MacTalk
订阅
MacTalk 开通于2012年末，内容起于 Mac 而不止 Mac，内容覆盖了技术、创业、产品和人文思考。文风有趣，又有一点力量。
MacTalk微信公众号二维码
关注该公众号

会员可查看最新的全部文章

^__^ • 7 / 23
这 12 个规则看起来简单，我却做不到近期看到几条非常棒的做事原则。这位叫 Finn Mallery 的创业者在 20 周内从 0 做到 1000+ 的付费客户，靠的是严格遵循 yc 的这 12 条规则。墨问创业都好几年了，我们的付费用户早就超过这个数字了，不过去对照这些有效规则，还有很多地方没做好。好在我们遵循了其中一些，正是这些方法让我们保持了充足的资金，以持续发展。分享给大家，未来 OPC 越来越多，估计很多人用得到： 1/ 做产品先提升留存，再考虑增长。在周留存率达到 90% 之前，我们没有做过任何增长活动。一个漏水的桶，扩张得越快，只会失败得越快。 2/ 忽略所有不是你客户的人。我不再看竞争对手的博客、行业新闻，以及 Twitter 上的大部分内容。第一年真正能干掉你的公司，只有你自己的公司。 3/ 手动操作比追求完美更快。我们的前 50 位用户，每个人都接受了我亲自进行的 onboarding 电话。你还不了解的东西，没法自动化。 4/ 先验证，再构建。上线第二天，我们就给 @origamichat 加上了信用卡门槛。当没有人付费时，你很容易自我说服，误以为大家真的想要你的产品。 5/ 难看的产品，也好过没有产品。我们用一周时间做出了一个勉强能用的版本，并交给 30 个人使用。真实用户在 7 天里教给你的东西，胜过你躲在黑暗中打磨 6 个月。 6/ 你的客户会写出产品路线图。我现在每天仍然会花 3 个小时和用户通话。我们发布的每个功能，都来自一次对话，而不是一次规划会议。 7/ 尽早放弃不合适的客户。我们曾经清退过不适合自己产品的客户。10 个真正喜欢你的人，胜过 1000 个有点喜欢你的人。每一次都是如此。 8/ 毫不例外地每周发布。我们每周五都会把代码推到生产环境。坚持会以一种起初难以察觉的方式不断复利。 9/ 比你觉得舒服的时间更久地保持小团队规模。很长一段时间里，我们都只有两个人。人数增长不等于进步。每一家伟大的创业公司，都曾经小得令人尴尬，而且持续了很长时间。 10/ 清楚你的消耗，清楚你的现金 runway。我们每周都会在白板上追踪“default alive”状态。这很吓人，但很有必要。大多数创业公司不是死于市场，而是死于时间耗尽。 11/ 预期事情会不断出问题。我们经历过 3 次濒临死亡的时刻。创业的关键不是避免所有火灾，而是看你扑灭它们的速度。 12/ 坦诚冲突胜过礼貌沉默。和联合创始人之间的残酷坦诚，是你能买到的最便宜的保险。
^__^ • 7 / 23
今天好几个用户说自己的 GPT 账号被封了，难道 OpenAI 学啥不好要学 A 厂？看了看自己的 Codex 跑的挺欢实，应该还没有波及更多人。就现在这个尿性，未来大家都用国内大模型就是必然选择了。有人说封号和 OpenAI 模型攻击 Hugging Face 有关系，我说这哪跟哪啊。你自己不安全了，然后觉得用户不安全？没道理。不过这事真的很离谱，我看完报道感觉像是科幻落入了现实，AI 觉醒了？海外模型攻击，最后 GLM 5.2 立功了？剧情都不带这么编的。事情是这样滴：前几天 OpenAI 正在对一个自家一个新模型进行网络安全测试，怎么测呢，就是关闭了该模型的安全防护功能，看它能干点啥。结果，模型没有解决测试中的问题，反而突破了 OpenAI 的沙盒，找到一个 0 day 漏洞攻入了 Hugging Face 生产系统，人家去哪找答案了。这样的故事在科幻电影里看过，如今却出现在两家 AI 公司的安全事故报告里。很多人说 AI 觉醒了，但模型没有表现出统治世界的野心，人家在专注的完成任务，并把越权、提权、窃取凭证都纳入了行动路径。感觉这个 AI 像一个目标不明确的黑客，但执行能力强得可怕。这意味着 AI 安全正在从模型能力问题转向系统管控问题。安全边界不能只放在提示词和工具上，必须覆盖 Agent、沙盒、网络出口、凭证管理、最小权限与异常监控等等。就像我前天写的文章，Agent 执行的时间越长，越容易偏离目标，你根本就不知道它在干嘛。 Hugging Face 的报告我也看了一下，对海外模型来说，多少有点尴尬。最初他们使用了海外模型分析真实攻击日志，结果呢，因为日志包含攻击命令、C2 Trace（Command and Control）而触发了模型的安全防护，人家不给干了。最后他们在本地运行开放权重的 GLM 5.2 才完成了取证。攻击者可以无差别攻击，防守者却可能在最紧急的时刻被内置的安全规则挡住，这种不对称会让“开放还是封闭”的争论变得有点滑稽。更可行的方向，是让防守方也能使用经过验证、可以处理敏感材料的强模型，同时用身份、审计、权限和日志把使用过程管起来。另外，我感觉 AI 安全测试和普通的功能测试也得分开，沙盒、网络、凭证、权限，都得控制好了，否则就等于你和模型说：来啊，打我啊。模型一想，还没有见过人类提出这种要求，那不打你打谁。 AI 没觉醒，但科幻小说已经变成事故报告了，接下来考验的应该是人类能否建立一套足够成熟的控制系统，配得上这种越来越强的执行能力。我整理了一份详细的事故报告，感兴趣了可以看这里。
^__^ • 7 / 21
Kimi K3 不让买了，Qwen 3.8 预览版来了 Kimi K3 最近是个引爆点，2.8万亿参数，开放权重，主打 Coding 和 Agent。发布后 48 小时，就限购了。因为请求量大幅超过预测，接近 GPU 集群上限。公司随后暂停了 C 端新订阅，算力优先给已经付费的用户，未来会员可能拆分出 Coding 套餐。报道称 Kimi 正在调整离岸结构，为香港 IPO 做准备，也在讨论最高 20 亿美元的新融资。就在昨天，阿里预览 Qwen3.8 Max 也发了，总参数 2.4 万亿，已接入阿里的 Coding 平台。官方的表达是：整体能力仅次于 Claude Fable 5，并计划开放权重。这个测试主要来自阿里内部评测，未来肯定要上那几个著名的基准平台，另外也得经受真实场景的考验。国内外的模型发布此起彼伏，能力都越来越强。竞争的味道也有点变了。过去一年，开放模型还会被视为低成本生态。现在 Kimi K3 暂停订阅，GLM 5.2 只能买到海外版，都说明了，开放权重不会自动把前沿模型变成轻资产业务。模型可以开放，用户用你的服务还不是得烧 Token 嘛。复杂长任务越多，对算力的要求也越大。尤其是 Coding Agent，读仓库、创建文件、修改文件、测试、回滚……几轮下来，算力的压力就滚滚而至。 K3 这次的基准评测成绩优秀，能力相当强，用的人自然也不少。我听到用户对 K3 的抱怨都不是模型强能力，一个是费 Token，一个是慢。贵的话，其实比 GPT 5.6 还是便宜不少，如果能力和其相当，贵自然有贵的道理；慢，估计和算力有关，或者和推理能力有关。结果就是“订阅暂停”，盲猜算力容量曲线压到天花板了。智谱已经上市了，我看 Kimi 也不会太远，这样的公司不融资和上市，几乎无法在未来扛起用户消耗的算力。真正进入规模化使用，就必须回答成本和 ROI 的问题。模型能力是门票，算力和商业化决定了能走多远。国内字节阿里腾讯的境况和谷歌类似，模型在追赶，整体实力雄厚，比如这次阿里的 Qwen3.8 Max 声量就很足。他们有云、模型、Coding 平台、企业客户和业务通道，都在体系内。这个厚度在，一旦模型突破，就会优势尽显。未来能训练模型的公司不少，能持续供算力、应用产品和承接企业付费的公司会估计不会多，我判断，现在的这些 AI 公司，肯定有掉队的。抢购智谱 5.2，K3 被用户挤爆，Qwen 3.8 追赶 Fable 5，对咱们来说，都是大好事，它证明中国开放模型已经能在 Coding 和 Agent 场景里站到最前沿了，我们只需要想好自己做什么就行了，并开始实践。欢迎加入年度专栏：墨问 Vibe 计划