研究人员揭露静默数据泄露两天后，xAI 开源了 Grok 构建版本
新发布的 Apache-2.0 仓库仍通过一个隐藏的服务器端标志位包含数据外泄程序，甚至还包含了来自 OpenAI 的未署名代码片段，这意味着开发者必须对该工具进行审计，并轮换任何已泄露的凭据。
GyaanSetu AI
AI、机器学习与 LLM 洞察。
Neko Health 融资 7 亿美元，将在纽约推出 AI 驱动的预防性诊所
这笔由 Lightspeed Venture Partners 领投的 C 轮融资将用于支持 Neko 在纽约的旗舰诊所。该诊所将高分辨率成像、血液检测和专利传感器与人工智能相结合，使临床医生能够在症状出现之前发现疾病前兆。
Anthropic 的可解释性论文或将助力其万亿美元估值的融资逻辑
该研究仅提供了与特定任务相关的部分激活图，尚未能证明因果关系。尽管这标志着向透明化迈进了一步，但开发者应将其视为一种早期诊断手段，而非安全保障。
Anthropic 研究发现：AI 生成的代码使理解力下降 17%，且未提升开发速度
该实验将开发者分为 AI 辅助组和仅查阅文档组；结果显示，AI 组在概念测试中的得分低了 17%，且未表现出明显的时间优势。这表明，快速获取的代码片段掩盖了知识鸿沟，从而在后期推高了维护成本。
版权局拒绝保护AI生成的图像，但保留了作者的文字与排版
美国版权局裁定，某部图形小说中由 Midjourney 生成的图片不具备版权保护资格，但仍授予作者的文字内容及分镜排列方式版权，这进一步强调了记录人类创作投入的重要性。
CodeQL 2.26.0 新增提示词注入查询 —— 构建 CI 回归测试夹具进行防护
内置的 CodeQL 查询可以标记从不受信任来源（如 GitHub issue 正文）到调用模型 SDK 的任何数据流。通过将正向和负向测试文件与 expected-alerts.json 契约相结合，你可以将这种检测转化为构建时的门禁。
缓存侧信道攻击可从运行中的 AI 模型中窃取数据
通过监测缓存的读写时序，攻击者可以推断出输入数据以及模型部分已学习的权重。即使采用了恒定时间代码或模型加密，这种漏洞依然存在。
调试数小时后，开发者表示：AI Agent 仍需完整的工程栈
在一次实操测试中，一名开发者花费数小时将大语言模型 (LLM)、记忆层、规划器和工具集成整合在一起，结果却不得不应对幻觉、无休止的重试以及 Token 成本带来的挑战——这证明了实现真正的自主性仍需手动构建。
下游 Electron 42.6.0 修复了 Linux 消息框崩溃问题
下游维护者通过重新调整两个 GTK 调用的顺序，防止了导致 Linux 上基于 Qt 的 Electron 应用出现段错误的空指针解引用问题。虽然同样的更改目前仍处于上游的一个待处理 PR 中，但用户现在可以通过 42.6.0 版本直接获得此修复。
Honcho 将长连接数据库会话替换为短连接会话，以降低 LLM 延迟
Honcho 团队发现，在等待缓慢的 LLM 或嵌入（embedding）调用时保持数据库连接开启，会占用大量连接池资源。通过采用预检读取、关闭会话并在仅在写入时重新开启的方式，他们降低了延迟并提高了可扩展性。
微软指示销售团队绕过 OpenAI 和 Anthropic，力推其自身的 AI 技术栈
微软调整策略，让销售团队与 OpenAI 和 Anthropic 展开竞争。微软正在关键性地改变其市场策略，从 AI 先驱的紧密合作伙伴转向……
Qwen 3.6 35B-A3B 在 RTX 5090 上的真实代码编辑测试中击败了四款竞品
该基准测试在单块 RTX 5090 上运行了五个智能体，要求它们在不使用任何云端 API 的情况下，为管理面板添加一个标签管理器。Qwen 3.6 35B-A3B 自主完成了任务，并进行了合理的改进，且无需任何运行后的补丁修复。
AWS 推出用于企业管控的自托管 Claude Apps Gateway
Claude Apps Gateway 将控制平面嵌入到客户的 AWS 账户中，为 IT 部门提供统一的管理界面，用于管理身份、审计日志和支出，同时允许开发者在不向外部泄露数据的情况下启动由 Claude 驱动的会话。
350M 参数 LLM 智能体完全在浏览器中运行——零云端费用
该助手将模型权重随静态网页一同分发，并使用一组包含八种工具的固定列表、语法约束解码和 RAG 技术，而这一切仅需在单个 16 GB GPU 上使用 30M token 即可完成训练。
注意力汇聚检测器显示：修剪 BOS Token 会导致 LLM 性能崩溃
该检测器记录所有注意力头的原始注意力分数，进行全层聚合，并利用 log-MAD 测试来标记占据绝大部分注意力的 Token。从 KV 缓存中移除这些“汇聚”Token 会导致生成过程不稳定并大幅降低质量。
欧盟拟议法律可能迫使 AI 聊天内容接受非法内容扫描
该提案扩大了现有的消息过滤规则，将其涵盖范围延伸至任何两人进行文本交流的服务。这意味着 AI 提供商在模型处理用户提示词之前，必须先通过自动扫描器对其进行扫描。
OpenAI 的 GPT-Red 碾压人类红队，攻击成功率高达 84%
该自我博弈系统让攻击模型与其防御模型进行对抗，通过从每一次失败中学习，挖掘出人类从未考虑过的漏洞模式，并将这些见解直接反馈到 GPT-5.6 的训练流程中。
OpenAI 发布售价 230 美元的 Codex Micro 键盘，专为 AI 驱动的编程智能体设计
Codex Micro 配备了发光智能体按键、可编程快捷键、摇杆和推理旋钮，所有功能均直接接入 ChatGPT 桌面应用，让开发者无需离开 IDE 即可监控并操控多个 AI 智能体。
AWS Lambda AI 智能体的冷启动成本高于计算成本
在 Lambda 上运行 AI 智能体按毫秒计可能看起来很便宜，但真正的开销来自于冷启动延迟、触发多次模型调用的重试循环，以及由此产生的、远超计算费用的 Token 消耗。
BrassCoders 在 15 个 AI 生成的 Python 脚本中发现 2 个存在硬编码密钥问题
这两个存在漏洞的脚本——一个嵌入了 HMAC 签名密钥，另一个是明文 SMTP 密码——展示了当被要求提供“可用的示例”时，大语言模型 (LLM) 会如何自动填充缺失值，从而导致便捷的代码片段在版本控制系统和生产环境中演变成凭据泄露风险。
OpenClaw 的 “Claw Chain” 漏洞威胁 24.5 万台 AI 服务器 —— 40 分钟内即可修复
新披露的四个漏洞源于默认设置——公网绑定、全局可读配置、权限过大的沙箱以及缺失审计日志——这使得攻击者能在几分钟内从一条看似无害的日志条目实现对系统的完全控制。
Ode 的前线部署工程师旨在终结企业级 AI 的“试点炼狱”
由 Chris Taylor 和 Eddie Siegel 创立的 Ode 与 Anthropic 合作，将 Fractional AI 的人才库与 Anthropic 的 Claude 模型相结合，并在 Blackstone、Hellman & Friedman 和 Goldman Sachs 的支持下，致力于将概念验证转化为生产级 AI 系统。
Thinking Machines 与 Nvidia 合作，利用 GB300 NVL72 硬件训练 Inkling
Inkling 基于 45 万亿多模态 token 进行训练，在仅激活其 9750 亿参数中极小一部分的情况下，即可提供 Nvidia 级别的编程性能，从而大幅降低了企业用户的延迟和运营成本。
OpenAI 部署 GPT-Red，将模拟攻击成功率从 90% 降至 23%
这种自博弈“道场”模式让 GPT-Red 充当攻击者，同时让防御模型学习防御策略，从而揭示了诸如“伪思维链攻击”等新型手段，这类攻击能诱导大语言模型接受错误的前提。