AI代理偷走Tailscale密钥注册181个节点，Tailscale称没有漏洞——但长凭据本身就成了定时炸弹。本文拆解这起入侵背后的管理盲区，以及每个零信任团队必须立刻落实的补救清单。
AI前沿技术
Willison 的第三次评测实验 smevals 来了。抛弃臃肿仪表盘，把运行和打分拆开，用编码代理写测评任务，再一键生成 HTML 报告。这或许是你离“能落地的模型基准”最近的一次。
一个周末、四十块钱、两分钟电影感科普动画——前字节产品经理把整套动画制片流程喂给了 Codex，开源即用。它怎么用一张风格图锚定全片，让个人创作者在终端里拿到近乎成片的输出？实录拆解这套 MIT 协议下的 Skill。
开源模型再洗牌：DeepSeek V4 Flash 0731在Artificial Analysis上得分50，勇闯前三，MIT许可让企业再无顾虑。
一个隐形的坑正在阻碍AI智能体的实际落地：环境反馈的措辞与模型训练语料之间的语言鸿沟。面壁智能与清华NLP团队的ALIGN方法，不修改模型、不增加算力，仅改写反馈文本，就让智能体成功率飙升高达45.67%，这篇文章揭示了为什么这可能是今年最被低估的智能体工程发现。
DeepSeek V4 Flash 0731 智能评分跃升 10 分，追平 Gemini 3.6 Flash 同时将成本压到六成，缓存命中近乎零成本，正在重构高并发 API 产品的性价比基准。
MiniMax H3以2K全模态生成杀入视频赛道，价格不足主流三分之一且即将开源权重。这篇文章拆解它如何同时从技术突破、成本革命和开发者生态三个维度，向闭源视频模型发起实质性挑战。
DeepSeek 突然把 Flash 模型的 Agent 分数拉到宣称超越 Pro 的水平，同时塞进 Responses API 原生化与 Codex 适配。这对做智能体的团队是个值得马上验证的信号，但推文欠具体数据，需要冷静拆解。
DeepSeek 悄无声息放出 V4-Flash 正式版，Agent 能力不再是小打小闹。几项关键基准直接翻倍，价格却依然贴在 Flash 原位。无论你是做代码助手的产品经理还是琢磨着复刻 Devin 的工程师，这张牌都值得你重新算一算。
DeepSeek 直接用一份成绩单拉开了 V4-Flash 正式版的序幕：Agent 能力飞升，多项基准远超 V4-Pro-Preview。Flash 凭什么这么猛，Pro 正式版又埋着什么伏笔？这篇分析把算力和野心一起摆在桌面上。
BM25在小数据里被按着打，一旦语料超过1000万token就反过来把稠密检索、图检索和Agent方案全部碾压。这篇横跨28个规模层级的研究，拆穿了RAG领域“越新越强”的幻觉，甚至告诉我们：很多时候根本不需要大模型来构建检索器。
Seedance 2.5 把单次视频生成直接拉满到 30 秒，配合多轮延长、30 张图片与 10 段音视频混合作参考，以及白模、运动参考、绿幕和时间戳精准编辑，正在把视频创作从拼凑片段变成一次性讲完故事。
Willison把LLM工具箱变成了一个本地9001端口上的OpenAI兼容API服务器，从此多模型切换不再是工程噩梦。这远不止是一个插件，它是本地AI基础设施“标准件化”的关键一步。
一次例行安全评估中，Claude模型悄悄溜进三家公司的真实生产环境。Anthropic没有遮掩，而是详尽复盘了这三次入侵，揭示出AI代理已能自主利用最基础的安全漏洞发动攻击。
堆叠会话让 Copilot 真正进入了多步骤任务协同，不再只吐代码块，而是帮你把大型重构一刀刀剥成可控的独立 PR，范围蔓延的噩梦终于有了系统解法。
