搜索“其他”

： 如此紧密的循环只有在永不停止时才能奏效，因此我们把一小时没有发布视为 SEV-0，即我们最严重的一类事故。未发布的变更会堆积起来，而生产环境中已有的每个问题都会持续更久。反馈也会变慢。一个智能体只能在脑中保持几个小时的工作量，因此比这更快地发布实际上有助于它保持连贯。[...] 我们可以在 30 秒内回滚一项有问题的变更，且精确回滚到出问题的地方，不影响其他任何地方。当监控或日志告警触发时，它会启动或唤醒一个负责该事故的智能体，而我们会有意制造故障来测试这些恢复路径是否有效。 读这篇文章时我至少挑了十几次眉。我很难想象这种开发风格能用在出错代价更高的软件上，但对于一款游戏来说，这似乎效果出奇地好。 Jacob 说，Fable 5（以及后来的 5.1）正是让这种自主程度成为可能的模型。Opus 5.5 对他们来说不太够用，而当他们尝试用 GPT-6 Astra 来应用安全审查中的修复时，一切都停摆了： 每一项功能都被禁用了，并被标记为在安全修复完成后重新开启。Astra 遍历了我们整个产品，通过把不安全的东西关掉来让它们变得安全。 正是这类极端实验让我对游戏开发作为探索当今编码智能体

匹配字段正文

AI 已接管 90% 代码编写，甚至为了完成任务开始“越狱”。 作者丨郑佳美 编辑丨岑 峰刚刚，Anthropic 在 IPO 招股书中披露了四起此前未公开的 Agent 安全事故。其中一次，模型在网络安全测试中迟迟无法完成任务，便继续寻找其他路径，随后从本应断网的测试环境中找到保存的密码，获得第三方系统的管理员权限，又获取其他凭证、修改系统设置并访问外部数据，整个过程持续了 10 至 34 小时。同期披露的另一项安排是，下一代前沿基础模型的预训练推迟了一个多月。除此之外，这份招股书还有一组关于内部研发的数据：2026 年 9 月，Claude 贡献了 Anthropic 内部代码库超过 90% 的代码贡献量，日均代码贡献量达到 2024 年平均水平的 45 倍。公司此前公布的研发自动化指标显示，截至 8 月，约 26% 的研发任务达到 AL4 自动化等级，意味着 AI 已经能够根据较高层级的目标，自主完成任务中的大部分工作。这些信息放在一起，能看出 Anthropic 正在经历的变化：Claude 开始从编写代码走向实验执行和方案迭代，逐步参与下一代模型的研发。不过要理解这场变化，不

匹配字段正文

放标准 MCP，阿里、字节的智能体平台都在向这套标准靠拢，微信却在其上另做了一层。 微信官方文档的说法是，小程序的接口形态和网页服务差别很大，标准的 MCP 没法直接套用，所以小程序 MCP 按小程序的特点做了定制：开发者必须按规范提供完整的 SKILL 实现，小程序 AI 才能正确推理，执行相应的原子接口。这个定制的代价是，这个说明书只能在微信用，如果日后其他平台也各自加一层，同一个小程序，就得对着每个平台写一份说明书。 另一件是合规。据行业媒体报道，智能体安全强制性国家标准《智能体应用安全基本要求》已经立项，行为留痕、授权清晰、可追溯这些要求，迟早要计入开发成本。再往后，小程序的价值衡量标准可能从“被打开的次数”变成“被调用的概率”。 开发模式开放提审后的三个月，是一个可作判断的观察窗口。届时若接入的小程序中开发模式占比仍不足一成，“认真拆的只有头部”即成定论；若出现一批中小开发者自发改写 SKILL，且能拿出可归因的调用增量，这一判断就需要修正。决定走向的或许不是微信的决心，而是开发者的实际投入。 即便改造最终没有形成规模，这套规范本身也会沉淀下来。能力如何描述、参数如何传递、返

匹配字段正文

PHP。其中绝大多数（71%）的网站所有者没有听说过最近的 PHP 漏洞。 Network Solutions Group 首席系统架构师 Rick Radinger 表示，调查显示了认知和知识上的差距，但除了不了解当前的 PHP 问题外，他们可能也不认为修复是自己的责任。“所有者可能知道警告，但可能以为他们的托管服务提供商会处理，”Radinger 说。“其他人可能需要额外帮助，但不确定该联系谁或下一步该怎么做。” 围绕 PHP 警报的部分动员行动包括 Cloudflare 等大型网络基础设施公司和 GoDaddy 等网络托管服务商发布的更新。Cloudflare 在一篇博客文章中表示，它部署了新的 Web 应用防火墙防护，以检测和抵御攻击。GoDaddy 对其托管主机和 Windows 主机服务进行了更新，这些更新不需要网站所有者采取额外步骤，但表示自行管理网站或运行虚拟专用服务器的域名客户可能需要自行更新 PHP。 除了安全更新外，Cloudflare 还在其 HackerOne 上的漏洞赏金计划中推出了 PHP 夺旗竞赛。“我们在（防火墙）后面放置了一个故意存在漏洞的 PHP

匹配字段正文

g 的实现很简单，就是一个智能体检查另一个智能体的先前工作并写回记忆。这使得该功能成为用同一套底层托管智能体原语构建更高层行为的例子。 他们对路线图的描述比一份功能清单更为细致。记忆和学习仍然重要，但团队表示，随着模型发布变得越来越困难，他们更多的近期注意力已转向安全。他们还讨论了保持基础 harness 相对简单，同时让开发者在其上试验验证器、并行智能体和其他策略。提到的未来平台能力构想应被视为计划，而非已交付的承诺。 关于评估的对话自然随之展开。harness 是一个应用，但改进它开始变得像研究：选定目标、测量行为、检查失败，然后迭代。嘉宾和主持人讨论了如何用模型来帮助构建和分析评估，同时保留足够的判断力，以决定该评估是否反映了真实用户的工作。 节目笔记 Claude Opus 5.5 发布公告——Anthropic 关于模型行为、评估和定价的发布说明。 Katelyn Lesse 和 Angela Jiang 在 Anthropic 合作伙伴峰会上——Anthropic 标明了她们的平台工程和产品职位。 扩展托管智能体：将大脑与双手解耦——本期节目讨论的会话、harness 和沙

匹配字段正文

能体。在 GPT-6 Astra 的支持下，它们可以通过 OpenAI 的插件生态系统连接 4,000 多个应用，并承担持续性职责。 这些智能体在后台持续运行，进行研究与监控，然后提出行动建议——完成拉取请求（PR）、起草消息、文档和分析，或预订会议——供人工在环审核。根据用户的规则和所涉及的操作，dot 可以继续执行、请求批准，或将敏感任务留给用户处理。 其他更新包括 Decisions API，它使用预定义的答案选项对输入进行分类或路由请求；以及 Agents API 中的计算机使用功能，让智能体能够与软件界面交互。 在 11 月 3 日于伦敦举行的 OpenAI Dev Day Exchange 之前，OpenAI 欧洲、中东和非洲地区开发者体验与社区负责人 Vaibhav “VB” Srivastav 向 The New Stack 谈到了公司正在发布的一系列功能。常驻伦敦的 Srivastav 还指出了这些新发布可能如何影响工程师的日常工作。 本次采访经过编辑，以求清晰和简洁。 The New Stack：在 DevDay 上，OpenAI 发布了 20 多项产品和更新。在快

匹配字段正文

hers 共同创立了Databricks，将运行Spark所需的分布式基础设施——集群、扩展、安全——的复杂性抽象到一个面向企业的单一平台背后。 Spark加速了数据处理，但数据存放在哪里是另一个问题。那个时代的企业数据占据着两个彼此分离的世界。数据仓库保存着结构化、可信的记录，让分析师能够用SQL对它们提问，并支撑着每一块仪表盘和每一份季度报告。数据湖则为其他一切——文档、图像、录音和日志——提供廉价存储。数据湖很便宜，所以团队把所有东西都倒进去；但在进入的过程中没有任何东西被检查或结构化。尽管TensorFlow和PyTorch等AI开源工具围绕数据湖成长为一个庞大的生态，但要从一堆你无法信任的数据中获取价值仍然很难，这也让它们得了个“数据沼泽”的绰号。 两套系统各自解决了一个问题，但它们制造了一道鸿沟。工程师和数据科学家用Python生活在湖里，而分析师用SQL生活在仓库里。每当一方需要另一方的数据时，就得有人搭建一条管道来搬运它。这让公司留下了大量副本、管道、权限和相互冲突的定义。但在2010年代后期，Databricks、Uber和Netflix各自独立地得出了同一个解决方案

匹配字段正文

接近2025年全年规模的三倍。今年美国已有九笔单次发行规模至少达到250亿美元的交易，除Skydance Corp.为收购进行的融资外，其余均来自科技公司。 “我们正在见证数十年来资本密集程度最高的企业周期之一，”高盛资产管理多元固定收益投资主管Lindsay Rosner表示。 高盛预测，在乐观情境下，AI投资所带来的财富效应，将使AI相关股票上涨55%、其他股票上涨20%，大盘整体涨30%，财富效应将提振消费增速0.7个百分点。但在悲观情景下（AI股跌40%、其他股跌15%、大盘跌20%），财富效应将对消费增速构成0.3个百分点的拖累。 AI投资通过“股市上涨→家庭财富增加→消费支出提升”路径传导。该行在此前的报告中写道，过去两年，财富效应平均每年提振消费增速约0.3个百分点，其中约0.2个百分点可归因于AI相关股票收益。未来一年预计提振0.4个百分点，主要由AI股强势表现驱动。 高盛集团亚太区（除日本外）总裁施南德此前警告称，股市中AI板块上涨带来的财富效应正在拉动消费，但这同时意味着一旦市场出现调整，会立刻通过财富效应传导至美国消费，这也是全球金融家当前关注的最大金融风险之一。

匹配字段正文

类的支持性职能……执行阶段除了初始计划和一些从早先内部自动形式化工作中提炼出的智能体技能之外，几乎不需要额外的脚手架。” 数学形式化花费13.5万美元：这项工作耗时约一周，消耗“约1000亿输入token（90%为缓存读取）和约3亿输出token（总计估计13.5万美元的token支出），并产出了约60万行Lean代码。”完成这项工作后，他们得以加速研究中的其他一些方面：“我们已经看到自动形式化的双重好处：利用这个库来扩展奇异学习理论的部分内容。形式化奇点消解让我们能够自动化更多理论工作，例如更好地理解采样，而这种理解正是让我们能够塑造模型学习方式的关键，这也是我们称之为patterning的目标。” 智能体可以从零开始构建程序：……ProgramBench 在几个月内从 0% 提升到 18.5% 的性能……作为 AI 进步飞速的一个提醒，Claude Opus 5.5（xhigh）在 ProgramBench 上取得了 18.5% 的分数，这是一个今年 5 月发布的非常难的基准测试——而在它发布时，所有受测模型都得了 0%。 ProgramBench 是什么：ProgramBench

匹配字段正文

比增长。Finkelstein 也明确说过，Agent 带来的交易和普通在线商店交易收费一样，没有额外费用。换句话说，Agent 订单对营收的贡献只能藏在 GMV 和支付里，没法单独拆出来。 但 13 倍的意义，不在于它今天贡献了多少营收，而在于它证明了 Agent 能带来 Shopify 原本拿不到的顾客。 第一个信号是新买家。AI 渠道的新客订单增速约是其他渠道的两倍，Shopify 还特意强调，传统搜索依然是商家最大的流量来源之一，并且仍在增长。也就是说，AI 不只是在搬运原本属于搜索的流量，它在带来增量。 第二个信号是长尾。75% 的 AI 订单落在头部品类之外，这恰好是 Shopify 的基本盘。数百万家独立小店，过去很难在搜索广告和电商平台的竞价位里抢到曝光，而 Agent 更擅长按具体需求去匹配商品，这些小店第一次有了被「找到」的机会。 为了让商家看到这件事，Shopify 在今年 5 月给后台加了一个 agentic 板块，商家可以看到来自 ChatGPT、Copilot、Google AI Mode、Gemini 和自家 Shop App 的订单与转化。Shopify

匹配字段正文

安全（即运行在笔记本电脑上的安全）之外的安全预算。 他们将自己的支出分为五个类别。 安全运营中心。SOC 是负责分析来自网络各处传感器、进入企业的告警的团队。随着响应时间从数月骤降至数分钟，AI SOC 实现了告警分诊的自动化，因为没有任何人工团队能以这样的速度阅读每一条告警。7 SIEM。安全信息与事件管理。这些数据库汇总企业内的所有信息，并为 SOC 及其他团队的分析提供支持。AI 用自然语言查询这些数据存储，使分析师能在几秒内回答问题，而不必提交工单来编写查询。 渗透测试。利用 AI 通过刻意尝试入侵来确定系统哪些部分存在弱点。模型尝试入侵，是因为它们能以远低于人工红队的成本持续探测每一个端点。 威胁情报。了解是谁在攻击企业。AI 跨来源关联攻击者的言论，因为新攻击活动的数量已超出人工整理的能力。 漏洞管理。这是一个持续的过程：在整个资产范围内发现企业的软件弱点，按风险排序，并修补真正重要的漏洞。8 AI 会判断哪些缺陷实际上可被触及和利用，因为扫描器报告的发现远多于任何团队能够修补的数量。 每个类别都有显著的 token 消耗。 OpenAI 总裁 Greg Brockman

匹配字段正文

法？ 我们会就此主题写更多内容，但想先带你走到幕后，因为我们希望尽快更多地了解网络安全行业，以及过去几年引领我们走到今天的发展趋势。我们在播客结尾聊了一些轻松话题，从Muse-maxing到对仍在招聘初级技术人才的兴奋。请把问题和话题发给我们，因为我们计划今后录制更多这样的播客。 可在Apple Podcasts、Spotify以及你获取播客的任何平台收听。其他Interconnects播客请见这里。YouTube ↓ 章节 00:00 Kimi K3.1反响 08:15 Kimi的开放权重网络原则 11:23 “万物皆可黑”时代 15:54 PHP2Shell、LiteLLM与新互联网 24:00 消融API、防护措施与可信访问 31:41 Anthropic不招聘初级员工 36:16 Florian的Muse瘾 45:30 总结 我们讨论的链接 我与Dean Ball关于前沿实验室“狼来了”故事的讨论串 Kimi K3.1 Pro发布博客 Kimi K3.1 Pro在Artificial Analysis智能指数上的表现 Kimi K3.1在Artificial Analysis防

匹配字段正文

要点 过去几年，美国和中国一直在构建AI帝国，而其他所有希望获得先进AI的国家都在变得依赖它们。 谁有能力负担这场竞赛，比谁先造出通用人工智能更重要。历史学家尼尔·弗格森、研究者丽莎·克拉森和前谷歌CEO埃里克·施密特认为，高额债务、国内阻力以及一场潜在的台湾战争威胁着这两个大国。 在为《外交事务》撰写的文章中，他们以规模定律为帝国类比奠定基础。由于模型进步取决于能源、矿产、芯片和资本，软件再次成为一种稀缺的、因而具有地缘政治属性的资源。任何低于某一门槛的人“根本不在局中”。来自刚果的原材料和肯尼亚时薪仅几美元的数据工人，构成了他们所称的“聊天机器人时代的种植园经济”。 OpenAI和Anthropic开始看起来像东印度公司 作者将OpenAI和Anthropic比作东印度公司——那些在殖民时代凭借政府特许状运营、却建立自己的军队并统治整个地区的强大贸易公司。与它们一样，当今的AI实验室与政府谈判，却仍被政府牵着绳。 作为证据，他们引用了6月的一个案例。美国商务部命令Anthropic切断外国公民对其两款最强模型的访问。由于无法实时核实用户的国籍，Anthropic在全球范围内关闭了F

匹配字段正文

，不只是一套制冷设备，还包括换热、流体输送、工质兼容性和系统控制能力。 根据公司披露，2020年其水冷机组已批量应用于储能，2024年又交付了面向5MWh储能系统的全链条液冷方案。 这些积累被整合进数据中心的Coolinside：从贴着芯片的冷板，到快接头、分水器、CDU，再到工质、管路和冷源，形成一套可以联合设计、测试、交付的系统。 这条路径的价值，在于用其他场景积累的技术，争取新平台的验证机会，再逐步进入共同开发。 第二种策略，是以单点效率，弥补系统缺失； 具体来说，这相当于是单项技术不占优的情况下，通过更密集的项目交付，加快积累故障数据、控制经验和工艺能力——也就是用更高的“经验生成速度”，追赶海外厂商更长的经验时间。 举例来说：浪潮信息与京东云联合开发液冷整柜并规模部署，同时将每台设备的生产测试接入制造执行系统，保留可回溯记录。 这样做的优势，是可以让下一批产品，用上上一批发现的问题进行优化，形成正向反馈。 第三类策略：是以效率、以时间换市场。 这就是国产企业更常见的打法：不等单个零件做到世界第一，而是同时布局冷板、管路、Manifold、CDU、快接头和控制系统。就算单项技术

匹配字段正文

？2028年后的供给释放是关键 当前内存行业的高利润，反映了AI需求与有限产能之间的失衡。Rasgon称，内存行业毛利率已达到88%—90%，但市场并未因此给予相关股票极高估值，原因之一正是投资者担心2028年以后新增供给集中释放，导致价格回落。 HBM的特殊之处在于，其制造需要消耗更多晶圆资源。随着AI加速器需求增长，HBM扩产不仅要增加自身产能，也会影响其他DRAM产品的供给。短期内，产能分配与扩产速度难以迅速跟上需求；但随着新产能陆续投产，供需关系也可能发生逆转。 内存短缺何时结束，关键不在于某个固定日期，而在于新增产能何时开始超过需求增量。 如果扩产集中在2028年以后，而AI需求增速同时放缓，当前的高价格和高利润率就可能难以维持。 投资者需要关注HBM与DRAM扩产进度、先进封装和晶圆制造能力，以及云厂商资本开支的变化。在供给明显增加之前，内存仍可能制约AI算力交付；但在更长周期内，扩产也可能成为压低价格、侵蚀利润的因素。 英伟达护城河还能守住吗？性能优势面临自研芯片挑战 英伟达的核心优势，在于持续提升芯片性能，并通过软件生态和开发工具增强客户黏性。但随着云厂商越来越重视算力

匹配字段正文

未达成的情况下，反而成了一笔沉重的负担。 而且，估值越高，麻烦越多。 有科技企业给员工安排股权激励时，采用了较高估值。后来员工离职，要求退出股权，按照协议，创始人需要接手。 结果，估值越高，回购成本越大。 原本用来吸引人才的股权激励，反倒成了创始人的财务压力。 而且，股权激励涉及的公允价值认定、税务处理，对IPO律师来说，也是不小的工作量。 类似案例虽然来自其他科技企业，但对正在经历高估值融资的具身机器人公司，并不遥远。 更何况，一级市场的估值，到了二级市场还要重新接受检验。 黄立冲就不太赞成为了维持上一轮融资估值，勉强把发行价定到缺乏经营支撑的位置。 一家机器人公司拿到500亿元的投后估值，不代表上市之后，二级市场投资者愿意按照同等市值接盘。 尤其是商业化尚处早期的机器人公司，更要解释清楚： 现在的估值，究竟是在为已经验证的批量业务付钱，还是把未来几年的销量、产能和服务收入，都提前算进去了？ 如果收入预测依赖尚未转化的试点，投资者自然会对未来收入兑现的时间和资金需求打折。 因此，具身公司还要提前准备估值不及预期、发行规模缩小或上市延后的方案。 投资人想退出，创始人担心回购，拿着期权的

匹配字段正文

轮抛售压力，美国股票、债券市场同步承压。纳斯达克出现数月来最差单日表现，美国高收益债风险溢价升至17个月高位，CCC级垃圾债收益率则攀升至2020年以来最高水平。股指表面波动有限，底层资产的风险重估却在加速。 引发市场担忧的焦点之一，是Meta在公布三季度业绩后释放的巨额融资计划。据巴克莱10月23日发布的研究报告，Meta选择提前融资，部分原因是AI生态内其他企业已陆续启动或计划启动融资，资本市场的吸纳能力正变得越来越有限。 这揭示了AI巨头面临的“囚徒困境”：每家公司都有抢先融资的动机，但如果巨头集体加快发债，新增供给就可能推高融资成本，反过来挤压所有参与者的融资空间。与此同时，对冲基金持续削减杠杆，AI相关信用资产的利差分化也在扩大。 过去一周，指数表现掩盖了个股之间的剧烈分化。高盛数据显示，其AI受益股与风险股多空组合较6月高点下跌约55%，年内涨幅悉数回吐；动量策略也出现大幅回撤，跌至2008年金融危机以来的极端水平。 周四，标普500指数下跌1.2%，仍有335只成份股上涨；等权重标普500指数上涨0.7%，市值加权的SPY却收跌。高盛数据显示，对冲基金在此前八个交易日中有

匹配字段正文

不信去民科吧看一看，90%数学民科都在攻关哥德巴赫猜想。 做题，也是一种秀肌肉。 9月份，OpenAI听说隔壁A家在挑战NS方程，马上把手头的资源都集中到这个方向，组织了一万个AI代理并行工作，终于在A家之前抢发了自己的成果。 NS方程正是韦东奕主攻的方向之一 数学领域现在已经成为诸神之战的战场，随便一道余波都可能震晕场内的人类。 在数学家感到被碾压之前，其他行业的人，早已经被碾过好几轮了。 最早让全世界一起冒汗的是围棋。 2016年之后，AlphaGo先后击败李世石、柯洁，从那以后围棋棋手从一种象征人类智慧的职业变成了天天和AI打擂台的工种。 那时，人类还能把这场失败理解为一项特殊技能的失守——机器棋下得好，总不能什么都比人强吧？ 后来，战场从棋盘搬到了办公桌。 Midjourney、Stable Diffusion们开始抢画师的饭碗，十年学艺可能不如AI一分钟输出的结果； 代码能力的进步让Vibe coding很快降低到了乐高积木的难度（没那么难其实）； 仅仅是单人出道还不够，就在最近，芒果TV的AI阵容已经官宣上线，虽然只有5个人，但凝视他们的脸你能看到人山人海。 我们过去习惯

匹配字段正文

东西，毕业后没了设备，两个人便合伙买下一台桌面五轴机床。他们曾花四五个小时做出一枚钛合金戒指，后来又拿它加工手表外壳、扳手和首饰，相当于把学校里的实验室搬回了家。 国内一名叫“紫薯”的程序员喜欢洞穴潜水，市面上买不到合适的装置配件，他就自己设计。以前，他要把图纸发给工厂，等零件做好后再赶去测试；买下桌面CNC以后，在家就能完成加工。后来，他还把做好的配件卖给其他潜水爱好者，一共卖出了20多件。 还挺酷的对吧！但海外用户想从中国买到这样一台五轴联动桌面机床，并没有那么容易。 WM-100项目方发布公告称这轮众筹只向公司、工厂、大学和研究机构开放，并要求购买者提供机构注册信息、机构介绍和最终用途承诺书，普通用户暂时没有资格购买。 原因在于，WM-100的技术指标落入核供应国集团相关清单所列范围，出口时须按中国两用物项出口管制规定申请许可。出口管制看的是机器能加工什么、精度能做到多高，而不是它占多大地方。所以哪怕体积和价格已经接近消费级产品，它也不能像普通电器一样直接卖到海外。 下不了单的老外很着急，只希望赶快开放个人用户购买，连6000刀的价格都觉得“便宜到家了”。 那么，一台只能加工巴掌

匹配字段正文

间的角色。 当下，深圳的进口功能已经多元很多。一部分支撑本地高端制造和研发，一部分承担亚太区域分拨中转功能，还有一部分服务全国产业链的产能升级。 深圳的角色，已经从被动承接全球产业转移的节点，转向主动配置全球高端要素的调度中心。 这种角色变化的长期价值，远高于短期的增速数字。 深圳在全球价值链中的位势，已经从靠成本优势接单的制造端，转向靠产业集聚能力配置资源的枢纽端，城市的抗风险能力和产业议价权，都会随之上一个台阶。 当然，70%的高增速不可能长期维持。芯片价格周期、产业扩产节奏都会影响后续进口数据，增速逐步回落是必然趋势。 这种地位不是靠宣传或者会议堆出来的，是无数工厂、企业、物流线路一点点积累出来的。 真正的产业链话语权，要掌握在自己手里。 深圳把进口枢纽带来的产业、人才、技术流量，如何迅速有效转化成自主创新存量的成功经验，为其他城市学习借鉴提供了一个很好的榜样。（全文完）频道: 金融财经本内容来源于网络 原文链接，观点仅代表作者本人，不代表虎嗅立场。 如涉及版权问题请联系 hezuo@huxiu.com，我们将及时核实并处理。正在改变与想要改变世界的人，都在 虎嗅APP[ ]]]

匹配字段正文