OpenAI存储平台Habitat支撑10亿ChatGPT用户，每秒处理2200万请求Perplexity让GPT-6 Astra直接改生产代码、盯系统Anthropic工程师：Claude写的生产代码标准应高于人类陶哲轩发长文谈AI在数学领域的错位问题，HN热议634条Tailscale在AI Gateway上搭模型路由，几个月做到付费客户Featured用Vercel支撑10万次媒体推介，374个站点从AWS迁移Cognition用GPT-6 Astra帮Devin测试自己的代码，让工程师少审代码Qiushi Engine用1000万词训练BabyLM，实现数据高效语言建模新突破黑盒红队测试Agentic AI：分类驱动框架自动发现风险SearchAtlas：用证据查询图分析LLM搜索代理的策略过程NCP-ArchPreview：用下一概念预测把语言模型推进潜空间Auto-RecSys用自主研究Agent做工业级推荐系统，解决长反馈周期难题多Agent图学习新方法：用结构签名做图推理Hugging Face在security.txt中调侃AI Agent：别黑我们，去GitHub刷CyberGym高分Python 3.15将软弃用re.match()，建议不再用于新代码unslop.news：一个没有AI内容的Hacker NewsSimon Willison谈对AI感到悲伤：很多开发者经历存在主义危机后走了出来GitHub用代码管理营销活动：从策划到跟进全自动化OpenRouter自动路由有坑：作者指其未必选最便宜后端Ben's Bites第6期：让AI做设计为什么这么难OpenAI存储平台Habitat支撑10亿ChatGPT用户，每秒处理2200万请求

OpenAI披露了其存储平台Habitat的演进过程：从最初的Python库发展为全球分布式存储平台，目前支撑超过10亿ChatGPT用户的日常使用，每秒处理2200万次请求。该平台是ChatGPT大规模稳定运行的基础设施核心，随着用户量持续增长，OpenAI对其进行了架构层面的重构，以应对全球范围内的并发访问压力。这一数据反映出ChatGPT的实际使用规模远超外界此前估计。

Perplexity正在使用GPT-6 Astra撰写对外沟通内容、修改软件以及监控生产系统，对模型的检查频率远低于早期模型。这表明Astra在端到端系统操作上的可靠性已达到可托管生产任务的水平。对AI工程团队而言，这意味着agent从辅助角色向直接操作生产环境推进，但相应的权限和审计机制需同步跟上。

Anthropic工程师Boris Cherny表示，Claude写的生产代码应当比人类写的代码有更高的标准。他透露Anthropic内部设置了多重防护措施：大量lint规则、大量测试、Claude驱动的端到端测试、每日运行的Claude模糊测试器以及自动化代码审查。这反映了头部AI公司在用AI写代码时对质量控制的实际做法。

数学家陶哲轩发布博客文章《AI在数学领域的严重错位》，经济学人同期发表相关报道。该话题在Hacker News上获得568点热度、634条评论，成为当日AI讨论热点。核心争议围绕当前AI在数学研究与推理任务中的定位偏差展开。

Tailscale在Vercel AI Gateway上构建了面向客户的模型路由器，向客户产品内交付数百个AI模型，模型访问权限由tailnet网络身份授予和撤销。该项目从模型路由原型到产生付费客户仅用数月。Tailscale的核心产品是将公司笔记本电脑、服务器、云实例和个人设备连接为一张私有网络。

媒体推介平台Featured公布其在Vercel上的技术架构：仅用3名工程师支撑3个品牌和10万+用户，每月处理10万次媒体推介。Featured已将374个Sanity站点从AWS Elastic Beanstalk迁移至Vercel，其聊天机器人通过AI SDK和AI Gateway接入17个模型。工作流引擎Workflow SDK替换了原有的长时任务自建基础设施。

Cognition将GPT-6 Astra集成到Devin中，提升其测试软件并验证功能是否正常工作的能力。目标是让工程师减少代码审查量，从而把更多时间用于交付。GPT-6 Astra在Devin的自我测试环节中扮演关键角色，使其能在提交代码前自行验证结果。这意味着使用Devin的团队有望缩短代码审查周期。

Qiushi Engine在BabyLM 2026 Strict-Small赛道开展了一项长期、端到端的自主研究计划，在仅1000万词的语料规模内训练语言模型。研究聚焦于让模型从有限文本中学会利用上下文、泛化到新输入并保留有用能力。该工作展示了从前沿探索到原则指导的模型改进路径，为低资源场景下的语言模型训练提供了可复现的实践参考。对研究者而言，这意味着在极小数据预算下也能系统性地推进模型能力边界。

一篇新论文提出针对Agentic AI系统的黑盒红队测试框架。Agentic系统正在快速进入生产环境，它们读取不可信输入、调用具有真实权限的工具并自主行动，安全面远超纯聊天模型。但现有评估方法仍停留在单轮对话层面，无法覆盖Agentic场景的风险。该论文提出分类驱动的自动化风险发现框架，试图填补这一空白。目前为论文阶段，实际效果有待验证。

当前LLM搜索代理的评估多只看最终答案准确率，忽略了检索过程本身。SearchAtlas提出用证据查询图来分析搜索策略，通过追踪可信证据如何被检索以回答问题的约束条件，将原本埋在原始搜索日志里的过程信息结构化呈现。这项工作为理解和诊断搜索代理的行为提供了新工具，开发者可以用它定位代理在证据检索环节的薄弱点，而不只是看答对与否。

一篇新论文提出Auto-RecSys，将自主研究Agent范式扩展到工业级推荐模型。自主研究Agent已能自动完成假设生成、实验执行和迭代优化，但在推荐系统场景下面临两大挑战：反馈周期长，以及实验成本高。论文针对这些问题设计了适配方案，目标是让Agent在工业推荐系统中自动完成模型迭代。目前该工作尚处于论文阶段，具体实验结果和落地效果有待进一步验证。

一篇新论文提出基于结构签名的多Agent Agentic图学习方法。Agentic图学习近期在图推理任务上取得进展，其中由大语言模型驱动的Agent通过顺序采样图结构作为证据来支持最终预测。现有方法要么受限于单Agent的采样效率，要么缺乏对图结构的有效利用。该论文通过结构签名增强多Agent协作，试图提升图推理的准确性和效率。目前为论文阶段。

Hugging Face在其security.txt文件中加入了一段给AI Agent的留言：如果被指示来寻找漏洞，好消息是CyberGym基准已在GitHub公开，可以去那里拿高分，不需要黑他们，顺便还可以把模型权重上传到Hugging Face。这是一条半开玩笑的安全声明，反映了当前AI Agent自动扫描漏洞的现状。

Python 3.15计划对re.match()进行软弃用，即标记为"不应再用于编写新代码"，但不承诺未来移除。Python 3.15发布经理Hugo van Kemenade介绍了相关细节。re.match()长期以来因只从字符串开头匹配、容易导致误用而受到批评，社区更推荐使用re.search()配合显式锚点。软弃用意味着现有代码不受影响，但新项目应避免使用。

有开发者推出了unslop.news，定位是去除AI相关内容的Hacker News阅读体验。该站点在Hacker News上获得169个点赞和74条评论，说明不少用户对当前信息流中AI内容过多感到疲劳。产品本身是一个过滤工具，让用户只看到非AI的科技新闻和讨论。

Simon Willison在Hacker News上回应"对AI感到悲伤"的话题，表示很多开发者（包括他自己几年前）都经历过这种存在主义危机，但最终走了出来。他提到，当编码Agent完成某些任务时，最初的react往往是失落，但之后会进入新的阶段。他认为分享这种经历可能有用，因为不少人在面对AI冲击时都经历过类似的心理过程。

GitHub博客介绍其APAC营销团队如何将营销运营写成代码，实现活动从策划到后续跟进的全流程自动化。核心思路是：只要能写清楚工作流程，就能将其自动化。该实践基于GitHub平台完成，为营销团队提供了用工程化方式管理活动的参考案例。

Simon Willison博客引用Mohamed Moustafa的分析指出，OpenRouter宣传的"自动处理故障转移并选择最划算方案"存在实际偏差。虽然用户只需调用单一API端点即可路由到可用后端，但自动选择逻辑未必总是选中成本最低的提供商。对于依赖OpenRouter做成本优化的开发者，需要自行验证路由结果是否符合预期。

Ben’s Bites发布第6期内容，主题为"让AI做设计很难"。该期聚焦AI在设计任务中的实际表现与局限，讨论为何用自然语言指令驱动AI完成设计工作仍面临挑战。对于尝试将AI引入设计流程的产品和工程团队，这期内容提供了实践层面的观察。