搜索归档

GPT-6.1 Terra 对比 Claude Opus 5.5：在最高努力档位的三项测试中更便宜、更快

OpenAI 在 10 月 26 日发布 GPT-6.1 Terra，并在宣传材料中两次拿它和 Claude Opus 5.5 直接对比。作者自己设计了三项测试：修一个发布失败的假 GitHub 站点、追踪显微镜下分裂的细胞、审计 1200 行 CI 记录。结果是发布修复打平；细胞追踪 Terra 48/50 领先 Opus 的 43.5/50；CI 审计部分原文被截断，没能给出完整结果。最亮眼的是成本：Terra 标准价每百万输入 1 美元、输出 5 美元，Opus 是 4 美元和 20 美元；发布修复那项 Terra 估算花费 22.16 美元，Opus 129.20 美元。要注意作者每项只跑一次、中途还改过测试，因此这些数字不代表稳定水平；而且两者的“最高努力”并不等于相同的推理预算。

填补补丁空档：漏洞利用不会等补丁星期二

安全团队一直面对一个尴尬的时间差：从得知某个开源组件有严重漏洞，到真正在生产环境部署好补丁，中间要经过扫描、测试、变更审批等流程；这段“补丁空档”正是攻击者最活跃的窗口。Log4Shell 过去四年后仍有生产环境存在受影响的实例，说明只靠打补丁不够快。文章提出用 eBPF 在应用运行时层面加一层临时防护：它能观察进程、网络和文件访问，并在不改应用代码的情况下实时拦截针对该漏洞的利用行为，等正式补丁验证上线后再撤掉。对读者来说，这意味着在补丁排队期间也有可用的临时防线；不过文中提到的 Cilium/Tetragon 和 Cisco Live Protect 属于已有或厂商推进中的方案，具体可用程度原文未逐一说明。

亚马逊 CEO 预测：未来将有 6 到 8 个 AI 模型“足够好用”，几乎能覆盖所有任务

亚马逊 CEO 安迪·贾西在 2026 年第三季度财报电话会上说，未来两三年不会有唯一最强的 AI 模型，而是大约 6 到 8 个水平相近、足以应付 95% 以上任务的模型。现在的问题是模型太多、各家能力各有长短，企业难以只选一家；他的意思是以后多数客户会同时用多个模型，甚至同一个应用里混用。亚马逊的 Bedrock 就是为此设计的：用一个接口调用 100 多个模型，切换时仍要自己测试上下文长度和工具能力等差异。对开发者来说，选模型可以按任务来挑，而不必被一家绑定；这也是亚马逊想靠“中立选模型入口”赚钱的原因。

开发者问 AI 该用哪个工具，我们如何追踪答案

Webflow 团队想知道开发者问 AI“该用哪个工具”时，各家 AI 会不会提到自家产品。他们用自家 Webflow AEO 工具，在四个 AI 引擎上反复运行同一个问题——“哪些 CMS 平台支持 MCP 集成？”，并逐条记录是否被提及、排名、描述是否准确、引用了哪些来源。在 9 月 25 日到 10 月 19 日共 100 次回答中，Webflow 出现 49 次，但各引擎差异很大：Perplexity 25 次里提到 22 次，Claude 只有 4 次。这样做的关键问题是：AI 回答完，用户可能根本不会点进网站，网站分析看不到这层曝光，因此他们想通过持续统计来了解自己在 AI 答案里的实际地位。目前 Webflow AEO 已在其产品中可用，团队表示尚未拿到这些回答与注册或收入之间的关联数据。

分叉五年后，OpenSearch 正慢慢走出 AWS 的阴影

2021 年 1 月，AWS 因 Elastic 修改 Elasticsearch 和 Kibana 的开源协议，另起炉灶做了 OpenSearch。这个项目长期被认为是“AWS 自家版本”，2024 年 9 月 AWS 把它捐给 Linux 基金会，交给厂商中立组织管理，AWS 不能再关停它或改许可证。数据显示 AWS 在项目贡献中的占比从第一年的 91% 降到 2025–26 年的 72%，核心仓库维护者中的亚马逊员工占比从 2022 年的 95% 降到 71%；60% 的受访用户已改用自建部署，高于 2024 年的 37%。但近四分之一未采用者仍因担心 AWS 影响而观望。对读者来说，这意味着搜索和 RAG 等 AI 检索场景多了一个更独立、可自建的开源选择，信任问题仍在慢慢修补。

上下文难题：Docusign 如何构建理解合同背后业务的 Agent

Docusign 在电子签名之外推出了智能协议管理平台 IAM，核心引擎叫 Iris。通用大模型能读懂单份合同，但遇到同一合同的多份修订、价格调整和公司内部审批规则时，就不知道哪个条款还有效、该找谁批准。Iris 把智能抽取、语义搜索和 Agent 层结合起来，先识别哪些文件属于同一份合同关系，再结合公司政策和用户偏好来回答问题，比如列出三个月内到期的百万美元软件合同。这样普通员工不用再手动翻表格、核对供应商名称。IAM 平台 2024 年 4 月发布、5 月起在美国可用；文中未说明 Iris 各功能的具体开放范围。

Kubernetes 机密容器引入 Fortanix 远程证明与密钥管理

Fortanix 为 Kubernetes 机密容器（CoCo）做了一套集成，把“证明这个程序可信”和“发放解密密钥”这两步连了起来，主要面向跑 AI 任务的工作负载。以前证明结果和密钥释放是两套东西，现在能自动衔接：只有通过验证的工作负载才拿得到密钥。GPU 验证相关的设置会影响实际保护强度，另外还有上游 Trustee 和 Azure Secure Key Release 两条替代路径。读者能拿到的好处是：在 Kubernetes 上跑敏感 AI 负载时，可以更放心地依赖硬件证明来控制数据解密权限。原文未说明具体发布时间、可用状态和性能数据。

Spring 新闻汇总：Boot、Framework、Data、Security、Modulith、AI 首批候选版本发布

InfoQ 的 Michael Redlich 汇总了 2026 年 10 月 19 日那一周 Spring 生态的动态。核心情况是：Spring 家族一批项目同时进入“首个候选版本”阶段，也就是离正式版只差最后一步测试。此次涉及的包括 Spring Boot、Framework、Data、Cloud、Security、AI、Modulith、Batch、Session、Integration 等十余个项目。这说明整个 Spring 生态在同步推进版本更新，使用这些框架的开发者可以开始按候选版本做升级测试。原文只是粗略罗列，没有说明各项目的具体新特性、发布时间表和已知问题。

Cloudflare 后量子版 GeoKey Manager 进入封闭测试，弃用属性基加密

Cloudflare 把一个重建版的地域密钥管理服务 GeoKey Manager 放进了封闭测试，只有受邀请的用户能用。以前它靠一种叫“属性基加密”的方式，按密钥的归属属性控制访问；新版本改用两种加密算法组合（ML-KEM-768 和 X25519）来守住限定区域的密钥，为的是抵御未来量子计算机的破解。密钥只保存在经过校验的区域服务器的内核内存里，任何一项检查不通过就直接拒绝请求，也就是“宁可拒绝也不放行”，有人担心这可能在某个区域整体故障时导致服务不可用。正式开放计划在 2027 年第一季度，目前还只是测试阶段。

Cooking AGI：双语机器学习与大语言模型学习笔记与面试准备资料

tianyi-zhang-02/cooking-agi · Cooking AGI / AGI 大锅烩 · Bilingual (English / 中文) ML & LLM notes with worked examples, step-by-step figures and coding practice. Free to read.

Cooking AGI 是一套中英双语的 ML 与 LLM 学习笔记，围绕可跟做、可运行或可回放的示例展开，并配有逐步图示和论文原图来源。内容覆盖模型原理、训练与后训练、推理、检索、Agent、评测、AI 基础设施与具身智能等主题，同时提供面试复习、ML 编程练习、Python 与算法模式、系统设计等准备材料。项目还提供可在 Claude Code 或 Codex 中运行的面试教练技能，用于基于笔记进行模拟面试。README 说明笔记采用 CC BY 4.0、代码采用 MIT，并可本地构建站点。

simple-evals-mm：面向视觉语言模型的多任务评测框架

llm-jp/simple-evals-mm · A lightweight library for evaluating vision language models.

simple-evals-mm 是 OpenAI simple-evals 的多模态扩展，提供 lightweight、可扩展的视觉语言模型评测框架。它由三部分组成：Sampler 负责统一接入 API 模型与本地模型；Task 负责加载 40+ 个英文与日文基准并完成打分；Run 负责保存可复现的评测记录。支持 LLM 评判、选项匹配、规则与代码执行等打分方式，可复用 run id 续跑、对已存答案重新打分，并生成评测表格与排行榜。

Reforge：模块化 LoRA 微调流水线，支持 Hugging Face 语言模型与视觉语言模型

R0U5/Reforge · A modular LoRA fine-tuning pipeline for Hugging Face models with built-in data cleaning, smart early stopping, automatic mode detection, and cross-platform support.

Reforge 是一个面向 Hugging Face 因果语言模型和视觉语言模型的模块化 LoRA 微调流水线，覆盖数据集加载与模式自动识别、文本清洗、分词、训练、LoRA 合并和模型导出。它支持 SFT、原始文本、聊天和多模态四种训练模式，内置基于 EMA 的早停、自动序列长度、断点恢复、交互式本地模型选择，并提供 Tkinter 仪表盘用于配置编辑和实时损失曲线查看。

pdf-rag-pipeline：面向文本型 PDF 的可溯源 RAG 预处理与检索工具

wenxin123abc/pdf-rag-pipeline · Traceable PDF-to-RAG preprocessing and retrieval toolkit, also packaged as a Codex Skill.

该项目用 Python 实现，面向文本型 PDF 的本地 RAG 预处理、检索与评测。它把 PDF 转换为 page、section、table、image 四类可检索对象，并保留页码、章节层级、表格结构与 bbox 引用位置，支持批量目录构建、带磁盘缓存的 BM25 中文检索、按页读页与查表查图、原文引用、模型无关的图片描述回填、recall@k/MRR/页码准确率/表格数值一致率评测，以及单文件离线 HTML 引用预览。项目定位为 RAG 中最脏的预处理层，不内置 LLM 问答层、向量数据库或 SaaS 前端，纯扫描件需外部 OCR。

Wavefunction：macOS 桌面开源编程 Agent

stoyan-stoyanov/wavefunction · Open-source desktop coding agent for macOS. Use any model: local with Ollama, your own API keys or a ChatGPT sign-in. Parallel chats, MCP connectors, skills, and computer use on a desktop of its own.

Wavefunction 是一款面向 macOS 的开源桌面编码 Agent，支持本地 Ollama 模型、自带 API 密钥或 ChatGPT 登录。它提供并行会话、隔离工作树、子 Agent 协助、定时例程，并通过 MCP 连接器和 SKILL.md 技能扩展工作流；计算机使用功能运行在本地 Docker 容器中，避免直接控制用户桌面。项目采用 MIT 许可证，模型使用费用由供应商收取。

ChatVia.ai：基于自有知识库的自托管 AI 聊天 Agent 平台

chatvia/chatvia · Open-source platform for AI chat agents that answer from your own knowledge base. Hybrid RAG search in PostgreSQL, MCP and custom tools, guardrails and human handoff. Put agents on a hosted chat page, a website widget, Slack, Teams, WhatsApp, Telegram or a REST API. Self-host with Docker and open-weight models.

ChatVia.ai 是一个自托管的 AI 聊天 Agent 平台，让 Agent 基于自有知识库回答。它在 PostgreSQL 内做向量与关键词的混合 RAG 检索，支持 MCP 服务器与自定义工具、内容护栏与人工接管，并将 Agent 发布到托管聊天页、网站组件、多个即时通讯渠道或 REST API。项目可选用 Docker 或 Ubuntu 安装，并支持前沿模型与开放权重模型。

pipaya：自托管的 LLM 编程 Agent 运行环境

dohwi/pipaya · pipaya: self-hosted LLM coding agent harness

pipaya 是一个运行在自有服务器上的 AI Agent 聊天工具。服务端负责调用模型并执行工具，客户端可从 Windows、macOS、Android 和网页等多设备连接；会话、设置与 API 密钥保存在服务器的 SQLite 数据库中，无需云端账号。内置 read、write、edit、ls、grep、bash 六个工具，支持内置提供商、Ollama、LM Studio、llama.cpp、vLLM 等本地模型服务或自定义端点，并可通过 AGENTS.md、skills、模板及服务端/客户端扩展进行拓展。

ai-tutorial：AgentScope Java 中文教程书架，覆盖 Agent、MCP、RAGFlow 与 CopilotKit 的入门到进阶

ybak/ai-tutorial · 一本开源的 AgentScope Java 中文教程：7 篇 44 章、839 页成书体量的完整 Markdown 源稿，由浅入深覆盖从第一个 Agent 到生产级 Agent 平台的全部主题。

这是一个面向团队教程书架的开源仓库，包含多本“从入门到进阶”的中文教程书，每本自带书稿、图片和动手 Demo。已发布 AgentScope Java 2.0（7 篇 44 章，从第一个 Agent 到生产级 Agent 平台）、MCP（4 篇 12 章，跨框架工具接入协议）、RAGFlow（4 篇 13 章，从搭建知识库到生产级检索调优）、CopilotKit（4 篇 8 章，在 React 应用中接入 AI Agent），Langfuse 书还在规划中。仓库还提供按角色（开发、测试、运维、产品、运营）划分的学习路线，以及站点和单书 PDF 的构建说明，可用于团队学习 Agent 开发、RAG 知识库、前端 AI 集成与工具协议。

证道：安卓原生治理优先 AI Agent 运行时（内置抱朴助手与玄览浏览器）

pisces19860207/zhengdao · Native Android AI agent: 抱朴 is a first-party, in-process harness that reads and writes your files, handles images and pages, plans and writes. 玄览 is the browser it sees through. The terminal is a separate app (zhengdao-term). No root, no Termux, no ADB. 安卓原生 AI agent：内置抱朴＋玄览浏览器；终端独立为 zhengdao-term。Android 16 (API 36) + arm64.

证道是运行在 Android 16（API 36）arm64 设备上的原生 AI agent 运行环境，包含内置助手「抱朴」与内置浏览器「玄览」。抱朴可读写工作区文件、扫描手机存储（只读可取消）、执行定时任务、连接外部 MCP 工具服务器、读取网页与图片、整理资料库并建立本地索引、撰写与续写文本；玄览负责在 App 内打开网页并把页面交给抱朴查看。项目强调治理优先：破坏性操作需用户确认，副作用记入决策中心，交付需通过验收，技能与记忆变更先备份、可回滚；系统不含 shell 执行能力，也不支持跨 App 模拟操作，且不自带模型，需用户自行配置模型服务商与 Key。

Loop：本地优先、可自选模型提供商的编码 Agent 工具

JimmyDi/loop · A local-first, provider-agnostic agent harness.

Loop 是一个用 TypeScript 编写的本地优先开源编码 harness（编码 Agent 工具）。它提供 Web UI、CLI 和 TypeScript SDK 三种使用方式，可以读取和编辑项目文件、执行 shell 命令与测试，并连接内置模型提供商、自定义网关或兼容的本地模型端点。对话与设置保存在本机，支持按项目保存和恢复会话、加载可复用 Skills、在 Web UI 或 SDK 中使用外部 MCP 工具，并通过权限预设控制工具访问。

Floss Clinic：牙科诊所管理平台与引用溯源 RAG 助手

DondieGatan/floss · Dental clinic platform: conflict-safe appointment booking, mandatory two-factor auth and a RAG chatbot with citation grounding. Flask + React, 382 tests

Floss Clinic 是一个基于 Flask + React 的全栈牙科诊所管理平台，提供带真实冲突检测的预约挂号、医生与科室目录、患者档案、基于角色的访问控制，以及一个带引用溯源的 RAG 聊天助手：回答基于诊所自有文档时标注出处，缺少匹配文档时改用通用牙科知识并明确不标注引用。平台还包含可代患者提议预约、改期或取消的对话式预约助手，改动需经患者确认后才写入，并具备角色分级、知识库自动更新与多模型供应商限流容错等机制。