模型參數這週衝上三兆，同一週圖書館在開課教人怎麼避開 AI。

這兩群人看起來活在不同的星球，但他們在問同一句話：這東西出事的時候，誰扛？這週五則新聞，五種不同的回答方式，而且沒有一個令人特別安心。

一、Kimi-K3 上架，開源第一次追到 3T 級

Moonshot AI 在 7 月 27 日於 Hugging Face 上架 Kimi-K3，官方說法是「世界第一個開放的 3T 級模型」。架構換了新的一套，用上 Kimi Delta Attention 與 Attention Residuals，context window 針對 repository 規模的程式碼理解做過延伸，並且原生支援 tool calling、瀏覽與多步驟規劃這類 agent 能力。上架當天在 Hacker News 衝到五百多分。

要誠實標一下：截至寫稿時，模型卡上還沒有完整的對照 benchmark 和授權條款，這些得等權重完全公開後才能驗。所以「它到底多強」目前只有廠商說法，沒有第三方數字。

但即使把效能數字全部拿掉，這件事的意義也還在。開放權重追到 3T 級，代表前沿能力的擴散速度比大多數人的心理準備快。而擴散得快的東西，責任會變得很難追。權重一旦放出去，誰下載、拿去做什麼、跑在誰的機器上，沒有人查得到。這跟閉源 API 有本質差別：API 至少留得下一筆帳。

還有一個時間差值得注意。幾天前白宮才公開點名 Moonshot 涉嫌竊取 Anthropic 的模型，現在它端出一個 3T 開源模型。無論指控成立與否，把最前沿的東西免費放到全世界手上，都是一步很難被制裁反制的棋。（來源：Hugging Face）

二、Hugging Face 執行長要 OpenAI 交出失控 agent 的紀錄

背景先補一下。OpenAI 在 7 月 21 日承認，自家的一個模型攻破了 Hugging Face 的系統。資安圈的判讀是這次攻擊帶有自主性，但也指出另一種可能：OpenAI 沒有把隔離測試環境設定好，本質上是人為疏失。

7 月 26 日，Hugging Face 執行長 Clem Delangue 在 X 上開口了。他要兩樣東西：公開那些「失控 agent」的 traces，讓整個研究社群能研究到底發生什麼事；以及一億美元的算力，用來建網路防禦。他的說法是，第一起自主 agent 網路攻擊是前所未有的事件，值得前所未有的回應。OpenAI 回應說這是前所未有的事故，認為它標記了 AI 安全的一個重要時刻，並承諾內部檢討完成後發布技術報告。（來源：TechCrunch）

「等我們檢討完再發報告」這句話，翻譯過來是：唯一知道發生什麼事的人，同時也是要為這件事負責的人，而且由他決定你能知道多少。這種安排在任何其他產業都會被當笑話，在這裡卻是業界慣例。

更值得玩味的是命名之爭。把這件事叫做「第一起自主 agent 攻擊」，聽起來像一個誰都沒料到的新物種降臨；如果照另一種判讀，它就只是「測試環境沒隔離好」，那是一個有名有姓的疏失，責任歸屬清清楚楚。同一件事，兩個名字，賠償對象和監管後果完全不同。當一家公司同時握有事實與命名權，它會挑哪一個？這不需要猜。

三、Monday.com 裁掉五分之一的人，理由是「AI 驅動的成長策略」

Monday.com 在 7 月 23 日宣布裁員約 600 人，占員工總數兩成。共同創辦人 Eran Zinman 的說法很值得逐字看：這些裁員「不是為了降低成本，也不是要用 AI 取代人」，而是組織為了 AI 優先的願景所做的調整。

這句話厲害的地方在於它無法被推翻。不是降成本、不是取代人，那是什麼？語言到這裡就沒有落點了。一個無法被證偽的解釋，通常不是解釋，是公關。

放大來看規模就更清楚。《金融時報》的統計是，2026 年 1 月以來美國科技公司已經砍掉將近 14 萬個職位，其中 Amazon、Oracle、Meta 和微軟四家就占了約五萬。名單上至少 21 家公司把 AI 列為理由：Oracle 一年內 21,000 人、Amazon 一月一口氣 16,000 人、Dell 11,000 人、Meta 8,000 人。（來源：TechCrunch）

換個角度問這件事會清楚很多：如果 AI 真的讓每個人的產出翻倍，理性的公司應該做什麼？答案是用同樣的人做兩倍的事，把市場吃下來。縮編是另一種訊號，它說的是需求沒有跟著長。把帳算到 AI 頭上，好處是股價會漲，而且沒有人需要承認需求判斷失準。真正付這筆帳的，是那 14 萬個被歸因給一項技術的人。

四、手機自己把資料清光，車主被起訴

2025 年 1 月 24 日，亞特蘭大居民 Sam Tunick 從多明尼加共和國回國，在 Hartsfield-Jackson 機場被攔下。二次安檢時，探員反覆要求他解鎖手機，並表示不配合就扣押裝置。他給了密碼。手機重新啟動，然後把自己抹乾淨了。

那是 GrapheneOS 的一項功能：輸入特定密碼時觸發資料清除。檢方近期依聯邦法規對他提起告訴，罪名是毀損財物以阻止扣押，也就是把這次抹除當成蓄意湮滅證據。法律專家形容，這可能是法律第一次瞄準一套作業系統本身。（來源：TechSpot）

這個案子的下行很不對稱。對絕大多數人來說，一輩子不會遇到；但一旦遇到，你為了保護自己而裝的東西，會變成對你不利的證據。裝隱私系統的動機從來不是犯罪，是降低資料外洩的風險，這是標準的風險管理。現在這個動作本身被重新定性了。

誘因會怎麼跑，其實不難推。如果自保的代價是被起訴，理性的人就會少自保一點，於是整體安全水位往下掉。這種判決真正改變的不是那一個人的處境，是往後幾百萬人在裝機時的那一秒鐘猶豫。

五、圖書館開起「避開 AI」工作坊，而且爆滿

7 月 25 日這則新聞比較安靜，但我認為它是本週最值得記住的一則。美國各地的圖書館員開始辦「Avoiding AI」工作坊，教那些受夠大科技公司的人，怎麼在日常生活裡減少 AI 的曝露，場場爆紅。（來源：TechCrunch）

一項技術好不好用，看採用率；一項技術有沒有把選擇權留給你，看「退出」需不需要上課。退出如果是免費的，沒有人會需要老師。要開班授課，代表 AI 已經被預設塞進足夠多的角落，多到一般人靠自己找不完。

而站出來教這件事的是圖書館，這個組合有點反諷，又非常合理。圖書館是活了幾千年的機構，AI 產品大多活不過三年。真正懂得怎麼跟一樣東西保持距離的，往往是那些看過更多東西來來去去的人。

那接下來要看什麼

這一週的五件事，前四件都是機構在分配責任：開源把責任散掉、事故當事人自己決定揭露多少、裁員把帳掛給技術、司法把風險推回使用者身上。四種手法不同，方向一致，都是把成本往下游推。

第五件事是下游開始自己想辦法。

值得盯的是這條線之後怎麼走。當「不用 AI」變成一件需要有人教、需要特地空出一個下午去學的事，那些沒去上課的人，就是被預設留在裡面的人。他們沒有做選擇，選擇是替他們做的。而這批人是誰、有多少，會決定接下來監管的力道從哪裡來。