Manifest V3 大限逼近，Firefox 公開表態繼續力挺 uBlock Origin
PCWorld · 2026-08-14
Firefox 官方表態
Firefox 官方帳號本週在 Bluesky 上發文表示「我們對 uBlock Origin 的支援不會消失」，直接回應 Microsoft Edge 即將淘汰 Manifest V2 擴充功能一事。這句話讓 Firefox 成為目前唯一明確承諾繼續支援 uBlock Origin 完整版的主流瀏覽器。這則貼文沒有附上任何時程表，但語氣被 PCWorld 的報導解讀為對 Edge 決策的直接回擊。
Manifest V3 如何動了廣告封鎖功能
Chrome 主導的 Manifest V3 架構限制了擴充功能對 webRequest API 的封鎖式存取，改用能力大幅受限的 declarativeNetRequest 取代。這項限制正是 uBlock Origin 完整版失去作用的關鍵，因為它原本仰賴即時攔截與動態規則判斷來識別廣告與追蹤器。基於 Chromium 的瀏覽器只要跟隨 Google 的擴充功能政策，遲早都得面對同樣的技術天花板。Microsoft Edge 這次跟進，等於在 Chromium 陣營裡再拔掉一顆支援 uBlock Origin 的旗艦瀏覽器。
非 Chromium 陣營也沒有比較好
報導同時指出，Safari 與 DuckDuckGo 這兩個非 Chromium 瀏覽器其實從未支援過 uBlock Origin，並非因為 Manifest V3 才退出。Firefox 因此成為唯一「無妥協」支援 uBlock Origin 的主流選項，而不只是「最後一個 Chromium 系」的問題。Opera、Brave、Vivaldi、Samsung Browser 等 Chromium 衍生瀏覽器，都被點名將隨 Google 的時程逐步失去對舊版擴充功能的相容性。這使得瀏覽器市場在廣告封鎖能力上出現明顯的兩極化。
對使用者的實際影響
對一般使用者而言，這代表若堅持使用完整功能的 uBlock Origin，瀏覽器選擇正在快速收斂到 Firefox 及其衍生版本。uBlock Origin Lite 雖然相容 Manifest V3，但拿掉了動態過濾與部分進階規則，功能明顯縮水。這也解釋了為何近期社群討論持續圍繞著「Chromium 廣告封鎖是否名存實亡」這個問題打轉。Firefox 這次公開表態，某種程度上被視為對外爭取仍在意廣告封鎖能力的使用者群體。
開源作者公開表態：對 AI 寫程式的六個懷疑
Joshua Barretto 個人部落格 · 2026-08-14
四年後仍看不到證據
開源專案作者 Joshua Barretto（GitHub／Codeberg 帳號 zesterer）在部落格發文，列出他對大型語言模型輔助寫程式的六點懷疑。他的第一個論點是「四年 AI 革命」後，軟體品質、速度、成本、安全性與能力都沒有可觀察的整體進步。他也提到業界已投入約 1.5 兆美元規模的資源，但真正嚴謹、獨立的生產力提升研究仍付之闕如，現有證據多半停留在軼事層級。這篇文章沒有引用單一具體研究數據，而是直接質疑「證據在哪裡」這個前提。
開源專案為何不需要 LLM 標籤
作為多個開源專案的維護者，Barretto 表示他的專案即使不標榜使用 LLM，使用者的信任度依然沒有受到影響。他認為讓人願意信任一個開源專案的因素，遠不只是功能列表上有沒有 AI，維護者的長期紀錄與社群互動才是關鍵。他也觀察到，由 LLM 生成的 pull request 在他經手審查的專案中，被拒絕合併的比例持續高於人類貢獻者提交的內容。這與部分廠商宣傳的「AI 已能獨立產出可合併程式碼」的敘事有落差。
技術盲點與勞動市場疑慮
文章提到，前沿模型有時會遺漏一些連業餘愛好者事後都能發現的明顯問題，顯示模型在特定情境下仍有系統性盲點。Barretto 進一步主張，推廣 LLM 寫程式背後帶有把智識勞動同質化、藉此削弱工作者議價能力的意圖，這是他六點懷疑中最帶價值判斷色彩的一項。他在文中引用電腦科學家 Peter Naur 1985 年關於「Programming as Theory Building」的論文，主張程式設計的核心是工程師腦中對問題的理論建構，而非產出的程式碼本身，這正是他認為 LLM 難以真正取代的部分。
原始來源：Joshua Barretto 部落格、Peter Naur, Programming as Theory Building (1985)
「壓縮等於預測」這句話，其實藏著幾個沒說出口的前提
Luca Lombardo 個人部落格 · 2026-08-15
等式成立的前提
義大利工程師 Luca Lombardo 在部落格發文，重新檢視近來流傳的「壓縮就是預測」說法，認為這句話只在特定條件成立後才站得住腳。他指出這個等式需要先就編碼對象的家族、序列化方式、哪些資訊算共享而非需要傳輸、以及解碼端必須支援哪些操作先達成共識。文章引用了 ngrok 部落格〈Compression is Prediction〉一文與 Salvatore Sanfilippo（antirez）的相關演講作為討論起點。他也提到 論文《Language Modeling Is Compression》作為這個主題較嚴謹的學術參照。
從 Kolmogorov 複雜度談起
文章先從 Kolmogorov 複雜度 K_U(x) = min{|p| : U(p) = x} 與計數界線 log₂|ℱ| 出發，說明壓縮的概念其實可以完全不涉及機率就成立。接著他證明任何可唯一解碼的編碼都會反過來誘導出一個機率分布 Q_C(x) = 2^(-ℓ_C(x)) / S_C，這正是編碼長度與機率之間可逆對應關係的數學基礎。他也用零階經驗熵 H₀(S) = Σ (n_a/n) log₂(n / n_a) 為例，展示同一個量既可以從機率角度推導，也可以透過組合型「type-class」計數推導，兩者在漸近意義下等價。
模型代價經常被忽略
Lombardo 特別強調兩段式描述長度 L(M,S) = L(M) + L(S|M) 的重要性，也就是把模型本身的表示成本也算進總壓縮代價。他認為很多討論只看到資料在給定模型下的壓縮結果，卻忽略了模型本身也要付出編碼成本，這一點呼應了最小描述長度（MDL）原則。文章最後以「隨機存取」為例，說明位元數最短的位元串未必支援後續需要的操作，例如需要隨機讀取某一段資料時，最短編碼反而可能不適用，這在他自己維護的 compressed-intvec 專案的整數向量壓縮實作中也是實際要面對的取捨。
原始來源：Luca Lombardo 部落格、ngrok: Compression is Prediction、arXiv: Language Modeling Is Compression