Grayspar 讓你部署私人 App,並像分享 Google 檔案一樣邀請使用者
把自己做的小工具放到網路上,常要先設定伺服器,再處理誰能登入和使用。作者推出 Grayspar,讓人用一行指令部署 App,再用電子郵件邀請同事,或開放給整間公司。Grayspar 會處理登入和不同使用者的許可權,也能部署前端、API 和背景工作程式;每個 App 都在自己的容器裡執行,還能回復到之前的版本。Grayspar 目前開放測試,作者表示可免費試用。
把自己做的小工具放到網路上,常要先設定伺服器,再處理誰能登入和使用。作者推出 Grayspar,讓人用一行指令部署 App,再用電子郵件邀請同事,或開放給整間公司。Grayspar 會處理登入和不同使用者的許可權,也能部署前端、API 和背景工作程式;每個 App 都在自己的容器裡執行,還能回復到之前的版本。Grayspar 目前開放測試,作者表示可免費試用。
搜尋結果出現「AzuraCast」,不一定代表找到一套完整的電臺管理系統:這個名稱也可能出現在公開播放頁、登入頁或錯誤頁。文章提到,ZoomEye 的「應用程式」搜尋找到 2 筆,「標題」搜尋則找到 14,742 筆;這兩個數字代表搜尋到的線索不同,不能直接當成實際安裝數,也不能證明有漏洞。 AzuraCast 的公開播放頁和管理功能,可能連到不同許可權。管理端能調整播放清單、使用者或電臺設定;如果開放使用者編輯 Liquidsoap 設定,在多人共用的環境中還可能讓程式讀取主機檔案或執行外部程式。管理者應確認哪些管理頁面與 API 能從網路連上、檢查帳號和 API 金鑰許可權,並限制管理端的存取。
AWS 的無伺服器服務更新很多,現在說「Lambda 函式」已經不一定是在說同一種東西。作者整理了 Lambda、API Gateway 和 EventBridge 的 10 項變化:Lambda 分成處理事件的 Event Functions、接收 HTTP 請求的 Web Functions,以及隔離執行使用者程式的 MicroVMs;不同型別的執行時間與計費方式也不同。例如,Event Functions 的最長執行時間提高到 30 分鐘,但 Web Functions 仍是 15 分鐘。作者也提醒,新版 EventBridge 事件匯流排和舊版在功能與收費上有差異,遷移前應依自己的流量試算成本。
推薦理由:作者整理 Lambda、API Gateway 與 EventBridge 的多項變化,並比較不同執行方式的時間限制與計費方式,能幫助團隊盤點架構和成本。
使用多條顯示管線推動高解析度或高更新率螢幕時,Intel Linux 驅動原本不能同時使用 PSR2 和 Panel Replay 省電功能。Intel 工程師 Mika Kahola 已提交相關程式碼,讓這兩項功能能搭配 Pipe Joiner 使用;程式碼已送交 DRM-Next,預計納入 Linux 7.5。PSR2 和 Panel Replay 都能在畫面沒變時減少更新或傳輸資料,降低耗電與頻寬使用。
電力公司要檢查高壓電線,常得安排人員和大型裝置,有時還要短暫停電。新創公司 Nomadic 展示 NOMAD 四軸無人機,能停在帶電的高壓電線上充電,再沿著電網移動,檢視線路狀況。Nomadic 表示,一架無人機可照看約 25km 的電線;固定感測器通常每隔 1km 到 5km 設定。搭配 Nomadic OS,電力業者能把無人機收集的資料和天氣、電網模型放在一起檢視。
AWS 許可權出錯時,單看 AccessDenied 訊息常讓開發者和平臺團隊猜不出是哪一層政策擋住請求。作者用 Serverless 範例實測 IAM Access Troubleshooter:支援的 API 會在錯誤訊息中附上授權 ID,開發者可用它檢視各項許可權檢查結果,以及請求被拒時的政策內容。作者建議把 ID 當成獨立欄位寫進日誌,方便之後追查;不過 AWS 至少只保留這些資料 24 小時,而且部分服務與 API 尚未支援。
三起遠端程式碼執行漏洞接連曝光,網站經營者想知道自己是否受影響,也想了解網路上有多少網站使用相關軟體。作者檢查自家服務和設定後,判斷主要網站服務不受影響;其中 PHP 儀錶板仍需更新,但目前無法完全排除風險。作者也檢視約 5,800 萬個網域的資料,發現 nginx 出現在約 680 萬個網域的伺服器資訊中。這些資料能看出哪些網站使用 Java 伺服器,卻無法確認其版本是否容易受攻擊。文章提醒,公開伺服器版本會讓攻擊者更容易找目標,網站管理者可檢查並隱藏這類資訊,更新後再確認暴露情況。
興建大型資料中心需要大量資金,若建設公司籌不到錢,OpenAI 等客戶預訂的運算容量可能延後。Oracle 表示,11 月完成最後一輪募資後,已備妥履行 OpenAI 合約所需的資金;它的 2026 年募資計畫目標是籌得 $45 billion 至 $50 billion,約一半來自發行股票、一半來自債券。Oracle 也說,預計在 fiscal 2029 年以超過 $30 billion 的自由現金流支應自身成長。這些是 Oracle 提出的目標,仍有風險;公司資金到位,也不能回答 OpenAI 是否能支付它在整個產業訂下的所有需求。
經營 Python 網頁應用程式時,開發和正式上線都需要合適的伺服器工具。Graham Dumpleton 打造了新的 Rust 伺服器 Muru,運用 AI 協助開發,目標是讓 ASGI 和 WSGI 應用程式在開發與正式環境中都更容易執行。他也持續公開記錄開發過程,分享從 HTTPS、Kubernetes 到追蹤功能等進展。Graham 說,AI 可以幫忙做很多事,但判斷成果夠不夠好,仍要靠人;他會繼續打磨 Muru,直到自己也放心使用。
AI 模型放進家用主機時,顯示卡記憶體不夠,可能得把模型資料縮小或搬來搬去。律師 Nick Mermiges 加到 12 張二手 NVIDIA Tesla V100,讓 DeepSeek V4.1 Flash 的 15,360 個專家都能以 4-bit 格式留在記憶體裡,整套主機花了 $9,450。他回報,256K 上下文時第一個程式碼 token 約等 58 秒,之前的 8 張卡要等 108.4 秒;但 32K 以上的程式碼生成速度沒有明顯提升。這些數字來自作者自述,並非獨立測試;V100 也得先用軟體轉換資料格式才能運作。
單一資料中心的電力、散熱和空間可能不夠容納大型 AI 叢集,因此研究者提出 scale-across,讓不同建築、園區甚至不同地區的資料中心連在一起。它和機房內連線加速器、資料中心內連線機櫃的網路分工不同,目標是讓多個場址共同支援運算。Google 已提出面向整個園區的 Virgo 網路架構,Cisco 和 Marvell 也在開發相關技術。跨場址連線仍會遇到傳輸延遲、壅塞和封包遺失;AI 訓練需要加速器頻繁交換資料,延遲可能拖慢整個叢集,所以規劃時不能只看網路速度,也要一併考慮網路路徑和通訊方式。
同一個區域的模型端點出錯時,請求可能排隊或失敗;但只是回答變慢時,切換區域也不一定有幫助。SageMaker AI 推論路由器會檢視近期請求結果,遇到平臺故障、5xx 錯誤、流量限制或逾時,就逐步把新請求送往其他已登記的端點;單純回應慢則不會切換。Salesforce 的測試中,本地端點開始回報錯誤後,約 2 分鐘有請求轉到另一個區域,接著 1 分鐘內約 78% 的探測流量移過去。團隊仍須準備各區域的模型和容量,並設定接收流量上限,避免故障擴大。
Anthropic 這次上市的約 $119.5 billion,並不是公司單靠賣股票拿到的現金。公開發行約帶來 $93.5 billion,其中部分是既有股東出售股票所得;另外還有向 7 家策略夥伴私募 Class N 股份,金額為 $26 billion。招股檔案估計,若加計公司出售的股份並扣除相關費用,公司可取得約 $117 billion。檔案也列出約 $900.9 billion 的多年採購與租賃承諾,大多和運算及基礎設施有關,並非今天就要付清的債務。這筆融資顯示訓練與提供前沿 AI 服務需要龐大資金,但不代表 API 會降價或服務一定改善。
推薦理由:這筆融資同時包含公開發行與策略夥伴私募,文章也拆開說明總額、公司實際取得的資金及多年基礎設施承諾,呈現前沿 AI 的資本需求。
PyTorch 的 float4 等特殊資料格式沒有一般的數值轉換方式,彼此混算時原本只有 CPU 會拒絕;其他裝置可能算錯,CUDA 還可能因此報錯,讓後續操作也受影響。這次修改讓 TensorIterator 在所有裝置上遇到這類轉換時,都用相同方式回報「尚未實作」,例如拿 float4 張量和整數或浮點數比較,或把結果加到 float4 輸出中。這讓不同裝置的錯誤處理一致,也避免 CUDA 因不支援的轉換而出問題。
PyTorch 原本會在處理每個資料時,重複計算一個其實整次運作都不會變的除法,白白多花時間。這次修改讓 PyTorch 先算好這個數字,再交給後續運算使用。在 GB200 上測試 GLM-5.3 的 FP8 權重時,速度快了 1.17 到 1.22 倍;例如其中一種權重,單次運算時間從 739.2 微秒降到 607.8 微秒。測試結果在修改前後都和 eager 的結果一致。
多張顯示卡一起使用、而且每張卡的 VRAM 都很大時,Linux 可能會用完分配給顯示卡資料的位址,讓資料建立或交換失敗。Intel 提出把 Linux 7.5 核心的相關範圍從 1TB 調高到最多 8TB。這項改動是為了因應多顯示卡系統:位址空間變大後,就比較不容易因為用完空間而出錯。本文也提到,這項改動可能是為 Intel Crescent Island 顯示卡做準備;該卡每張最多有 160GB LPDDR5X。
突發訊息:Starlink 正協助改善巴西偏鄉醫療。🇧🇷 Penedo 的行動診所使用 Starlink,讓醫療團隊探訪偏鄉社群時能保持連線。https://t.co/EgOSExbOIb
Kubernetes 預計在 1.40 移除 kube-proxy 的 IPVS 模式,平臺團隊若沒先確認節點設定,升級時可能影響服務流量。IPVS 模式早在 1.35 已標示淘汰;使用 Linux 核心 5.13 或更新版本的節點,可改用 Kubernetes 1.36 起提供的 nftables 模式,較舊的節點則可改用 iptables 模式,並在設定變更後重新啟動每個節點。文章中的測試顯示,nftables 在 5k、10k 和 30k 個服務的首個封包延遲略低於 IPVS,但只測了特定情境。遷移前應確認各叢集實際使用的模式、節點核心版本,以及代管服務的設定方式。
筆電螢幕在顯示暗色畫面時,可以調低背光來省電,但顏色準確度可能會受影響。AMD 替 GNOME 的 Mutter 加入配合這項功能的支援,讓系統能依畫面內容調整背光,並在下一個畫面更新時套用設定。舉例來說,畫面較暗時可降低背光,減少耗電。這項改動讓支援功能的 AMD 筆電更容易使用省電顯示功能,但調整背光也可能讓畫面顏色不那麼準確。
網站管理者常需要分辨可疑流量,也要知道網頁載入了哪些指令碼。Vercel 開放 Priority Projects 公開測試,供 Pro 和 Enterprise 團隊按專案加購,每個專案每月 $200。它能標示來自 Tor、VPN 和代理伺服器等流量,提供更多機器人資訊、防火牆警示,也能透過 Page Integrity 檢視並封鎖未核准的網頁資源。流量來源規則可用來記錄、要求驗證或封鎖請求,但 Vercel 提醒,分類中也可能包含正常使用者;Page Integrity 和 OWASP 檢查另行計費。
Kubernetes Pod 的資源請求如果設得太高,EKS Auto Mode 會依這些數字配置節點,即使容器實際用量較低也一樣。AWS 推出預覽中的資源最佳化功能,先觀察容器的 CPU 和記憶體用量,再提供建議;選擇 Apply 後,還能直接調整執行中的 Pod,不會改動 Deployment 或 StatefulSet 裡的設定,因此 Argo CD 和 Flux 不會把調整還原。容器需要約 12 小時的用量紀錄才會收到第一筆建議。目前功能只涵蓋 Deployment 和 StatefulSet 的 CPU、記憶體,也沒有自動復原;團隊需先確認適用範圍,再決定是否套用。
伺服器處理大量資料時,常得先把資料從 SSD 搬到主機處理;而快取若用獨立硬碟,也會佔掉硬碟插槽。Phison 在 SC26 展示兩款仍在開發中的企業級 SSD:一款內建 NPU 和 64GB 記憶體,可在硬碟上執行 PyTorch、vLLM 等工具,處理資料後只把結果傳回主機;另一款則把速度快、較耐寫的 pSLC 快取和容量大的 QLC 放進同一顆硬碟。Phison 表示,適合的工作最多可能少傳 10 到 100 倍的資料;另一款則讓每顆硬碟都能兼顧快取和容量。兩種設計都想減少資料搬動或額外佔用的插槽,但產品仍在開發中,實際效果還要等更多資訊。
DuckDB 2.0.0 有些情況會漏掉資料,也有設定可能讓外部存取沒有被擋住。DuckDB 2.0.1 LTS 修正這些問題,並修補 Linux 記憶體管理與 Brotli 解碼器相關漏洞;若暫時不能升級,Linux 使用者可設定 DUCKDB_JE_MALLOC_CONF=muzzy_decay_ms:0,降低其中一項記憶體問題的影響。這版也新增 Sirius,能在符合條件的 Linux 電腦上用 NVIDIA GPU 執行 DuckDB 查詢;第一次載入時會下載約 1 GB 的對應程式。升級前還要檢查 SECRET 許可權範圍,以及 UPDATE ... FROM 和 MERGE 的更新結果可能受到多筆符合資料影響。
推薦理由:這次更新同時修正資料遺失與安全問題,也調整部分舊行為;文中列出升級前需檢查的設定與暫時緩解方式。
整理資料表時,舊方法可能會暫停讀寫;查詢方式改變,也可能讓原本快速的查詢變慢。PostgreSQL 19新增 REPACK,讓資料表在多數重整過程中仍可正常讀寫,但最後切換時仍會短暫鎖定,也需要額外磁碟空間。管理者還能用新擴充模組指定資料表的讀取順序與方式,減少查詢變慢的機會;不過資料分佈改變後,固定查詢方式也可能影響效能。新版也加入等待備援伺服器同步資料後再查詢的功能,避免讀到舊資料。
企業把資料庫放在不同洲時,常得在就近連線、故障備援和寫入速度之間取捨。AWS Aurora DSQL 現在可把不同洲的兩個 AWS 區域連成同一個資料庫,兩地的應用程式都能讀寫同一份資料,並在交易完成後看到更新。如果其中一個區域故障,另一個仍可處理讀寫;不過,跨洲同步寫入可能增加延遲,少數故障復原情況也可能短暫出現連線或交易錯誤,因此應用程式需要能重新連線並重試交易。企業選擇部署地點時,也要考量資料存放位置和法規要求。
推薦理由:跨洲叢集讓兩地應用程式能共用強一致性資料庫,並在單一區域故障時維持讀寫;同步交易也可能因距離增加延遲。
ROCm 分析工具處理紀錄時,背景工作可能同時新增資料,讓正在讀取資料的程式遇到問題而當機。這次修改會先把待處理的紀錄分批取出,再放開鎖來分類和處理;處理期間新來的紀錄會留到下一次處理或清理時再讀。修改也保留共用緩衝區的事件數量限制,並加入檢查這些情況的測試。不過,這項作法不保證每筆同時送來的紀錄都會被處理;新測試也尚未在 CI 工作中執行。
ROCm 原本用 POSIX 檔案描述符,讓不同 GPU 分享可擴充套件記憶體;但每個區塊都會佔用一個描述符,數量太多時就可能分享失敗。這次 PyTorch 改用 fabric handle,讓支援 UALink 的 GPU 能交換記憶體區塊,也避開檔案描述符上限。測試中,16,384 個區塊都能完成分享;POSIX 檔案描述符方式則在系統上限較低時提早失敗。改動也繞過一個 HIP 問題:從 fabric handle 匯入的記憶體只開放 GPU 存取。測試顯示,這項改動主要改善分享的穩定性,沒有帶來明顯頻寬提升。
推薦理由:Uber 的案例呈現 AI 程式工具用量大增、總支出仍大致持平的情況,也說明工具描述佔用上下文時,團隊如何改用集中式 MCP 閘道。
PyTorch 開源版原本還會建置舊版 ProcessGroupNCCL,這次更新把它移到內部程式碼,讓開源版的 ProcessGroupNCCL 改用 nccl2。舊版後端和部分 Python、C++ 介面也一併移除;需要使用相關 C++ 擴充功能的開發者,得改用新的 nccl2 標頭檔。直接建立 ProcessGroupNCCL 時,現在會依群組排名設定裝置並提早初始化通訊;若程式要使用其他裝置,就必須設定群組排名,或啟用延後初始化。
企業想降低 AI 成本,也希望能在自己的資料和裝置上使用模型。Nvidia 與 Microsoft 在 Microsoft Ignite 宣佈擴大開放模型的使用方式,涵蓋 Azure、企業自有裝置、工廠系統和 Windows 雲端電腦。EY 用 Microsoft Foundry 的 Programmed Training 調整 Nvidia Nemotron 開放模型,分類企業採購紀錄;EY 表示,在自己的評測資料上準確度提高 55%,成本比專有前沿模型低 15 倍。這是 EY 對特定工作的結果,不能直接代表其他用途也會有相同表現。
把 API 金鑰放進公開的容器映像檔,可能很快就有人拿來呼叫服務。研究團隊在 Docker Hub 等 8 個儲存庫放入 300 個蜜罐映像檔,記錄到超過 14 萬次使用 AWS 測試金鑰呼叫 API 的活動;Docker Hub 上的 100 組測試金鑰全在發布後 15 分鐘內被使用,最快只隔 7.86 秒。研究人員推測,自動化工具可能直接檢查映像檔內容,不必執行容器。團隊建議在 CI/CD 流程中檢查金鑰;若發現外洩,應撤銷或輪替憑證,光刪除映像檔並不足夠。
llama.cpp 的 OpenVINO 支援在不同提示詞長度或輸出數量改變時,可能得重新編譯模型,或重用不合適的舊模型,造成速度變慢甚至執行失敗。這次更新調整 GPU 的 KV 長度、改善提示詞處理階段的模型重用方式,也讓系統確認輸出數量相符才沿用編譯結果;模型快取也會把輸出設定納入檢查。更新還修正多種模型在 GPU、NPU 和靜態形狀設定下的問題,並加入 Falcon-H1 的 OpenVINO 驗證資料。
訓練 AI 助理時,每次測試都要準備任務、運算資源和檢查答案的工具;如果環境一直開著卻沒在做事,也會白白花錢。Abundant 用 Modal Sandboxes 建立這些測試環境,讓 AI 助理挑戰工作,再由檢查工具判斷有沒有完成。團隊把監看程式放在測試環境裡,每 30 秒回報狀況;運算需求忽高忽低時,環境也能按需要增加資源。Abundant 已建立超過 75,000 次測試,每月執行超過 200 萬個 Sandboxes。這套做法減少了閒置資源的花費,讓團隊能把時間用在設計更可靠的任務和答案檢查方式。
企業想把 AI 用在工作上,得先決定模型要放在哪裡、如何配合自家資料。NVIDIA 和 Microsoft 擴大合作,讓企業能在 Azure 使用 NVIDIA Vera Rubin NVL72 系統,也能透過 Microsoft Foundry 調整 NVIDIA Nemotron 開放模型,再部署到雲端或企業自己的裝置。EY 用這種方式調整模型來分類採購紀錄,在自己的評估資料上準確率提高 55%,成本比專有前沿模型低 15 倍。合作也把 AI 部署選項延伸到 Azure Local、工業用邊緣裝置和 Windows 電腦,讓企業能依資料位置與工作需求選擇執行方式。
推薦理由:NVIDIA 與 Microsoft 把雲端、企業內部和個人電腦的 AI 部署選項串在一起,也展示企業如何用自家資料調整開放模型。
資料中心用電快速增加,也讓供電來源和碳排成為能源規劃的難題。IEA 預估,到 2030 年資料中心用電量將是目前的兩倍,AI 資料中心每年還會多用 350 TWh 電力,超過英國一整年的用電量。報告也指出,中國 AI 資料中心所需電力約半數將來自燃煤發電;美國資料中心約 60% 的電力則將由天然氣供應。隨著化石燃料發電需求增加,IEA 預估資料中心碳排到 2030 年將增加 70%。
推薦理由:IEA 把資料中心用電與各地供電來源放在一起看,呈現 AI 用電成長如何牽動碳排,並比較中國與美國的能源結構。
大型機構要替大量員工部署通訊工具,得先確認它能不能符合需求。歐盟委員會在 2025 年 12 月完成概念驗證,確認 Matrix 通訊協定和 Element 使用者端符合需求;到了 2026 年 9 月,委員會把自行營運的 Matrix 工具部署到每臺筆記型電腦,提供逾 4 萬名使用者使用。開發 Element 的公司分享了這次匯入經驗。
推薦理由:歐盟委員會先完成概念驗證,再把 Matrix 工具部署到每臺筆電,提供大型公部門匯入通訊系統的實際案例。
本機程式出問題時,常得在好幾個視窗間切換,才能追查資料庫和訊息佇列發生了什麼事。Marko 做了 Services by Bitno,讓 Docker 和 Kubernetes 裡的服務集中顯示在 VS Code 的同一個面板;選取容器就能檢視記錄、開啟終端機,也能檢視即時資源圖表。Postgres、Kafka 和 Redis 等服務會顯示成連線,方便檢視資料表、訊息主題或鍵值。工具目前可讀取、篩選和匯出資料,編輯資料表列的功能仍在早期開發。