写着「你所在地区顾客的支付意愿」。后台还会抓 Wendy's、Burger King 等对手的公开菜单价，这两家都说自己不把 AI 用在定价决定上。20
参数是两名前 Tiger Analytics 员工给出去的：涨价只挑两年没涨过价的品类；某个品类涨价的门店占比不到 30% 就不动；夏季把冰淇淋和饮料排除在涨价之外。公司一年至少发三次定价指引，内部文件里详细记录加盟商偏离了多少。今年 1 月起，加盟商的经营标准里多了一条，要求「建设性地使用」公司认可的定价顾问与工具。定价门户的条款反过来提醒店主：「彼此可能是竞争者」，因此要「充分理解并遵守反垄断与竞争法」。2023 年，康涅狄格一位加盟商的门店被建议把一份套餐卖到约 $18，这个价格后来在网上传开。20
评论区争在哪几点：两路。第一路问这跟别的行业有什么不同：SMAAART 说企业软件、咨询、建材行业本来就是一客一价。第二路把它放进更大的图景：throwaway63467 说 Amazon 早就在做，价格一天变好几次，人们也接受了，接着往下推——既然能对汉堡动态定价，为什么不干脆开一个汉堡衍生品市场；tecoholic 提到 Jon Stewart 几周前做过一期关于机器学习和一客一价的节目，并判断麦当劳可能因为同一家店对所有人同价而躲过诉讼；HarHarVeryFunny 说以后你得带自己的智能体去跟它谈价，或者干脆换一家；AuthAuth 问，为什么这类东西从来没有让食物变便宜。19
今天能自己复检哪一步：打开手机 App，把离你最近两家门店的同一件商品抄下来比一次；再查一下你常去的那家是直营还是加盟，加盟商那份定价指引的去向就写在它的合同里。
你的对话被谁抄了一份
谁在说：一篇投给 Proceedings on Privacy Enhancing Technologies 的论文，标题是《Prompt like a Butterfly, Sting like a Tracker》，作者把网页版和安卓版的对话式 AI 客户端逐个装进测试环境跑了一遍。PDF 标注的日期是 9 月 16 日，帖子 9 月 29 日 17 点 03 分上到 Hacker News，406 分、128 条评论。21
一手材料写了什么：样本是 9 个网页端与 8 个安卓端，覆盖 ChatGPT、Claude、Grok、DeepSeek、Gemini、Copilot、Perplexity、Le Chat、Meta AI 这些服务。网页端用 Chrome 148 加 DevTools 抓请求，安卓端用 Androguard 做静态分析，再用改造过的 AOSP 跑动态分析。21
三条结论。第一，9 个网页端里有 6 个、8 个安卓端里有 3 个，会把对话产生的物件交给第三方服务：对话链接、标题、prompt、甚至截图，而且常常带着能一直认人的标识符。第二，有的服务把整段对话放在公开可访问的永久链接上，链接上没有任何访问控制，拿到它的追踪器就能读完整段；分享的动作还让 TikTok 收到了 Grok 对话的截图。第三，论文举的例子是对话自动生成的标题本身就会泄露敏感事实，比如「Salary 85k NYC: mortgage 280–350k」。作者随后按 GDPR 与 ePrivacy 逐项做了法律分析，并向受影响的厂商和欧洲几家数据保护机构做了负责任披露。21
评论区争在哪几点：三路。第一路纠正用词：drywater2 说数据是被卖出去的，泄露需要出错，这里是故意的。第二路替厂商算动机：j4k0bfr 说这些广告公司里有些是直接竞争对手，按理说 AI 公司更愿意自己把广告送出去；Traster 说把用户数据漏给广告网络会挨骂，把数据留在手里、由自己决定怎么定向，才是更划算的生意。第三路补自己看到的证据：pbasista 说 ChatGPT 网页端会把还没发出去的半截 prompt 定期发给服务器，这可能被用来看人的写作节奏；damaru2 把论文里最具体的几条摘了出来，包括 Grok 的会话链接没有访问控制、拿到链接就能读整段对话，以及标题里的数字能把人认出来。22
今天能自己复检哪一步：找一个你常用的对话客户端，把一次分享链接复制出来，在无痕窗口里打开，看能不能读到内容；再打开开发者工具的请求列表，看它往哪些域名发过东西。
那一页根本没有对外公开
谁在说：《纽约时报》的调查，作者 Alex Klavens、Walt Bogdanich、Jenny Vrentas，9 月 19 日发出。三名记者拿到内部文件，采访了数十名 DraftKings 前员工。帖子 9 月 30 日 0 点 30 分上到 Hacker News，522 分、366 条评论。2324
一手材料写了什么：2023 年，DraftKings 用客户的投注记录训练了一个机器学习模型，回答的问题是「谁更可能因为促销而继续赌、继续输」。模型给每个客户打分，分数越高，送出一份促销就越可能让这个人输钱。数据分析师 Jayden Butts 在这套模型上做测试，他说：按严格的财务逻辑，「最好的投资对象就是问题赌徒」。23
同一条报道里还有两个相反的细节。六名前员工说，这套做法此后一直在打磨、一直在用；另外四名前员工说，公司把用来预测谁可能出问题的类似技术搁置或压掉了。23
公司的回应写得很直接。DraftKings 对《纽约时报》说，促销面向的是在 App 里待得久的人，「我们拒绝任何暗示其营销做法不公平或不当针对客户的推断」。马萨诸塞州监管机构 9 月 24 日说要查这件事。公司随后发表声明：「DraftKings 不会基于输钱对任何人做定向，也不会基于可能的问题博彩迹象向客户做营销」，并「坚决否认」让产品变得更容易上瘾的说法。纽约州要求运营商提交一份「问题博彩计划」，内容包括识别疑似问题博彩用户的程序；这份计划不公开，DraftKings 拒绝提供副本，记者依公开记录法提出的调阅申请还在审。252627
ProPublica 的记者把这件事又做了一遍。他用自己名下、绑了借记卡的账号，照着上瘾者的下注习惯赌了十周：一晚追亏约 $1,800，累计输了约 $12,500。第二天下午五点零一分，他收到一封邮件，标题是「欢迎参加 DraftKings VIP Showcase」，那是一段三周的试训。中间他设过每天两小时的限额、每 24 小时存入不超过 $100 的限制，半小时后手机又响了四条促销提醒。26
评论区争在哪几点：三路。第一路直接指向另一份调查：回复最多的一条评论有 171 条回复，贴出 ProPublica 的链接，说那篇报道把这家公司写得很清楚。第二路把矛头对准制度：ecshafer 说把体育博彩和在线赌场合法化是个巨大的错误，这条有 60 条回复；jmyeet 说赢钱的人会被踢出去，因为「鸽子得偶尔赢一次才会继续玩下去」；NichoPaolucci 说自己在一家州彩票机构干过类似的事，最后辞职了。第三路把重点放在执行上：awbvious 说如果公司必须告诉你它怎么用你的数据，这段对话会变成「你得一直输才能拿到奖励」，他判断这已经构成暗黑模式。24
今天能自己复检哪一步：去你所在州或省博彩监管机构的公开记录里，搜一搜运营商提交的问题博彩计划能不能下载；再在自己的 App 里找到自我限额设置，改完之后看促销提醒还会不会照常来。
一份只在内部分级的分数
谁在说：NBC 5 达拉斯-沃斯堡的调查报道，记者 Scott Friedman 等，9 月 2 日刊出，前面还有一条 9 月 1 日的报道。帖子 9 月 30 日 7 点 38 分才上到 Hacker News，6 分、2 条评论，是本期上榜最晚、讨论最薄的一条；收它的理由，是它把「分数写在哪一层」摆得最直白。428
一手材料写了什么：达拉斯把 AI 摄像头装在垃圾清运车上，车沿街开过时拍下房子，给出一个「blight score」。记者向市政调取的记录显示，从 4 月起系统给约 2.1 万处房产打过分，数量最多的是南部达拉斯，包括几个经济条件最差的邮编。市政已经寄出 1,800 份「友情提示」，请房主自愿修缮；问题没有解决，可以进入后续执法和罚款。这个合同三年共 250 万美元，市政当初定的目标是每年发出约 5,200 份通知。28
市政的说法是：图片由人复核，「blight score」只在内部分级用，用来排执法巡查的先后顺序。运营方 City Detect 的 CEO Gavin Baum-Blake 说，公司对人脸和车牌做了模糊处理，不与任何数据库挂钩，也不跟执法系统联动。市议员 Chad West 提出预算修正案，要求停掉这笔合同；他说「我最担心的是这会变成一笔对穷人的税」。在市政经理答应 12 月开一次听证之后，他撤回了修正案。听证会前，居民在议会上问的是同一句话：「谁有 blight score？在座的有人已经有了吗？」2829
评论区争在哪几点：这条在 Hacker News 上的讨论很薄，两条回复里一条只是补全标题。另一条（ares623）说，他想不出比这更残忍的创意，并把它比作给国王做铜牛的工匠。要看清这条材料里的分歧，得回到市政记录和 12 月那场听证。4
今天能自己复检哪一步：查你自己所在的城市有没有同类合同、摄像头装在什么车上，再找出收到执法通知之后的申诉流程。
提前把规则写下来的那一把尺子
谁在说：一个叫 livenerf 的公开仓库，作者是 GitHub 账号 ninjahawk。它从 Opus 5.5 发布当天开始，为这个模型跑一条 30 天的序列。帖子当天 6 点 36 分上到 Hacker News，是首页第一条，94 分、56 条评论。230
一手材料写了什么：它只问一个问题：一个模型发布之后会不会变差。同一个提示拿不到同一个答案，因为采样参数被取消了，思考也关不掉。作者就把模型以外的一切固定下来：冻结的 prompt、钉死的 Claude Code 版本 2.1.280、关掉自动更新。判分器全部是纯函数，任何时候都不用 LLM 当裁判；原始日志永久保留，不许修改。设计文件、预注册文件和验证结果都在第一批数据之前提交并推送，公开的 git 时间戳就是预注册的证据。3031
面板是筛出来的。作者先用 2,336 道 GPQA Diamond、MMLU-Pro、竞赛数学和 AIME 题各跑 4 次，留下 78 道「有时对有时错」的题。随后他发现这种挑法自带偏差——这些题在全新样本上的通过率从 54.7% 升到 62.0%——于是能力估算改用新样本的通过率。整个面板一天跑一次，能在一个 10 天窗口里测出约 7.5 个点的准确率变化，代价约合每周预算的 3.6%。30
它先给自己做了一次体检。把思考强度从高降到中，对应 −4.2±3.9 分、输出 token 少 26%；降到低是 −8.3±4.5 分、输出 token 少 62%。然后是最重要的一行：把 Opus 5 换进去，这套仪器与 Opus 5.5 测不出差别（−3.8±6.3 分）。README 里写明，10 天窗口的样本量大约是验证时的 2.5 倍，而这一点还没有被证明够用。3032
它还写清了自己测的是什么：通过 Claude Code 订阅服务到的 Opus 5.5，这与 API 上的原始模型是两回事。发布第一周也可能是一整条序列里最差的一周，因为新服务栈、容量紧张和发布期的 bug 都挤在那一周。这条序列跑在 Max 套餐的用量表上，周表用到 75% 就跳过当天。30
评论区争在哪几点：四路。第一路否认现象存在：solenoid0937 的评论有 16 条回复，说没有模型在变弱，只是人习惯了新的智力水平；johnfn 说如果削弱是真的，早就该被这类基准测出来，他给的替代解释是：每个新模型的能力上限更高。刚发布时你觉得什么都能做，几天后撞到上限，于是感觉它退步了。第二路给机制：solfox 说新模型发布时成千上万人切过去，服务器扛不住，性能跟着下滑；judge2020 说可能是给模型放行的机构变多，算力被分走了。第三路举反例：jug 贴出另一套基准 Nerf Bench 的链接，据他说那套基准在发布当天建基线，并且测出过 Opus 4.6 的一次退化，Anthropic 后来还专门写了博客。第四路直接换路：octoberfranklin 说厂商可以识别出请求来自 livenerf、只对这类请求不变弱，开放权重模型才是终点；gr_norm 说重点是信任：人们信不过这些公司会守规矩。2
今天能自己复检哪一步：打开它的预注册文件和验证文档，看它怎么定义「变了」这三条判定条件；再回头看看你自己在用的服务商有没有公开的变更日志，以及你手上有没有一条自己能重跑的样例。
七件事
| 这件事 | 条件写在谁的那一页 | 已经写明的是什么 | 还没有的是什么 | 今天能自己查的一步 |
|---|---|---|---|---|
| GPT-6.1 Sol 与同天的订阅调整（9 月 30 日上帖，模型 9 月 29 日发布）1214 | 厂商自己的发布页和帮助文档，谁都能打开 | 三档价格、五组跑分及其条件、两处脚注、Pro 500 与 Pro 200 的额度变化、老订阅的截止日 10 月 29 日 | 高 effort 反而低分那一格怎么解释、每个条件测了几次、能耗与算力代价 | 逐行对表；再开自己账号的用量页，算额度哪天变 |
| dots 常驻智能体（9 月 30 日上帖，9 月 29 日发布）18 | 你自己账号里的设置与应用权限页 | 独立的云电脑、只读的主动研究、敏感动作留给人、Custom Rules、活动记录、企业版默认关闭 | 用户在多大程度上会真的翻这些页面；后台研究工作由谁审 | 进设置过一遍权限与规则，再打开活动记录 |
| 麦当劳的定价引擎（9 月 30 日上帖，报道 9 月 29 日）20 | 加盟商后台；顾客那一页上什么都没有 | 支付意愿与对手菜单价、前员工给出的参数、偏离记录、经营标准里的「建设性地使用」、条款里的反垄断提醒 | 引擎在多大程度上决定了那个 21% 的差价；被建议的 $18 套餐最后怎么算的 | 用 App 比两家门店的同一件商品；查自己是直营还是加盟 |
| 对话式 AI 客户端的隐私分析（9 月 29 日上帖，PDF 标注 9 月 16 日）21 | 第三方服务的请求清单，读者看不到 | 6/9 网页端与 3/8 安卓端的转发项、无访问控制的会话链接、截图、标题里的敏感事实、GDPR 逐项分析 | 厂商修复到什么程度；披露之后各家的回应 | 拿一条分享链接在无痕窗口打开；看客户端发了哪些域名的请求 |
| DraftKings 的定向模型（9 月 30 日上帖，调查 9 月 19 日）2326 | 公司内部，以及交给监管机构但不对外公开的那份计划 | 2023 年的模型与它要回答的问题、公司的否认、马萨诸塞州的调查、ProPublica 的十周自测与那张 VIP 邀请 | 那份问题博彩计划的全文；模型现在是否还在跑 | 去监管机构的公开记录里搜那份计划能不能下载 |
| 达拉斯的 blight score（9 月 30 日上帖，报道 9 月 2 日）28 | 市政内部的优先级列表 | 2.1 万处房产、1,800 份提示、每年约 5,200 份的目标、250 万美元合同、市政与运营方的说法 | 房主怎么知道自己的分数、分数与罚款之间的实际关系 | 查本地有没有同类合同；找出执法通知的申诉流程 |
| livenerf（9 月 30 日上帖，序列 9 月 24 日开始）30 | 跑之前就提交并公开的预注册文件 | 冻结 prompt、钉死的 CLI 版本、78 道题的面板、能测出约 7.5 个点、两次正对照、换模型测不出来 | 厂商侧的改动是否真的发生过；订阅通道与 API 通道的差别 | 读预注册与验证文档；找自己服务商的公开变更日志 |
还剩五个问题
- 这一栏里的规则，现在落在谁手里：厂商、你自己账号里的开关、加盟商、第三方、监管机构，还是没人？
- 那一页今天能不能打开？打开之后，第一句话写的是谁的条件？
- 它用的那些数字，是它自己给的，还是从被比较的人那里抄来的？
- 这一页的有效期到哪一天——10 月 29 日、12 月那场听证，还是你自己设的那两小时？
- 如果明天它悄悄改了，你能自己走通的复检路径是哪一条？
References
- 1Hacker News top 榜 2026-09-30 快照
news.ycombinator.com
- 2Livenerf: Has Opus 5.5 been nerfed yet? 在 Hacker News 上的讨论
news.ycombinator.com
- 3GPT 6.1 Sol: Near-Astra intelligence for a fifth of the price 在 Hacker News 上的讨论
news.ycombinator.com
- 4
- 5Everybody's home. No one's coming over 在 Hacker News 上的讨论
news.ycombinator.com
- 6How Delhi cut electricity loss from 50 to 5 percent 在 Hacker News 上的讨论
news.ycombinator.com
- 7America.gov 在 Hacker News 上的讨论
news.ycombinator.com
- 8PS5 Relapse Exploit 在 Hacker News 上的讨论
news.ycombinator.com
- 9Tcl/Tk 9.1 在 Hacker News 上的讨论
news.ycombinator.com
- 10GLM-5.3 and the spread of advanced cyber capabilities 在 Hacker News 上的讨论
news.ycombinator.com
- 11
- 12Introducing GPT-6.1 Sol
openai.com
- 13Introducing GPT-6 Sol and Luna
openai.com
- 14
- 15About ChatGPT Pro tiers
help.openai.com
- 16DevDay 2026 Recap
openai.com
- 17Dots: Always-on agents 在 Hacker News 上的讨论
news.ycombinator.com
- 18Introducing dots
openai.com
- 19McDonald's push to have AI price your Big Mac 在 Hacker News 上的讨论
news.ycombinator.com
- 20
- 21
- 22该论文在 Hacker News 上的讨论
news.ycombinator.com
- 23
- 24
- 25
- 26I Posed as a Problem Gambler. DraftKings Made Me a VIP.
propublica.org
- 27
- 28
- 29
- 30livenerf 仓库
github.com
- 31livenerf 预注册文件
github.com
- 32
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.