Netflix 为跑在 Amazon EMR 上的 Apache Spark 任务做了一套“工作负载证明”机制。打个比方：过去托管计算任务要访问内部服务，得把内部凭证直接塞给任务，凭证容易泄露、也难管理。现在的做法是先确认这个任务的 AWS IAM 身份，再核对 Netflix 控制面签发的声明，两者都通过后，才发一张有效时间很短的内部 X.509 证书，任务用它去访问内部服务。这样托管计算任务不必直接携带凭证，就能安全地完成内部认证，凭证暴露的风险和分发负担都小了。这套机制目前应用在 Netflix 的 Spark/EMR 场景，其他场景是否适用文中未说明。
文中可用工具
- Apache Spark在 Amazon EMR 上运行的分布式数据处理任务
- Amazon EMR托管运行 Spark 任务的 AWS 计算服务
- AWS IAM用于识别工作负载身份的云身份服务
- X.509 证书短期内部证书，用于访问内部服务
展开详情收起详情：Netflix 通过工作负载证明打通 AWS IAM 与内部身份体系⌄
InfoQ Architecture & Design
原文发布：2026-10-21 21:45收录：2026-10-22
证书机构 eMudhra 的八张中间 CA 证书私钥被泄露了，这意味着攻击者可以伪造任意网站的证书，冒充网站身份。问题不是来自已知的黑客入侵，而是这些密钥本身的随机性太差（熵太低），容易被猜出来。浏览器通过吊销列表挡住了这些证书，但其他软件需要直接移除 emSign ECC G3 根证书才行；没有打补丁的系统仍然可能被伪造证书欺骗，包括客户端认证和 mTLS 场景。
展开详情收起详情：eMudhra 中间 CA 私钥泄露事件⌄
InfoQ Architecture & Design
原文发布：2026-10-22 01:30收录：2026-10-22
谷歌、淡马锡和贝恩公司发布了第 11 份年度 e-Conomy SEA 报告《构建智能经济体》。报告估算，2026 年东南亚数字经济商品交易总额将同比增长 17%，达到 3680 亿美元，并有望在 2035 年突破 1 万亿美元。报告称，生成式 AI 已被该地区 2.43 亿人使用，普及速度是移动互联网的 4 倍，电商、旅游、媒体、出行和金融服务都在靠 AI 提升转化和体验。报告还发现，75% 的用户愿意让 AI 代理代为比价和完成交易，但要价隐私保护、能力说明和可撤销交易等保障。为支撑未来五年 AI 使用量增长约 60 倍，报告认为数据中心容量需扩大约 3 倍，并配合能效规则和区域数字贸易协定。以上是报告的预测与建议，文中未说明具体落地时间表。
展开详情收起详情：东南亚数字经济规模将达 3680 亿美元⌄
Google AI Blog
原文发布：2026-10-21 12:00收录：2026-10-22
哈佛大学实验物理学家 Christopher Stubbs 加入 Anthropic 的长期利益信托，成为该信托首位物理学家。这个信托是 Anthropic 作为公益公司设立的独立监督机构，有权任命公司多数董事，并就 AI 风险与社会影响向董事会和管理层提供建议。Stubbs 曾参与发现宇宙加速膨胀，也在研究 AI 辅助科研结果的可复现性问题。对读者来说，这显示 Anthropic 正引入科学界人士参与 AI 长期风险治理，但信托实际影响力仍取决于其运作。
展开详情收起详情：物理学家 Christopher Stubbs 加入 Anthropic 长期利益信托⌄
Anthropic News
原文发布：2026-10-21 08:00收录：2026-10-22
OpenAI 公布了一份政策蓝图，主题是用前沿 AI 帮助网络防御者，同时强调需要更强的安全防护、现代化的网络安全体系，以及更有韧性的公共机构。原文没有说明具体技术手段、实施时间，也没有说明防护措施如何运作，只给出了总体的方向性主张。读者可以把它理解为 OpenAI 在政策层面的倡议，而非已经上线的产品或功能；文中哪些已可用、哪些仍在计划中，材料未作说明。
展开详情收起详情：前沿 AI 的民主治理（第二部分）：赋能网络防御者⌄
OpenAI News
原文发布：2026-10-21 08:00收录：2026-10-22
OpenAI 说他们为 ChatGPT 搭建了一套由大语言模型驱动的广告系统。过去的问题是：对话里的广告很容易和回答混在一起，既可能干扰答案，也难判断用户真正想要什么。这次的做法是用模型理解对话意图，并把广告和回答分开摆放，同时支撑大规模投放。对普通读者来说，这意味着以后在 ChatGPT 里看到的广告可能与对话更相关，而且理论上不会混进正式回答里；不过原文没有说明具体上线时间、覆盖范围，也没有给出效果数据。
展开详情收起详情：我们如何为 ChatGPT 构建兼顾用户信任与相关性的新型广告技术栈⌄
OpenAI News
原文发布：2026-10-21 15:00收录：2026-10-22
OpenAI、PerturbAI 和 Scripps Research 合作，用大批 AI 智能体去分析数百万个脑细胞的数据，想从中找出值得继续研究的新线索。原来面对这么大量的生物数据，人工逐一排查既慢又容易漏掉细节，这次的办法是把分析任务分给成千上万个智能体同时处理。不过材料只提到合作方和大致做法，没有说明具体用了哪些模型或工具、花了多长时间、找到了什么线索。对读者的意义是：AI 智能体开始被用来分担大规模科研数据分析，未来可能加快新发现的筛选速度，但这项目前只是对外介绍，实际可用成果和后续计划原文并未说明。
展开详情收起详情：用数千个 AI 智能体在生物数据中发现新线索⌄
OpenAI News
原文发布：2026-10-21 12:50收录：2026-10-22
OpenAI 把 ChatGPT 里的广告业务扩展到了 26 个新国家。此前，广告主只能在有限地区投放这类广告，现在更多地区的商家也能在用户用 ChatGPT 查找、比较商品时展示广告。官方称已有超过 10 万广告主使用过这个平台，从本地小店到全球品牌都有。对普通用户来说，这意味着在使用 ChatGPT 做购物决策时可能看到更多广告；对商家来说，则多了一个触达客户的渠道。除这些数字外，具体是哪些国家、广告如何展示等信息，材料没有说明。
文中可用工具
- ChatGPTOpenAI 的对话式 AI 产品，用户可在此探索、比较和决定购买，广告会展示在其中
展开详情收起详情：ChatGPT Ads 扩展至 26 个新国家，已有超过 10 万广告主使用该平台⌄
OpenAI News
原文发布：2026-10-21 21:00收录：2026-10-22
有一个叫“修补地球”（Patch the Planet）的项目，它把安全研究人员、开源软件的维护者和应急响应人员连到一起，专门处理开源软件里的严重安全漏洞。原来，发现漏洞的人和负责修漏洞的人常常对不上号，漏洞信息散落各处，修复容易被拖延。这个项目通过牵线搭桥、协调各方，让漏洞被发现后能更快交到能修的人手里。对普通读者来说，这意味着你日常用的开源软件出问题时，可能更快得到修补。原文只有一句话介绍，具体怎么协调、已经覆盖多少漏洞、现在能不能用，都没有说明。
展开详情收起详情：修补地球计划：全球响应协调，智能体发现关键漏洞⌄
OpenAI News
原文发布：2026-10-21 15:00收录：2026-10-22
OpenAI 和 Google Cloud 宣布，将把 OpenAI 的前沿模型以及 Codex 相关工作流程引入 Google Cloud 的 Gemini Model Garden，用户可通过 Google Cloud Marketplace 获取。此前，想使用 OpenAI 模型的用户一般得绕开 Google Cloud 的模型目录；这次相当于把 OpenAI 的模型上架到 Google Cloud 的“模型商店”里。对使用 Google Cloud 的团队来说，以后有望在同一个云平台上直接开通和使用这些模型，结算走 Marketplace。不过目前只提到“即将”上线，具体哪些模型、何时可用、价格和地区限制都还没说明。
文中可用工具
- CodexOpenAI 的编程工作流程工具，原文未说明具体用法
- Gemini Model GardenGoogle Cloud 上汇集可选模型的模型目录，用户可在此找到并接入模型
- Google Cloud MarketplaceGoogle Cloud 的应用与服务购买平台，用于开通和结算相关服务
展开详情收起详情：OpenAI 模型即将登陆 Google Cloud⌄
OpenAI News
原文发布：2026-10-21 20:00收录：2026-10-22
OpenAI 发文介绍了它如何与分发合作伙伴协作。原来，用户可能通过不同渠道访问 OpenAI 的服务，需要明确各方在安全防护和合规使用上的要求。这次 OpenAI 说明会通过与合作伙伴保持一致的安全标准、支持负责任的使用，并在使用政策中写清各方期望来解决。对普通读者来说，这意味着无论从哪个渠道使用相关服务，适用的规则和安全底线应当是一样的。文章没有具体说明合作伙伴名单、执行时间表或新增的技术措施。
展开详情收起详情：以一致标准推动广泛可及⌄
OpenAI News
原文发布：2026-10-22 05:00收录：2026-10-22
AT&T 正在与 OpenAI 合作，让公司内部的法律知识更容易被查到、被使用。过去法务需求要先经过人工接收和分派，流程慢、法律判断也难以规模化。这次由 AT&T 的 LegalEdge 团队改造需求接收环节，并借助 OpenAI 的能力扩大法律判断的覆盖范围。原文只给出方向性描述，没有说明具体用了哪些模型或产品、取得了什么效果，也没有说明是否已经上线。
展开详情收起详情：AT&T 如何借助 OpenAI 重新设计内部法务工作⌄
OpenAI News
原文发布：2026-10-22 01:00收录：2026-10-22
开源项目 TornadoVM 发布了 7.0 版本，它是一个帮 Java 程序跑得更快的工具。以往 Java 代码想用 GPU 加速，往往要写复杂的底层代码；TornadoVM 会自动把 Java 程序分配到多核 CPU 和 GPU 上执行，并提供一套在 Java 里开发 GPU 程序的生态。它能配合 Temurin、Red Hat OpenJDK、Corretto、Oracle、GraalVM、Zulu 等主流 JDK 使用。对用 Java 做高性能计算的开发者来说，这有望在不换语言的情况下获得 GPU 加速；目前原文只提到版本已发布，具体性能提升和限制未说明。
文中可用工具
- TornadoVM开源的 Java 异构编程框架，自动把 Java 程序加速运行在多核 CPU 和 GPU 上
- Temurin可与 TornadoVM 配合使用的 JDK 发行版
- Red Hat OpenJDK可与 TornadoVM 配合使用的 JDK 发行版
- Coretto原文列出的可配合使用的 JDK 发行版（原文拼写如此）
- Oracle原文列出的可配合使用的 JDK 发行版
- GraalVM原文列出的可配合使用的 JDK 发行版
- Zulu原文列出的可配合使用的 JDK 发行版
展开详情收起详情：TornadoVM 7 让 Java 应用可直接利用 GPU 原生工作负载⌄
InfoQ Architecture & Design
原文发布：2026-10-21 11:00收录：2026-10-21
Terminal X 的 Eval Agent 用一套 54 条标准的评分表来给输出打分，并借助 GPT-6.1 Sol，相比原来能多抓出 25% 偏离基金投资要求的输出。也就是说，它更像一位资深投资人那样审查内容是否守规矩，替人先筛出不合格的部分。文中给出一致率 88.6% 和「多抓 25%」两个数字，但没说测试样本量、对比基线细节，也没说该功能是已开放还是仅演示。
文中可用工具
- Eval Agent按 54 条标准给输出打分，找出偏离基金投资要求的内容
- GPT-6.1 Sol作为底层模型参与评分和判断
展开详情收起详情：Terminal X 借助 GPT-6.1，与资深投资人判断的一致率达到 88.6%⌄
OpenAI News
原文发布：2026-10-20 15:00收录：2026-10-21
Datadog 的两位作者写了这篇技术文章，讲怎么用真实用户监控（RUM）和合成监控两种数据来定义 SLO 的指标（SLI）。原来很多团队只用后端性能指标，难以反映用户真实体验；而如果单用 RUM，机器人流量和浏览器配置差异会带来噪声，单用合成测试又不够细。文章建议：合成 SLI 适合长期稳定地监测关键用户流程，RUM SLI 适合精确统计真实用户的关键操作，并按目标变化、监控盲区、低流量误报等情况给出了选用建议。文中提到过去一年客户自建合成 SLO 数量增长了 273%。读者可据此判断何时切换数据源，但没有给出具体落地步骤和产品开放状态。
展开详情收起详情：用 RUM 和合成监控 SLI 构建更好的 SLO⌄
Datadog Blog
原文发布：2026-10-20 08:00收录：2026-10-21
Datadog 内部建了一个叫 Turnstile 的系统。原来他们的镜像签名只能证明镜像签名后没被改过，但挡不住更早环节出问题，比如代码合入时被塞进恶意改动、依赖被投毒、构建环境被入侵，这些镜像照样能带着有效签名上线。Turnstile 在软件从代码到镜像的每一步都生成加密签名的“证明”，记录是谁、在什么环境、经过什么审核，部署前再按环境策略检查这些证明，比如生产环境要求更严。这样安全团队能提前拦截不合格镜像，也不用对开发流程造成太多打扰。目前它是 Datadog 内部系统，文章没有说明是否对外开源或商用。
文中可用工具
- TurnstileDatadog 内部系统，为软件制品生成防篡改签名证明，并在部署前按环境策略检查
- in-toto开源框架，用来记录软件供应链中各步骤由谁执行、按什么顺序执行
- containerd容器运行时，Datadog 通过自定义插件在拉取镜像时验证签名
- SLSA提供源码和构建完整性威胁模型的标准框架，文章参考其原则
展开详情收起详情：超越容器镜像签名：Datadog 如何执行软件供应链策略⌄
Datadog Blog
原文发布：2026-10-20 08:00收录：2026-10-21
这篇文章讨论的是：许多团队用 Claude Code、Cursor、Copilot 等 AI 编程工具写更多代码后，反而让软件失去了价值。作者用希腊神话中迈达斯点石成金的故事作类比：当人人都能用同样的 AI 工具生成代码时，单纯把用户需求翻译成代码就不再值钱。文章建议团队不要只做“功能工厂”，而要深入理解用户的工作和难题，提供用户自己想不到的方案；文中还提到 McKinsey 2026 年研究显示，94% 的企业大额 AI 投入并未带来收益增长。文章主要是观点论述，没有给出具体产品或操作方法，也没有说明作者身份。
文中可用工具
- Claude CodeAI 编程工具，用来生成更多代码
- CursorAI 编程工具，用来生成更多代码
- CopilotAI 编程助手，用来生成更多代码
- ClaudeAnthropic 的 AI 助手，文中称微软和 Meta 削减了内部使用它的支出
- ChatGPTOpenAI 的 AI 助手，文中作为人人都能使用的生成工具举例
展开详情收起详情：AI 的迈达斯困境：当代码免费时，功能便一文不值⌄
The New Stack
原文发布：2026-10-20 21:00收录：2026-10-21
连续创业者 Hiten Shah 和 Sam Asante 做了一个叫 Beam 的新 Mac 应用。原来很多人把 Mac Mini 放在角落或机柜里跑 AI 智能体，想操作它只能开屏幕共享、进一个完整的远程桌面，很麻烦。Beam 的做法是把对面 Mac 上的单个窗口搬到你的 Mac 上，终端或浏览器窗口都行，它有自己的程序坞图标，能切换、能拖文件、声音也在本地播放，应用本身不离开原机器；两台 Mac 需为苹果芯片、macOS Sonoma 或更高版本，并都装 Beam，同一 Wi-Fi 或通过 Tailscale 互相发现。托管 Mac 和加入分享链接免费，使用自己的 Mac 每天免费 20 分钟，之后每月 12 美元或买断 199 美元；iOS 和 Android 原生应用官方称在开发中。
文中可用工具
- Beam把另一台 Mac 上的单个应用窗口搬到本地使用
- Tailscale让两台 Mac 在任意网络下互相发现和连接
- Screen Sharing原文作为原有远程访问方式提及
- WorkbenchAstropad 的远程访问工具，原文作为同类产品提及
- Jump Desktop原文作为同类远程访问工具提及
- Screens原文作为同类远程访问工具提及
- OpenClaw原文称其推动 Mac Mini 成为常驻智能体的默认载体
展开详情收起详情：Beam 从运行智能体的 Mac Mini 上单独拉取应用窗口⌄
The New Stack
原文发布：2026-10-20 22:07收录：2026-10-21
DeepSeek 把自己在线上服务模型时使用的推理引擎开源了，取名 DeepInfer，采用 Apache 2.0 许可。此前它曾表示这套软件与自家集群管理工具等内部设施绑得太紧，公开部署需要大改，并不实际。现在开放的版本能让开发者在自己的机器上运行 DeepSeek-V4.1-Flash，包含投机解码、异步调度、结构化输出等优化，但缺少 KV 缓存管理、跨机分工和副本负载均衡等组件，只覆盖离线推理，完整生产服务仍需自行补齐外围设施。配套的 deepseek-recipe 库（Rust 和 Python 版）帮助复现官方 API 的输入输出处理。硬件上首批支持英伟达 SM100（Blackwell 数据中心 GPU）和华为昇腾 950 NPU，较旧的 Hopper 架构未列入。DeepSeek 未说明如何解决去年提到的维护与部署难题。
文中可用工具
- DeepInferDeepSeek 开源的推理引擎，用于在自己的服务器上高效运行其模型
- deepseek-recipe配套库，处理 API 请求到模型输入的转换及输出加工，提供 Rust 和 Python 版本
- DeepSeek-V4.1-FlashDeepInfer 当前支持运行的 DeepSeek 模型
- FlashMLADeepInfer 包含的优化计算内核之一
- DeepGEMMDeepInfer 包含的优化计算内核之一
- DeepEPDeepInfer 包含的通信库之一
- vLLM第三方推理软件，此前开发者用它运行 DeepSeek 模型权重
- Search APIDeepSeek 向开发者开放的网页搜索接口，原文未说明具体用法
- Fetch APIDeepSeek 向开发者开放的抓取接口，原文未说明具体用法
展开详情收起详情：DeepSeek 开源其 API 背后的推理引擎，华为与英伟达并列获支持⌄
The New Stack
原文发布：2026-10-20 22:58收录：2026-10-21
Faros AI 的新报告显示，未经人工审查就被合并的拉取请求增加了 76.3%，很多公司已有 50% 到 80% 的 PR 交给 AI 审查。问题是，AI 只擅长逐行找 bug，却看不到“为什么这么改”这类关键决策，团队也因此失去了讨论系统设计的机会。作者提出一套五层做法：让另一个 AI 代理先挑刺、把改动意图和验收标准记录下来、把反复出现的评审意见变成固定规则，最后由人讨论 AI 无法拍板的取舍，并由具体团队签字负责。核心原则是“代理负责核实，人负责决定”，这样工程师不必逐行读代码，也能说清改动的来龙去脉。这套框架基于作者在 Aviator 正在构建的工具，属于方法和演示，并非已普遍落地的成品。
文中可用工具
- Faros AI发布关于 AI 代码审查与 PR 合并情况的报告
- Aviator作者所在公司，正在构建支持决策审查的工具
- capture skill从编码代理会话中提取意图、验收标准和决策记录
- review skill运行对抗式审查代理，在提交 PR 前与编码代理争辩并记录分歧
展开详情收起详情：不读代码，如何审查 AI 生成的代码⌄
The New Stack
原文发布：2026-10-21 00:00收录：2026-10-21