五角大廈 AI 殺傷鏈釀禍、Linear 點破程式碼審查極限
美軍因過度依賴 Palantir AI 系統且缺乏人為驗證,誤炸伊朗小學,凸顯 AI 失控與責任推諉的風險。 - AI 失誤案例:Palantir AI 參與的導彈攻擊誤炸伊朗學校,造成嚴重傷亡。
美軍因過度依賴 Palantir AI 系統且缺乏人為驗證,誤炸伊朗小學,凸顯 AI 失控與責任推諉的風險。 - AI 失誤案例:Palantir AI 參與的導彈攻擊誤炸伊朗學校,造成嚴重傷亡。
Jev 是一款快速且低成本的分類模型,本文示範如何以約 $17 的成本在 Together AI 上訓練並部署自己的 Jev 版本。 • 基礎模型採用 Qwen3.5 4B,搭配 38,340 個來自 Hugging Face 的多類別資料集。
透過在 Docker 建構階段設定 UV_COMPILE_BYTECODE=1,vLLM 可在 H100 上節省約 18 秒啟動時間,Qwen3-8B 與 Qwen3-32B 亦分別節省 17.6 秒與 17.8 秒。
Rust Security Response Team 指出,Miri 會將環境變數寫入 target/;若 GitHub Actions 快取該目錄且 PR 可讀取,機密可能因此外洩。
summary_zh: GLM 5.3 FlashX 現已於 AI Gateway 上可用,提供約 200 tokens/second 的推理速度,適用於編碼代理、工具迴圈與互動式應用。
Fusion 於 Devin Desktop 與 CLI 上推出,讓開發者可同時使用前沿模型與成本效益模型,提升 39% 以上的編碼效能。 - 架構:兩個獨立代理,主導模型負責規劃與審核,副手模型負責執行與測試,僅交換簡短摘要,保持 prompt 快取。
summary_zh: GitHub Copilot 現已可透過官方 @ai-sdk/harness-github-copilot 連線至 AI SDK harness 層,讓開發者能以同一 HarnessAgent 介面執行多種 coding agents,無需改動程式碼。
Axolotl v0.19.0 釋出宣告式模型支援與多新模型家族,提供更簡易的微調流程並提升推理效能。 - 宣告式模型支援:模型只需宣告差異,省去多處配置。
功能開發、程式碼遷移和日常維護常需要跨多個 PR 持續進行,單次對話很難接手整段工作。Cursor 推出 Projects,讓開發者透過協調 AI 助理安排工作,由其他 AI 助理分頭寫程式碼;每個 Project 會累積共用背景,也能在雲端執行、需要時切換到本地,並依 Slack 訊息、排程或 PR 狀態主動處理任務。Cursor 表示,主要使用 Projects 的內部使用者,合併 PR 的數量達原來六倍;這項功能目前進入 beta,正逐步開放給所有使用者。
推薦理由:Projects 把多步驟開發工作交給協調 AI 助理分工,並累積共用背景,適合瞭解它如何支援功能開發、程式碼遷移與日常維護。
SWE-2 是 Cognition 最新推出的編碼模型,結合 2.8T 引數基礎模型與多層 RL 訓練,實現了 50% 的 FrontierCode 1.1 主分數與 64% 的成本降低。
推薦理由:SWE-2 的效能與成本雙提升,為程式開發領域提供了更具價效比的選擇,並以顯著的成本優勢領先同類模型
ThunderKittens 已在 NVIDIA Vera Rubin NVL72 上完成最佳化,能以 NVFP4 與 FP8 格式執行 GEMM。 - 新 ISA 功能:Vera Rubin 支援 64‑byte K 步、576 欄張量記憶體、328 KiB 共享記憶體,並新增 B‑side collector 與 early A release 指令。
Mistral AI 幫助一家歐洲能源運營商將 40,000 行 Fortran 77 程式碼遷移至 C++,通過 AI 代理完成語法轉換、架構重構和測試。文章詳細闡述了構建數值一致性驗證 harness、文件化流程、以及人機協同的結構化工作流,並給出遷移經驗。
OpenAI 推出 GPT-6 Astra,作為其迄今為止最具智慧與對齊能力的模型,現已在 ChatGPT Work、Codex 及 API 中可用。該模型在計算機使用、瀏覽、軟體工程及網路安全等專業任務上表現領先,API 定價為每百萬輸入 token 10 美元、每百萬輸出 token 50 美元。
推薦理由:原文公佈了新模型的各項能力基準、定價及企業級安全控制,讀者可以據此評估其在複雜工作流中的成本效益。
Cognition 的研究團隊與 AI 代理 Devin 合作,開發出世界上最快的 GPU 格子過濾器,成功分解 RSA-260,成本約 $400k,比以往節省 10 倍。
推薦理由:本研究展示了利用自動化軟體工程代理在 GPU 上實作 GNFS,將 RSA-260 的分解成本降至 10 倍以往水平,為大規模數學運算提供可行性參考。
一位 MIT 研究員使用 GPT-5.6 Sol 配合 Codex 自主執行量子計算實驗、分析結果並對量子位元進行校準。該方案展示了先進模型在科學研究領域的實際應用方式。
1Password 的工程師使用 Codex 快速構建新功能和內部工具,在保持嚴格安全策略的同時達到了生產就緒狀態,使工程生產力提升了 21%。
Go 1.24 以 Swiss Tables 取代傳統 map,提升記憶體使用效率;同時開發者對 AI 產出的粗製文本表現出強烈不滿。 - Swiss Tables:Go 1.24 內建 map 使用 Swiss Tables,改善查詢效能與記憶體佔用。
GitHub Copilot 透過四項最佳化,降低 AI 編碼成本而不影響品質,讓開發者可直接應用於工作流程。 - 核心變更:保留關鍵上下文、移除無效格式、縮短指令、直接交付背景工作,避免額外工具呼叫。
推薦理由:本文說明 Copilot 透過四項最佳化,降低 AI 編碼成本而不影響品質,對開發者可直接應用於工作流程,並可減少模型呼叫,提升開發效率。
Google DeepMind 釋出 Gemini 3.8 Flash 與 3.8 Flash Cyber 兩款新模型,帶來更強的長程推理、編碼和AI 助理任務能力。
推薦理由:原文公佈了新模型的架構變動、基準成績與具體定價,讀者可以據此評估它在成本與長程智慧上的價效比。
有些團隊需要 AI 助理直接使用內部服務、程式碼庫或特殊硬體,但雲端環境不一定符合需求。Cursor 推出自託管機器,讓工具執行改在團隊自己的機器上,Cursor 雲端仍負責推理、規劃和編排;工具執行結果會傳回 Cursor,供後續推理使用。團隊可以連線單臺機器,也能建立會隨工作需求擴縮的資源池,並在支援的沙箱服務上執行。這讓團隊能配合既有網路、硬體和建置流程安排 AI 助理的工作位置。
推薦理由:自託管機器讓團隊能把工具執行放在自己的網路與硬體上,同時由 Cursor 雲端負責推理和編排,適合瞭解企業如何調整 AI 助理的執行環境。
Verus 是一個自動化程式驗證器,能在 Rust 程式碼中直接撰寫規範與證明,並在秒內完成檢查。 - 快速反饋:證明檢查平均在秒內完成,支援 VS Code 內即時提示。
OpenAI Triton 釋出了 gfx950 教程 v2.1,修正了 warp-pipeline barrier 相容性問題,並加入了對 out-of-tree LLIR‑scheduler 與 amdgcnas 外掛的原生支援。
Diffusers 0.40.0 釋出多項新管線、張量並行支援與 CLI 改進,為開發者帶來更高效的多模態推論與操作體驗。 - 新管線:MiniMax‑H3、MiniMax Music 3、Wan Animate 2、LTX‑2.5 等,支援影像、音訊、影片同步生成。
VeRL-Omni v0.2.0:更快的擴散 RL 與穩定的 Omni 訓練 summary_zh: VeRL-Omni v0.2.0 釋出更快的擴散 RL 與穩定的 Omni 訓練功能。
程式碼庫變大或數量暴增時,Git 託管服務很難同時維持速度、資料一致和可靠性。Cursor 推出 Continuity,把每次推送先存進 S3 的預寫日誌,再讓各副本依日誌更新;讀取前也會確認副本已追上進度。大型程式碼庫可以增加副本來分擔讀取,小型或閒置的程式碼庫則能減少副本,需要時再從日誌還原。Cursor 表示,測試中副本增加到 100 個時,讀取效能隨副本數線性提升;使用 S3 標準版時,每秒可處理最高 120 次推送。
推薦理由:Cursor 說明 Continuity 如何把 S3 預寫日誌當成資料來源,並依程式碼庫負載調整副本數量,呈現其擴充設計與一致性取捨。
Supabase‑js 允許客戶端追蹤連結至後端日誌,透過 W3C Trace Context 將 trace_id 傳遞至 Supabase API Gateway 與 Edge Function 日誌。
Together AI 平臺允許在實際流量中對 LLM 進行 A/B 測試,透過端點層級的實驗配置,確保流量分配、指標追蹤與版本升級的完整流程。\n- 實驗設定:端點僅包含控制端點,變體部署權重為 0,透過百分比分配 95/5 → 80/20 → 50/50。
DeepSeek V4 Pro 0813 在 DeepSWE 基準中,單次回合成本僅 $0.24,比 Claude Fable 5 的 $21.63 低 90 倍。
Cursor 宣佈 SpaceX 已完成收購,這項收購流程始於雙方在 4 月宣佈合作。Cursor 表示,加入 SpaceX 後將能使用對方的 GPU 資源來訓練模型,目標是打造能力更強、執行成本更低的模型,並以較低價格提供給客戶。Cursor 提到,週三推出的 Grok 4.6 已初步展現雙方合作能做出的成果;公司也表示,仍會專注於協助人們少花時間寫程式,把時間用在解決更難的問題上。
推薦理由:收購完成後,Cursor 表示可使用 SpaceX 的 GPU 資源訓練模型,並希望以較低成本提供更強的模型。
程式寫好並上線後,工程團隊還得留意問題、調查事故並修正程式。Firetiger 團隊加入 Cursor;Firetiger 開發的 AI 助理會監看更新推出後的狀況、找出退步或故障,再把發現交給寫程式的 AI 助理。Cursor 表示,這能讓 AI 助理從送出程式變更到檢視上線後的表現、出問題時再處理,整個過程更連貫。
GitHub Copilot SDK for Java 是首個框架無關、AI 供應商中立的 Java 客戶端,支援 BYOK,允許直接連結 OpenAI、Azure、Anthropic 等端點,且不需要 Copilot 訂閱。
推薦理由:本文展示如何用 GitHub Copilot SDK for Java 進行框架無關的 AI 整合,並提供完整 Jakarta EE 11 範例與實作細節,對 Java 開發者最佳化 AI 服務流程有實際指引。
要讓 AI 助理長時間處理大量工作,模型得兼顧速度、準確度和部署方式。NVIDIA 推出 Nemotron 3.5 Lightning,並由 SGLang 在 Day 0 提供支援;這個模型共有 30B 引數,每次運算啟用 3B,支援最多 1 million tokens 的上下文視窗,也能針對特定工作流程再訓練。它提供 MTP、DFlash 和 DSpark 三種推測解碼方式,先猜後驗證多個 token 來加快生成;原文稱,在相近準確度下,部分 AI 助理任務可快最多 30%。開發者也能控制每個步驟是否進行推理,依工作難度調整回應方式。
推薦理由:Nemotron 3.5 Lightning 把模型蒸餾、推測解碼與 SGLang 支援放在同一篇說明,能看出部署時如何取捨生成速度與工作需求。
AI 模型在伺服器上回答問題時,注意力運算、專家選擇和資料搬動都可能拖慢速度。Tencent Hunyuan 團隊把 HPC-Ops 的三種運算元整合進 SGLang,分別調整長短請求混在一起時的注意力運算、保留專家選擇所需的計算精度,以及減少小型專家運算前後的資料搬動。在 8 張 H20 顯示卡上,Hy3-FP8 同時使用注意力與 MoE 運算元後,部分批次的每個輸出詞元延遲降低 15.1–48.8%;LongCat-Flash-Lite-FP8 使用 Router GEMM 時,輸入處理速度提升 5.5–6.1%。這些結果來自文中列出的特定模型與測試設定。
推薦理由:HPC-Ops 三種運算元已整合進 SGLang,文中用 H20 與 H200 測試說明它們在不同模型和工作量下的速度變化。
Python 3.15.0rc1 已正式發布,為 3.15 系列的首個候選版。 - 主要新功能:PEP 810 明確延遲載入、PEP 814 新增 frozendict、PEP 799 Tachyon 高頻統計抽樣分析器、PEP 686 UTF‑8 預設編碼等。
推薦理由:Python 3.15 先行預覽帶來 8-9% 效能提升與多項新功能,開發者可提前測試並為正式版做準備。
Supabase Evals 是一套開源的基準與框架,用於測試 AI 代理在 Supabase 任務(如建表、除錯 Edge Function、修復 RLS 政策)中的表現。
Wiz 於 2026 年推出 Agentic 程式碼安全系統,結合多層 AI 與傳統掃描,提供持續、可擴充套件的程式碼安全解決方案。 - Atlas:在 CyberGym 上 90.8% 成功率,發現 200+ 先前未知漏洞。
Cognition 與 U.S. Department of Energy (DOE) 簽署備忘錄,加入以 Genesis Mission 為核心的國家 AI 先鋰計畫。
推薦理由:Cognition 與美國能源部簽署備忘錄,將協助推動 Genesis Mission,提升美國科學研究效率與安全。
Google DeepMind 推出 Gemini 3.6 Flash、3.5 Flash-Lite 以及 3.5 Flash Cyber 三款新模型,旨在以更高效率和更低延遲支撐大規模 AI 助理工作流。
推薦理由:官方釋出了三個新的 Gemini Flash 系列模型,給出了詳細的效能指標與價格,讀者可以據此評估其在AI 助理工作流和高吞吐任務中的成本與效率。
summary_zh: Replit 透過內部 Agent 系統,將自動駕駛型公司概念落實於實際工作,導致程式碼產出提升 5.8 X、每位工程師產出提升 2.9 x、人工 PR 審查時間節省 30 %。
Fable 5 在 Devin Fusion 架構下的成本低於 Opus 4.8,同時取得更高分數。 - 成本比較:Fable + Sidekick 每次執行成本 $1.86,低於 Opus + Sidekick $2.04。
推薦理由:實驗顯示,Fable 5 在 Fusion 架構下成本更低、效能更高,說明管理風格可顯著影響代理成本與效能