【日本大選】日本新的中間派反對黨 也許只是平庸之選 選舉活動氣氛升溫，近日，日本公明黨宣布將與日本最大反對黨立憲民主黨合併為「中道改革聯合」，以抗衡首相高市早苗制定提前舉行大選的計劃。但這聯盟想向選民證明自己並非新瓶裝舊酒，還要擺脫黨內成員政治聲譽等爭議。

【外匯市場】人民幣中間價一年來首次升破7.07 聯儲局減息後中國釋放容忍升值訊號 聯儲局12月減息和隔夜美元大幅回落激勵人民幣走強，人民幣中間價自去年10月來首次升破7.07元關口，也釋放出監管可能容忍更多匯率升值的訊號。週四人民幣調強幅度0.09％亦創9月底以來最大。

《直播精華，正片陸續上架敬請期待》🤤晚餐時刻你吃了嗎🤤吃著一根還不夠是嗎真騷，這麼多肉棒你吃的還不夠嗎💦中間還有小點心吃，公雞多貼心哈哈

這絕對是個大工程。能把這種跨越幾百萬年的宏大敘事撐滿兩個小時，沒點耐性真做不出來。 這類影片看下來，最讓人震撼的通常不是資訊量，而是那種「視覺上的跨越感」。你想想，畫面從幾百萬年前在樹上晃蕩的古猿，鏡頭一轉，變成在草原上直立行走、眼神開始有了神采的原始人。接著是火光的亮起、石器的打磨，再到後來古埃及、美索不達米亞的黃沙與神廟，最後一路飆到現代的霓虹燈和未來的星際探索。這中間的視覺張力，光是用腦袋想像就夠起雞皮疙瘩了。 不過，要用 Seedance 2.0 熬出這兩個小時，背後的工作量其實挺考驗人的。 多模態的優勢與代價 Seedance 2.0 厲害的地方在於它那種 「多模態控制」，你可以餵給它圖片、分鏡，甚至塞一段現成的視頻去讓它學習運鏡。做這種歷史迭代的影片，最怕的就是前後畫風崩掉，前一秒還是寫實史詩風，後一秒突然變成廉價 3D 動畫。作者大概用了大量的角色與場景參考圖，去死磕那種歷史的厚重感和前後的一致性。 而且它自帶音效同步，原始人打砸石器的撞擊聲、遠古暴風雨的咆哮，這種環境音要是合得好，史詩感立刻翻倍。 兩個小時是怎麼拼出來的？ 雖然這模型比以前進步很多，但它單次輸出的片長畢竟有限，也就十幾秒。這意味著，兩個小時的成片是由成百上千個鏡頭硬生生拼接出來的。 • 工作流的考驗： 作者得先把劇本和時間線拉好，古猿、南方古猿、直立人、智人、農業革命、工業革命……每一階段都要瘋狂生成素材。 • 墊圖與墊片： 為了讓轉場順暢，可能用了大量的 Image-to-Video 或者 Video-to-Video。比如用前一個時代的結尾畫面當作下一段的起點，或者指定運鏡讓鏡頭從遠古的星空拉下來，變成現代的夜景。 • 後期剪輯： AI 把畫面生出來只是第一步，後面還得靠傳統剪輯軟體去調色、對軌、加上轉場和旁白，不然單靠 AI 生出來的片段直出，節奏很容易散掉。 這種影片看著看著，真的會讓人有一種「人類好渺小、但文明又好神奇」的宿命感。你看過最震撼的是哪一個歷史階段的轉場？還是說，你對它最後預測的「未來進化」部分更有興趣？

這次古乃的活動，有人提到了「台灣魔咒」。 . 已經好久沒人提到這四個字，那是我們ForAVer剛開始做活動的時候，常常女優回去日本就宣布引退，所以就有人這麼說ー現在我們知道了，以前的女優沒那麼愛來台灣，那時候的中間人多半是以「引退前來台灣看看」、「就當做休假也好」為由說服她們，我們那時候沒太多指名女優的能力，所以才會有一些女優做完台灣活動後就引退了〜 . 我曾經非常在意這四個字，因為那讓我們變成了引退製造機，被外界認為誰來台灣誰就引退ー後來我們取得指名的主導權，再加上TAE及TRE兩大成人博覽會陸續舉辦，讓女優及事務所對海外活動愈來愈積極，自此之後就沒人再提台灣魔咒了： . 至於為什麼古乃又被講到台灣魔咒？當然是因為活動前她宣布即將在五月底引退，所以有骨灰級玩家想到了我們剛辦活動時的狀況(你要說慘狀也可以啦)：不過這次我沒有以前那樣不開心了，相反地，我非常感謝古乃小姐能在引退前來到台灣一趟讓大家可以好好和她說聲再見，因為從Blog寫到現在第18個年頭了，我們都明白女優真的是說消失就消失，很多人連好好說聲再見都是奢求⋯ . 所以和以前不一樣，現在只要聽說女優即將引退的消息，只要人氣夠旺，我們都會爭取合作的機會，沒有台灣魔咒，只有想讓女優和粉絲都能有個說再見的機會！ . #古乃ほの# #古乃穗乃# #FurunoHono# #Foraver女優商演經紀# @furuno_hono

為了要反制德州的選區重劃，加州已經成功的把許多紅區，硬是修改成民主黨可以控制的選區，原本43:9的藍紅席次比，在新的選區劃分下，將要變成48:4，輕鬆地抵消德州的共和黨增加數目。但這個選區重劃的競賽還沒完，兩黨都有大動作，而最新的戰況是在維吉尼亞州，選民最近公投通過修憲，批准藍紅比從6:5變成10:1的選區重劃，但這修憲案被維吉尼亞最高法院宣告違憲。民主黨白忙一場。 選舉是肢體碰撞的運動，只要在法律允許的範圍內，手段不拘，以勝選為目的。所以民主黨說什麼，民主黨只是要反制共和黨挑起的「傑利蠑螈」(Gerrymander，即不擇手段的選區重劃)，我都聽不下去。全世界最會傑利蠑螈的就是民主黨了，不信你看看新英格蘭地區。新英格蘭地區的21個眾議員，通通是民主黨，你如果不細究，你還以為那邊都沒有共和黨員。四成的共和黨選票，一席都沒有，而且是經年累月，不是最近才發生。我只能說，是共和黨自己笨，自己以為是紳士，人家都戴起拳擊手套在打你，你還西裝筆挺地挨打。沒有一樣低級的川普點醒，共和黨還在那裡自以為高貴。 不過維吉尼亞的違憲判決，暴露出民主黨另一個，一向就有的問題。民主黨政治人物，無能。維吉尼亞的州憲規定，如果要修憲，議案必需在州議會通過兩次，而兩次中間，得有州議會大選，目的是讓選民可以理性判斷修憲案合不合理，在投票選議員的時候，當作重要考量。民主黨在推這個選區重劃的修憲公投時，早有法律專家說時間點可能會有爭議，但民主黨不管，硬推，想要先取得公投多數，再用民意的壓力逼迫最高法院就範，一如華盛頓州的違憲所得稅法。但這些個民主黨智障，連誰在最高法院當法官都不知道，最後只能被打臉，失敗作收。 如果這是詹森的政權，他絕對不會讓這種事情發生，他要推的法案，他一定把票算得一清二楚，一定把法條翻來覆去，修得精確萬分，不會有任何可能的失敗空間。所以他在歷史上和小羅斯福齊名，屬最能幹的民主黨總統，也對後世的美國子孫有巨大的影響。因為詹森和小羅斯福，懂得民主權力機器的運作，他們知道要國會通過法案，他們的政策才能有持久的效果，所以當他們決定要推法案時，一定把大軍集結，威脅加利誘，傾巢而出，絕對不會犯維吉尼亞民主黨這種低級的錯誤。所以社會安全法是羅斯福通過的，老人健保法是詹森通過的，至今仍然規範華爾街的大小金融法案是羅斯福通過的，而詹森是南北戰爭以來，唯一通過民權法案的總統。 現今的民主黨政客，一代不如一代。維吉尼亞的修憲案，背後的力量是歐巴馬，歐巴馬就是民主黨所有問題的具體化表現。當民主黨越來越往左靠的時候，身份認同政治變成是進步派血緣正統的主要依據，如果你的出身不純，你是白直男，那就更要積極表態效忠這個身份認同血統，不然你就沒有升官的機會。於是，一代又一代的民主黨政客，專心致志於「表演」，政治的所有作為通通是performative，白直男的代表就是加州那個白痴紐森州長，什麼事都幹不成，整天在表演。而少數民族的代表，就是歐巴馬。「我是美國的第一個黑人總統，我代表了所有的進步價值，不管我要做什麼，都是對的，你們都要俯首在我面前，任我差遣」，當他令不出大門，法案通過不了，別人不買單地的時候，他也非常驕傲，不屑政治運作。於是就大筆一揮，行政命令一下，取得了暫時的勝利，拿到了對共和黨說嘴的權力，就算事情辦好了。我以前寫過，歐巴馬如何整高等教育、聯邦航管員、醫療保險等等，用的都是行政命令。但行政命令的問題是，換了黨派當總統，就會被立刻取消。拜登也是，大筆一揮，就想要納稅人對少數人的學貸買單，就想要引進成千上萬的非法移民。沒有一件事，敢堂堂正正的動員議員來通過法案，所以最後都被取消了。美國近代最沒有歷史影響力的總統，非歐巴馬和拜登莫屬。 詹森是在保守的德州磨鍊他的政治手腕，羅斯福的進步主義背叛了他哈德遜河谷的貴族階級，兩個人都是在泥巴裡打滾過的政治能手，豈能是沒幹過一天實事，僅靠著一場演講，靠著全美國罪惡感當選的歐巴馬可比？

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

【地緣政治】施紀賢不在中美之間選邊 訪華前夕力推中英經貿合作 英國首相施紀賢（Keir Starmer）說，英國不必在美中之間做選擇，他在本週啓程訪華前宣揚將為英企帶來「重大機遇」。「我們與美國保持非常緊密的關係。當然我們希望如此，並且我們將維持，在安全和國防領域。」