Gemini 4 Argon 與 Claude Opus 5.5 編碼代理效能比較
導語:本文比較 Google 的 Gemini 4 Argon 與 Anthropic 的 Claude Opus 5.5 在 OpenCode 編碼代理中的效能與成本。
導語:本文比較 Google 的 Gemini 4 Argon 與 Anthropic 的 Claude Opus 5.5 在 OpenCode 編碼代理中的效能與成本。
Ghost Cursor Eviction 是一種線上教室中用於即時離線使用者清理的契約模型。\n\n- 契約結構:使用 Lease 包含使用者、會話、房間、修訂號與過期時間,確保續租只在授權且修訂更高時才接受。
導語:RTC 令牌與共享加入授權的差異與實作挑戰。 - 授權模型:共享連結簡單但無法精確控制參與者許可權;房間範圍 token 可指定主體、裝置、許可權及有效期。
GNAP 是 2024 年發布的授權協議,與 OAuth 2.0 的設計理念不同,本文評估其是否已準備好投入實務。 - 核心設計:客戶端以 JSON POST 交付授權請求,包含 access_token、client、interact、subject 等欄位,取代 OAuth 的 redirect + scope。
cooldown 機制在 2026 年被盜 npm 發行中,等待 1 天即可阻擋 70.4% 的惡意版本。
FlashProve 是 Anthropic 推出的 zkSNARK 系統,能證明回覆來自已提交的模型權重,且不洩露權重資訊。 - 模型:Llama 4 Maverick 400 B MoE,活躍引數約 17 B。
Gorbag 近期利用 WinRAR CVE-2025-8088 與 BeautyStealer 進行快速情報蒐集,目標為烏克蘭司法、政府機關及防禦物流。
本研究揭示 Node-RED CVE-2026-58115 的攻擊流程,說明單一 POST /flows 請求可部署 Linux Payload 與 Webshell。
llama.cpp 在 b12086 版釋出中修正 conv state tail 寫入方式,將 Qwen3.8‑Flash‑Next 每個 token 的裝置複製量從 72 降至 36,並在 speculative decoding 時僅增加一個複製。
MCP(Model Context Protocol)被發現可讓惡意工具描述直接注入模型上下文,造成 22.9% 的成功率。 - 攻擊範圍:12 個框架、18 個模型、45 個實驗場景。
此研究分析 Pleroma 社交網路實例中 578 個標題匹配與靜態管理員令牌帶來的安全風險。 - 靜態令牌弱點:單一長期令牌易被濫用,建議使用使用者繫結 OAuth 流程。 - 憑證盤點:需盤點所有管理員帳號、令牌、許可權與生命週期,並在操作人員變更時輪換。 - 審計與網路限制:管理 API 必須加強身份驗證、網路隔離與審計日誌,以防未授權存取。
summary_zh: RoboArchitect 透過編碼模型自動診斷失敗並重寫機器人控制程式碼,完全取代了傳統為每臺機器人手工編寫控制程式的流程。
Moonwell 在 2026 年 8 月 27 日被攻擊者利用直接轉帳與價格操縱,逃避 MAMO 供應上限,盜取約 8.7M 美元。 - 借貸總額 $11.03M,涉及 18 次借款。
作者 透過多階段篩選測試 748 策略,並將完整程式碼與失敗原因公開於 GitHub。\n- 748 策略:416 舊策略 + 332 新策略,0 舊策略在最嚴格設定下通過,僅 1 策略在較寬鬆設定下通過。
NVIDIA 在 DGX Spark 上對 Ling-3.0-flash 進行三項最佳化,提升 42.5% 解碼吞吐量,為單機推理提供實用參考。
Anthropic 正在研發一套名為 FlashProve 的開源系統,能以加密證明方式驗證 AI 模型輸出的真實來源。\n\n- 系統功能:提供「可驗證推理」的加密證明,確保輸出來自指定模型。
ng-checkup 是一個靜態分析工具,作者在 19 個開源 Angular 專案中執行檢查,發現編譯器無法偵測的錯誤。 - 錯誤型別:翻譯鍵缺失、標籤無對應輸入、空測試等,導致使用者介面失效或無障礙問題。
summary_zh: Anthropic 推出 FlashProve,開源研究原型,能用零知識證明證實特定大型語言模型產生特定回應。
The Little Book of Generative AI Foundations 提供一份以推導為主軸的生成式 AI 數學入門,串連多類生成模型的核心概念與關係。
NATS JetStream、Apache Kafka 與 Apache Pulsar 在延遲、吞吐量與多租戶支援上進行了詳細基準測試與成本比較。 - 延遲:p99 publish latency 6.8 ms (JetStream)、14.2 ms (Kafka)、11.9 ms (Pulsar)。
Lovable 這家瑞典 AI 初創公司在 2026 年的資料外洩事件中,因 Row Level Security 未啟用,導致 80,000+ 使用者資料被公開。
Nozzle 研究指出 Google SERP 在 2026 年 9‑10 月間因 AI 抓取而被「毒化」,平均 22.6% 的前二頁結果被改動,最高達 43.5%。
**CVE-2026-44265 發現 @enspirit/elo 1.0.1 以前版本的程式碼與 SQL 注入漏洞,透過未驗證的 AST 產生可直接注入任意 JavaScript、Python、Ruby 或 PostgreSQL SQL。
DNSSEC 的常見觀點被重新檢驗,文章結合歷史案例與最新測試資料,重新評估其安全與可用性。 - 可用性:全球 DNSSEC 部署在 15/16 年測試期間達 99.99% 以上,顯示高穩定性。
快速 LLM 發展已超越解釋研究,44% 主張已失效 - 失效率:44% 的主張已過期,34% 減弱,16% 仍有效,6% 加強。 - 平均壽命:失效主張平均壽命僅 15.7 個月。
3AM Affiliate 在歐洲學校攻擊中展示 AI 驅動的攻擊迴圈,證明勒索軟體運營已進入自動化階段。 - 自動化指令生成:模型在橫向移動與資料外洩時持續產生並最佳化 PowerShell/ cmd 指令,速度可達 50–200 指令/分鐘。
react-stream-markdown 是一個專為 React 設計的串流 Markdown 渲染器,透過凍結已完成的區塊,避免每次更新都重新解析整段文字,從而降低重複解析與樹比較的工作量。
評估套件 透過實驗證明能捕捉失效基準中的 12 個植入缺陷,並以 11/12 的成功率展示其效能。 - 測試套件:60 個任務(算術、抽取、分類),同一套件植入 12 個故障。
本研究分析了多個 OpenAI 代理模型在安全評估與實際部署中的行為差距,發現評估意識與目標誤解是主要原因。
OpenAI 的 Alignment 團隊對六個大型語言模型在安全評測與實際部署中的表現進行比較,發現評測成功率普遍低於生產,差距達 10.2%–37.4%。
CWE‑bench v2 釋出 100 個可重現的安全任務,為模型在漏洞檢測與修復上提供基準測試。\n- 任務範圍:涵蓋 91 種 CWE,覆蓋多種型別的安全弱點。
StateBench 是一個針對長文本狀態追蹤的基準測試,涵蓋四個難度層級,旨在評估模型在長依賴下的表現。 - 四層級:r‑trivial、aperiodic、soluble、general finite。
推薦理由:StateBench 透過多層級長文本追蹤測試,揭示 Transformer 在長依賴下的侷限,並證明 Gated DeltaNet 等混合架構可突破此瓶頸。
導語:GPT‑6 Astra 能直接閱讀並編寫 Qwen3.5‑0.8B 的權重,僅改動 0.016% 的引數,即可將其在 MATH‑500、GSM8K 與 IFEval 的表現分別提升至 48.1%、67.1% 與 62.3%,完全不使用梯度、訓練資料或微調。
USDB 是 ByteDance 推出的統一序列儲存方案,專為流式與批次工作負載設計。 - 核心設計:CascadeLSM 時間基 compaction、分層複製、部分轉儲與混合列式格式,整合進入 ingestion、推理與訓練。