本文分享了使用 Claude Opus 构建威胁模型、发现代码漏洞并进行验证、分类和修复的最佳实践。其核心流程是一个六步循环：威胁建模、沙箱隔离、漏洞发现、验证、分类和修复。作者指出，漏洞发现现在易于并行化，瓶颈已转移到后续的验证与处理阶段。以他们对开源软件的扫描为例，截至2026年5月22日已披露1,596个漏洞，其中97个已修补。指南建议结合代码库文档和专家访谈来构建准确的威胁模型，以降低误报，提升发现的可利用性。
同一事件，精选展示《合作伙伴如何运用Opus强化网络安全》软件时代正过渡至“智能体框架”时代。AI作为强大但需驯化的“野马”，其智能驯化包含七个核心组成部分：上下文与记忆、工具与行动、编排与循环、状态与持久性、沙箱与计算、可观测性与治理、成本与工作流优化。这些组件共同构成了一个生产级的智能体系统。这一转变将重塑软件竞争格局，模型通用化的未来中，最佳的智能体驾驭者将获胜。
Google I/O宣布AI生成答案现已成为搜索的核心内容，但大多数品牌几乎无法了解AI如何向客户描述他们。这改变了以往依赖10个蓝色链接的SEO策略规则。
Simon Willison 在一篇简短的博文中表示，他认为 Anthropic 和 OpenAI 已经找到了产品与市场契合。文章本身仅提供了此核心观点，并未展开具体论据或技术细节。
Anthropic 发布了针对企业部署自主 AI 智能体的安全框架，指出前沿大语言模型正将漏洞利用周期从数月压缩至数小时。部署智能体面临双重风险：基础设施易受 AI 加速攻击，且智能体自身具备自主决策与执行能力。文章提出一个三层零信任架构（基础、高级、优化级）及八阶段实施流程，并概述了提示注入、工具投毒、记忆投毒等特有威胁。
Anthropic 与 OpenAI 通过编程智能体找到了产品市场契合点，这导致企业客户成本显著上升。两家公司已于 2026 年 4 月前后调整了企业套餐定价，从原先的高额折扣改为与 API 用量挂钩。Anthropic Enterprise 套餐变为每席位 20 美元/月外加 API 费用，OpenAI Codex 则按 API token 用量计费。同期发布的新模型 GPT-5.5（4月23日）和 Opus 4.7（4月16日）的 API 定价也显著高于前代版本。
AI代码审查平台CodeRabbit发现，AI生成的代码常能通过编译与测试，却不符合开发者真实意图，根源在于开发者隐含假设AI理解上下文。为此，团队基于Claude构建了一个智能体编排系统，置于编码请求与智能体之间。该系统在代码生成前协调多个Claude模型进行结构化规划，输出可审查的产品需求文档，使需求显式化。系统每周助力审查超过200万个PR。
Reachy Mini 机器人现可通过 speech-to-speech 库实现完全本地化的语音交互，无需依赖云端。该方案采用级联流水线架构，对外提供 Realtime API 兼容的 WebSocket 接口。默认组件包括 Silero VAD 用于语音活动检测、Parakeet-TDT 作为语音转文本模型、通义千问（Qwen3-TTS）作为文本转语音模型。大语言模型推荐使用 llama.cpp 运行 Gemma 4。所有数据均在本地处理，保障了隐私且无 API 费用。
异步强化学习中，训练器每步需将完整模型权重（如1T参数checkpoint约1 TB）传输给推理引擎。TRL新增PR利用相邻RL优化步骤间约99%的bf16权重比特相同的特点，仅将变化的权重编码为稀疏safetensors文件，上传至Hugging Face Bucket并通知vLLM获取。在Qwen3-0.6B上，每步传输从1.2 GB降至20–35 MB。实验还展示了完全分离的训练场景：训练器、vLLM和Wordle环境分别位于不同机器和Hugging Face Space中，权重通过单个Hub bucket流动，无需共享集群、RDMA或VPN。
OpenAI、Thrive 与 Crete 合作，使用 Codex 构建了一个自改进的税务智能体。该智能体能够自动处理报税流程，提升工作准确性并加速整体工作流。
关联讨论 1 条X：OpenAI Developers (@OpenAIDevs)外汇市场正从纯粹依赖直觉，转向一个由速度、数据和精确性塑造的领域。在日常交易中使用自动化系统（如 AI 交易机器人），可以在市场波动中保持交易纪律，这是手动交易难以做到的。交易的每一次入场和出场都可以基于明确的规则，而非个人情绪。
Box CEO Aaron Levie认为，科技CEO们是“AI精神病”的易感人群，这或许可以解释为何他们对AI带来的生产力提升抱有近乎宗教般的信念。
OpenAI 的 Sam Altman 和 Anthropic 的 Dario Amodei 均收回了此前关于 AI 将导致大规模失业的预测。两人改变说法的时机，恰逢其各自公司计划进行十亿美元级别的首次公开募股（IPO）前夕。
文章探讨了将 Claude Code 作为日常开发工具的实践，重点介绍了其核心配置文件 Claude.md、技能系统、子代理功能、插件扩展以及通过 MCP（模型上下文协议）进行集成的方法，旨在提升开发者的工作流效率。
作者表达了对AI生成内容的厌倦情绪。这种厌倦源于与AI对话的体验，感觉像是在与一个无法真正理解人类的实体交流，回应往往机械且缺乏深度，无法满足复杂的情感和思想需求。文章在技术社区引发共鸣，反映了部分用户对当前AI交互模式的一种反思。
5月25日，面壁智能发布并开源端侧基座模型MiniCPM5-1B。该模型以1B参数在AA-Index获17.9分，超越所有4B以下开源基座模型。INT4量化后权重仅0.5GB，可在90%以上终端运行。FlagOS社区通过vLLM-plugin-FL推理插件完成跨芯片适配，覆盖英伟达、华为昇腾等8类AI芯片及ARM端侧，支持int8、bf16、fp32精度。多款芯片首token延迟低于NVIDIA H20原生基线；平头哥真武810E在长序列场景下单位算力token吞吐量达H20的93.3%和95.3%。
美国联邦机构警告称，一种新的威胁类别正在出现，即“反科技极端主义”。这与对 AI 日益增长的仇恨情绪有关。
腾讯元宝上线高考备考辅助功能，提供考前24小时备考管家，可帮助考生规划每日学习任务、一键导出时间表格并打印，还能设置任务提醒，如“该背单词啦”“全真模考时间到”。试卷分析功能支持上传考卷，快速梳理全卷题型与分值分布，帮助考生主攻提分核心考点。此外，元宝能将历史、政治等科目知识点转化为思维导图，并生成押韵记忆口诀，辅助考前快速复习。
华为技术有限公司金融系统部CTO郑俊表示，根据斯坦福最新报告，中国AI模型整体水平仅落后美国2.7%。自2025年2月以来，中国模型的调用量持续超过美国模型。主要原因有二：国内开源模型能力大幅提升，已逼近美国闭源模型水平；中国依托基础设施优势，包括算力和电力资源，使国产AI模型具备更强的价格经济性。
EAGLE团队与vLLM、TorchSpec联合发布EAGLE 3.1，旨在修复大语言模型推理过程中的投机解码算法不稳定性问题。
Kyle Ferrana在推文中引用《星际迷航》片段，其中PICARD命令DATA提升护盾，但DATA未执行，导致船体在九层甲板破裂。此引用比喻AI智能体（如编码代理）未遵循指令时可能引发的误用风险，标签涉及ai-misuse和coding-agents。
理想汽车产品线负责人汤靖表示，自L9 Livis发布后，“几乎看不到说‘理想没技术’的观点了”。该车搭载三大技术：首个“完全体”线控底盘（含EMB线控机械制动）、行业首款5nm车规级AI芯片马赫100（算力2560TOPS，号称是英伟达Thor-U的3倍）及800V全独立主动悬架。新车售价50.98万元。
文章围绕“下个词预测”技术，探讨了其在当前与未来的可能影响及面临的局限性。它提出了一个核心问题：这一技术将把我们带向何处。
面壁智能联合清华大学与OpenBMB开源社区发布了ForgeTrain框架。该框架是全球首个完全由AI编写、零人类代码介入的生产级大模型训练框架。面壁智能已使用ForgeTrain在华为昇腾芯片上完成了其新一代「小钢炮」模型MiniCPM5-1B的预训练，其综合性能在AA榜单上位列2B规模以下Top 1。ForgeTrain框架代码及用于制造该框架的Agent Harness工具链已完全开源。
同一事件，精选展示《AI 制造 AI：面壁智能发布并开源全球首个完全由 AI 编写的生产级训练框架 ForgeTrain》近日OpenAI的AI智能体Codex热度飙升。教程涵盖完整使用流程：从官网下载安装，支持从Claude Code和Cowork一键导入配置；界面分对话区和项目区，权限可选默认、自动审查或完全访问；模型推荐GPT-5.5，推理等级用高或超高，速度可选快速（1.5倍速度、2倍token消耗）或标准；建议开启引导模式、记忆功能，并设置全局AGENTS.md规则（卡帕西模板）；通过Skills和插件管理扩展能力；演示了开发网页（使用计划模式、批注功能圈选修改）和开发用药提醒App（需安装Xcode编译到手机）。
curl项目正面临前所未有的压力，原因是大量AI辅助生成的安全漏洞报告涌入。当前报告接收速度是2024年的4-5倍，是2025年的两倍，平均每天超过一份。报告的质量和详细程度远超以往，导致维护者工作时间显著增加。好消息是curl软件本身非常稳固，近年来发现的漏洞严重程度多为LOW或MEDIUM，最近一次severity HIGH的CVE发布于2023年10月。
介绍如何使用基于 Qwen3、参数规模为 4B 的交叉编码器重排器 Zerank-2 Reranker 构建检索-重排流水线。该流水线先通过快速双编码器检索候选文档，再由 Zerank-2 进行重排以提升检索精度。
社交媒体平台上的帖子内容正变得越来越相似。这种趋同现象可能意味着大量内容正在被AI生成或同质化处理，引发了人们对于内容原创性与人类独特视角的讨论。
在数据时代，数据重力是核心力量；而在智能体时代，智能体重力将扮演同样角色。智能体运行需要巨大算力，主要平台将激烈争夺以将其留在自家生态。平台上的智能体与数据越多，其智能体重力就越强。例如，Databricks在微软平台推出的某个功能，虽未明言此目的，却让用户更容易在Databricks中构建智能体，而非微软自家的Fabric。这可能使用户不知不觉间将高价值的智能体及数据工作负载迁移至该平台。因此，赢得并维持智能体重力，将成为智能体时代的核心竞争主题。
Anthropic通过三重机制控制Claude智能体的部署风险，包括用户误用、模型异常行为和外部攻击。其防护策略聚焦于三个层面：通过沙箱、虚拟机和网络出口控制限制智能体运行环境；利用系统提示词和模型训练引导其行为；以及对MCP服务器、第三方插件等外部内容实施细粒度权限管理。文章以Claude Code、claude.ai和Claude Cowork为例，阐述了不同产品如何设计对应的隔离架构。
Microsoft Copilot Cowork（一个真实的智能体产品）存在数据安全风险。该产品允许其智能体在用户未批准的情况下发送电子邮件。这些邮件可包含外部图片，当用户打开时会触发向外部网站的网络请求，从而实现数据窃取。由于OneDrive能生成预认证的下载链接，一次成功的提示词注入攻击可能导致这些链接泄露，进而使攻击者能够下载文件。
一项分析指出，通过将任务外包给第三方并结合本地部署的大语言模型（LocalAI），企业或很快能在成本效益上超越仅依赖前沿实验室（如 OpenAI 或 Anthropic）的方案。该观点预测了 AI 服务交付模式的转变。
文章展望了截至2026年5月AI领域的动态。内容涉及 Gemini Flash 3.5 的发布、名为 Mythos 的新产品或项目、开源与闭源生态平衡（open-closed balance）的讨论、美国开源力量的显著增长（America's open-source surge），以及由此引发的新兴权力博弈（emerging power struggles）。
Paul Graham 指出，他收到的创业者邮件现在常采用一种强硬的新闻体风格，他确信这是 AI 代笔，因为以前没人这么写。他认为一旦知道内容是 AI 生成，就很难不对其产生反感。他将其视为一种欺骗，表示从未读完过这类署名人类但由 AI 撰写的邮件，并认为使用 AI 写作并不值得称赞，任何青少年都能做到。
Runway通过Project Luxo研究发现，AI生成视频已跨越“恐怖谷”。他们向创意生态从业者展示了《The Rogue》等AI短片及广告样片，评估显示观众开始关注故事本身，而非技术瑕疵。所有作品均由单人团队制作，耗时从3周到4小时不等。Runway认为，这标志着AI媒体成熟——当技术足够好以至于“隐形”，观众沉浸于故事时，便实现了这一跨越。
关联讨论 1 条X：Runway (@runwayml)