甲骨文公司(Oracle)开启了新一轮裁员,作为其28亿美元重组计划的一部分,旨在将资源转向人工智能和云基础设施。在此之前,该公司在2026财年已大幅缩减规模,员工人数减少了约2.1万人,降幅达13%。 最近的裁员行动于周一清晨以冷静、同步的方式进行。员工在早上6点收到冷冰冰的通知邮件,许多人是在无法访问Slack等内部系统或公司门禁卡失效后才得知自己被解雇。虽然受影响的具体人数尚未披露,但该公司最近将重组预算增加了7亿美元,以应对不断上涨的遣散费和运营成本。 员工称整个过程非常突然,一些长期任职的员工表示,尽管近期绩效评估良好,仍被立即解雇。此举使甲骨文与科技行业的整体趋势保持一致,即像亚马逊和戴尔等大型企业都在积极进行重组,以平衡削减成本与对新兴技术的巨额投资。甲骨文尚未就此次裁员的具体规模或影响发表公开声明。
本分析对比了 **GPT-5.6 Luna** 和 **GPT-6 Astra** 两款 AI 模型在对 50 个公共拉取请求(Pull Request)进行代码审查时的表现与成本效益。
**关键发现:**
* **性能表现:** Luna 发现了 69 个已验证的错误,而 Astra 发现了 92 个。虽然 Luna 在处理一般逻辑和数据错误方面表现良好,但在处理安全性敏感代码时明显吃力(在 24 个安全漏洞中仅发现 9 个,而 Astra 发现了 19 个)。
* **成本效益:** Luna 的成本极低,单次审查费用为 0.0041 美元,而 Astra 为 0.113 美元(相差 28 倍)。从每个已验证错误的成本来看,Astra 的开销是 Luna 的 20 倍。
* **精确度:** Luna 的误报率较高,精确度为 74%,而 Astra 为 96%;这意味着 Luna 的评论中约有四分之一为误报。
**结论:**
Luna 以极低的成本在日常正确性检查中非常有效,但它缺乏处理身份验证和权限密集型代码所需的深度。作者建议采用分层方法:使用低成本模型进行一般性审查,并将强大的模型预留给安全性敏感的逻辑,前提是系统能够区分两者。总体而言,数据表明,仅依赖基于代码差异(diff)的 AI 审查会遗漏完整代码库历史这一重要背景信息。
© Valve Corporation。保留所有权利。所有商标均为其在美国及其他国家的各自所有者财产。隐私政策 | 法律声明 | 无障碍访问 | Steam 订户协议 | 退款 | Cookie