跳到正文

全部動態

RSS
今日 4 則
11月20日週五
  1. Databricks Blog75

    PostgreSQL 19 已在 Lakebase 上線

    資料庫升級常要等託管服務跟上,還得處理查詢變慢、資料表膨脹或讀取副本落後等問題。Databricks 宣佈 PostgreSQL 19 已可在 Lakebase 使用,並介紹這版新增的實用功能:例如整理資料表時,大多數過程仍可讓讀寫繼續;讀取副本也能等到指定的資料更新後再回應,減少剛寫入卻讀不到的情況。升級前應先測試自己的工作負載,並確認依賴的擴充套件已支援 PostgreSQL 19;新版本也調整了部分預設值。

    推薦理由:PostgreSQL 19 把資料表整理、查詢計畫調整和副本讀取同步等工具納入核心,文章也說明瞭升級前要留意的限制與相容性變更。

  2. Vercel Blog51

    OpenAI 發布 GPT-Live 1.1,Vercel AI Gateway 已可使用

    AI 助理講話時,使用者有時需要插話或補充細節。OpenAI 的 GPT-Live 1.1 可以一邊說話一邊聽,也能讓來電者打斷或補充內容;相較前一版,它的語音轉文字更準確,跨語言時的口音和聲音也更一致。這個模型已能透過 Vercel AI Gateway 使用,原本串接 GPT-Live 的程式只要換成新的模型 ID。若開啟代辦功能,AI 助理可以請其他文字模型幫忙,再把結果轉成語音;這些代辦請求會另外計費,而語音工作階段在代辦執行期間仍會繼續計費。

  3. OpenAI Codex Releases68

    OpenAI Codex 推出 0.171.0,加入 GPT-6.2 Sol 和 Astra

    Codex 使用者在切換工作或遠端連線時,可能會遇到進度中斷、內容不好檢視的問題。OpenAI 的 Codex 0.171.0 把 TUI 工作區預設開啟,新增可搜尋的檔案預覽、圖片預覽和 AI 助理對話紀錄,也加入 GPT-6.2 Sol 和 Astra,並預設選用 Sol。這次更新還能用 codex exec --remote <ADDR> 在既有的 app server 上開始或接續工作,也為提示詞編輯器加入復原與重做,並保留附件和大量貼上的內容。

    推薦理由:這次更新把工作區、遠端連線與編輯操作整合進 Codex,能從日常使用流程看出它如何讓工作接續與管理更方便。

  4. ollama release39

    Ollama v0.40.17-rc2 調整 mlxrunner,讓已存的對話紀錄因應記憶體壓力

    mlxrunner 以前會固定保留 8 GiB 記憶體給 Metal 字首紀錄,現在改看系統還剩多少空間,以及程式執行時需要多少工作空間,再決定保留多少紀錄。系統開始壓縮記憶體時,它會釋放用不到的緩衝區和較久沒用的紀錄,同時保留可重用的路徑與正在處理的請求,讓記憶體吃緊時仍能繼續處理工作。

  5. AWS Machine Learning Blog74

    Amazon Bedrock AgentCore 讓 AI 助理透過 AWS 帳單購買 Marketplace 產品

    AI 助理要使用付費搜尋或其他線上服務,開發者過去得先處理付款方式和 API 金鑰。Amazon Bedrock AgentCore payments 現在可讓 AI 助理透過 AWS 帳單,按次購買 AWS Marketplace 上支援 x402 的軟體、API、資料和內容;開發者也能設定每次工作可花的金額和核準賣家。文中示範的研究助理會先搜尋並挑選工具,收到價格報價後確認預算,再付款取得搜尋結果;交易會記錄在 AWS CloudTrail 和 AWS Cost Explorer。

    推薦理由:這項更新把 AWS Marketplace 的付費流程接進 AI 助理工作流程,文章也示範如何用支出上限、核准賣家與交易紀錄管理採購。

  6. Tibo43

    ChatGPT 正在測試新的手機版介面,讓常用功能更容易找到,也方便探索其他功能。測試先從 Pro 使用者開始,物件是已有 dot 或符合建立 dot 資格的人;每個 dot 都會有自己的分頁,還能把 Codex、Projects、Images 等功能釘選到分頁列。部分使用者會預設看到新介面,也可以到 Settings > New ChatGPT Design 隨時開啟或關閉。OpenAI 想先收集使用者意見,再擴大推出。

  7. Cognition76

    挑選程式碼變更要不要合併,得同時看模型判斷得準不準、花費多不多。Cognition 用自家的 FrontierCode 2.0 評估 Gemini 4 Neon,這項基準測試關心模型能否判斷一項程式碼變更是否該合併。Gemini 4 Neon 得分 46.2%,每項任務約 $4.38;Cognition 表示,它的分數和 Opus 5.5 相差不到 1 分,成本約為三分之一。Gemini 4 Neon 也已可在 Devin Desktop 和 Devin CLI 使用。

    推薦理由:FrontierCode 2.0 用是否該合併程式碼變更來評估模型,並列出 Gemini 4 Neon 的分數與每項任務成本,方便比較其表現與花費。

  8. Claude Code Releases57

    Claude Code 推出 v2.1.329,更新 Code Mode 並修正多項問題

    Claude Code 在長時間工作、工具重新連線和編輯檔案時,可能遇到記憶體增加、內容遺失或工作卡住的問題。v2.1.329 加入資料夾 hooks 的信任警告,並讓 /tasks 顯示排程工作、背景工作和其他執行中的任務;Code Mode 也改善了工具呼叫、記憶體使用和中斷後的結果顯示。這版還修正 VS Code 設定檔可能受損、檔案缺少結尾換行,以及 MCP 伺服器重新連線後沒有工具等問題,並調整部分電腦操作的安全規則。

  9. Together AI Official Blog74

    Together AI 推出免費資料快取工具,讓 GPU 叢集更快讀取資料

    GPU 叢集如果每次都要從遠端下載模型或資料集,運算工作就得等資料到齊,還可能遇上費用和流量限制。Together AI 推出 Together Storage Accelerator(TSA),會把首次讀取的資料放在叢集節點的 NVMe 儲存裝置中,之後由叢集內的快取供其他節點讀取,原有程式也不必改寫。官方在 H100 節點測試,從 Cloudflare R2 讀取 2 GiB 資料,快取後約需 0.6–0.7 秒;200 臺節點下載同一份 70 GB 檢查點,來源只需傳送一次。TSA 現已免費提供給 Together GPU Cluster,實際速度會依資料來源和網路路徑而不同。

    推薦理由:實測比較冷資料與快取讀取速度,也呈現多臺 GPU 共用同一份檢查點時,快取如何減少重複下載與資料傳輸。

  10. Together AI65

    GPU 叢集從雲端物件儲存讀取資料時,下載速度可能拖慢工作。Together AI 推出免費的儲存加速器,會把 S3 相容儲存空間和 Hugging Face 的資料快取到叢集的 NVMe。每個叢集只需從來源下載一次,之後暖讀取速度最高可達 3.4 GB/s,約比跨雲端下載快 20 倍;原文也表示不用修改程式碼。

    推薦理由:原文提供了暖讀取速度與跨雲端下載的比較,可用來瞭解快取對 GPU 叢集讀取資料速度的影響。

  11. AWS Machine Learning Blog51

    AWS Quick 推出 Selling Partner plugin,讓賣家用對話檢視銷售與庫存

    賣家常要在不同工具間切換、匯出報表再整理試算表,才能看懂銷售和庫存出了什麼問題。AWS Quick 的 Selling Partner plugin 以一次登入連線 Seller Central,讓賣家用日常語言查詢即時商品、庫存和銷售資料,也能搭配其他業務工具一起分析;每類資料的存取權可分別設為 None、View 或 Edit,之後也能縮小或撤銷。文中示範的 AI 助理會比較新商品的進貨與配送選項,或根據流量、銷售和庫存訊號找出商品表現下滑的原因,提出修正建議,並在建立內容前請賣家確認。plugin 目前在美國商店進入 beta;AWS Quick Plus 的免費 12 個月方案可由主要銷售帳戶持有人在 2026 年 12 月 31 日前申請,並可讓 10 位受委派使用者加入。

  12. AWS Machine Learning Blog56

    BMW Group 如何管理數百個 AI 助理,讓上千名工程師一起開發

    數百個 AI 助理由不同團隊開發時,許可權、安全和品質標準很容易各做各的。BMW Group 分享一套管理方式:先把 AI 助理拆成可重複使用的工具、技能和工作流程,再用中央登入表讓團隊查詢、審核並避免重複開發。每次部署前,系統會檢查許可權、安全設定和測試結果;上線後也會追蹤品質變化,必要時交由人員調查。團隊仍能自行試作,但共同的檢查流程會在 AI 助理進入正式環境前把關。

  13. LMSYS Org Blog74

    Ant International 團隊如何加速 DeepSeek-V4.1-Flash 在 H20-3e 上的推論

    DeepSeek-V4.1-Flash 在 H20-3e 上處理長提示時,等待第一個回答的時間佔了很大一部分。Ant International 團隊調整分開處理提示與生成回答的部署方式,也改進了多個運算步驟;在 8 張 GPU 的測試中,平均完成時間從 13.63 秒降到 4.70 秒,每秒輸出量從 847 個 token 增至 2,465 個。團隊也測試了 4 張 GPU 同機處理的配置,平均完成時間從 18.62 秒降到 7.96 秒。這些結果顯示,不同部署方式的速度和吞吐量各有差異,適合用來比較實際工作負載下的取捨。

    推薦理由:這組測試比較 DeepSeek-V4.1-Flash 在 H20-3e 上的分拆與同機部署,呈現延遲和吞吐量如何隨配置改變。

  14. Wiz Blog & Research76

    PHP 修補 17 個漏洞,7 個可能讓未登入者遠端執行程式碼

    PHP 在 11 月 19 日發布安全更新,修補 17 個漏洞,其中 7 個被列為重大,特定設定下可能讓未登入的遠端使用者執行程式碼。Wiz 表示,目前沒有觀察到漏洞已在網路上遭利用。風險和主機設定有關,例如 phpAfterShell 需要使用檔案式工作階段,也需要應用程式裡有可利用的程式碼組合;其他多個漏洞則依賴較少見的設定。受影響的 PHP 8.2 至 8.5 有對應修補版本,PHP 8.1 與更早版本已停止支援,沒有官方修補。若暫時無法更新,可依文章建議調整上傳進度或 FastCGI 連線設定;更新後也要重啟相關服務,讓新版本確實生效。

    推薦理由:這次更新同時涵蓋多個 PHP 分支,文章整理了漏洞成立所需的設定條件與暫時緩解方式,便於團隊安排修補順序。

  15. llama.cpp Releases43

    llama.cpp b12552 改善 OpenVINO 效能並修正模型相容問題

    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。

  16. Arena.ai49

    Google DeepMind 昨天推出 Gemini 4 Neon,影片用 3D 場景、遊戲、介面設計和資料圖表展示它的表現。Peter Gostev 也把它和 Opus、Fable、Astra、Sol 比較,談到畫面細節、創意、動態效果、設計一致性與價格,並分享自己對 Gemini 4 Neon 距離頂尖模型還有多近的看法。這類實際操作比較能讓人看出模型在不同任務上的表現,但推文沒有說明最終排名或比較結果。

  17. Replit ⠕61

    使用線上 AI 助理時,聊天紀錄、記憶和登入資訊可能都放在服務商的伺服器上。Replit 用 Missions 挑戰製作一款 AI 助理,3 天後完成 Amuse。它免費、開放原始碼,可在自己的電腦上研究資料、瀏覽網頁、設定提醒和製作小型應用程式;採取行動前會先詢問使用者。Replit 也用 Security Scanner 找出並修補漏洞,並檢查成品是否安全。

    推薦理由:Amuse 把研究、瀏覽、提醒和製作小型應用程式放在自家電腦執行,也讓使用者保留自己的資料與登入資訊,呈現了個人 AI 助理的另一種使用方式。

  18. AWS Machine Learning Blog39

    Amazon Connect Talent 如何用 AI 助理進行有根據的結構化面試

    大量招募時,每位面試官問法和評分方式可能不同,候選人也可能第一次回答時漏掉重要細節。Amazon Connect Talent 會依職務設計問題和評分表,並在答案不夠清楚時追問;面試時的 AI 助理負責蒐集回答,之後再由另一個流程找出候選人展現的行為、引用對話內容並計分。資料不足時,系統會標出來,不會直接給分。 例如,候選人說自己改善了緩慢的系統,AI 助理可以接著問他做了哪些事、如何衡量改善。研究中,系統的評分有 89.3% 和獨立專家的判斷一致。它也不會用影片、聲音或外表來算分。這種做法讓候選人有機會補充經驗,也讓招募團隊能根據實際回答來評估。

  19. AWS Machine Learning Blog64

    Amazon SageMaker AI 開始監控推論端點,找出延遲上升與閒置 GPU

    AI 推論端點上線時調好的設定,可能會因流量和模型改變而不再合適,讓回應變慢或 GPU 閒置。Amazon SageMaker AI 現在會自動檢視端點的延遲、GPU 使用情況和服務設定,找出延遲變高、容量沒用滿,或可用但尚未開啟的效能改善;它不會讀取請求或回應內容。收到通知後,團隊可以在 SageMaker Studio 用實際流量測試其他設定,比較回應時間、吞吐量和每百萬個 token 的費用。測試在另一組運算資源上進行,端點不會自行變更,團隊確認結果後才決定是否套用。

    推薦理由:端點的流量和模型需求會隨時間改變,這項功能用實際流量測試替代方案,協助團隊比較速度、吞吐量與費用,再自行決定是否調整。

  20. Databricks Blog78

    Databricks 測試 Genie One:集中管理業務定義,讓不同團隊得到一致答案

    同一個「損失率」可能因部門採用的演算法不同,出現方向相反但都正確的答案。Databricks 用虛構的保險公司測試 Genie One,結果顯示,只有團隊各自整理的 AI 助理時,整體答對率是 83%;再加入集中管理的計算方式與業務說明後,兩次測試達到 93% 到 95%。這些資料讓 Genie One 知道每個部門採用哪種定義,也讓直接回答或轉交 AI 助理時都能找到一致的演算法。團隊檔案仍要靠 AI 助理提供,因此兩者搭配才能同時處理定義和檔案問題。

    推薦理由:這項測試呈現各部門對同一指標各有合理定義時,集中管理計算方式與業務說明如何提升 Genie One 的答題一致性。

  21. Databricks Blog76

    Databricks 推出 Genie ZeroOps 公開測試版,自動找出資料管線問題並提出修正

    資料管線出錯時,工程師常得花好幾個小時翻查紀錄和相關資料,安靜發生的問題還可能拖到報表出錯才被發現。Databricks 的 Genie ZeroOps 現已開放公開測試版,會監看管線、查詢可能原因、在安全環境測試修正方式,再通知團隊;對使用 Git 的工作流程,也能建立附上問題資訊的 PR。它不會未經人員同意就更動程式碼或正式資料。Databricks 表示,私下測試期間觀察了超過 80,000 起客戶問題,發現超過一半需要了解各公司的做事方式,因此新增自訂指示等功能,協助團隊依自己的流程判斷問題。

    推薦理由:這次公開測試讓團隊可從告警、查詢原因一路看到修正提案,並依 80,000 多起客戶問題說明自訂公司知識對判斷的重要性。

  22. SpaceX58

    Starship 第 15 次飛行中,Super Heavy 推進器返回時中止了捕捉,最後落入 Starbase 外海。SpaceX 表示,回收團隊隨即到場處理,環境安全團隊也負責尋找可能沖上岸的碎片。收到墨西哥境內可能有殘骸的通報後,SpaceX 派專家協助辨認並表示可支援清理;當地巡查只找到少量碎片,來源尚不能確認。SpaceX 也說,網路上有關大範圍殘骸和損害的部分貼文是捏造或誤導,並稱材料測試未發現化學、生物或毒理風險。

  23. Modal Engineering Blog50

    Abundant 如何用 Modal Sandboxes 打造省成本的 AI 助理訓練環境

    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。

  24. Google Gemini65

    用電腦做事時,人還需要繼續使用自己的螢幕和滑鼠。Gemini Mac App 現在可以在背景視窗中操作資料夾、App 和網頁,點選、捲動畫面與輸入文字;示範中,它把一張簡單草圖轉成 Blender 裡設定好骨架的 3D 模型。這讓人能把部分電腦操作交給 Gemini,同時繼續使用自己的螢幕。

    推薦理由:Gemini 可在背景視窗操作 Blender,示範把手繪草圖轉成設定好骨架的 3D 模型,呈現電腦操作功能的實際用途。

  25. Artificial Analysis43

    不太熟悉新推出的 Gemini 4 系列?以下是 Gemini 4 Carbon、Neon 和 Hydrogen 的幾項重點 Carbon 是價格最高的模型(每 1M 輸入/輸出 tokens 為 $4/$20),接著是 Neon($3/$15)和 Hydrogen($1.50/$7.50)。在低推理力度下,Carbon 的表現是三者中最好的,但會使用更多 tokens。不過,Neon 和 Hydrogen 提高推理力度後的擴充套件效果更好,並多了一種推理選項(xhigh)。

  26. AWS Machine Learning Blog66

    Amazon Polly 開放語音複製,幾分鐘錄音就能建立品牌聲音

    客服、教材或廣告常需要同一種聲音,改稿時若要重新錄音也很花時間。Amazon Polly 現在提供語音複製功能,取得說話者同意後,使用 1 到 10 段錄音就能建立克隆語音,通常需要 5 到 10 分鐘,之後可用來朗讀新文字。功能支援英文、西班牙文、德文、法文、義大利文、葡萄牙文和印地語,每個聲音只會說錄音使用的語言。語音會加密並限制帳戶存取,合成音訊也會加上浮水印;建立語音免費,使用時按量收費。目前須先取得帳戶使用許可權。

    推薦理由:Amazon Polly 可用幾分鐘錄音建立指定語言的克隆語音,並透過 API 用於客服、教材與遊戲等情境;文章也交代同意確認、許可權控管和刪除方式。

  27. AWS Machine Learning Blog78

    Amazon Bedrock AgentCore harness 加入 Strands 預設設定與生命週期檢查

    AI 助理接到長任務時,光有模型還不夠,還得管理上下文、使用工具,也要避免未經核准就執行退款等重要操作。AWS 更新 Amazon Bedrock AgentCore harness,加入任務規劃、網頁擷取、檔案讀寫和工作委派等內建工具,也會整理較早的對話內容,減少上下文用量。開發者還能在執行前後設定生命週期檢查,例如用 Lambda 檢查退款金額,超過 $500 就擋下操作,並讓 AI 助理通知顧客案件已升級處理。這些檢查也會套用到受委派的工作;模型、提示詞和工具許可權仍可自行設定。

    推薦理由:文章說明 AgentCore 如何用生命週期檢查攔下超出核准額度的退款,並讓相同規則套用到 AI 助理委派的工作。

  28. Together AI70

    Together AI 宣佈 Qwen4 Max 已可在平臺上使用,並提供 30% 折扣。這款模型是 Alibaba 的旗艦 Qwen 模型,採用 MoE 架構,總引數量為 2.4T、活躍引數量為 71B;原文表示它適合長時間執行的 AI 助理工作、程式開發和視覺任務,並有 1m 上下文視窗。

    推薦理由:Qwen4 Max 在 Together AI 上提供 30% 折扣,原文也列出活躍引數量與上下文視窗,可瞭解這次上架的價格優惠和模型規格。

  29. NVIDIA Blog71

    NVIDIA 與 Microsoft 擴大 AI 運算,從 Azure 延伸到 Windows 電腦

    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。

  30. Databricks Blog63

    Databricks 說明受監管產業如何安排 AI 助理的許可權與控制

    受監管產業匯入 AI 助理時,常要在自動處理和可追查、可控制之間拿捏。Databricks 整理出四種架構模式:由固定規則做出可重現的判定,AI 助理負責查明原因;讓 AI 助理產生結果,再由固定測試判斷是否合格;由 AI 助理整理證據與建議,重要決定交給負責的人;或只讓 AI 助理在明確的許可權範圍內執行。文章也以金融對帳、系統遷移、金融犯罪調查和資料存取為例,說明如何依錯誤代價、能否客觀驗證,以及是否需要人員判斷,安排控制邊界。

    推薦理由:四種架構模式分別安排 AI 助理、規則系統與人員的許可權,能協助受監管產業依錯誤代價和判斷方式規劃控制邊界。

  31. Guillermo Rauch48

    Guillermo Rauch 用數字比喻 AI 對工程師工作的影響:能專心把事情做好的工程師,現在可能像「1000 倍工程師」;只忙著爭論細節、忽略真正目標的人,則像「負 10 倍工程師」;一般知識工作者也可能因此變成「2 倍工程師」。他說,從自家新創公司與企業客戶使用 token 的情況來看,工程師和軟體工廠會用掉愈來愈多 token。他認為,Anthropic 的成功也顯示,寫程式是 AI 最重要的應用之一。

  32. Google Research84

    Google 用量子處理器測試 contextuality,最高跑到 105 個量子位元

    量子電腦的特殊優勢能不能在更多量子位元上維持,過去還不清楚。Google Research 團隊在 Willow 量子處理器上測試一種叫 contextuality 的量子特性:兩組參與者要在不能交談的情況下,對同一格給出一致答案;預先寫好的古典規則最多隻能答對 88.89%,量子處理器答對 98.30%。團隊也測試最多 71 個量子位元的遊戲,以及最多 105 個量子位元的淺層量子電路,結果都超過古典方法的界線。這些任務還能抓出一般隨機電路測試容易漏掉的細微硬體錯誤。

    推薦理由:研究以多種量子任務檢驗 contextuality 是否能在更多量子位元上維持,也指出這些任務能抓出隨機電路測試容易漏掉的細微硬體誤差。

  33. AWS Machine Learning Blog60

    AWS 與 Accenture 教你分階段降低 Amazon Bedrock 的 AI 成本

    企業使用 AI 越多,帳單可能越高,就算每個 token 變便宜也一樣。AWS 和 Accenture 建議先用標籤看出各團隊、工作和 AI 助理花了多少錢,再依序調整提示詞快取、批次處理、模型路由、資料檢索、語意快取或模型蒸餾。四個客戶案例中,token 花費約減少 40% 到 85%;有些案例同時改了好幾項,因此無法把省下的費用歸給單一做法。文章也提醒,調整時要逐項測量成本、回答品質和商業價值,品質變差時才能及時回復。

    推薦理由:文章把成本歸因、分階段調整與品質治理串成實作順序,並以四個企業案例呈現不同做法的花費變化。

  34. Cisco Talos Blog57

    Cisco Talos 追蹤 Java4Shell 漏洞,提醒檢查 OpenJDK 系統

    OpenJDK 的 Java4Shell 漏洞可能讓攻擊者遠端執行程式,影響使用 17.0.6 及更新版本、且搭載支援 AVX-512 VBMI 的 x86-64 處理器的 Java 虛擬機器。Cisco Talos 表示,目前尚未觀察到實際攻擊,但已在多種 Java 應用程式上成功測試。建議安裝軟體更新;若暫時無法更新,可在 x86-64 系統停用 AVX-512 支援作為緩解措施,並部署 Snort 規則、檢視 Splunk 偵測結果。文章也提醒,面對漏洞與服務中斷,團隊應先掌握環境裡有哪些系統,並持續留意異常活動。