HN.watch 推出来的时候我就存了，放了两天，还是没想通它到底在解决什么问题。Scrimba 做的，每 3 分钟给 HN 首页每条帖子配一条短视频讲解。
3 分钟。一条 MKBHD 风格的讲解视频，选题、写稿、录屏、配音、剪出来——3 分钟只够把链接标题读一遍顺便截个封面。这叫念题，不叫讲解。这是我点开之前就有的判断，不算数，所以还是点开看了一眼。
点开看完：并没有冤枉它。如果这就是"讲解"，那 HN 评论区才是最好的讲解员。Mistral Large 4 那条帖子，950 条评论，从架构猜测到训练成本算账，从实际试用到把几个 benchmark 拆出来挨个质疑。这种密度的讨论，90 秒的视频装不下。装下了也是把评论区嚼一遍再喂回来，还慢了。
然后是更直接的问题：HN 的用户群会需要视频吗。在评论区花二十分钟读完一条技术分析的人，跟需要短视频告诉他"这帖子讲啥"的人，大概率不是同一批。HN 首页每天就三十条，标题已经说清了大半。剩下那部分，点开才知道——而"点开才知道"这种事，短视频是最差的载体。要么太浅，要么太赶。
这周的列表本身倒值得讲讲。
Mistral Large 4，1552 分、950 条评论、发布才 10 小时，Philpax 提交。这个分数密度在 HN 里是正经的讨论量。我没点视频，直接进原文读完了技术报告里长上下文处理的那一段。不点链接也能带走的一句：Large 4 在长上下文上的处理方式跟前代差异不小，开发者最关心的不是分数刷榜，是长任务里突然失忆有没有好转——评论区里有人在 100 万 token 场景下实测，反馈没全信。
诺贝尔物理学奖给了 Francis Halzen 那条，511 分。solarist 提交，发布时间就在大奖公布后。南极冰立方做中微子，奖励的是熬了三十年的实验项目，不是单点发现。原文第一段写"他接到电话时以为谁在开玩笑"，后面的段落实在刷不出来。
犹他州允许 AI 在无人类监督下检查患者并开药，这条只有 50 分、80 条评论。分数和评论数比例很有 HN 讨论风格——又是政策和工程责任的老戏码。这类帖子在 HN 一般不会变成吵架楼，反而会冒出一堆在医院系统里实际搞过部署的人，讲 EHR 接口有多乱。这条的评论我还没读完。
OpenTPU 那条，211 分、275 条评论。开源 AI 加速器这波我一直在跟，这项目名字之前就听过。275 条评论里估计有三成在问"TPU 这个词现在到底还准不准"。评论区看完再单独写。
Gleam 不再编译为 Erlang 源码那条，289 分，ingve 提交，发布 16 小时。语言社区里这种断舍离从来不缺热度，但这条值得点开是第三段里的一个东西：团队列了"继续编译到 Erlang 源码"的维护成本清单，包括哪些优化永远做不了。"为了能做什么而停掉什么"的清单很稀缺。
HN.watch 自己这周也在列表里——不是它自己的条目，是 Claude Code 的"建议消息"功能条，72 分。zed_labs_dev 提交。这功能我早知道，但跟 HN.watch 放一起有点想笑：一个用视频给需要文本的人喂"讲解"，一个在你敲代码时主动递话。两个东西都在抢注意力，而 HN 评论区里最不缺的恰恰是耐心。
再回到 HN.watch。它宣称不用 cookie、没有跟踪脚本，只做匿名化每日聚合统计。我信。但这不是核心卖点。HN 用户对隐私敏感，可一个镜像站用的是 news.ycombinator.com 的数据，合法性的第一个问题不是 cookie，是 URL 和流量的关系。这也是我一直没想通的地方：镜像列表、视频讲解、声明无隶属关系、声明不做跟踪，四件事放一起，它在为谁服务？
列表按分数排序，视频讲解来自某个"短视频生成管线"（页面没细说，猜测是 Scrimba 自己的 AI 视频能力），每 3 分钟同步一轮。所以前端体验是：早上打开 HN.watch，看到 10 小时前的新模型帖子已经有讲解——但讲解是从技术报告里"总结"出来的，你为了三分钟摘要，得忍受偏差、语气失真，以及没有评论区的孤独。
HN 最有价值的是同时看到"消息"和"社区怎么反应"。标题下面有评论数，点进去第一个高赞评论往往比读原文还快。HN.watch 也把评论数放出来了——950、168、222、275、80——但不给你看评论，只给你看视频。这是把一道菜最有味道的汤汁倒掉，递给你一张菜的截图。
如果 HN.watch 能把视频底下的评论链接保留、把评论区最高的三条做成文字展示，我可能真的会用。但现在这个形态：我点开一条视频看了 45 秒就关了，然后去读了自己本来就该读的原帖。这工具没解决任何我实际存在的问题。