自主 AI 对 Webmin 安全审计发现 507 个新漏洞
研究人员通过完全自主的 Codex 智能体,在 Webmin 2.670 固定版本中发现 507 个可复现的规范漏洞。该审计消耗约 83.5 亿个 token,包含 524 条经过 CVSS 4.0 评分的适用路径,作者评估该目录接近此版本经典安全缺陷的饱和点。
推荐理由:报告量化了自主AI审计在成熟软件中的深度与成本,为理解当前AI安全研究能力提供了具体参照。
研究人员通过完全自主的 Codex 智能体,在 Webmin 2.670 固定版本中发现 507 个可复现的规范漏洞。该审计消耗约 83.5 亿个 token,包含 524 条经过 CVSS 4.0 评分的适用路径,作者评估该目录接近此版本经典安全缺陷的饱和点。
推荐理由:报告量化了自主AI审计在成熟软件中的深度与成本,为理解当前AI安全研究能力提供了具体参照。
Architect Labs发布基于AI自主设计与验证的通用CPU架构Frostbite。其基于interaction nets,在7nm工艺下,对比同面积传统超标量CPU实现4.59x perf/W。团队计划后续开放RTL与ISA,并搭建FPGA软件运行环境。
推荐理由:原文展示了AI自主设计通用CPU的完整闭环,提供了4.59倍能效对比基准和后续开放计划。
范式智能发布通用语言模型Phai-A1和视频生成模型Phai-M1,两款模型全链路在华为昇腾平台完成专项后训练优化。Phai-A1主打代码开发场景,单张RTX 3090可运行,响应速度较同级模型快8-10倍;Phai-M1面向真人影视,音画同步生成15秒720P视频仅需约3分钟。
推荐理由:双模型基于华为昇腾全链路训练并开源,展示了国产算力适配小模型的可行性。
谷歌发布 Gemini 4 Neon 模型,同步全量上线 Google AI Studio、Gemini App、企业端 API 和 Google Antigravity。
推荐理由:发布同步全渠道上线并给出三模型全维度跑分,读者可据此直接对比主力编程模型的性价比和实际可用性。
OpenAI 发布第二份内部研究加速报告,给出 Codex 和 Dots 等内部 Agent 的使用数据。报告称 10 月中位研究者按 API 公开价折算每天消耗 2,400 美元等价的 token,环比增长 62%,前 10% 用户达到 23,000 美元;按八小时工作日折算,研究者每天运行相当于 5.7 个工日的 Agent。
推荐理由:OpenAI 给出的内部 Agent 使用数据把递归自我改进落到 token 消耗、任务成功率和员工偏好上,读者能据此衡量 AI 在模型研发中实际承担的范围。
Airbnb 通过在 Amazon Bedrock 上评估模型得分与“每任务成本”来运营内部编码智能体,并在生产环境通过 CloudWatch 监控延迟、限流与开销。评估体系包含 7 个任务集、多维度评分器及推理强度档位控制;生产侧监控包括延迟、令牌消耗、吞吐量与缓存命中率。该流程使 Airbnb 能够在模型发布后数小时内完成评估并调整智能体配置,使重度用户的成本在切换模型后降至约原来的七分之一。
推荐理由:结合 Airbnb 的一线实践,拆解编码智能体在 Amazon Bedrock 上的成本核算与监控方法,可直接复用到模型选型与容量规划。
Google DeepMind 发布 Gemini 4 Neon 模型,在 Artificial Analysis Intelligence Index 上以 xhigh thinking 级别获得 61 分。
推荐理由:原文披露了模型在编程、科学推理及网络防御评测中的成绩,提供了定价与 API 部署细节,便于判断其性价比与落地场景。
Mozilla AI 推出开源 AI 网关 Otari,让用户通过单一 API 密钥访问 OpenAI 和 Anthropic 兼容的多种模型(包括开放权重和前沿模型)。Otari 提供托管服务或自托管选项,支持服务器端工具如网络搜索和代码执行,并具备 API 密钥预算管理、活动监控及自动故障转移功能,帮助开发者在编码智能体中简化模型切换与成本控制。
推荐理由:Mozilla AI 推出开源网关 Otari,允许开发者通过单一 API 密钥调用各类大模型并管理成本,适合关注 Agent 工作流降本增效的读者。
Sikemux 发布了一款免费且开源的 AI 编程代理聚合工具,允许用户在一个窗口内同时运行 Claude Code、Codex 等多个代理。该应用体积仅 31.9 MB,支持 Apple Silicon Mac 和 Linux,用户可利用已有的订阅账户让多个 AI 协同完成编码任务。
推荐理由:原文展示了Sikemux聚合多个AI编程代理的交互机制,读者可了解如何在单窗口内协同管理不同Agent的开发任务。
OpenAI 发布 GPT-6.2 Astra 和 Sol 模型,重点提升了专业输出、编码和计算机使用能力。新模型在 ChatGPT Work、Codex 和 API 中提供更高效率并降低使用成本。
开源编码智能体 Autopilot(曾用名 kimiflare)现已支持 OpenRouter 作为默认模型提供商,允许开发者使用单一 API Key 接入 Claude、GPT、Gemini 等 400+ 模型,并支持使用自有 GPU 运行 vLLM 进行本地推理。
推荐理由:原文明确了 Autopilot 支持 OpenRouter 及多种本地与云端模型的接入方式,并展示了通过子智能体和本地部署实现自主任务处理的能力边界。
K2-Horizon 团队发布六款从 0.9B 到 375B-A23B 的全开源语言模型,覆盖推理、编码和智能体任务。团队提出 Mixture-of-Value Attention(MoVA)架构和 Uno 扩散适配器,后者在不使用独立草稿模型的情况下将解码速度提升最高 2.2 倍。
推荐理由:发布六款开源模型及全量训练数据,提出 MoVA 注意力机制和加速解码的扩散适配器,并披露 10T 合成预训练细节。
Grapim 是开源 AI 代码审查工具,支持通过本地 CLI 记录 Claude Code、Codex 等智能体的每次编辑,并在 Pull Request 中审查代码。其审查逻辑能识别智能体未被要求的工作,如删除测试或弱化检查。提供云端审查和本地 CI 两种模式,本地模式下代码和提示词不出本地,且对公开仓库免费。
推荐理由:Grapim 将 AI 代码行级溯源与 PR 审查结合,支持本地 CLI 与云端两种模式,并明确开源许可与隐私边界。
前 Anthropic 预训练研究员 Jacob Coxon 在 IPO 前夕离职,并公开路演中的“Pre-training compute multiplier over time (code)”折线图,显示算法效率按对数坐标呈加速上扬。
推荐理由:内部研究员的曲线与数据,把算力效率提升和代码自动化放在了一起。
阿里巴巴正式发布全新一代基座大模型Qwen4-Max,总参数2.4T,原生支持视觉能力与百万上下文。新模型采用MoE架构,每次尝试平均Token用量较上代减少近50%,完成单个任务的平均费用降低58%。在CodeArena全球盲测中,Qwen4-Max前端排名全球第6;同时,Qwen4-Max已上线千问AI平台提供API服务,其系列中的中小尺寸模型将陆续开源。
推荐理由:原文详细拆解了Qwen4-Max的MoE架构改进与成本优势,并列举了其在长周期任务及AI For Science领域的落地成果,为评估下一代基座大模型提供了关键数据参考。
Vercel Academy 课程指导开发者从零构建 TeensyCode,一个具备 TypeScript 核心、多沙箱后端及完整工具链的 AI 编码智能体支撑框架。
推荐理由:通过拆解 11 个模块,展示了从零构建 AI 编码智能体支撑框架的核心逻辑与关键安全设计。
Google Research 宣布在 Antigravity 平台开放 /teamwork 多智能体协作功能,并展示了其在数学证明、分子化学发现及代码优化等领域的最新应用成果。
推荐理由:原文展示了多智能体在数学证明、分子发现和代码迁移中的实际应用,读者可据此评估其在科研和工程领域的可用性。
GrandCode 是一套多智能体强化学习系统,在 2026 年 3 月的 Codeforces Round 1087、1088 和 1089 三场正式比赛中均排名第一,击败所有人类选手。该系统通过联合训练多个智能体模块(如假设生成、求解器、测试生成和总结)进行在线推理时强化学习,并引入了专为多阶段智能体轨迹设计的 Agentic GRPO 算法来处理延迟奖励和离策略漂移。
推荐理由:原文提出了针对多智能体延迟奖励的 Agentic GRPO 方法,并展示了系统在三场 Codeforces 比赛中全部夺冠的实测结果。
Google 发布了名为 Gemini 4 Hydrogen 的通用型大语言模型,其 100 万 token 的上下文窗口输入输出能力与 1.50 美元 / M 输入、7.50 美元 / M 输出的定价使其成为高性价比选择。
推荐理由:对比显示 Gemini 4 Hydrogen 在默认思考级别下超越了更大型号的 Gemini 4 Argon,同时提供了多档思考成本选择和独立基准评测结果。
Will Knight 利用 OpenAI GPT-6 Sol 和 Nous Research Hermes 框架,在 Nvidia DGX Spark 上花费数小时训练了虚拟 Microduck 机器人,实现了识别目标并投喂猫零食的行为。
推荐理由:结合GPT-6 Sol和Astra等模型实践,展示AI如何大幅降低机器人仿真训练门槛并催生Vibe Robotics新范式。