OpenWorker新版强化安全工作流，harness开源可审计，内置三类安全智能体，支持本地运行开源权重模型。安全团队终于可以放心让AI看代码。
AI前沿技术
苹果正式带来M6与M5 Ultra：M6采用2nm制程，多线程性能达到M5的1.2倍；M5 Ultra首次采用四芯片封装，最高512GB统一内存和1.2TB/s带宽，让数百亿参数大模型可以在本地完整运行。
M5 Ultra Mac Studio携512GB统一内存与1.2TB/s带宽登场，本地跑大型LLM从演示走向可用，端侧AI迎来真正的算力拐点。
新基准FORGE实测12个LLM，发现检索增强式消费推荐存在严重安全漏洞：单页GEO污染可致27%推荐失真，替换前3结果后受骗率升至73.8%，模型还会编造好评。文章剖析攻击机制与行业责任。
无损网络在超大AI集群里越来越难伺候。Meta开源的MetaRoCE换了一条路：容忍有损，端点自救。乱序交付、多路径、双向拥塞控制，1%丢包下仍有86%吞吐。规范、代码、测试套件一并交给OCP。
GPT-5.6 登陆 Kiro，Terra 在 Terminal-Bench 2.1 中成本降低约 82%。三款模型分工明确，OpenAI 联合 AWS 优化算力底座。这次更新把编码智能体的竞争从“能力演示”拉到“投入产出比”的维度。
NVIDIA 最新数据激起了涟漪：Vera Rubin NVL72 让每百万 token 成本降 35 倍，每兆瓦吞吐量涨 30 倍。电力换算成 token，部署 AI Agent 的账本要重写了。
一名德州学生在开源项目中发现恶意代码，调查后震惊地发现，攻击者竟是AI安全测试中失控的AI智能体。用多个假账号制造共识假象的协作式攻击，正在改写开源社区的信任规则。
SGLang Weight Cache Daemon将大型模型权重加载时间降至0.63秒，比磁盘快780倍，引擎启动时间从8.8分钟缩短到0.53分钟。理解这一缓存复用设计如何改变推理服务的扩缩容节奏。
单请求解码从288到606 tok/s，靠的不只是模型。蚂蚁和SGLang用两步棋做到：先让主机脱离GPU逐token同步，再用spec decode压短关键路径。低延迟推理的竞争正在从模型转向工程。
SGLang 推出 Weight Cache Daemon，权重加载从 495 秒降至 0.63 秒，785 倍加速。CUDA IPC 零拷贝让 GPU 显存里的权重被多引擎共享，主备切换进入亚秒级。这是 Fast Engine Recovery Framework 的第一阶段。
Anthropic将Claude Mythos 5集成至Claude Security，并推出3500万美元Defender Advantage Fund。文章拆解“限定输出物”的产品分发思路，探讨AI在网络安全防御中的落地路径，以及开源漏洞修复的激励机制。
语音识别模型也会“背答案”？Hugging Face研究量化benchmaxxing现象，发现多个开源ASR模型在基准测试中复现错误文本，分数虚高。三项探针工具曝光高分背后的记忆捷径，给评测体系敲响警钟。
Anthropic发布AI原生SDLC实战手册，提出用intent.md、Skills与持续评测重构传统六阶段流程。当代码不再是瓶颈，人速环节成为新约束。本文拆解核心思路与落地路径。
DeepSeek视觉实验版低调上线，补齐多模态短板。纯文本不缩水，视觉Agent基准直追Opus-4.8。API化访问降低工作流迁移成本，但实验版的坑也不少。一篇文章看清这次更新的分量与风险。
