Spring Batch 团队发布了 6.1.0-M2 里程碑版本，已可从 Maven Central 获取。这个版本在 6.1.0-M1 基础上带来多项新功能和增强，同时包含一些破坏性变更，并升级了 Spring Framework、Spring Integration、Spring Data 等依赖版本。主要改进包括：MongoDB 作业仓库支持可配置的集合前缀（默认 BATCH_，不影响现有应用）、默认转换服务改基于 DefaultFormattingConversionService、异步处理 API 和本地 chunking 移至 spring-batch-core、RepositoryItemWriter 支持 flush、资源读取器支持位置模式、部分 builder 方法实现编译期安全。此外还弃用了 Apache Derby 支持、旧版日期时间转换器等 API，计划在 7.0 版本移除。
文中可用工具
- Spring Batch用于构建批处理应用的框架，本次发布 6.1.0-M2 里程碑版本
- Maven Central软件构件仓库，该版本已在此可获取
- MongoDB文档数据库，其作业仓库现支持集合前缀配置
- DefaultFormattingConversionServiceSpring Framework 的默认格式化转换服务，现用作作业仓库默认转换服务基础
- spring-batch-coreSpring Batch 核心模块，异步处理 API 和本地 chunking 已移入此模块
- spring-batch-integrationSpring Batch 集成模块，相关类保留为弃用子类以保持向后兼容
- RepositoryItemWriter写入器，现支持在写入 chunk 后刷新底层 Spring Data 仓库
- MultiResourceItemReaderBuilder多资源读取器构建器，现直接接受资源位置模式
- ResourcesItemReaderBuilder资源读取器构建器，为 ResourcesItemReader 提供位置模式能力
- ConversionServiceFactory新工具类，用于创建转换服务，替代旧日期时间转换器
- TaskExecutor任务执行器，异步处理 API 依赖它而非 Spring Integration
展开详情收起详情：Spring Batch 6.1.0-M2 发布！⌄
原文发布：2026-09-24 08:00 · 首次收录：2026-09-25
LangSmith 推出了 Custom Apps 功能，让团队能在 LangSmith 里直接搭建、发布并使用自定义界面来查看自己的 Agent 数据。过去，很多团队为了按自己的评审流程看数据，得另外写一套前端，还要自己处理托管、登录和权限，维护起来很麻烦。现在可以直接用模板或让 LangSmith Chat 根据一句话描述生成应用，也能用编码助手基于 API 自己写，发布后同事就能在同一处查看。对常做人工标注、实验对比或追踪审查的团队来说，省去了导出数据和重复搭界面的工作。该功能已在 Plus 和 Enterprise 套餐开放，配套的 Macaw 设计系统也已开源。
文中可用工具
- LangSmith用于调试、评估和改进 AI Agent 的平台，Custom Apps 即运行于其中
- Custom Apps在 LangSmith 内构建、发布和运行自定义界面的新功能
- LangSmith Chat用一句话描述数据和展示方式，自动生成可用的自定义应用
- LangSmith API让开发者用自己的编码助手基于数据构建自定义界面
- MacawLangSmith 的开源设计系统，为自定义应用提供默认外观
展开详情收起详情：LangSmith 自定义应用：围绕你的 Agent 数据构建自定义界面⌄
原文发布：2026-09-28 19:45 · 首次收录：2026-09-25
LangSmith 新上线了一个叫 Trajectories 的功能，它能把一个 AI 智能体在一次长时间会话里做过的事，按发生顺序整理成一段像聊天记录一样的清晰视图，而不是一堆嵌套的复杂执行细节。以前调试这类智能体，得在层层嵌套的运行记录里翻找，很难快速看出它到底哪里做错了。现在可以先按顺序浏览整个会话，找到出问题的步骤，再点进去看完整细节，还能让非工程背景的专家直接用这个视图打分、挑毛病，并把有用的会话存成训练数据。对做智能体开发和运维的人来说，调试和人工审核都会更快、更省事。
文中可用工具
- LangSmith用于查看、评估和改进 AI 智能体运行情况的平台，本次新增 Trajectories 视图
- LangChain开发 AI 应用的框架，其产生的运行记录可直接使用 Trajectories
- LangGraph构建有状态 AI 智能体的框架，其运行记录可直接使用 Trajectories
- Deep Agents构建深度智能体的框架，其运行记录可直接使用 Trajectories
- OpenAI Agent SDKOpenAI 提供的智能体开发工具包，其运行记录可直接使用 Trajectories
- Claude Agent SDKClaude 提供的智能体开发工具包，其运行记录可直接使用 Trajectories
- CodexOpenAI 的编程智能体，其运行记录可直接使用 Trajectories
- Claude CodeClaude 的编程智能体，其运行记录可直接使用 Trajectories
- CursorAI 编程工具，其运行记录可直接使用 Trajectories
展开详情收起详情：LangSmith 推出 Trajectories：让每个智能体会话都能被读懂⌄
原文发布：2026-09-24 23:51 · 首次收录：2026-09-25
LangChain 团队发布了 Managed Deep Agents 0.8，这是一个帮你构建、部署和运行生产级 AI Agent 的托管服务。过去团队想在生产环境跑 Agent，得自己搭建记忆存储、登录验证、消息入口和工具权限等基础设施，费时费力。这次更新直接内置了四样东西：按用户隔离的凭据和记忆（不同人用同一个 Agent，各自的信息不会串）、HTTP 通道（外部系统能通过 webhook 调用 Agent）、Slack 文件传输，以及基于 Parallel 的联网搜索工具。对开发者来说，这意味着少写大量重复代码，把精力放在 Agent 本身的行为设计上。目前已发布可用，但具体定价和开放范围原文未说明。
文中可用工具
- Managed Deep Agents构建、部署和运行生产级 AI Agent 的托管服务，本次更新到 0.8 版本
- Deep Agents用于构建复杂 Agent 的开发框架，提供记忆、规划和工具调用等基础能力
- LangSmith Context Hub存储、版本管理和协作编辑 Agent 文件（如 Skills 和 AGENTS.md）的后端服务
- Slack作为 Agent 的消息入口通道，本次新增文件传输功能
- Parallel为 Agent 提供内置联网搜索能力
展开详情收起详情：Managed Deep Agents 0.8 发布：让生产环境中的 Agent 体验更好⌄
原文发布：2026-10-08 19:05 · 首次收录：2026-09-25
LangChain 这次推出了 LangSmith Fine-Tuning 和一个叫 smithtune 的命令行工具，让团队能把智能体在 LangSmith 里跑出来的操作记录，直接变成训练数据，再拿去训练自己专用的模型。以前做这件事得手动搭整套数据流程，很麻烦。现在 smithtune 把造数据集、用 Fireworks 或 Baseten 训练、再用 LangSmith 评测串成一条龙，还支持让编程智能体来跑。目前只支持监督微调（SFT），需要去 GitHub 安装使用。
文中可用工具
- LangSmith Fine-Tuning把智能体的运行记录变成训练数据并微调模型的整套服务
- smithtune一个命令行工具，负责从 LangSmith 拉数据、准备训练集、提交训练和评测
- Fireworks合作方，提供托管的监督微调训练服务
- Baseten合作方，其 Loops 提供托管训练基础设施
- LangSmith存放智能体运行轨迹和评测结果，并管理数据集
展开详情收起详情：LangSmith 推出微调功能⌄
原文发布：2026-10-08 19:05 · 首次收录：2026-09-25
LangSmith 把它的智能助手 Engine 升级到 v2，帮开发者修 Agent 更省力。过去它只能分析上线后的运行记录，找出错误和没满足的用户需求，但有些问题比如回答胡编、延迟变慢、花钱变多，人不容易发现，修好的补丁也得自己先测。这次 v2 增加“红队测试”，主动模拟攻击提前找漏洞；还能发现低效路径和性能趋势；并且会用实际输入自动验证修复方案，确认有效后再让人点一下发 PR。目前 v2 对所有 LangSmith Plus 和 Enterprise 计划开放，红队和自动验证修复处于 Private Beta，仅限已用 LangSmith Deployment 的用户。
文中可用工具
- LangSmith EngineLangSmith 平台内的智能助手，自动分析 Agent 运行记录、发现问题并给出修复建议
- LangSmith用于构建、测试和监控 LLM 应用的平台
- LangSmith Deployment部署 Agent 的环境，使 Engine 能自动验证修复
展开详情收起详情：LangSmith Engine 新功能：红队测试与自动化测试⌄
原文发布：2026-09-25 01:22 · 首次收录：2026-09-25
Dynatrace、AWS 和 Kiro Crew 合作，想把“看到问题”和“动手解决”之间的空档补上。很多团队其实已经收集了大量系统运行数据，能看出哪里坏了、哪里慢，但从发现到真正处理，中间还隔着人工分析和排查。这次他们做了一个 Dynatrace 看板应用：把系统检测到的问题按生命周期排好，再由 Kiro Crew 的智能体排序，并给出一句话理由，告诉你先看哪个。工程师点开卡片就能看到问题详情，还能一键发起带上下文的调查或生成摘要。目前应用是只读的，不会自动关问题或改配置，任何操作都要真人确认。
文中可用工具
- Kiro Crew对问题列表排序、给出理由，并开启带上下文的调查会话
- Dynatrace提供监控数据，发现问题并展示服务与应用的运行状况
- AWS提供云基础设施，承载应用运行
- dtctl开源 Dynatrace 命令行工具，用来读取看板数据
- DQL查询语言，配合 dtctl 从 Grail 中读取问题与实体数据
- Grail存储监控数据的后端，供 DQL 查询使用
展开详情收起详情：从洞察到创新：Kiro Crew、Dynatrace 与 AWS 如何帮助团队做更多⌄
原文发布：2026-09-23 08:07 · 首次收录：2026-09-24
Dynatrace 宣布其 AI 管理体系通过了 ISO/IEC 42001:2023 国际标准认证，由 Schellman Compliance, LLC 颁发，证书编号 1395170-1，生效日期为 2026 年 9 月 2 日，有效期至 2029 年 9 月 1 日。该认证针对的不是某个模型或产品，而是 Dynatrace 平台背后开发、部署和提供 AI 功能的那套管理制度，包括人员、流程、工具、集成和应用，涵盖 Dynatrace SaaS 和 Dynatrace Managed 中内嵌的 AI 能力。换句话说，它证明 Dynatrace 在治理 AI、评估风险与影响、管理数据来源以及保持人工问责方面有一套经过独立审计的机制，并且每年还会接受监督审计。对企业客户来说，这可以作为评估 AI 供应商时的一个信任信号，有望加快合规与采购尽职调查，但要注意它并不等于某个具体产品、模型或输出获得了认证，也不代表符合欧盟 AI 法案等具体法律。
展开详情收起详情：Dynatrace 获得 ISO/IEC 42001 认证⌄
原文发布：2026-09-24 03:25 · 首次收录：2026-09-24
Datadog 推出 RUM 远程配置功能，让开发者可以直接在 Datadog 界面里修改浏览器、iOS 和 Android 端 RUM SDK 的采样率、隐私设置和数据采集范围，不用改代码重新发版。过去这些设置写在应用代码里，改动必须发新版本，移动端还得等应用商店审核和用户慢慢升级，遇到故障想多采数据时来不及。现在只需在初始化代码里加一个远程配置 ID，SDK 下次启动时就会拉取最新设置。新应用默认开启，老应用手动接入即可。
文中可用工具
- RUM Remote Configuration在 Datadog 界面远程修改 RUM SDK 的采样率、隐私设置和数据采集范围，无需重新发布应用
- RUM SDKDatadog 的真实用户监控 SDK，运行在浏览器、iOS 和 Android 应用中采集用户行为与性能数据
- Session Replay会话回放功能，可录制用户操作过程用于排查问题
展开详情收起详情：在 Datadog 中远程配置 RUM SDK⌄
原文发布：2026-09-23 08:00 · 首次收录：2026-09-24
Datadog 推出了一项叫 Tap to Parse 的 AI 辅助功能，用来解决日志里有用信息被埋在一整句话里、难以筛选和统计的问题。以前想从日志里提取状态码、耗时这类字段，得自己写复杂的正则或 Grok 规则，遇到不归自己管的服务或第三方系统就更麻烦。现在只要点一下某条日志并选择 Tap to Parse，Datadog 就会分析样例、自动生成解析规则，并让你先预览再应用，提取出的字段就能用来筛选、分组和画图。它能在 Log Explorer 里查询时用、在 Log Pipelines 里对以后新进的日志用，也能在 Observability Pipelines 里让日志离开你的环境前先结构化。目前 Log Explorer 和 Log Pipelines 中已正式可用，Observability Pipelines 中需申请开通。
文中可用工具
- Tap to Parse一键从非结构化日志中自动提取可搜索字段的 AI 辅助功能
- Log Explorer在查询和调查日志时查看、筛选日志，并可使用 Tap to Parse
- Log Pipelines在日志进入时处理日志，用 Grok Parser 为以后的日志提取字段
- Observability Pipelines在日志离开你的环境前先做结构化处理
- Grok Parser在 Log Pipelines 中定义规则，从日志里提取结构化字段
- Datadog提供日志和可观测性功能的平台
展开详情收起详情：用 Datadog 的 Tap to Parse 更快在日志中找到答案⌄
原文发布：2026-09-23 08:00 · 首次收录：2026-09-24
Datadog 的工程师把 Qwen3.5-9B 微调成一个专门做“变更归因”的小模型：告警响了以后，它能推断最近哪次部署、功能开关或配置改动最可能是元凶。原本用规则筛选又快又便宜，但遇到复杂故障就不准；用 GLM-5.3 这类前沿大模型做多轮智能体调查则准得多，可每次调用 API 约 0.06 美元，全量告警跑不起。他们用 GLM-5.3 生成的 348 起内部事故调查轨迹来训练小模型，结果小模型达到 GLM-5.3 召回率的 87%，自托管每次调查成本约 0.003 美元，约为原来的二十分之一，一张 40GB A100 每周能支撑约 10 万次调查。目前这还只覆盖客户每周数百万个监控项中的一小部分，团队称会继续优化以扩大适用范围。
文中可用工具
- Qwen3.5-9B被微调成专门的变更归因小模型
- GLM-5.3作为教师模型生成调查轨迹，并解析事故结论提取变更标签
- Change TrackingDatadog 功能，展示最近变更并标注可能与告警相关的改动
- Relevant ChangesChange Tracking 中的标签页，在告警时间线上叠加最近变更
- Model Context Protocol (MCP)把 Change Tracking 数据开放给智能体调用的协议
- Bits InvestigationDatadog 的智能体事故调查功能，会引用 Change Tracking 捕获的变更
- NVIDIA data flywheel blueprintNVIDIA 的数据飞轮方案，用于生成轨迹、训练小模型并循环迭代
展开详情收起详情：教一个 9B 模型调查生产告警⌄
原文发布：2026-09-23 08:00 · 首次收录：2026-09-24
OpenAI 周二发布了 GPT-6 Sol 和 Luna，可以理解为 GPT-6 Astra 的降价版本，对齐程度上比之前的 GPT-5.6 Sol 更接近 Astra，但仍不如旗舰模型。这次最直接的改变是 API 价格砍半：输入每百万 token 分别只要 2 美元和 0.1 美元，输出为 10 美元和 0.5 美元，Luna 的输出 token 更是比上一代便宜 58%。不过 OpenAI 强调，缓存改进才是真正的省钱杠杆：默认缓存命中率更高，缓存读取打九折（即 90% 折扣），而且调整推理强度或工具可用性时不会破坏已有缓存。此外还上线了 Prompt Caching Dashboard，让开发者能看到哪些上下文被复用、哪些机会被浪费。对开发者来说，同一个任务不必每次从头处理上下文，速度和成本都会下降。
文中可用工具
- GPT-6 SolOpenAI 新发布的较便宜模型，用于替代 GPT-5.6 Sol 完成常规任务
- GPT-6 LunaOpenAI 新发布的更低价模型，输出 token 比上一代便宜约 58%
- GPT-6 AstraOpenAI 的旗舰模型，作为 Sol 和 Luna 对齐能力的参照
- Prompt Caching Dashboard让开发者查看缓存命中情况和被浪费的缓存机会的诊断面板
展开详情收起详情：OpenAI 将 GPT-6 token 价格减半，更大的杠杆或许是缓存⌄
原文发布：2026-09-23 19:00 · 首次收录：2026-09-24
Anthropic 周二发布了 Claude Opus 5.5，把每百万输入 token 的价格从 5 美元降到 4 美元，输出 token 从 25 美元降到 20 美元，上下文窗口和最大输出保持不变。但官方迁移指南指出，有四类改动会让原本写给 Opus 5 的请求在切换后直接报 400 错误，另有几处不报错却会悄悄改变 Agent 行为。例如思考功能无法再关闭、强制工具调用被禁用、思考块只能在特定模型和对话中复用、电脑操作工具换成了新的 toolset。想让 Agent 正常升级，开发者需要逐项改代码、重新评估 effort 设置，并处理 refusals 和工具调用叙述消失等问题。
文中可用工具
- Claude Opus 5.5Anthropic 发布的新模型，价格更低但有多项破坏性变更
- Claude Opus 5上一代模型，升级到 5.5 时需要先完成迁移
- Claude APIAnthropic 的模型调用接口，涉及思考块和电脑操作工具变更
- Claude Code官方编程工具，已适配新的思考块验证方式
- claude.aiAnthropic 的网页聊天产品，已适配新的思考块验证方式
- Claude Managed Agents托管 Agent 服务，已适配新的思考块验证方式
- Claude Agent SDKAgent 开发 SDK，已适配新的思考块验证方式
- computer_toolset_20260801Opus 5.5 在 Claude API 和 Google Cloud 上唯一接受的电脑操作工具集
- computer_20251124旧的电脑操作工具，Opus 5.5 不再接受，但在 Amazon Bedrock 上仍可用
- Amazon Bedrock云平台，仍支持旧的电脑操作工具
展开详情收起详情：Anthropic 下调 Opus 5.5 价格，却破坏了 Agent 依赖的四项功能⌄
原文发布：2026-09-23 20:00 · 首次收录：2026-09-24
Qodo 是一家用 AI 检查 AI 生成代码质量的公司，今年刚拿到 7000 万美元 B 轮融资。它没有敞开花钱，而是给每位工程师设了每月约 1 万美元的 token 额度，因为公司发现：AI 让写代码变快，但代码太多反而堵在测试和审查环节，钱花了却不一定多出货。CEO 因此提出一个简单公式：AI 带来的好处除以 AI 的成本，结果越大回报越高，鼓励团队先粗略量化再持续跟踪。对读者来说，这提供了一个思路——衡量 AI 投入时别只盯单一指标，要同时算上省下的返工和事故。该公式目前是 Qodo 内部实践，并非已发布产品。
展开详情收起详情：AI 支出可能变成负回报，Qodo CEO 用 ROI 公式来破解⌄
原文发布：2026-09-23 21:00 · 首次收录：2026-09-24
WHOOP 是一家做健康手环的公司，每天要处理成千上万条漏洞告警，靠全员连续多天手工分类才能不漏掉问题，既费人力又容易被噪音淹没。这次他们用 Datadog 的 Bits AI 和 Workflow Automation 搭了一套自动化的漏洞响应流程：先结合运行时数据判断哪些漏洞真的在被利用，再把工单自动分配给对应微服务的负责人，让开发者能自己处理一部分。原文尚在预告 2026 年 10 月 7 日的线上分享，具体实现细节和效果数据没有给出；不过它的思路是自动化处理加人工最终确认，对同样被大量漏洞告警困扰的安全和运维团队有参考意义。
文中可用工具
- Datadog Bits AIDatadog 的 AI 功能，用于辅助自动化漏洞响应流程
- Datadog Workflow AutomationDatadog 的自动化流程工具，用来把漏洞工单自动分派给对应工程师
- Datadog Software Composition Analysis (SCA)分析运行时实际执行的代码，帮助从扫描噪音中筛出真正有风险的漏洞
展开详情收起详情：漏洞告警疲劳几乎压垮 WHOOP，但其修复方案仍保留人工把关⌄
原文发布：2026-09-23 21:23 · 首次收录：2026-09-24
AI 编程工具让开发者写代码快了很多，但也让攻击者更容易找到和利用漏洞。文章说，现在 AI 不只帮人写代码，还在替人选择用哪些开源库；一旦攻击者攻破某个被广泛信任的开源组件，就可能像推倒多米诺骨牌一样影响很多下游系统。作者认为，组织不能只等扫描出漏洞再修，而要把更多精力放在“入口把关”，也就是确认进入开发流程的软件来源和内容是否可信。对读者的用处是：理解为什么软件供应链安全需要提前预防，而不是事后检测。文章没有说明具体的解决工具或发布日期。
展开详情收起详情：软件供应链成为新战场，AI 刚刚改写了规则⌄
原文发布：2026-09-23 22:00 · 首次收录：2026-09-24
很多企业想让 AI 读取病历、财务记录或核心知识产权，但又不放心把这些数据传到云端或别的公司服务器上。为此，VAST Data 推出了一款叫 VAST DataEnclave 的产品（9 月 22 日发布），做法是把数据锁在企业自己的设备里，模型也加密，只有经过硬件验证的特定程序才能解开使用；企业拿着自己数据的钥匙，模型厂商也拿着自己模型的钥匙，双方都不用交出控制权。这样企业既能用上先进模型，又不必担心数据外泄，模型厂商也不怕模型权重被人偷走。目前文章只介绍了这一产品的发布，尚未说明实际使用效果和具体开放范围。
文中可用工具
- VAST DataEnclave让企业在自己控制的环境里安全使用外部 AI 模型，同时保护企业数据和模型权重
- VAST AI Operating System把模型、应用层和数据平台整合到客户可控环境下的 AI 操作系统
展开详情收起详情：企业 AI 急需保护数据和模型，机密 AI 如何做到？⌄
原文发布：2026-09-29 04:22 · 首次收录：2026-09-24
Meta 在 9 月 8 日推出了购物助手 Muse，它能像普通顾客一样打开浏览器、登录账号并在电商网站上下单。9 月 21 日前后，亚马逊开始屏蔽 Muse，理由是它不表明自己是 AI、未经允许就进店，还可能保存了用户的密码和支付信息。几乎同时，Shopify 走了相反路线，把 Muse 接入自家商店，通过专用支付协议让购物在商家可确认、可追溯的通道里完成，卡号不会交给 Muse。对普通读者来说，这背后的分歧是：网站该怎么识别和放行自动购物机器人。目前事件仍在早期，双方说法存在矛盾。
文中可用工具
- MuseMeta 推出的个人购物助手，能代替用户在浏览器里浏览商品并下单
- Muse Secure VMMeta 为 Muse 提供的专用虚拟机，用于隔离和保护运行环境
- Grok BotxAI 的自动浏览器代理，会使用已登录的浏览器会话
- OpenClaw开源项目，Muse 的浏览器操作方式以它为原型
- Web Bot AuthIETF 草案，让 AI 代理用签名表明自己来自哪个运营方的身份
- HTTP Message SignaturesRFC 9421 标准，Web Bot Auth 用来给请求做加密签名的基础
- Cloudflare在其边缘网络上验证 AI 代理签名，识别经过验证的机器人和代理
- AWS WAF Bot ControlAWS 的机器人流量管理服务，2025 年 11 月起为 CloudFront 支持代理签名验证
- Shop PayShopify 的结账支付方式，用于让 Muse 在 Shopify 商店完成付款
- Universal Commerce ProtocolGoogle 与 Shopify 的协议，覆盖商品发现、购物车和结账流程
- Agentic Commerce ProtocolOpenAI 与 Stripe 的协议，负责结账执行，商家仍是交易记录方
- Agent Payments ProtocolGoogle 的代理支付协议，包含购物者授权的证明，已捐给 FIDO 联盟
展开详情收起详情：亚马逊封禁 Meta 的 Muse，Shopify 却把它接入了所有商店⌄
原文发布：2026-09-24 00:39 · 首次收录：2026-09-24
英伟达 CEO 黄仁勋接受《纽约时报》采访时回应了“AI 很快将取代程序员”的说法。他认为工程师的核心使命是解决问题和创造产品，而写代码只是其中一项任务，就像AI能帮放射科医生读片、但没有取代医生诊断疾病一样。对于现在入行的年轻人，他说答案要等两年：因为大学要读四年，第一批从入学起就和 AI 一起学习的学生大约 2028 年才毕业，届时会带来一波“AI 原住民”工程师。短期看，初级开发者靠写测试、查堆栈、修小 bug 积累判断力的学徒期可能被压缩，目前还没有证据说明跟智能体协作能否替代这段经验。
展开详情收起详情：黄仁勋：初级开发者的问题将在两年内消失，他的算术是这样⌄
原文发布：2026-09-24 00:55 · 首次收录：2026-09-24
企业用 AI 一直面临两难：要么用闭源模型，担心自己的数据被模型厂商拿去训练、泄露商业机密；要么用开放权重模型，但能力落后于最前沿。VAST Data 推出名为 DataEnclave 的新产品，想让模型厂商把自家模型跑在企业自己的安全环境里：模型权重不外流，企业数据也不外流，用的是 Nvidia 的机密计算技术。它目前处于早期访问阶段，后续才会正式开放；能否同时让两边都放心，还要看市场检验。
文中可用工具
- DataEnclave让企业在自己掌控的安全环境里运行闭源模型，双向防止数据与模型权重外流
- Nvidia Confidential Computing提供硬件层面的加密计算能力，支撑 DataEnclave 的安全运行
- AI OSVAST Data 的核心产品，是位于企业 AI 应用底层的基础设施
展开详情收起详情：在 AI 与你的数据之争中，第三种选择正在出现⌄
原文发布：2026-09-24 03:31 · 首次收录：2026-09-24