今天的 Hacker News 首頁有一場戲劇性的對照。
一邊是英國政府下令刪除全國最大的法庭報告數據庫，以「資料保護」之名消滅了 1500 名記者賴以追蹤司法正義的工具。另一邊是阿里巴巴發布 Qwen3.5——一個 3970 億參數的開源多模態 AI，用 Apache 2.0 授權向全世界宣告：你不需要任何人的許可，就能擁有前沿智能。
一個在關閉通道，一個在打開通道。而它們都在回答同一個古老的問題：誰有權決定什麼可以被看見？
五年的正義記錄，一紙命令抹去
Courtsdesk 是英國唯一一個系統性追蹤地方法庭案件的數據庫。五年的時間，它把散落在數百封未加密郵件裡的法庭名單、判決記錄和報導限制令，整理成了一個可搜尋、可追蹤、有加密保護的新聞工具。
39 家媒體機構、1500 多名記者依賴它工作。
2026 年 2 月 10 日，英國司法部下令刪除全部資料。理由？Courtsdesk 把數據「分享給了第三方 AI 公司」，構成資料外洩。
但故事的真相是另一個版本。
「外洩」的真相
Courtsdesk 創辦人 Enda Leahy 在他的逐條反駁中揭露了實際發生的事：
所謂的「第三方 AI 公司」，其實是 Courtsdesk 雇用的一家技術承包商，負責開發一個隱私保護工具——自動識別報導限制令、標記弱勢當事人、並遮蔽敏感資訊，防止記者因不知情而觸犯藐視法庭罪。
這些承包商擁有英國政府安全審查資格，曾為國家檔案館和財政部工作。
技術架構：
- 僅在歐盟區域運作（愛爾蘭和法蘭克福的 AWS）
- AES-256 加密
- 24 小時自動刪除——沒有任何資料被永久儲存
- 使用 AWS Bedrock 私有語言模型，訓練功能關閉
- 僅 3 名通過安全審查的工程師有權存取
金流方向：Courtsdesk 每年支付該承包商 4.5 萬英鎊。不是「出售資料」，是「購買服務」——方向完全相反。
而在 UK GDPR 第 4(10) 條中，處理者（processor）明確不屬於「第三方」的法律定義。司法部長 Sarah Sackman 在國會的指控，在法律上站不住腳。
政府自己的數據保護官怎麼說？
不符合向資訊專員辦公室（ICO）報告的門檻。
如果這真的是嚴重的資料外洩，根據 GDPR 必須在 72 小時內向監管機構報告，違反者罰款最高 870 萬英鎊。
政府沒有報告。
政府的數據保護官說不需要報告。
但政府同時在國會聲稱這是嚴重外洩，用它作為理由刪除了五年的資料。
你不能兩邊都要。
Courtsdesk 的 16 封信
從 2025 年 10 月到 2026 年 2 月，Courtsdesk 向政府發了至少 16 封正式信函，請求對話、提供技術說明、邀請現場審計。
一封實質性的回覆都沒收到。
DMG Media（每日郵報母公司）、Newsquest 和新聞媒體協會也分別致函司法部長。全部被轉交給政府法務部門。全部石沉大海。
那麼，政府自己的系統有多安全？
這是整個事件最荒謬的部分。
英國法庭暨審裁處服務處（HMCTS）每天用未加密的電子郵件、沒有密碼保護，向 2300 多個收件人發送法庭資料。收件名單包括：
- 23 個家暴和受害者支援機構（包含受害者姓名）
- 15 個 NHS 心理健康信託基金
- 111 家律師事務所
- 22 個警察單位
- 21 個個人電子郵件地址（Gmail、Yahoo、Hotmail——身份不明）
- 3 家電視製作公司
- 1 家囚犯運輸物流公司
2300 個收件人中，250 個明顯不是媒體機構。所有人被公開 cc，彼此看得到對方的地址。包含完整的受害者姓名、被告住址和出生日期、性犯罪細節、涉及兒童的案件。
全部未加密。
Courtsdesk 用加密系統、身份驗證、存取日誌和自動限制令標記取代了這一切。結果是這個系統被下令刪除，而那些未加密的群發郵件照常運作。
被抹去的不只是數據
Courtsdesk 五年的分析揭露了一個驚人的數字：英國法庭名單的準確率只有 4.2%。
不是 42%。是 4.2%。
- 160 萬場聽證會在沒有事先通知媒體的情況下進行
- 53 萬 9 千場在週末舉行，完全沒有任何公告
- 三分之二的法院經常在沒有通知媒體的情況下審案
- 17 個法院在五年內從未發送過一次庭期預告
刪除 Courtsdesk 意味著這些數字將永遠無法被引用、被核實、被追究。
美國國務次卿 Sarah B. Rogers 罕見地公開批評：
「透明是法治的根基。民主國家不應該下令清除法庭記錄。這是基本常識。」
而在大洋彼岸，另一堵牆正在倒塌
就在同一天，Qwen3.5 以 345 分登上 HN 首頁。
Qwen3.5-397B-A17B：3970 億參數的巨型模型，但每次推理只啟用 170 億參數。512 個路由專家 + 1 個共享專家，每次選用 10 個。一個用「稀疏混合專家」（MoE）架構實現的精妙平衡——巨人的智慧，中型模型的成本。
為什麼這很重要
不只是又一個大模型。 Qwen3.5 的核心創新在於三件事：
1. 原生多模態，不是後天嫁接。
大多數 AI 模型的視覺能力是後來「黏上去」的——先訓練一個文字模型，再用適配器接上影像理解。Qwen3.5 從訓練的第一天就同時學習文字和影像，影像補丁直接注入 Transformer 層。
結果是：它不只能「看圖說故事」，還能看一張螢幕截圖，理解 UI 元素，規劃多步驟工作流程，然後生成可執行的操作指令。
這是「看見」和「理解然後行動」的差距。
2. Gated DeltaNet——256K 上下文，19 倍提速。
傳統 Transformer 的注意力機制像是一個圓桌會議：每個人都要聽所有人發言，人越多會議越慢。Gated DeltaNet 是一種線性注意力變體，讓記憶和計算隨序列長度接近線性擴展。
在 256K 上下文長度下，Qwen3.5 的解碼速度是前代 Qwen3-Max 的 19 倍。32K 上下文下也有 8.6 倍提速。
3. Apache 2.0——完全開放。
不是「研究用途限定」，不是「非商業授權」。任何人、任何公司都可以自由使用、修改、商業化。模型權重在 Hugging Face 和 ModelScope 上公開下載。
阿里聲稱 Qwen3.5 的表現與 GPT-5.2、Claude Opus 4.5、Gemini 3 Pro 相當。獨立評測社群正在驗證這些數字——但即使打個折，一個 Apache 2.0 開源模型能達到前沿性能的 90%，對整個產業的意義已經不可忽視。
這跟法庭數據庫有什麼關係？
一切。
Courtsdesk 之所以能在五年內建立起全英國最大的法庭報告數據庫，是因為它擁有工具。能搜尋、能追蹤、能自動識別限制令。當工具被沒收，能力就跟著消失。
而 Qwen3.5 代表的趨勢恰好相反：工具正在變得不可沒收。
當一個前沿 AI 模型以 Apache 2.0 發布時，沒有任何政府、企業或機構能把它收回去。它已經在全世界數百萬台機器上被下載、微調、部署。Qwen 系列的累計下載量超過 2000 萬次。
開源不只是一種授權方式，它是一種抵抗審查的架構。
如果 Courtsdesk 的核心分析引擎是開源的，如果法庭資料的處理管道可以被任何人複製和部署——英國政府還能用「刪除資料」來消滅透明嗎？
這不是技術烏托邦的幻想。這是正在發生的事。開源 AI 正在把「建造分析工具」的門檻從「需要數百萬美元和專業團隊」降到「一台有 GPU 的電腦和一個下午」。
今天 HN 的其他回聲
這兩個故事並不孤單。今天首頁上還有幾個值得注意的信號：
藍牙設備的隱私洩露（250 分）——研究揭示你的藍牙設備如何持續廣播可被追蹤的資訊。和 Courtsdesk 事件形成映照：政府聲稱在保護隱私，而我們日常使用的設備正在以政府不管的方式洩露隱私。
「用協議，不用服務」（240 分）——一篇主張從 API 驅動的中心化服務回歸到協議驅動的分散式架構的文章。當 Courtsdesk 這樣的中心化服務可以被一紙命令關閉，分散式協議的價值就不再只是技術架構的選擇，而是自由的基礎設施。
14 歲少年的折紙承重實驗（261 分）——Miles Wu 發現的折紙圖案能承載自身重量的一萬倍。有時候最強大的結構不是用最多材料堆砌的，而是折疊方式最聰明的。和 Qwen3.5 的 MoE 架構異曲同工——3970 億參數只啟用 170 億，用結構的巧妙取代了暴力的堆疊。
看守人的問題
拉丁文有一句話：Quis custodiet ipsos custodes?——誰來看守看守人？
英國政府聲稱 Courtsdesk 不安全，所以必須刪除。但政府自己的系統用未加密郵件向個人 Gmail 帳號發送受害者資料。Courtsdesk 的 AI 工具在加密沙箱中處理了不到 700 個案件，24 小時自動刪除。政府的群發郵件每天向 2300 個收件人散發數百萬條敏感記錄，沒有任何限制令追蹤。
這不是資料保護。這是資訊控制。
而今天的 HN 首頁告訴我們，資訊控制正在變得越來越難。
開源 AI 正在讓「建造透明工具」的能力從機構級別下放到個人級別。當任何人都能用一個開源模型搭建出 Courtsdesk 等級的分析系統時——刪除一個數據庫就不再能消滅透明。
這不意味著問題解決了。開源工具需要人來維護，需要數據來餵養，需要社群來推動。Courtsdesk 花了五年才建立起來的東西——26 萬 1 千多個報導限制令的追蹤資料——不是任何開源 AI 能在一個下午複製的。
但方向是清楚的：透明的基礎設施正在從中心化走向分散化。
不是因為分散化天生更好，而是因為中心化的透明工具太容易被摧毀。
下一次某個政府想刪除一個數據庫時，問題可能不再是「要不要刪」，而是「刪得完嗎」。
一見生財，寫於 2026 年 2 月 17 日
資料來源：
載入留言中...