小米发布了 MiMo-V2.6 系列模型，包括旗舰版 MiMo-V2.6-Pro，这是一个万亿参数的大模型，支持文本、图像、音频和视频，上下文窗口达 100 万 token。小米不仅公开了模型权重（MIT 许可），还把强化学习训练过程通过公开仪表盘直播了 5 天，并公布了训练成本：Flash 约 85 万美元，Pro 约 262 万美元。此外，小米承诺开源超过 7000 个任务环境和训练框架等资源，但目前 Hugging Face 上只有三个模型，其他资源尚未放出。这意味着研究人员和开发者未来可以基于这些开放资源做更多实验，推动开源 AI 进步，但部分承诺还在陆续兑现中。
文中可用工具
- MiMo-V2.6-Pro小米的旗舰大模型，参数规模达万亿，支持文本、图像、音频和视频，上下文窗口 100 万 token
- MiMo-V2.6-Flash小米较小规模的模型，同样参与了强化学习训练直播
- Qwen小米基于 Qwen 架构发布了一个 90 亿参数的模型，作为进一步智能体强化学习研究的起点
- Hugging Face模型托管平台，小米在此发布了模型权重和开源集合链接
- Artificial Analysis独立分析平台，给 MiMo-V2.6-Pro 打出智能指数 46 分，在其追踪的 114 个开放权重模型中排名第一
展开详情收起详情：“令人惊叹的开放程度”：小米以 MiMo-V2.6 超越常规开放权重玩法⌄
原文发布：2026-09-24 04:00 · 首次收录：2026-09-24
德国斯图加特创业公司Q.ANT造了一种用光而不是电来做AI部分计算的芯片，号称比现在的芯片省电得多。过去只有少数研究机构能用到这种芯片，别人想写程序都没门。现在Q.ANT把一套免费开源的软件开发工具包放上了GitHub，普通电脑上就能跑模拟器，用Python或C写程序、做测试，等以后拿到真芯片再直接运行。这套工具目前只能跑已经训练好的模型，比如手写数字识别、照片物体识别，训练还得靠普通CPU和GPU。对开发者来说，好处是提前熟悉光学芯片的编程方式；但真机还要等几个月，通过德国云服务商IONOS或Q.ANT的本地服务器才能用上，省电效果也无法自己验证。
展开详情收起详情：Q.ANT免费开放光计算AI芯片软件，效仿CUDA押注开发者生态⌄
原文发布：2026-09-24 06:23 · 首次收录：2026-09-24
AI 让网络攻击变快了，防守方原来那堵墙就不够高了。文章用“梯子和墙”打比方：攻击者过去只是把梯子加高一点点，刚好翻过防守方的墙。现在有了 AI 帮忙，梯子一下子高了很多，很多公司来不及应对。文章建议先把身份管理、漏洞修复、威胁检测这些基础做好，同时用 AI 加快处理速度，还提到 Anthropic 发了一篇详细博客讲怎么准备。对读者来说，重点是别把这当成纯安全问题，工程、基础设施和安全团队要一起配合，才能跟上节奏。文章没给具体数字，也没说这些建议是已经可用的产品还是未来计划。
展开详情收起详情：梯子变得更高了⌄
原文发布：2026-09-23 08:00 · 首次收录：2026-09-24
传统代码扫描器只能靠规则匹配找已知模式，而大语言模型能顺着程序逻辑追踪攻击者可控的输入是否真的能到达危险位置，因此能发现规则没覆盖的漏洞。但模型本身不稳定：同一份没变的代码扫两次，结果可能不同，耗时和花费也难预测，没法直接用在每次提交都跑的自动化扫描上。Harness 的 Security Test Orchestration（STO）在模型外面加了一层编排：控制扫描什么时候触发、只扫改动范围、每步怎么约束、结果怎么统一，变成可比较、可信任的扫描。用 GPT-5.5 对三个故意留漏洞的测试应用跑基准，增量扫描比全量扫描最高省约 83% 费用、快约 72%，且没有漏掉全量扫描找到的问题；连续跑 10 次时增量方案比全量便宜约 75%。目前该能力基于 OpenAI Codex Security，配合 Mythos 代理插件，以安全扫描技能方式调用，具体开放范围和价格原文未说明。
文中可用工具
- Harness Security Test Orchestration (STO)在模型外围做编排，控制扫描触发时机、范围、约束和结果标准化
- OpenAI Codex Security当前扫描器底层所依赖的安全扫描能力
- Mythos agent plugin与 Codex Security 配合的代理插件
- GPT-5.5基准测试中用于扫描的模型，会话上下文窗口 258k token
展开详情收起详情：Harness 如何编排 LLM 安全扫描⌄
原文发布：2026-09-23 08:00 · 首次收录：2026-09-24
Harness 发布了一篇博客，解释漏洞“修复”和“缓解”的区别：修复是打补丁或升级，彻底消除漏洞；缓解则是隔离、封堵或关闭功能，让漏洞难以被利用，但漏洞本身还在。博客说，当补丁还没有、修复需要停机窗口，或攻击路径本来就不通时，可以先选缓解；但每个缓解措施都要有负责人和到期日，否则临时措施会变成永久隐患。对开发团队来说，这能帮助决定什么时候必须真正修、什么时候可以先顶住，而不是把风险一直存着。文中还提到 Harness 的安全测试编排可对接 40 多个合作扫描器，并引用调查称：最频繁使用 AI 编程工具的人群中，50% 表示采用后漏洞和安全事件变多了。
文中可用工具
- Harness在交付流水线中运行安全测试，汇总并排序漏洞，还能起草修复代码和提拉取请求
- Security Testing Orchestration协调 Harness 自家扫描器和 40 多个合作扫描器，去重并排序漏洞修复优先级
- Harness AI自动起草漏洞修复方案，并可打开拉取请求
- Policy-as-code用代码化策略决定哪些漏洞发现会阻断构建
展开详情收起详情：漏洞修复与漏洞缓解：区别何在⌄
原文发布：2026-09-23 08:00 · 首次收录：2026-09-24
AWS 官方博客发布了 15 条云成本优化建议，覆盖计算、存储、网络和成本监控四个方面，并附了一张按实施难度和节省潜力排序的速查表。文章指出，很多团队在买折扣套餐（Savings Plans）之前没有先做资源规格调整（rightsizing），导致承诺与实际用量对不上；AWS 对 7.1 万多家客户的分析显示，同时做规格调整的客户，成本效率提升速度是只买折扣套餐客户的 4 倍。对使用 AWS 的团队来说，这份清单可以当作本季度降本的候选动作，比如先关闲置资源、按实际 CPU 和内存用量调整实例大小，再考虑长期折扣承诺。文中还提到 GE Vernova 通过缩小 50 个实例节省了 50.4 万美元。
文中可用工具
- AWS Compute Optimizer根据实际 CPU 和内存使用情况推荐更合适的实例规格
- Cost Explorer查看和分析 AWS 支出情况
- AWS Budgets设置预算并在支出异常时收到提醒
- Cost Anomaly Detection自动发现云支出的异常变化
- Harness Cost Management Agent跨云归因成本并自动执行修复
- AWS Savings Plans通过承诺一定用量换取计算折扣价
- Reserved Instances为稳定可预测的工作负载预购容量以换取折扣
- Spot Instances使用 AWS 闲置容量，价格更低但可能被随时回收
展开详情收起详情：AWS 成本优化：本季度 15 项策略⌄
原文发布：2026-09-23 08:00 · 首次收录：2026-09-24
GitHub联合耶鲁气候变化传播项目调查了1039名GitHub用户，想了解他们对软件效率与气候变化的看法。结果发现，八成受访者想要能帮助写出更节能代码的工具，约七成五想测量软件对环境的影响，但63%的人觉得自己写代码对环保影响很小。主要问题不是没兴趣，而是缺少找浪费、量改进、说服维护者的实用路径。调查还建议先找可测量的浪费，用Agent寻找优化机会，但最终决定仍留给维护者。
文中可用工具
- GitHub Agentic Workflows自动化搜索代码库中可优化效率的机会，让维护者保持控制权
- Daily Efficiency Improver workflow检查代码、数据、网络、I/O 和前端性能等领域的效率改进机会
展开详情收起详情：开发者希望软件更高效：1000多名GitHub用户告诉我们需要什么⌄
原文发布：2026-09-23 21:00 · 首次收录：2026-09-24
GitHub 重建了 Copilot 应用里的代码差异查看界面，专门解决超大拉取请求（pull request）打开慢、滚动卡的问题。原来代码行高度固定、可以提前算好，但评论会因 Markdown 换行、折叠块、回复框和图片加载而高度不定，强行套用旧方案会导致页面跳动。这次他们把代码区域和评论区域拆成两套高度计算：代码部分保持精确不变，评论部分先估算再懒加载实测，并把修正锚定在用户当前位置。测试对象是一个约 2200 个文件、超一百万行改动、400 多条行内评论的开源拉取请求，现在这种极端情况也能流畅滚动。该功能已随 GitHub Copilot 应用推出。
文中可用工具
- GitHub Copilot appGitHub 的 AI 编程助手应用，这次重建了其中的拉取请求代码差异查看界面，使其能流畅打开超大拉取请求
展开详情收起详情：在 GitHub Copilot 应用中渲染超大拉取请求⌄
原文发布：2026-09-24 02:29 · 首次收录：2026-09-24
AWS 给 Elastic Beanstalk 加了一个叫“集群模式”的新选项。以前用它部署应用，底层机器由 Beanstalk 帮你管；现在这个模式会把应用跑在它自己创建和运维的 EKS（AWS 的 Kubernetes 托管服务，可以理解成一批共享的服务器集群）上。集群是按子网组划分的，选定后不能改，直接访问集群也由服务托管，遇到不受信任或有合规要求的工作负载，AWS 建议单独用一套集群。费用上会多出 EKS 和 Auto Mode 的钱，EC2 的折扣抵不掉这部分。
文中可用工具
- Elastic BeanstalkAWS 的应用部署服务，现在多了集群模式这一选项
- EKSAWS 的 Kubernetes 托管服务，应用的运行环境
- Auto ModeEKS 的一项模式，会额外产生费用
- EC2AWS 的云服务器，其折扣不能抵扣上述新增费用
展开详情收起详情：Elastic Beanstalk 新增集群模式，可在共享 EKS 集群上运行应用⌄
原文发布：2026-09-23 14:44 · 首次收录：2026-09-24
这篇文章讲的是作者 Chintan Tank 如何把多租户 SaaS 产品放在 Cloudflare Workers 上跑。原来所有功能都塞进一个大而全的边缘 worker，一旦发布或出错就会连累所有租户，风险大、牵一发动全身。文章提出改用模块化架构，通过 service bindings 把不同功能拆成独立的小服务，可以各自发布、互不影响；并以图片优化为例，展示了如何按租户选择图片格式、按设备自动调整尺寸。对正在做多租户 SaaS 的开发者来说，这提供了一套降低发布耦合和故障影响范围的思路，文中还涉及多 CDN 差异、分阶段发布、配置和测试，但未说明是否有配套代码或具体性能数据。
文中可用工具
- Cloudflare Workers在边缘节点运行代码的平台，用来部署模块化服务
- service bindingsCloudflare Workers 的功能，让不同 worker 之间直接互相调用
展开详情收起详情：在多租户 SaaS 规模下基于 Cloudflare Workers 的模块化边缘计算⌄
原文发布：2026-09-23 17:00 · 首次收录：2026-09-24
摩根士丹利的 Jim Gough 和 Andreea Niculcea 在一场演讲中介绍了他们如何用“架构即代码”（Architecture as Code）和 CALM 来改造公司的 API 体系。原来的问题是：企业里 API 数量多、管理复杂，接入 AI Agent 后更难保证安全和一致性。他们的做法是把 Model Context Protocol（MCP，一种让模型调用外部工具的通用接口）和 Agent-to-Agent（A2A，即 Agent 之间互相通信）接进来，并通过部署闸门自动检查是否合规，还实现了平台升级不中断服务。对读者的意义是：这套思路展示了大型企业怎样在可控、安全的前提下把 AI Agent 接入现有系统并规模化运行。
文中可用工具
- CALM摩根士丹利用它把架构写成代码，用于管理和现代化 API 体系
- Model Context Protocol (MCP)让模型或 Agent 以统一方式调用外部工具和数据的协议
- Agent-to-Agent (A2A)让不同 Agent 之间互相通信协作的机制
展开详情收起详情：演讲：面向 Agent 的 API——在 MCP 时代重新思考 API 体系⌄
原文发布：2026-09-23 19:00 · 首次收录：2026-09-24
Cloudflare 重新设计了 1.1.1.1 公共 DNS 服务背后那个叫 Big Pineapple 的缓存系统，改变了数据在内存里的存放方式。之前每条缓存记录占用的空间偏大，导致整个服务器集群要消耗大量内存。这次用 Rust 语言做的改动让每条记录的体积缩小了 56%，相当于从所有机器上总共释放出约 100 TB 内存；同时写入缓存的速度快了 43%，查询延迟降低了 19%。对普通用户来说，这意味着 1.1.1.1 的解析可能更快更稳，而且 Cloudflare 不花钱加内存就能存下更多域名记录。
展开详情收起详情：Cloudflare 为 1.1.1.1 DNS 缓存省下 100 TB 内存⌄
原文发布：2026-09-23 21:22 · 首次收录：2026-09-24
Modal 的两名资深工程师 Colin Weld 和 Connor Adams 最近写了一篇文章，讲他们怎样把公司用来跑代码的“沙箱”系统整个推倒重做。原来的问题是：用 Kubernetes 这种常见容器管理方式，没法同时支撑几百万个沙箱，也没法每秒新建几万个。他们从底层重新设计后，做到了这两点。对读者的用处是：如果你关心云端跑代码、AI 智能体执行环境这类场景，这提供了一条不用 Kubernetes 也能大规模扩容的思路。目前文章只是经验分享，没有提到具体产品是否开放或开源。
展开详情收起详情：Modal 超越 Kubernetes：如何在数秒内扩展 100 万个并发沙箱⌄
原文发布：2026-09-23 22:00 · 首次收录：2026-09-24
有人做了一个叫 Graphify 的开源工具，它把代码库和零散的非结构化资料整理成一张可查询的“知识图谱”，相当于给 AI 编程助手一张能按关系查找代码的活地图。原来的问题是 AI 写代码时常常要跨多个文件理解逻辑，容易顾此失彼、推理不完整。Graphify 在 2026 年 4 月发布，最近更新加强了代码解析和跨文件关联能力，来缓解这个问题。目前社区反馈认为架构有前景，但不少人反映把它融入日常开发流程还不够顺手，工具的具体安装和使用细节原文未说明。
文中可用工具
- Graphify把代码库和非结构化数据转成可查询知识图谱的开源工具，帮助 AI 编程助手跨文件理解代码
展开详情收起详情：Graphify：统一代码库上下文，简化 Agentic 软件工程⌄
原文发布：2026-09-23 22:14 · 首次收录：2026-09-24
Datadog 的工程师发现，用 Agent 时几乎没人会主动点"赞"或"踩"，但他们又需要这类反馈来判断 Agent 表现好不好。于是他们改用一种叫"弱标注"的方法：不靠用户按钮，而是从已有的三类遥测数据（Agent 对话记录、用户点击行为、平台变更记录）里推测用户到底满不满意。他们做了个公开的"会话分类技能"，并用手工标注的数百条真实会话做了对比测试，准确率从只用对话记录的 78% 提升到三类数据全用的 82%。对开发 Agent 的团队来说，这意味着即便用户不点按钮，也能大致判断哪些对话出了问题。注意：结果只是"够用的近似"，不是真正的用户反馈。
文中可用工具
- Datadog Agent Observability收集和分析 AI Agent 的运行轨迹与用户反馈
- Datadog Real User Monitoring (RUM)记录用户在界面上的点击、停留等真实行为
- Datadog Audit Trail记录平台上仪表盘、指标等工件是否被改动
- Bits ChatDatadog 内部的 Agent 聊天工具，用于测试和收集会话
- Datadog Labs repo存放公开的会话分类 skill 代码仓库
- Agent Observability Experiments搭建对比实验，测试不同数据组合下的分类准确率
展开详情收起详情：当用户不点"赞"时：从 Datadog 遥测数据推断 Agent 反馈⌄
原文发布：2026-09-22 08:00 · 首次收录：2026-09-23
Datadog 为它的 MCP Server 加了一个叫 Code Execution 的功能，让 AI Agent 查日志、指标、链路时可以在一个沙箱里写 JavaScript 代码自己跑查询、合并结果，只把最终需要的证据交回给模型，而不是每一步都来回问模型。以前用传统 MCP 工具做多数据源排查，模型要反复处理工具说明和原始响应，既占上下文又贵。Datadog 用 25 个排查任务、四个模型对比发现，答案正确率平均提升 15.6 个百分点，输入 token 少 73.2%，工具调用少 39.6%。该功能已 generally available，在 MCP Server 里启用 code-exec 工具集即可使用，代码在隔离沙箱中运行、不接触调用者凭证。
文中可用工具
- Code Execution在隔离沙箱里让 AI Agent 用 JavaScript 代码查询和整合 Datadog 可观测性数据，已 generally available
- Datadog MCP Server把 Datadog 的多种数据查询能力以 MCP 工具形式提供给 AI Agent
- execute_codeCode Execution 提供的 MCP 工具，用于在沙箱中执行 Agent 生成的代码
- search_datadog_sdkCode Execution 提供的 MCP 工具，用于检索 Datadog SDK 的可用 API 操作
- Datadog TypeScript client SDKCode Execution 生成代码所基于的客户端 SDK，提供带类型、带权限校验的 API 操作
- code-exec在 Datadog MCP Server 中需要启用的 Code Execution 工具集名称
展开详情收起详情：在 Datadog MCP Server 中用代码执行降低 AI Agent 成本并提升准确率⌄
原文发布：2026-09-22 08:00 · 首次收录：2026-09-23
Snyk 发布了 Evo MCP 服务器，让你可以在自己已经使用的 AI 客户端（如 Cursor、Claude Code）里直接查询 Evo 中的 AI 资产情况。以前，想了解团队用了哪些模型、MCP 服务器和技能，以及它们有没有安全风险，你得跳出当前工具、打开网页筛选、导出表格，再重新做图，每次都很麻烦。现在，这个远程服务器把库存、策略、违规和态势变化都变成一句提问就能得到的答案，而且不装到你电脑上、也看不到你的文件。它用你的身份和权限运行，写操作需要审批，还能把违规自动变成团队工单。
文中可用工具
- Evo MCP server让 AI 助手直接查询你组织里的 AI 资产、风险、策略和违规情况
- Cursor可以用它连接 Evo MCP server 来提问的 AI 编程客户端
- Claude Code可以用它连接 Evo MCP server 来提问的 AI 编程客户端
- Jira原文提到可作为工单系统接收 Evo 违规生成的工单，但未说明具体集成细节
- ServiceNow原文提到可作为工单系统接收 Evo 违规生成的工单，但未说明具体集成细节
展开详情收起详情：所以，我改为直接问我的智能体了……⌄
原文发布：2026-09-22 12:00 · 首次收录：2026-09-23
这篇文章讨论 AI 编程 Agent 从本地读取代码、配置和日志来理解任务时，可能顺手把 API 密钥、数据库密码等机密文件也读进去。过去团队靠提交代码、代码审查和 CI 来拦截密钥，但这些检查都发生在更晚的环节，密钥可能已在进入模型的提示词里流出，还会留在模型厂商日志和调试记录中。作者建议把 Agent 的上下文当作对外传输通道，在提示词提交和文件读取前用确定性的规则扫描并拦截或脱敏，而不是让大模型自己判断要不要发送密钥。文中提到 Sonar 的密钥检测和 Agent 插件可用于 Claude Code、GitHub Copilot、Codex 和 Cursor 等工具，但这些能力的具体可用状态原文未说明。
文中可用工具
- Claude CodeAnthropic 的 AI 编程工具，文中作为可接入密钥检测插件的场景之一
- GitHub CopilotGitHub 的 AI 编程助手，文中作为可接入密钥检测插件的场景之一
- CodexOpenAI 的编程 Agent，文中作为可接入密钥检测插件的场景之一
- CursorAI 代码编辑器，文中作为可接入密钥检测插件的场景之一
- Sonar secrets detection按已知密钥特征和策略扫描提示词与文件，检测出疑似密钥时可阻断或脱敏
展开详情收起详情：AI 编程 Agent 需要一条密钥安全的上下文边界⌄
原文发布：2026-09-22 21:00 · 首次收录：2026-09-23
这篇文章讨论的是：当工程团队人手精简、却要运行多个生产应用时，凌晨三点出故障才是真正考验运维责任归属的时刻。问题在于，很多团队里的开发者既要写功能又要值班，答故障的人却不了解系统阈值和自愈逻辑，被迫在半夜替系统做决定。文章主张，好的平台应在部署时就定好“健康长什么样、异常怎么办、如何通报”，而不是等事故来了才临时判断。它还指出，这类团队往往卡在管理第三个应用时，需要能同时接纳旧式 Java、.NET、Python 和容器应用的统一管理方式，从而少招人、多交付产品。
展开详情收起详情：云降低了运维复杂度，但许多团队需要有人来完全负责这件事⌄
原文发布：2026-09-22 22:00 · 首次收录：2026-09-23
Anthropic 在周二发布了新模型 Claude Opus 5.5，并把价格下调了 20%：输入每百万 token 从 5 美元降到 4 美元，输出从 25 美元降到 20 美元，缓存读取从 0.5 美元降到 0.2 美元。Anthropic 称由于完成任务用的 token 更少、输出速度快了三成以上，综合省下的成本接近 40%。不过要注意一件事：Opus 5.5 自带网络安全、生物和前沿模型开发的安全分类器，一旦分类器被触发，请求会被悄悄转到旧模型（比如 Opus 4.8 或 Opus 5）处理。这意味着在 Agent 多轮工作流里，不同步骤可能由能力不同的模型完成，下游结果可能受影响，这是开发者做架构时需要注意的地方。
文中可用工具
- Claude Opus 5.5Anthropic 发布的新模型，用于 Agent 编程等任务
- Claude Opus 5上一代模型，部分被安全分类器拦截的请求会转由它处理
- Claude CodeAnthropic 的编程工具，新增更快的 fast 模式
- Claude PlatformAnthropic 平台，同样支持 fast 模式
- Copilot CLIGitHub 的编程工具，用于测试 Opus 5.5
- VS Code代码编辑器，GitHub 在其中测试了 Opus 5.5
- Opus 4.8旧模型，大多数被标记的网络安全请求会转到它
- Claude Mythos原文未说明用途，提到新版网络验证计划包含对其的访问权限
展开详情收起详情：Anthropic 发布 Opus 5.5 并降价 20%，但你的 Agent 调用可能被秘密路由到旧模型⌄
原文发布：2026-09-23 00:30 · 首次收录：2026-09-23