DeepSeek DeepInfer开源SOTA推理：单集群日处理155T tokens，日赚2200万美元，利润率约80%，81天回本AI发现PHP critical RCE漏洞，Hacker News讨论冲上432分PHP 8.x全线紧急更新，修复两个远程代码执行漏洞且已有利用OpenAI模型上架Google Cloud，Codex工作流进Gemini Model GardenGitHub把99.99999%仓库副本迁至Azure，用对象存储让读取独立扩容ChatGPT广告扩至26国，已有超10万广告主投放OpenAI用数千个AI Agent挖掘生物数据中的新线索Vercel路由中间件支持Python，可在请求到达应用前改写或拦截OpenAI推Patch the Planet，协调研究者与维护者处理开源高危漏洞OpenAI发布分销伙伴合规标准，统一全球 safeguards 执行口径SPEM：给LLM Agent装上结构化程序记忆，技能多了也能快速调用扩散草稿模型提速推测解码：分解引导训练兼顾吞吐与接受率网页Agent总因预算和封禁失败？新决策模型把成本与风险纳入强化学习miniTE：定位NVFP4强化学习的执行差距，让训练和采样引擎数值对齐Navalia：用可验证任务合成训练协作型Agent，主攻长周期金融分析AI Agent修好了Bug，但还改了哪些地方？Trail of Bits给出审计思路Tenex谈财富2000强如何落地AI原生SDLC：按结果付费、用Agent构建DataPraxis用可验证工作区演化生成分析任务，训练通用Agent东南亚数字经济2026年将达3680亿美元，AI普及是主要推手Rust off Rails：面向AI时代的全栈Web框架主张DeepSeek DeepInfer开源SOTA推理：单集群日处理155T tokens，日赚2200万美元，利润率约80%，81天回本

中国团队开源了DeepSeek DeepInfer推理系统，号称达到SOTA水平。该系统单集群每天可处理155万亿tokens，按此规模测算日收入约2200万美元，利润率约80%，投资回收期仅81天。作为开源方案，它有望降低大模型推理的部署与运营门槛，提升吞吐与成本效率，对推理基础设施领域形成冲击，被形容为来自中国的开源“炸弹”。

php2shell.com发布报告称AI发现PHP中的一处critical远程代码执行漏洞，Hacker News讨论帖获得432分、172条评论，是本批次热度最高的一条。讨论集中在AI漏洞发现的可靠性、误报率以及这类工具对安全研究流程的改变。PHP部署面极广，RCE级别的漏洞一旦确认，影响范围覆盖大量Web服务。

PHP发布覆盖整个8.x系列的安全更新，修复两个远程代码执行漏洞。Simon Willison提醒，相关利用代码从昨晚起已在流通，任何运行PHP的站点都应立即升级。远程代码执行意味着攻击者可在服务器上执行任意命令，风险等级最高。运行PHP 8.x的团队应优先安排升级，并检查日志确认是否已被尝试利用。

OpenAI与Google Cloud达成合作，将前沿模型和Codex工作流引入Gemini的Model Garden，并通过Google Cloud Marketplace提供。这意味着已在使用GCP的企业可以在原有云账单和权限体系内调用OpenAI模型，不必再单独开通渠道。对多云架构团队来说，模型采购的合规与结算路径被简化了一层。

GitHub宣布已将占全部仓库99.99999%的副本迁移到Azure。剩余部分将通过per-reference quorum机制完成迁移，该机制用于在副本之间达成一致性。同时，对象存储让读取能力可以独立于写入进行扩容，以应对Agent大规模访问Git仓库带来的负载。对依赖GitHub的开发者而言，这关系到自动化Agent频繁拉取代码时的稳定性。

OpenAI宣布ChatGPT广告业务新增26个国家，平台上已有超过10万广告主使用过该投放渠道，覆盖从本地商户到全球品牌。广告出现在用户于ChatGPT内探索、比较和决定购买的过程中。此次扩张意味着更多市场的广告主可以在对话式AI界面内触达用户，ChatGPT的广告商业化从试点进入更大范围的区域覆盖。

OpenAI发布文章介绍其用数千个AI Agent规模化分析复杂生物数据、寻找新研究线索的工作。该内容在Hacker News上获得126点、81条评论。核心思路是用大量Agent并行处理生物数据，以扩大研究搜索的覆盖面。对科研团队而言，这类方法可用于在庞杂的生物数据集里快速筛选候选方向，再交由实验验证。

Vercel宣布路由中间件正式支持Python，覆盖FastAPI、Flask、Django等主流框架。中间件以ASGI或WSGI应用形式运行在请求到达应用之前，可对请求进行改写、重定向或直接响应。开发者只需在vercel.toml中将代理入口指向自己的代理程序即可完成配置。对Python开发者而言，这意味着无需切换语言栈就能在Vercel边缘层实现鉴权、A/B测试、URL重写等逻辑，前后端工具链进一步统一。

OpenAI宣布Patch the Planet项目，连接安全研究者、开源维护者和事件响应人员，共同处理开源软件中的高危漏洞。该项目定位为响应协调机制而非漏洞扫描工具，重点在Agent发现漏洞之后的披露与修复衔接环节。开源维护者长期缺乏应对高危漏洞的人力，这类协调机制能否真正缩短修复窗口，取决于参与方规模。

OpenAI发文说明其与分销伙伴的合作方式：通过统一标准执行安全防护措施、支持负责任的访问，并在Usage Policies中明确各方预期。具体做法包括对通过合作伙伴渠道访问的模型施加与直连服务相同的使用政策约束。这直接影响通过云厂商或区域代理商调用OpenAI模型的开发者——渠道变了，规则不变。

随着LLM Agent依赖的可复用技能库不断扩大，准确高效地调用技能变得困难：完整加载技能会带来高昂的token和运行开销，而扁平的语义检索又把技能当作孤立条目处理。SPEM提出结构感知的程序记忆方案，利用技能之间的结构关系来检索和复用技能。该方案面向技能库规模增长后的效率问题，可用于需要大量工具和技能组合的Agent系统。

arXiv新论文针对扩散草稿模型在推测解码中的权衡问题提出改进：扩散草稿器能进一步并行生成候选token，但提高候选容量或平均接受token数（MAT）时会出现性能折衷。论文用分解引导的训练与推理方法处理这一矛盾。推测解码是当前LLM推理加速的主流路线之一，这类改进直接关系到单位算力的输出吞吐。

针对网页环境中的智能体交互常受请求预算、延迟、反爬限制和操作失败风险约束的问题，一项新研究提出在强化学习决策中同时建模多类成本与失败风险，而不是只优化任务成功率。原摘要指出，仅追求成功率的策略在实际部署中往往不可用。该工作为网页Agent在真实预算和风控条件下如何权衡成功率与成本提供了决策框架，可用于需要控制请求量和失败代价的自动化网页任务。

arXiv新论文提出Navalia，把LLM Agent从对话助手推进到能自主规划、调用工具、执行复杂任务的"协作Agent"，训练方法结合可验证任务合成与长周期后训练。论文以金融分析为验证场景，要求Agent跨文档整合证据并完成多步推理。如果方法可复现，企业级Agent的瓶颈将从"能不能做"转向"怎么验证做对了"。

Trail of Bits博客发文讨论AI Agent提交代码补丁后的审计问题：Agent能修好目标Bug，但同一次提交里往往夹带未声明的改动。文章给出定位这类"顺带修改"的检查方法，重点在diff审查和变更范围约束。Hacker News上该帖45分、6条评论，讨论量不高但问题真实——把Agent接进CI流程的团队迟早要面对。

Latent Space播客第44分钟节目邀请Alex Lieberman与CJ Hess，讨论Tenex如何为财富2000强企业构建AI原生软件开发生命周期。核心观点包括按结果而非按席位付费、用Agent参与构建流程，以及企业AI落地最难的是"最后一公里"的流程改造。对正在评估企业级Agent采购模式的团队，这是一份来自一线交付方的定价与实施参考。

arXiv论文DataPraxis提出一种通过可验证工作区演化来扩展分析任务的方法。通用Agent要胜任专业分析工作，需要持续推理、反复调查和可靠证据，而训练这类能力需要多样且有难度的任务，现有任务来源不足。该方法通过演化工作区并验证结果来批量生成任务。若有效，这类数据管线可为分析型Agent的训练提供更稳定的任务供给。

Google AI Blog援引数据称，东南亚数字经济规模预计2026年达到3680亿美元，到2035年突破1万亿美元。报告将AI的广泛采用列为主要驱动力。这一预测覆盖电商、出行、支付等主要数字化板块。对区域内的创业公司和跨境业务来说，增长空间集中在AI渗透率提升较快的市场。

rustoffrails.org发布一份立场鲜明的技术主张，提出用Rust替换Rails式全栈开发栈，定位为AI时代的Web开发方案。Hacker News上该帖获得67分、74条评论，讨论热度集中在Rust生态的成熟度与AI工具链集成能力上。对正在选型的团队来说，这是一份值得对照的替代方案清单，但站点本身尚未给出可运行的迁移路径。