20260918 影片筆記

2026年9月，25位菲爾茲獎得主（含陶哲軒）聯合抗議AI公司將數學難題作為商業競賽燃料，警告AI「快速生產」可能毀掉孕育新思想的土壤，並呼籲建立區分發現、證明與解釋的新規則，以確保數學知識的可理解性、公平獲取與傳承。

影片測試了由 TagC 提出的「System-1」模型 Jeff（或稱 Jev/JF），該模型主打極速判斷、低成本及結構化輸出。通過客服路由、否定處理、提示注入防禦等場景驗證其能力，並結合 Browser Use 與 Mercury 2.5 模型，展示了在約 7 秒內以極低成本完成航班查詢的「Jeff Ultrafast」專案。

影片介紹了 Anthropic 提出的實驗性功能「Agent Teams」，並展示了如何在第三方工具 cc-haha 中實現其可視化與應用。該功能允許 5 個 AI Agent 自我分工、溝通與協作（如前後端開發、測試、Review），由「隊長」統籌與「成員」執行，雖耗費大量 Token 但緩存率高，適合複雜開發任務。

Anthropic 近期為 Claude Code 推出七項重大更新（含自動模式預設化、內建瀏覽器、Session 溝通等），講者認為這些更新明顯針對競爭對手 Codex 進行補強，並分享了自己 70% 使用 Codex、30% 使用 Claude Code 的混合工作流，主張應根據任務需求靈活搭配工具，而非拘泥於單一平台信仰。

影片解析 iOS 27 與 macOS 27 Golden Gate 代碼，指出蘋果預留了外部大模型接入 Siri 的「深層通道」但尚未開放鑰匙；儘管彭博社曾報導蘋果擬支付谷歌 10 億美元使用定制版 Gemini，但代碼中完全未出現「Gemini」字樣。同時，X 與 SpaceX AI 在訴訟關鍵時刻撤訴蘋果，反映蘋果透過保留「空位置」來維持產品進度、隱私...

TypeSafe AI 推出的模型 Jeff 透過剝離語言生成能力，直接輸出結構化決策與信心指數，宣稱在特定任務上比傳統 LLM 快 200 倍且成本趨近於零，引發業界關於其是否僅為「高級分類器」的爭議，並引發對未來 Agent 架構中「System-1 快速判斷」與「System-2 複雜推理」分工的討論。

2025 至 2026 年間，由於記憶體製造商將產能轉向利潤更高的 AI 專用 HBM 晶片，導致消費電子產品所需的 NAND 與 DRAM 產能減少，進而引發 MacBook、Xbox 及專業攝影器材等價格大幅上漲；儘管面臨供應鏈瓶頸與反壟斷訴訟，但記憶體產業的週期性特性預示未來價格可能因過剩而崩跌。

購買本地 AI 電腦時，VRAM（顯存容量）比運算速度更重要，建議以 NVIDIA 顯卡搭配 24GB 起跳 VRAM 為核心，並配備 64GB 系統記憶體與大容量 SSD，以確保新模型與工具的最佳相容性與使用體驗。

影片解析美聯儲（Fed）的利率機制與決策流程，並透過2026年新任主席凱文·沃什（Kevin Warsh）的案例，探討其在政治壓力、理念衝突與市場預期管理下的加息邏輯，指出加息對不同地區民眾錢包的影響及解讀政策信號的關鍵指標。

影片解析 9 月 16 日美联储加息 25 個基點後的市場細節，指出加息風險已定價，核心關注點轉向「十年期國債收益率突破 5%」對科技股估值的壓制，以及「中期選舉」帶來的波動窗口；建議投資者保持核心倉位、保留現金備用，警惕 11-12 月的選舉前回撤，但無需清倉。

美國國債並非單純的借款，而是基於美元霸權與流動性需求的全球金融結構；其終局並非劇烈違約，而是透過溫和通膨與利息擠壓，由持有美元者、債主與納稅人共同分擔成本的「緩慢消耗戰」，觀察重點應從總額轉向拍賣需求、利率差額與利息佔收入比例。

影片剖析日本在 2026 年呈現的「企業繁榮」與「百姓節衣縮食」並存的矛盾現象，指出企業利潤創新高但家庭消費萎縮，核心原因在於稅收社保、匯率折算及海外投資利潤回流等三條傳導鏈條的斷裂，導致財富無法有效傳導至普通民眾，日本正進行一場「單靠企業部門運轉」的經濟實驗。

美國財政部長貝森特轉而施壓日本央行快速升息以支撐日圓、間接救美債，同時美國公債面臨買家減少與AI巨頭公司債競爭；市場預期Fed將連續升息，美股上漲背後的邏輯被視為基於「國家不會倒」信念的龐氏騙局式投機，整體經濟結構極度不穩定且風險極高。

影片探討美國公債殖利率突破 5% 後，聯準會（Fed）預期連續升息的市場反應，以及日本央行面臨的升息壓力；同時深入剖析川普及其家族在任內及卸任前的股票交易爭議，質疑其利用職位影響股價與利益輸送，並指出美國政治文化中對「利益迴避」的寬鬆態度與媒體報導的缺失。

聯準會於2026年9月16日全票升息一碼，打破華爾街預期並展現央行獨立性；此舉引發全球套利交易逆轉，導致資金從中國流向美國，同時美國透過金融制裁孤立伊朗並對中俄能源購買國施壓，為即將舉行的川習會鋪路。

影片剖析全球高達 353 萬億美元的債務危機，透過日本、美國與阿根廷、委內瑞拉的對比，解釋「本幣債務」與「外幣債務」的差異，並介紹新加坡與挪威的主權財富基金模式，最後由專家建議普通人透過投資優質企業 ETF、黃金、比特幣及實物資產來對抗通膨與債務風險。

NextSub 5.0 版本更新重點在於確立其為長期維護的穩定主力版本，並強化與 Adobe Premiere 2022-2026 版本的整合，新增「字幕智能轉換」與「字幕智能分段」功能，以提升字幕處理效率與準確性。

Google 發布 Gemini 3.8 Live 與 Extended Thinking，透過協議層面的 turn complete 訊號意義轉變，將即時語音助手從單純的「問答回合制」轉變為具備「持續狀態」與「後台並行工作」能力的執行系統，但企業級多步驟任務的成功率仍面臨巨大挑戰。

影片解析美聯儲於2026年9月16日全票通過加息25個基點至3.75%-4%的決策，指出這是時隔3年2個月的首次加息，打破了市場降息預期。此舉被川普批評為「針對我」，背後原因是美債收益率失控、通脹死灰復燃以及AI發債競爭，美聯儲面臨「雙峰型週期」的罕見挑戰，需在通脹與赤字之間取得平衡。

聯準會（Fed）違背市場預期升息 25 個基點至 3.75%-4%，講者分析此舉基於經濟評估而非市場驅動，並深入探討美國 40 兆國債的利息危機、地緣政治對美債信任的影響，以及藝人 Dao Leng 結合 AI 與真實場景進行文化輸出的商業模式。

日本為挽救貶值日元進行創紀錄外匯干預並面臨升息壓力，導致美日利差縮小，引發高達 360 兆日元的「套利交易」資金可能大撤退；同時美國財政部長貝森特（Bessent）透過「我是莊家」言論施壓日本升息而非拋售美債，日本內部在「升息導致國內經濟崩潰」與「拋售美債引發美國反擊」之間陷入兩難，全球金融市場面臨震盪風險。

影片介紹並實測了開源專案 apple-sandbox，該專案利用 Apple 開源的 container 工具與 Virtualization.framework，在本地 Mac 電腦上為 OpenAI Agents API 的 self_hosted 模式啟動獨立的輕量級 Linux 虛擬機，實現了無需雲端帳號、公网地址或 Docker 的本地隔離執行環境...

講者演示如何結合 Obsidian 與 AI Agent（如 Codex/Cloud Code），將傳統的「卡帕西（Kapasai）」知識庫升級為具備「自生長」能力的「萌芽知識庫」。透過七層結構設計與自動化 Agent 任務，實現從資料攝取、自動整理連結到定期審查的閉環，強調 AI 負責整理連接，人類負責思考與輸出，打造個人化的第二大腦。

本影片演示了如何利用 DeepSeek Harness（搭配 V4.1 Flash 模型）與 March Skills 等工具，從撰寫需求文檔（PRD）、生成 UI 原型，到自動生成前後端代碼、進行單元測試與驗收，完整呈現從 0 到 1 開發小程序的自動化流程。

DeepSeek V4.1 Flash 透過引入 CED（因果編碼器-解碼器）架構，在讀入階段僅計算前 20 層，後 20 層直接投影生成 KV 緩存，將計算量減半；同時結合「有界回放」機制與三層存儲架構，將滑動窗口 KV 從硬碟移至短暫記憶體池，使持久化緩存成本降至原來的 1%，在維持性能的前提下大幅降低算力與存儲開銷。

講者「阿珍」演示如何透過安裝桌面版 Codex 並搭配第三方 API 服務（Leader AI）與插件（CC Switch），利用 Computer Use 或 MCP 兩種模式，以低成本、高效率的方式操作 SketchUp、Blender、Photoshop 等任意電腦軟體，實現建築建模、繪圖與參數化設計等自動化工作。

影片介紹由 TypeSafe AI 開發的新型 AI 模型 Jeff（筆記中亦出現 Jeff、Jev 等稱呼），該模型專為「無人值守自動化」與「路由決策」設計，具備極高速度（0.1秒回應）與極低成本，提供 Choice、Score、No/True 三種功能，並在遊戲自動化、瀏覽器操作、數據分類等場景展現優勢。

本影片實測並比較了 Claude 與 ChatGPT 的外掛程式（Connector/App）功能，涵蓋機票、住宿、景點、電商、運動、有聲書及塔羅占卜等場景。結論指出 Claude 在運動數據與有聲書選擇較多，ChatGPT 在地旅遊與電商整合較佳；同時強調多平台比價差異大、外掛過多會佔用上下文空間導致 AI 變笨，以及需注意授權隱私與地區方案限制。

講者「小船」詳細演示 OpenAI GPT 的多項新功能（含語音、排程、自動化技能、3D 生成等），強調 AI 帶來的是「工具平權」，呼籲用戶將自身專業經驗轉化為可銷售的「Skill」或虛擬資產，打造一人公司以最大化 AI 時代的個人價值。

影片介紹 OpenAI 發布 GPT 5.6 後，ChatGPT 桌面版結合 Work 與 Codex 功能的實戰應用，建議用戶透過設定自定義指令、安裝插件及利用定時任務，將 AI 打造為具備跨應用操作能力的「幕僚長」，實現自動化工作流與網頁生成。

本影片介紹如何將重複性的標準作業流程（SOP）打包為 Codex Skills，透過建立 SKILL.md 檔案與「漸進式揭露」機制，讓 AI 自動識別並執行特定任務，解決新手需不斷複製貼上提示詞的低效率問題，並提醒存放位置與編碼等新手常見地雷。

本影片由講者孫重重（或森成冲）演示如何使用 OpenAI 發布的 Codex 工具，從零開始構思、開發並測試一款名為「素材批量命名助手」的 macOS 桌面應用。內容涵蓋 Codex 的核心定義、介面操作、權限管理、模型選擇，並實戰展示了如何透過自然語言協作、使用 Superpowers 技能與隔離工作區（Worktrees），在約 2 小時內完成從需求定義...

DeepTutor 是一個開源的「終身個人化輔導工作區」，透過整合 LlamaIndex、GraphRAG 等檢索技術與 L1/L2/L3 三層記憶系統，將學習任務、知識庫與記憶系統封存在同一個 Agent Loop 中，旨在解決傳統 AI 家教「答得快但記不住」的問題，讓學習軌跡可追溯，而非僅是即時問答的聊天機器人。

影片介紹了一款名為「Jer」（或稱 J5）的專用決策型模型，該模型無法對話、寫代碼或識別圖片，專門用於快速、低成本地進行 Yes/No 判斷、選項評分及狀態評估，可作為工作流中的路由節點以節省通用大模型的 Token 消耗。

介紹由前 OpenAI 研究員開發的 Jerby（亦稱 Jav/Jeff/JAB），這是一款專注於結構化決策的 System 1 Model。透過 Constraint Decoding（約束解碼） 技術，Jerby 能確保輸出格式 100% 符合預定義 Schema，解決 LLM 常見的格式不穩定問題，同時具備比傳統 Transformer 快 20-20...

影片介紹 OpenAI 發布 GPT 5.6 後，ChatGPT 桌面版結合 Work 與 Codex 功能的實戰應用，建議用戶透過設定自定義指令、安裝插件及利用定時任務，將 AI 打造為具備跨應用操作能力的「幕僚長」，實現自動化工作流與網頁生成。

影片介紹了一款名為 Chenryn 3.827B GSK+RCO 的輕量化多模態大語言模型，演示了如何在低配置電腦上通過 Lama.cpp 進行本地部署，並接入 Hermes Engine 進行文字對話與圖片識別測試。

阿里巴巴釋出的 17GB 開源模型「Qwen 3.8 27B」雖具備離線執行、精準物體定位及寫程式能力，但預設開啟「極致思考模式」導致簡單任務處理過慢；建議用戶將思考強度調低，即可在一般高階筆電上獲得快速且品質不錯的私人助理體驗。

影片詳細分析了將 Qwen 27B 模型壓縮至 11.8GB 並在 12GB 顯存硬體上運行的技術細節，指出雖然透過 GSQ 量化技術實現了壓縮，但視覺投影器（MM Proj）未壓縮導致記憶體極度緊繃，且存在長上下文 Bug、軟體相容性問題及黑盒量化帶來的穩定性風險。

本影片介紹了由 Type-Safe AI 開發的新型模型 Jeff（筆記中亦稱 Jev/Jeff/JF），該模型專為「無人值守的自動化」設計，具備極高速度（0.1秒回應）與極低成本，核心功能包含 Choice（選擇）、Score（打分）與 No/Router（路由判斷），並透過遊戲自動化、瀏覽器操作、代碼測試等多個案例展示其實戰應用。

講者分享了在 LocalBrain 平台部署 Qwen3.8 Flash Next 模型的過程，該模型雖速度極快（約為 Qwen3.8 27B 的 2-3 倍），但因每次僅激活 6B 參數導致執行穩定性問題；經過兩週軟件修改與五項測試（涵蓋遊戲模擬與視覺效果），目前功能已接近 Cursor 或 Codex 的思考模式，並支持文字、分段拼接及無限長度視頻處理，...

講者實測在單張 RTX 4090 (24GB) 顯存上，使用針對千問 3.8 27B 與 NVIDIA 硬體極端優化的 NInfer 框架，成功在 256K 長上下文下實現約 100-130 tokens/s 的生成速度，相比原有使用的 llama.cpp 提升約 1.5 倍，並解決了顯存溢出與穩定性問題，但代價是較高的冷啟動延遲。

影片針對 MacBook Pro M5 Pro (64GB) 進行五維度本地 AI 能力實測，涵蓋 LLM 文字處理、TTS 語音合成、圖片生成、視頻生成及視覺理解，結論認為該硬體在小參數模型部署上具備速度與噪音控制優勢，但在複雜場景理解與一致性上仍有邊界。