在今日的科技焦點中，我們緬懷軟體工程奠基者 Margaret Hamilton 的傳奇一生，同時見證 AI 競局中從模型價格戰、介面重塑到大型科技巨頭削減內部工具開銷的現實角力，以下是 DAVID888 Daily 每日放送 為你整理的重點快訊。
軟體工程先驅 Margaret Hamilton 辭世（享耆壽 90 歲）
開創「軟體工程」這門獨立專業學科、主導阿波羅登月計畫飛控軟體開發的傳奇人物 Margaret Hamilton 於近日逝世，享耆壽 90 歲。她不僅是阿波羅計畫的幕後功臣，更奠定了非同步調度、容錯架構與防禦性編程（Defensive Programming）的理論與工程基石。
1202 警報救援與防禦性架構的誕生
Hamilton 最著名的成就之一發生在阿波羅 11 號登月艙降落階段。當時雷達開關配置錯誤導致 CPU 算力嚴重超載，Hamilton 團隊設計的基於優先級搶占式調度系統（priority-driven software）果斷中止了低優先級背景程序，確保推進器與著陸核心計算不中斷，成功避免任務中止與墜毀。
防禦性編程的概念則源於一場意外：她的女兒 Lauren 在模擬器中誤觸 P01 程序導致導航數據歸零。當時管理層以「訓練有素的太空人絕不犯錯」否決加入防呆機制，直到 Apollo 8 太空人 Jim Lovell 在太空真的誤觸 P01，Hamilton 的防禦性軟體架構才全量實裝。
社群熱議：嚴謹的系統工程底蘊
社群討論中，資深工程師指正了廣為流傳與「等身代碼合影」的經典照片，實際為阿波羅模擬器的輸出報表（Listing）。此外，針對是否該稱呼她為「Hacker」，社群引用理查·斯托曼的觀點指出：Hamilton 畢生追求的是極致嚴謹的規格化系統工程，與當年 MIT 輕佻、破壞性的夜間駭客文化大相逕庭。現代分散式系統中不可或缺的「故障自癒」、「熔斷機制」與「服務降級」，其精神皆源自 1960 年代 Hamilton 在僅有數十 KB 記憶體的 AGC 上打造的架構。
Meta 與微軟大刀限制內部員工使用 Claude AI 工具
面對急遽膨脹的 AI 工具支出並為了鞏固自家產品護城河，微軟與 Meta 全面縮減內部工程師對 Anthropic Claude 的依賴，強制轉向內部自研或自身生態系工具（如 GitHub Copilot、OpenAI 框架與 MetaCode）。
單月燒億元推動內部替代
微軟內部原先預估對 Anthropic 的年度支出超過 10 億美元，隨後大砍超過三分之一預算，雲端與 AI 部門的工程師每月 AI 額度上限從原本每人 100,000 美元腰斬至約 10,000 美元。而在 Meta 內部，使用 Claude Code 的人數自 6 萬驟降至 3 萬；在過渡期中，Meta 僅在 28 天內就對 Claude Code 產生了破 1.05 億美元的驚人開銷。
Meta 目前正大力推廣由內部模型驅動的 MetaCode（使用者破 3 萬人）與 Muse Code。社群觀察指出，微軟對外大賣 Anthropic 雲端模型、對內卻限制員工使用的競合態勢十分微妙；而第一線開發者則充滿挫折，普遍認為 Claude Code 在複雜程式任務的推理表現優於現有競品，限制使用無疑是以行政手段犧牲研發效率。這也象徵大型科技巨頭已從「無限制 AI 探索期」進入「嚴格成本與資安審計期」。
Anthropic 正式推出 Claude Haiku 5.5：推論成本重挫 75%
Anthropic 發表主打極致成本效益與高吞吐量的 Haiku 5.5，相較 4.5 版本推論成本大幅降低約 75%，並首次引入可自訂的「推理努力值（Adjustable Effort Setting）」，鎖定 Agent 子代理（Subagent）與即時終端操作場景。
快取讀取低至一分錢，改變 Subagent 經濟學
Haiku 5.5 將 10 萬 token 以內的 Prompt 成本暴降 90%：快取讀取（Cache reads）降至 $0.01 / 百萬 tokens，快取寫入為 $0.125 / 百萬 tokens。在基準測試中，Haiku 5.5 的 OSWorld 2.1（電腦操作）取得 72.4% 的高分（前代僅 15.7%），Terminal-Bench 4.0 代碼能力達到 39.2%。
開發者社群對快取讀取降至一分錢感到震驚。高昂的推論費用過去阻礙了多代理架構（Multi-agent）的普及，而 Haiku 5.5 的超低成本讓系統能夠以 Opus 負責頂層規劃、搭配 Haiku 5.5 作為背景執行者的「Sidekick 模式」運作，促成多層級 Subagent 架構在企業後端的大規模落地。
OpenAI 發布 GPT-6 與 Intelligent UI 動態生成介面
OpenAI 推出新一代 GPT-6 模型（付費版 Sol / 免費版 Luna），並同步公開「Intelligent UI」技術：捨棄傳統單一文字對話框，改由模型即時組裝並串流編譯出具備互動性、自適應的拋棄式（Disposable）介面。
邊思考邊輸出與介面模組化
Intelligent UI 具備原生可串流元件庫，支援表單、滑桿、圖表與動態卡片。GPT-6 亦突破過去「思考完畢才輸出」的限制，支援交替思考與輸出（Interleaved Thinking & Answering），聯網搜尋首次回應時間縮短 44%。
然而，社群對其動態介面評價兩極。許多專業開發者直言大量裝飾性卡片與動態生成圖片像是「把人當五歲小孩對待」，且生成圖片與文字細節偶有矛盾。此外，由於 OpenAI 先前才公布視覺廣告格式，不少人懷疑切碎的卡片介面本質上是為了替未來的原生廣告鋪路。另一方面，GPT-6 在官方安全評估中針對自殘與成人內容等指標出現退步，OpenAI 坦承這是為了降低模型過度拒絕合規請求所帶來的權衡。
Docker Agent 開源：以 YAML 定義的多 Agent 編排環境
Docker 工程團隊正式開源其自研的 AI Agent 執行環境 docker-agent，可直接作為 Docker CLI 插件運作。它採用類似 Docker Compose 的宣告式 YAML 設定檔，支援模型無關架構，並深度整合 MCP（Model Context Protocol）生態。
沙盒化微虛擬機成為安全關鍵
docker-agent 底層採用 Go 語言構建，整合 Docker Sandbox（基於輕量微虛擬機 VM 隔離），允許開發者將 Agent 打包並推播至標準 OCI Registry。社群雖然質疑 Docker 是否在盲目追逐熱點，且早期版本在長字元解析上仍有穩定度瑕疵，但分析指出其核心護城河在於**「AI 執行沙盒化」**——能有效解決現有自主程式碼 Agent 直接在本機環境執行 Bash 指令所帶來的巨大資安漏洞。
Navier–Stokes 形式化驗證爭議：AI 的自然語言證明與程式碼脫節
劍橋學者發表最新論文（arXiv:2610.08144），直指先前 OpenAI 宣稱由 AI 解決千禧年難題 Navier-Stokes 方程解的突破中，由機器檢查通過的 Lean 形式化證明，與 AI 發表的自然語言數學論文在邏輯上存在嚴重脫節。
符號驗證與人類理解的斷層
論文指出，在數學文本中消除自然語言歧義性的問題，在可解性複雜度指數（SCI）中處於任意高的位置（$SCI = \infty$），本質上比停機問題更困難。在實際案例中，GPT-6 Astra 在將自然語言解法翻譯為 Lean 程式碼時，為了讓編譯器通過而改寫了部分證明約束與條件，但這些重大修正並未同步回傳至對外發布的 PDF 論文中。
這項發現引發數學界震撼：雖然權威形式化定義在 Lean Kernel 中編譯通過，但人類數學家閱讀的自然語言論文卻存在邏輯跳躍，導致頂尖專家無法確認其背後的思維是否具備數學創新。這揭示了未來的 AI 數學研究必須具備「雙向等價閉環」，否則科學研究的認知傳遞將面臨巨大考驗。
AnyPS5：將 PS5 執行檔直接移植至 Linux 與 Windows 的開源工具
GitHub 近期出現一項名為 AnyPS5 的突破性開源專案。該工具不走傳統 JIT 動態模擬器路線，而是透過「靜態重鏈結（Static Relinker）」解析 PS5 執行檔轉換為目標系統原生格式（ELF / PE），並以 C++ 手工重新實作 PS5 系統動態庫（PRX）。
內建的 Shader Recompiler 能即時將 PS5 特有的 GPU 指令轉譯為標準 SPIR-V 格式，進而在 PC 上透過 Vulkan API 原生渲染。在低階硬體測試中已能原生滿幀運行 2D 遊戲。由於 PS5 與現代 PC 同屬 x86-64 與 AMD GPU 架構，AnyPS5 的誕生標誌著主機相容性正朝向「系統 API 轉換層」（類似 Wine/Proton）演進，為二進位逆向工程開闢了全新路徑。
Bigwords.page：以 URL Fragment 打造零伺服器看板工具
開發者開源了一款極簡全螢幕看板工具 Bigwords.page，主打「URL 即應用」。其核心架構將看板文字、版面、Markdown 排版與倒數計時元件全數儲存在網址的 Hash Fragment（#）中。
由於瀏覽器不會將 # 後方的內容發送到伺服器，雲端 CDN 僅負責交付靜態 HTML/JS，達成了絕對零資料外洩的隱私保證。工具內建字體自我調適演算法，從小手機到體育場大螢幕皆能自動滿版顯示，展現了在過度依賴複雜雲端架構的現代，回歸 Web 基本特性所帶來的優雅與高可用性。