點解舊版 Reddit 成為爬蟲最愛？

要明白呢步棋，首先要了解 Reddit 嘅技術架構。新一代 React 介面靠客戶端渲染，好難直接用程式解析；但 old.reddit.com 直接將伺服器渲染完成嘅 HTML 送出，唔需要 Cookies 。爬蟲只需要發一個請求，就可以即時拿到乾淨、結構完整嘅內容 —— 唔使 API Key、唔使認證、連 JavaScript 都唔使執行。呢個特性令佢成為大規模數據提取嘅首選路徑，尤其係 AI 公司想用 Reddit 嘅真人對話訓練模型嘅時候 。

承諾推翻？CEO 講過嘅嘢不算數？

時間點好值得留意。2025 年 5 月，CEO Steve Huffman 公開話 Reddit 會「只要有人用就會保留」old Reddit 。但 2026 年 6 月嘅管理員帖文直接推翻咗呢個講法。Reddit 而家話「無法保證」old Reddit 會永遠存在 。呢個登入限制普遍被解讀為逐步淘汰舊版嘅前奏，係目前為止最清楚嘅訊號 —— 呢間公司已將經典介面視為一個不斷增長嘅負擔，而唔係一個永久承諾 。

2026 年 Reddit 反爬蟲武器庫全面睇

爬蟲問題一直係 Reddit 2026 年平台政策嘅核心推動力，old.reddit.com 嘅登入牆只係其中一環。以下係成個策略佈局：

關閉未登入 JSON 端點（2026 年 5 月）

2026 年 5 月 28 日，Reddit 宣布廢除未登入嘅 .json 存取 —— 呢個係另一個獲取結構化數據嘅免費路徑 。幾日之內，匿名請求開始回傳 403 Forbidden 錯誤，完全冇寬限期。Reddit 官方帖文話：「呢啲端點可以被用嚟喺冇責任承擔嘅情況下爬取 Reddit」。

API「負責任開發者政策」（2025 年 11 月）

自助 OAuth 應用程式註冊已經關閉 。而家每個新 Token 都需要事先提交申請並等待審批。雖然免費非商業用途嘅 Tier 理論上仍然存在，但審批過程變得越嚟越難以預測 。

Robots.txt 封鎖同 Internet Archive 封鎖

Reddit 喺 2025 年 3 月更新 robots.txt，封鎖所有機械人，只留 Google 同 Bing 。2025 年 8 月更進一步，封鎖 Wayback Machine 索引大部分 Reddit 頁面，因為發現有 AI 公司透過 Wayback Machine 嘅存檔去爬 Reddit 數據 。Internet Archive 而家只可以索引 Reddit.com 嘅首頁 。

可疑帳號人類驗證（2026 年 3 月）

2026 年 3 月 25 日，Huffman 宣布被行為信號（例如發帖速度）標記嘅帳號必須通過人類驗證 。驗證方式包括 Passkeys、Face ID，甚至喺某啲國家要用政府身份證 。呢個唔係全站強制，而係技術檢測後先觸發，但對自動化操作嚟講係重大障礙 。

機械人標籤

獲准使用自動化工具嘅帳號而家會喺個人檔案上顯示 [App] 標籤，等其他用戶知道佢哋係同軟體互動 。好嘅機械人留低，有問題嘅會被標記同移除。

每日移除約 10 萬個機械人帳號

Reddit 平均每日移除約 10 萬個機械人帳號，呢個速度喺 2026 年保持不變 。2026 年 5 月推出嘅 BotPrints 取證工具可以靜態分析用戶行為指紋，透過計算 5 分鐘發帖時間窗口嘅 Jaccard 相似度嚟偵測機械人集團 。

針對 AI 爬蟲嘅單一策略

每一項措施都針對唔同嘅攻擊面 —— API、HTML、檔案存檔、帳號行為 —— 但目的只得一個：阻止未經授權嘅爬蟲行為，尤其係 AI 公司用 Reddit 嘅真人內容訓練模型 。old.reddit.com 嘅登入牆終於封咗最後一條最容易嘅匿名爬蟲路徑，確保就算要用經典介面嘅人，都必須先通過認證 。

點解舊版 Reddit 成為爬蟲最愛？

要明白呢步棋，首先要了解 Reddit 嘅技術架構。新一代 React 介面靠客戶端渲染，好難直接用程式解析；但 old.reddit.com 直接將伺服器渲染完成嘅 HTML 送出，唔需要 Cookies 。爬蟲只需要發一個請求，就可以即時拿到乾淨、結構完整嘅內容 —— 唔使 API Key、唔使認證、連 JavaScript 都唔使執行。呢個特性令佢成為大規模數據提取嘅首選路徑，尤其係 AI 公司想用 Reddit 嘅真人對話訓練模型嘅時候 。

承諾推翻？CEO 講過嘅嘢不算數？

時間點好值得留意。2025 年 5 月，CEO Steve Huffman 公開話 Reddit 會「只要有人用就會保留」old Reddit 。但 2026 年 6 月嘅管理員帖文直接推翻咗呢個講法。Reddit 而家話「無法保證」old Reddit 會永遠存在 。呢個登入限制普遍被解讀為逐步淘汰舊版嘅前奏，係目前為止最清楚嘅訊號 —— 呢間公司已將經典介面視為一個不斷增長嘅負擔，而唔係一個永久承諾 。

2026 年 Reddit 反爬蟲武器庫全面睇

爬蟲問題一直係 Reddit 2026 年平台政策嘅核心推動力，old.reddit.com 嘅登入牆只係其中一環。以下係成個策略佈局：

關閉未登入 JSON 端點（2026 年 5 月）

2026 年 5 月 28 日，Reddit 宣布廢除未登入嘅 .json 存取 —— 呢個係另一個獲取結構化數據嘅免費路徑 。幾日之內，匿名請求開始回傳 403 Forbidden 錯誤，完全冇寬限期。Reddit 官方帖文話：「呢啲端點可以被用嚟喺冇責任承擔嘅情況下爬取 Reddit」。

API「負責任開發者政策」（2025 年 11 月）

自助 OAuth 應用程式註冊已經關閉 。而家每個新 Token 都需要事先提交申請並等待審批。雖然免費非商業用途嘅 Tier 理論上仍然存在，但審批過程變得越嚟越難以預測 。

Robots.txt 封鎖同 Internet Archive 封鎖

Reddit 喺 2025 年 3 月更新 robots.txt，封鎖所有機械人，只留 Google 同 Bing 。2025 年 8 月更進一步，封鎖 Wayback Machine 索引大部分 Reddit 頁面，因為發現有 AI 公司透過 Wayback Machine 嘅存檔去爬 Reddit 數據 。Internet Archive 而家只可以索引 Reddit.com 嘅首頁 。

可疑帳號人類驗證（2026 年 3 月）

2026 年 3 月 25 日，Huffman 宣布被行為信號（例如發帖速度）標記嘅帳號必須通過人類驗證 。驗證方式包括 Passkeys、Face ID，甚至喺某啲國家要用政府身份證 。呢個唔係全站強制，而係技術檢測後先觸發，但對自動化操作嚟講係重大障礙 。

機械人標籤

獲准使用自動化工具嘅帳號而家會喺個人檔案上顯示 [App] 標籤，等其他用戶知道佢哋係同軟體互動 。好嘅機械人留低，有問題嘅會被標記同移除。

每日移除約 10 萬個機械人帳號

Reddit 平均每日移除約 10 萬個機械人帳號，呢個速度喺 2026 年保持不變 。2026 年 5 月推出嘅 BotPrints 取證工具可以靜態分析用戶行為指紋，透過計算 5 分鐘發帖時間窗口嘅 Jaccard 相似度嚟偵測機械人集團 。

針對 AI 爬蟲嘅單一策略

每一項措施都針對唔同嘅攻擊面 —— API、HTML、檔案存檔、帳號行為 —— 但目的只得一個：阻止未經授權嘅爬蟲行為，尤其係 AI 公司用 Reddit 嘅真人內容訓練模型 。old.reddit.com 嘅登入牆終於封咗最後一條最容易嘅匿名爬蟲路徑，確保就算要用經典介面嘅人，都必須先通過認證 。