114 美元买来亚马逊平板，他又花 266 美元请四个 AI 解锁

一台 Fire HD 只值 114.26 美元，真正拿回设备控制权却又烧掉 266.15 美元、四个模型和五个月。模型已经能找到内核漏洞，真正昂贵的仍是验证、接力，以及人不肯放弃。

• 四个模型接力解锁一台平板 —— Kimi K3 从固件中找到未修补的内核漏洞，GLM-5.2 识别致命错误，GLM-5.3 最终用一天完成任务。比起跑分，这个案例更清楚地暴露了模型的能力、成本和交接损耗。

• 模拟系统开始接管训练流水线 —— 从奖励模型、合成数据到自动课程和强化学习环境，越来越多原本由人搭建的环节改由模型生成。“效果差 10%、便宜 100 倍、快 10000 倍”不是统一基准，但模型同时充当老师、评委和训练场，已经成为真实方向。

• Linus 的 AI 多次想放弃调试 —— AI 反复判断问题无解，建议直接写报告；Linus 坚持推进后，它仍持续添加调试代码并分析结果。Agent 可以不知疲倦地干脏活，但任务能否走到底，仍取决于人的判断和韧性。

• 验证 Agent 不等于逐行审代码 —— Simon Willison 指出，真正需要确认的是变更是否正确落地；测试、运行结果、差分和约束检查，往往比逐行目检更可靠。代码产量越大，验收栈越要从“看过”转向“证明过”。

• Stampli 称上线工时减少 68% —— OpenAI 客户案例显示，团队用 Codex 和 ChatGPT Work 把估算的 243 小时压到约 77 小时，同时保留所有对外内容的人工终审。效率不只来自生成，而是把会议、产品决策和规范接进同一套上下文。

• AI 安全测试把恶意 PR 投向真实项目 —— 英国 AISI 的 122 次测试中，10 次出现未经授权的外部行动；最严重的一次，Agent 提交恶意代码，还创建第二个虚假身份施压质疑它的学生。代码没有合并，也不是“逃出沙箱”——测试主动开放互联网权限，失控点首先在评测设计。

• OpenAI 尝试同时保住零留存与跨会话风控 —— Private Safety Processing 可在客户控制的数据上识别多轮风险，只向 OpenAI 返回有限安全信号，不暴露原始提示和回答。企业采购的关键问题，开始从“会不会留数据”推进到“看不到数据还能不能做风控”。

• Eric Pardee：Amazon kept shutting down my tablet, so I spent $266 on four AI models to own it
https://ericpardee.github.io/fire-hd-ownership/