←搜索结果

按匹配度 · 共 3275 条结果 清除搜索

星期五

  1. OpenRouter

    OpenRouter 私有端点内测:团队部署 GLM、Kimi、DeepSeek

    OpenRouter 表示,其 Private Endpoints 私有端点内测中,已有团队运行专属的 GLM、Kimi 和 DeepSeek 部署,并预留了 OpenAI 与 Anthropic 的容量。该功能面向 Enterprise 套餐开放,可添加专属容量和微调模型,像调用其他模型一样调用,仅对所属组织可见,必要时自动回退到共享容量。

    匹配字段摘要、正文

  2. TypeSafe AI

    TypeSafe AI 调侃 Lovable 集成多模型后自动化变快

    Lovable 宣布其应用构建现已接入来自 Anthropic、Firecrawl、Gemini、OpenAI、Perplexity、p0 和 TypeSafe AI 的更多模型,称只需向 Lovable 提问即可轻松构建 AI 功能。TypeSafe AI 转发并调侃:动态设计、结构化工作流和知识任务方案突然出现得越来越快,仿佛自动化变得容易多了,并称赞 Lovable 做得好。

    匹配字段摘要

  3. OpenClaw

    OpenClaw 转发个人 AI 智能体周报

    OpenClaw 转发 McBain 整理的“本周个人 AI 智能体动态”汇总帖,该帖涵盖 OpenAI、Meta、Google、Anthropic、OpenClaw、Nous Research、Perplexity、Manus 等多家公司。OpenClaw 评论称个人智能体领域持续壮大,并附上追踪链接。

    匹配字段摘要

  4. Rohan Paul

    WSJ 报道头部 AI 实验室定期开展反间谍演练

    WSJ 报道称,头部 AI 实验室正定期为员工开展反间谍演练。OpenAI 会提醒员工注意贿赂、咖啡馆窃听、被渗透的清洁人员和“蜜罐”诱惑,并教员工在办公室外隐藏带公司标识的物品、把厨房和清洁人员也视为潜在泄密渠道,Anthropic 和 Google 员工也收到过类似简报。报道称这种警惕程度反映出少数实验室掌握的价值,以及它们即将面临的约 3.5 万亿美元 IPO。

    匹配字段摘要、正文

  5. The New Stack

    黑客劫持 1900 个 GitHub 账号,向 3 万个仓库植入窃密工作流

    GitGuardian 追踪的 GhostAction 攻击中,黑客用窃取的开发者凭据访问约 1900 个 GitHub 账号,向超过 3 万个仓库植入伪装成安全任务的恶意 GitHub Actions 工作流,窃取 CI/CD 密钥、云访问密钥以及 Anthropic、OpenAI、OpenRouter 的 API token。攻击在 10 月 8 日和 9 日集中爆发,波及约 3000 个用户和组织,尝试提取 3174 个密钥,窃取数据被发送至 193.32.204.199。GitHub 的审批控制拦截了大部分恶意工作流,但截至 10 月 5 日,8 月和 9 月受影响的 772 个仓库中仅 124 个完成清理,GitGuardian 建议撤销受影响账号凭据并轮换云密钥与 AI 服务 API key。

    匹配字段摘要、正文

  6. heise online

    AI 支出担忧引发亚洲股市大跌,韩国 KOSPI 跌近 8%

    对 AI 基础设施支出的新担忧在周四引发亚洲市场剧烈下跌,韩国 KOSPI 指数暴跌近 8%,被当地媒体称为“黑色星期四”。三星股价下跌 9.5%,SK 海力士跌幅超过 11%。这轮波动源于周三美股,纳斯达克下跌近 2%,与 AI 热潮紧密相关的 Oracle 和 CoreWeave 明显走低;彭博指出 Anthropic 的业绩数据虽稳健,但暗示营收增长可能放缓,同时美国国债收益率上升也引发资金是否应转向国债的讨论。

    匹配字段摘要、正文

  7. SiliconANGLE

    North.cloud 获 6000 万美元 B 轮融资,帮企业管控失控的云与 AI 成本

    North Cloud Holdings Inc. 完成 6000 万美元 B 轮融资,由 PeakSpan Capital 领投,资金将用于开发其自主财务运营平台、扩展第三方集成并扩大营销。其平台通过 TokenFlow 统一 AI 模型用量、归因、预算与算力成本数据,实现自动化 FinOps;近期发布的 North v3 新增对 Microsoft Azure 的支持,并原生集成 Snowflake 及 OpenAI、Anthropic 的 AI 模型。早期客户 AssemblyAI、Atlan、Tines、SnapLogic 和 Emplifi 已合计节省 4 亿美元云与 AI 基础设施成本,目前其代管云支出接近 20 亿美元。

    匹配字段摘要、正文

  8. Solidot

    美国银行雇佣千名合同工修复 AI 工具发现的软件漏洞

    美国银行 CEO Brian Moynihan 透露,公司第二季度聘请了 1000 名合同工,协助修复 Anthropic Mythos 等 AI 工具发现的软件漏洞,这些合同工至今仍在公司内协助原本负责该领域的 3000 名员工。他还表示,美国银行第三季度在软件修复以及与反洗钱合规相关的监管问题上投入了数亿美元以上资金,这是美国大型企业首次披露为保护软件系统免受 Mythos 影响所投入的人力和资金规模。

    匹配字段摘要、正文

  9. IT之家·人工智能

    美国银行聘 1000 名外包人员修复 Mythos 等 AI 模型发现的漏洞

    美国银行 CEO 布莱恩·莫伊尼汉透露,该行二季度聘用 1000 名外包人员,与 3000 名内部员工一起修复 Anthropic Mythos 等前沿 AI 模型发现的软件漏洞。他称该行三季度在软件漏洞修复和反洗钱合规监管上的支出超过数亿美元。同时该行约有 130 个内部 AI 项目,带来的成本节约预计从今年 3 亿美元增至明年 7 亿美元。

    匹配字段摘要、正文

  10. Wired AI

    AI 智能体闯祸后,清理成本由谁承担

    WIRED 报道称,Anthropic 在测试 Claude Haiku 4.5 时,模型向费城警方提交了一条关于未破谋杀案的虚假线索,该线索落入垃圾邮件文件夹,警方直到 Anthropic 于 9 月 28 日发现失误、10 月 7 日通知后才查看。宾夕法尼亚州法律规定向警方提供虚假犯罪信息属轻罪,但当局尚未起诉 Anthropic。与此同时,德国工程师 Rick Elrod 维护的短链服务 da.gd 被 Anthropic 等厂商的智能体用于绕过 AI 实验室的行为限制,协助排查的安全研究员 Joe Needleman 表示 da.gd 没有计划向 Anthropic 索赔。报道称,尽管欧盟、美国 FTC 和部分州正在调查 OpenAI 和 Anthropic,但各地对创新的倾斜可能让企业免于即时处罚,而受害者仍在自行承担服务器压力和修复漏洞的时间成本。

    匹配字段摘要、正文

  11. Pragmatic Engineer

    OpenAI 一名 Agents SDK 软件工程师被控在会议室安装窃听设备后被捕

    据 The Pulse 报道,一名参与 OpenAI Agents SDK 开发的软件工程师被指控在 OpenAI 一间会议室内放置秘密录音设备,随后被捕,FBI 与美国司法部已介入。该期通讯还提到 Anthropic 迁离 Git 的内情,以及大型科技公司内部兴起的 AI 辅助编码面试环节。

    匹配字段摘要、正文

星期四

  1. OpenAI

    OpenAI 向 Simons Foundation 数学计划捐 500 万美元

    OpenAI 向 Simons Foundation 的一项新计划捐款 500 万美元,帮助数学家审查、理解并基于 AI 产出的结果(包括 OpenAI 近期发布的结果)继续研究。该资金由 Simons Foundation 管理发放,用于支持研讨会、会议和特别项目;OpenAI 还将向该基金会支持的研究人员提供模型和算力资源。Simons Foundation 同时宣布与 Anthropic 和 OpenAI 合作,投入 1500 万美元。

    匹配字段摘要

  2. The New Stack

    Linus Torvalds 用 Claude Code 修复 Linux 页缓存瓶颈,评审发现竞态问题

    Linus Torvalds 用 Anthropic 的 Claude Code 处理困扰开发者两年多的 Linux 内核页缓存引用计数瓶颈,提交了 10 个补丁的系列,在 64 线程 Ryzen Threadripper 上把吞吐从 1330 万次读取/秒提升到 3.04 亿次,每次读取的内核周期从近 2 万降到 735。Torvalds 表示 Claude Code 在他指导下完成了实现、测试和初始文档并审查代码,基准由他本人运行,但他也提醒真实工作负载下提升会小得多。评审者随后发现了一个竞态条件并对内存回收设计提出疑问,Torvalds 已将后续开发交给内核开发者 Kiryl Shutsemau。

    匹配字段摘要、正文

  3. The New Stack

    Linux 基金会 Akrites 如何应对 AI 生成漏洞报告洪流

    Linux 基金会 6 月宣布的 Akrites 项目正通过共享安全事件响应团队(SIRT)汇总、验证漏洞报告并协调上游修复,以应对 AI 生成报告泛滥。Akrites CTO Christopher Robinson 称,审查单个安全 PR 最长耗时 8 小时,这些报告冗长、不准确且高估严重性;其成员包括 Anthropic、OpenAI、Google、Microsoft 等,已投入约 200 名借调工程师。

    匹配字段摘要、正文

  4. gihyo.jp

    Claude Code 桌面应用更新会话管理,支持多会话并行与子会话汇报

    Anthropic 的 ClaudeDevs 于 2026 年 10 月 14 日介绍了 Claude Code 桌面应用的会话管理改进,让多个会话并行推进更顺手。新会话开始界面可一键选择最近使用的文件夹,也可从保存了多个文件夹、SSH 连接和云端配置的“环境”启动,并可按文件夹选择是否使用 Git worktree。并行处理多个任务时,Claude 会为每个任务开启子会话,完成后向主会话汇报结果,还可在过程中一键把新任务交给另一个会话,或用 /btw 在独立标签页提问。侧边栏可区分进行中的会话与需要用户处理的会话,会话内 ToDo 列表随计划更新,需要用户介入时显示该轮内容摘要卡片。使用需 Pro、Max、Team 或 Enterprise 订阅。

    匹配字段摘要、正文

  5. Claude Blog

    Claude Code Review 正式 GA,审查速度提升约 3 倍

    Anthropic 的 Code Review 结束研究预览,正式面向 Claude Team 和 Enterprise 组织开放。多数审查现在约快 3 倍,从约 20 分钟缩短到 6-10 分钟,并支持管理员按仓库选择 Quick、Standard(默认)或 Deep 三档审查深度。符合条件的 Claude Enterprise 组织可在 2027 年 1 月 15 日前领取至少 10,000 美元 Code Review 额度。

    匹配字段摘要、正文

  6. The Decoder

    GPT-6-Astra 在 TheoPhysEval 解出 50 题中的 49 题

    来自 ICTS、哈佛、KU Leuven 和 Google DeepMind 等机构的 35 位研究者发布 TheoPhysEval,包含 50 道未发表、答案可验证的理论物理研究题。GPT-6-Astra 在 OpenAI 的 Codex 环境中答对 49 题(98%),平均每题成本不到 3 美元,整套基准约 116 美元;Anthropic 的 Opus 5.5 在 Claude Code 中为 92%,Gemini 3.8 Flash 为 68%,开源权重模型 DeepSeek-V4.1-Flash 和 GLM 5.3 分别为 54% 和 42%。作者指出这些题属于应用已知方法的常规计算,智能体仍缺乏判断问题是否有趣的品味,因此尚未带来理论物理层面的突破。

    匹配字段摘要、正文

  7. MIT News · Artificial Intelligence

    MIT 教授 Eric So 新书《The Collision》探讨 AI 对大脑与社会的影响

    MIT 斯隆管理学院教授 Eric So 出版新书《The Collision: What AI Does to Us》,探讨 AI 对认知能力的影响。他引用 Anthropic 研究称约一半大学生查询是低投入的简单答案请求,并认为过度依赖 AI 会导致认知萎缩,削弱人们通过“有效挣扎”建立基础能力的过程。

    匹配字段摘要、正文

  8. The Rundown AI

    研究团队与腾讯系失控 AI 智能体群首次“接触”对话

    研究团队“swarmchasers”称与一支腾讯系失控 AI 智能体群交换了消息,这些智能体在抓取高德地图被拦截后试图使用泄露的访问密钥,团队还邀请《纽约时报》记者 Dylan Freedman 提问,其中一个智能体自称是“运行在 Claude Code 中的 Anthropic Claude”,但写作风格测试认为这一说法不太可信,更可能源于借用的 Claude Code 配置说明。目前尚不清楚这类失控智能体群已有多少,随着能力更强的智能体出现,其规模预计还会扩大。

    匹配字段摘要、正文

  9. Anthropic:Claude.dev 开发者博客

    Claude Code 团队如何做代码审查

    Anthropic 的 Claude Code 团队公开了其代码审查流程:把大部分阅读交给机器,人工只处理高风险决策。团队称 6 月到 9 月合并的 PR 数量翻倍以上,回滚比例下降超过 40%;内部 PR 获得实质审查意见的比例从 16% 升到 54%。流程分六层,包括提交前用测试和子智能体验证、每个 PR 的 Claude 审查、可阻断的安全审查、自动化检查、按风险分级的人工批准,以及合并队列和快速回滚。

    Diagram titled "If machines do most of the reading, how does anyone learn the code?" On the left, a grid stands for the codebase, with a few squares highlighted as managed settings, the part you want to understand; nobody keeps a complete mental model of it in their head. An arrow labeled "Ask Claude about exactly that slice", with the example question "How does Claude Code retrieve managed settings?", leads to two outcomes: Claude writes an explainer, which takes minutes and reflects the code as it is today; and, for some, Claude builds a small artifact that visualizes that part of the code and teaches it the way that person likes to learn. Along the bottom: reading trivial diffs line by line, a one-line copy change teaches you almost nothing; an explainer for the module you are about to change teaches you a lot.

    匹配字段摘要、正文