2,517 字
早报 | MORNING 2026-10-25
Google Data Agent Kit 正式 GA,Gemini 4 Argon 无人值守优化 ADK
今日要点
- Google Data Agent Kit GA,37 个技能接入 15 项数据云服务
- Gemini 4 Argon 无人值守 11 小时,ADK 内存开销降 40%
- NVIDIA OpenShell 单日 +896 Star,内核级 Agent 沙箱
Google 将 Data Agent Kit 正式 GA,提供免费 MCP 工具与 37 个开源技能接入 15 项以上 Google Data Cloud 服务,并把权限护栏延伸到 IAM deny policy;Gemini 4 Argon 无人值守运行 11 小时,为 Google ADK 约 20 万行 Python 代码库提交两项被接受的优化,长会话 session-preparation 开销降约 40%,冷包导入时间降 21%。
1️⃣ Google Data Agent Kit 正式 GA:MCP 工具与 37 项技能接入数据云#
- 核心发布:Google 将 Data Agent Kit 正式开放,提供一组免费 MCP 工具与 37 个开源技能,用于把编码 Agent 连接到 15 项以上 Google Data Cloud 服务。
- 护栏拆分:该工具包同时提供两类护栏——技能层要求 Agent 停止操作,以及 IAM deny policy 直接拒绝调用;开发者需要区分软约束与基础设施级硬拒绝。
- 行业意义:Agent 接入云资源时,权限控制正从提示词与技能说明,延伸到 IAM 等底层策略层;两类护栏的边界会直接影响企业部署时的责任划分与审计方式。 🔗 InfoQ 原文
2️⃣ Gemini 4 Argon 无人值守 11 小时,为 ADK 提交两项优化#
- 运行结果:Gemini 4 Argon 进行了一次 11 小时无人值守运行,针对 Google Agent Development Kit 约 20 万行 Python 代码库产生两项被接受的优化。
- 性能变化:长会话中的内存 session-preparation 开销降低约 40%,冷包导入时间降低 21%。
- 行业意义:这是模型参与大型生产代码库持续性能优化的可核查样本;两项优化被接受,也说明流程中仍保留接受、审查与合并门槛。 🔗 InfoQ 原文
3️⃣ YC Paper Club 聚焦推理栈:训练每 1 FLOP 对应每年约 6 FLOP 服务#
- 活动内容:Y Combinator Paper Club 邀请 Together、Ollama、Luminal、SGLang 与 RadixArk 等团队,从 API 请求到 GPU 拆解完整推理栈。
- 关键数据:YC 称,每花 1 FLOP 训练模型,每年约有 6 FLOP 用于服务;过去十年推理优化对应超过 2200 亿美元市值。
- 技术焦点:同一开源模型在不同服务方手中可能表现不同,路由、缓存、调度、内核、内存与硬件协同共同决定速度、成本与质量。 🔗 Y Combinator 原文
4️⃣ CleanYourTV 获 1.37 万 Star:Claude Code 经 ADB 精简电视系统#
- 项目做法:开发者 Gathin 将小米电视型号交给 Claude Code,通过 Wi-Fi 与 ADB 停用 25 个系统组件,并编写极简桌面;相关 prompt、桌面源码与踩坑记录开源为 CleanYourTV。
- 社区反馈:项目数日内获得约 1.37 万颗 Star;另一 YouTuber 开源 TV Detox,实测电视可用内存从约 370 MB 升至 600—650 MB。
- 延伸现象:文章还记录了相机固件社区的类似改造,涉及索尼、尼康、理光、富士与哈苏等项目;LLM 编程助手正在降低系统级调试与逆向操作门槛,同时设备授权、安全与保修边界仍是现实约束。 🔗 爱范儿原文
⭐ GitHub 趋势#
📊 类别速览
| 项目 | 类别 | Stars |
|---|---|---|
| NVIDIA/OpenShell | AI Agent 安全运行时 | 19.5k |
| aws/agent-toolkit-for-aws | AI Agent 工具链 / MCP | 3.1k |
1. NVIDIA/OpenShell ⭐ 今日 +896#
语言/许可: Rust / Apache-2.0
总 Stars: 19,467
仓库: GitHub
项目定位:
面向需要让自主 Agent 读写文件、安装依赖、调用 API、使用凭证的团队,提供策略约束下的隔离运行时,降低 Agent 过度授权带来的数据、密钥和网络风险。
核心功能:
- 内核级沙箱:按策略约束每个 Agent 的文件访问、系统调用和出站网络连接。
- 凭证代理:Agent 不接触真实凭证,仅在发往批准端点的请求中注入。
- 策略变更形式化验证:应用前检查新增主机、API 方法等高风险授权,可进入人工审批。
- 网关与控制面:支持 Kubernetes Helm 部署,提供 Python、TypeScript、Go、Rust SDK 与 Agent Skills。
技术亮点:
Rust 实现,结合运行时内核插桩与策略检查;在策略变更前做形式化验证,将权限审查前移。
2. aws/agent-toolkit-for-aws ⭐ 今日 +13#
语言/许可: Python / Apache-2.0
总 Stars: 3,122
仓库: GitHub
项目定位:
面向使用 Claude Code、Codex、Cursor 等编码 Agent 的开发者,把 AWS API、文档检索、沙箱脚本执行和领域技能打包成可安装的 MCP 与插件,减少 Agent 操作 AWS 时的上下文拼装和权限盲区。
核心功能:
- AWS MCP Server:提供 AWS API 调用、沙箱脚本执行、实时文档检索。
- 插件包:覆盖
aws-core、Bedrock/AgentCore 的aws-agents、数据分析、DevSecOps、创业顾问等场景。 - Skills 分发:以
SKILL.md与references/组织,按需加载,可通过npx skills add安装。 - 多编码 Agent 适配:支持 Claude Code、Codex、Cursor、Devin、Kiro、fx 与 AWS CLI。
技术亮点:
通过 MCP 代理封装 AWS CLI 访问,结合按需加载的本地 skills,将云 API 访问、文档搜索和脚本执行纳入同一 Agent 工具面。
🟧 Hacker News 热议#
Argus – a free, open-source agentic security operations platform – MIT#
22 pts · 7 comments · thomasunise.com
📌 内容总结
- 背景/作者意图:发布 MIT 许可、自托管的 AI 安全运营平台 Argus,把云、身份、代码、终端、Kubernetes 等资产汇入统一证据图,用 AI agent 辅助检测、调查与响应。
- 关键设计:AI agent 只读调查、只能提议动作;所有变更经统一 broker,支持审批、dry run、自动回滚、小时限额、双人审批、租户/全局 kill switch;自主响应与自主渗透默认关闭,需部署级和租户级双重 opt-in,playbook 先跑 shadow mode。
- 功能面:面向 AI 驱动攻击的检测、AI-agent canary、shadow AI 发现、OpenAI/Anthropic 网关、攻击模拟器、Nuclei/ZAP/Trivy 驱动的自主渗透、CrowdStrike/SentinelOne 终端隔离、CISA KEV 优先级。
- 实际限制:明确称“不是认证产品”;生产模式要求加密密钥、HTTPS、WORM 审计、SSO/2FA;核心仅称在 SQLite/PostgreSQL 上做端到端 CI 测试;需按环境调规则、先监控后启用动作;AI 可关闭,无模型时回退确定性逻辑。
- HN 关注点:本批数据中
top_comments为空,无法提炼 HN 社区焦点。
💬 讨论总结
- 未提供 HN 评论数据,不能判断社区对“自主响应是否可信”“MIT 自托管安全平台是否可运维”的支持或质疑。
- 原文对风险的主要回应是:默认关闭、最小权限、可逆动作、限额、审批、回滚与 kill switch;这些属于作者自述,缺少独立验证与 HN 讨论佐证。
GPU-unlock: FP/BF16 instruction issue rate on Nvidia 3000’s cards#
169 pts · 61 comments · github.com/zagitta
📌 内容总结
- 背景/作者意图:发布 Linux 内核模块,在 NVIDIA 驱动绑定前解锁 GA102/GA103/GA104/GA106 GeForce 卡的 FP/BF16 指令发射率,使其接近专业卡。
- 技术实现:结合 CMP unlocker 的 V67/PLM 与 UEFI 方案的 pre-driver 时序;写入 SS0
0x88888888、SS10x8(IMLA4),执行 FLR,再由未修改的 NVIDIA 驱动正常绑定;模块放入 initramfs,按内核命令行 opt-in。 - 关键数据:3090 Ti 8192³ GEMM、450W、FP32 累加、五次中位数:FP16 87.46→118.39 TFLOPS;BF16 87.50→157.41;TF32 42.58→82.61。不同卡报告 BF16 GEMM 增益约 +25% 到 +81%,受功耗上限影响明显(225W 卡最低约 +25%)。
- 影响范围:主要提升稠密 GEMM、LLM prefill(报告 +14–36%)、diffusion、FlashAttention;LLM decode 受显存带宽限制、INT8 基本不变;有报告称输出 bit-identical。
- 限制/约束:只覆盖 GA10x;OEM 3080 Ti 20GB 报告解锁完成但 BF16 仍半速;3070 Ti 仅 Windows UEFI 方案验证;GA103 无报告。休眠不覆盖;suspend-to-RAM 会重置选择器,resume 前需重新解锁并增加约 1 秒;显示卡解锁时屏幕会短暂空白;启动后手动加载对已绑定卡无效。模块 GPL-2.0,但生成固件与 NVIDIA 条款需自行评估。
- HN 关注点:本批数据中
top_comments为空,无法提炼 HN 社区焦点。
💬 讨论总结
- 未提供 HN 评论数据,无法判断社区对合法性、稳定性、驱动兼容性和实际收益的共识/争议。
- 可确认的工程约束来自 README:各报告 benchmark 不同,增益不可直接横比;收益依赖功耗与负载类型;不是所有卡都有效;依赖 initramfs 时序;休眠和后续驱动行为存在边界条件。
Oai-math-revised: a community hub for revising OpenAI’s math write-ups#
31 pts · 21 comments · terrytao.wordpress.com
📌 内容总结
- 背景/作者意图:Terence Tao 博客上的客座文章宣布
oai-math-revised,由 Abhinav Nellore、Johannes Schmitt、Soledad Villar、Rachel Ward 发起,面向数学社区修订 OpenAI 在github.com/openai/math的数学文稿。 - 关键要点:原文认为 OpenAI 的 math write-ups 难懂且引用不完整;新 repo 希望以包容性方式改进这些文稿,邀请学生、博士后、教授和爱好者参与;提供可浏览站点,并招募按主题分类的 admin/reviewer。
- 实际结论/限制:这是独立于 OpenAI 的社区仓库,不是 OpenAI 官方修订;成效取决于志愿者审阅能力与分类管理;它能改善可读性和引用,但不解决原作者责任、AI 生成内容归属或未来训练数据使用等问题。
- HN 关注点:本批数据中
top_comments为空,无法提炼 HN 社区焦点。
💬 讨论总结
- HN 评论数据为空;不能据此判断 HN 对“社区替 OpenAI 修稿”的支持与反对比例。
- 原文博客评论区(非 HN)以质疑为主:让无偿志愿者替营利公司润色文稿、发起者与 AI-for-math 关系较近、修订稿可能被用于训练未来模型;支持/缓和意见认为这是为社区自身理解服务,类似清理公共空间,责任问题可另议。
2,185 字
晚报 | EVENING 2026-10-25
PingCAP 泄露 10.6TB 数据,Block 发布纯语音模型 Dessa
今日要点
- PingCAP 确认 10.6TB 数据泄露,含 413 个私有代码仓库
- Block 发布 Dessa:仅用语音训练的全双工对话模型
- 微软退出 Nscale 数据中心交易,Anthropic 洽谈 450 亿美元算力
PingCAP 确认内部系统遭未授权访问,勒索团伙 FulcrumSec 声称窃取 10.6TB 数据与 413 个私有代码仓库;Block 发布仅以人类语音训练的全双工对话模型 Dessa;微软终止与 Nscale 的埃塞克斯数据中心协议,Nscale 正与 Anthropic 洽谈约 450 亿美元算力供应。
1️⃣ PingCAP 确认数据泄露:10.6TB 客户数据与 413 个私有仓库被窃#
- 核心事件:PingCAP 确认内部系统遭到未授权访问,勒索团伙 FulcrumSec 声称窃取 10.6TB 数据,包含 TiDB Cloud 控制面记录、客户 SQL 语句、API 密钥、连接日志、账单信息与内部文档。
- 源码损失:除客户相关数据外,攻击者还声称拿走了 413 个私有源代码仓库,涉及 TiDB Cloud 的底层实现与内部工具链。
- 行业影响:托管数据库控制面一旦失守,暴露的不只是数据本身,还包括客户的查询语句与连接凭据。使用 TiDB Cloud 的团队需要评估密钥轮换范围,并排查 SQL 语句中是否含敏感业务信息。 🔗 InfoQ 报道
2️⃣ Block 发布 Dessa:不用文本预训练,直接以人类语音训练全双工对话模型#
- 技术路线:Block 研究团队发布 Dessa,模型从头使用人类语音训练,直接接收和生成音频,不以文本模型或既有预训练权重为基础。目标是让模型一边听一边说,保留打断、附和、语气和情绪等信息。
- 训练与推理:训练使用一套 NVIDIA GB200 NVL72 系统,推理可在配备 M4 Max 或更高配置的 MacBook Pro 上本地运行。团队称训练所见词语数量比大语言模型少数百倍,但任务范围也不同。
- 当前限制:目前仅通过候补名单和有限研究者访问提供体验,未公开完整权重、训练数据时长与标准化对照评测。演示中的自然语气不能单独证明知识可靠性与安全性。
- 行业意义:语音原生模型与“文本模型加 TTS/ASR”路线形成对照。全双工能力若成熟,将改变语音助手的交互节奏,但拟人化音色也放大了冒充熟人诈骗的风险。 🔗 Block 官方页面 | HN 讨论
3️⃣ 弘晖肖立谈具身智能:预训练 Scaling Law 初步验证,数据而非算力是主要卡点#
- Scaling Law 判断:弘晖基金合伙人肖立表示,具身模型在预训练阶段的 Scaling Law 已初步得到验证,并以 Physical Intelligence 的 π0.5 为例——训练环境和数据量增加后,模型在全新环境中的任务成功率提升、失败率下降。
- 卡点转移:国内第一梯队具身大脑模型约数 B 到数十 B 参数,对应数百到千卡算力,年租用成本数千万元到一两亿元,头部公司可承受;真正稀缺的是高质量、匹配本体且能持续闭环的真实交互数据。
- 仿真局限:仿真适合危险与故障场景及基础预训练,但摩擦力、软性物体、复杂接触存在物理 Gap,不能替代真实世界数据。外采数据还面临本体构型不匹配导致的利用率问题。
- 商业化节奏:本体与零部件已进入落地降本阶段,关节模组价格今年明显下降;具身大脑公司现阶段模型迭代优先级仍高于单一场景短期 ROI,订单决定能否活下来,模型决定能走多远。 🔗 创业邦访谈原文
4️⃣ 奥特曼向员工抛出三种超级智能治理路径,明确反对“熔掉对手 GPU”#
- 三条路线:奥特曼近日向员工介绍超级智能安全的三种可能路径——建立类似国际原子能机构的国际组织统一制定并执行安全标准(其较为支持);参考 CERN 模式将所有 AI 实验室整合为单一主体联合研发;某家企业率先实现递归自我改进后切断竞争对手算力供给。
- 明确反对:第三种方案被称为“埃利泽方案”,即凭借经济实力“熔掉所有对手 GPU”阻止追赶。奥特曼直言这一设想十分糟糕,仅出于完整性才纳入讨论。
- 现实背景:OpenAI、Google、Anthropic 正在筹建前沿 AI 安全机构,但各方在测评权责上仍有分歧。奥特曼称当前缺少可行的 AI 发展“限速”方案,需要守住人类对 AI 的控制权。 🔗 澎湃新闻转述
5️⃣ 微软终止 Nscale 数据中心协议,Nscale 转向与 Anthropic 洽谈 450 亿美元算力#
- 微软退出:微软已通知 Nscale 终止去年公布的协议,不再作为其埃塞克斯劳顿首座英国数据中心的锚定租户。该决定对 Nscale 最高 350 亿美元的华尔街上市计划构成打击。
- Anthropic 接洽:Nscale 正与 Anthropic 洽谈一项规模可能约 450 亿美元的算力供应协议,涉及西弗吉尼亚州 Monarch 数据中心园区第二栋设施,预计采用 NVIDIA Vera Rubin 芯片,提供 460 兆瓦算力。
- 行业意义:同一家算力供应商在短期内经历“最大客户退出”与“新大客户洽谈”,反映算力供应链的客户集中风险,也显示 Anthropic 在算力采购上的扩张节奏与微软的收缩形成对照。 🔗 同花顺财经转述
6️⃣ 亚马逊 CEO:AWS 2026 年算力产能已售罄,2027 年大部分被预订#
- 需求能见度:亚马逊 CEO 安迪·贾西在访谈中表示,即使 2026 年投入约 2200 亿美元资本开支,仍有大量客户需求无法满足。AWS 2026 年主要算力产能已经售罄,2027 年大部分产能被预订,2028 年也有相当一部分获得客户承诺。
- 同期信号:SK 集团旗下数据中心公司正与大型科技企业及金融投资者洽谈融资,计划到 2035 年在韩国建设 15 吉瓦数据中心容量,首期 5 吉瓦所需资金约 3500 亿美元,计划今年年底或 2027 年初启动首轮外部融资。
- 行业意义:头部云厂商的产能预订已延伸至 2028 年,算力供给紧张的持续时间超出此前多数公开指引;资本开支能否按期转化为可用产能,仍是后续观察点。 🔗 新浪财经转述
7️⃣ OpenRouter 周榜:全球调用量环比下滑,阶跃星辰 Step 5 Preview 逆势升至第三#
- 总量数据:上周(10 月 12 日至 18 日)全球 AI 大模型总调用量 164 万亿 Token,环比下滑 4.65%。中国模型 79.18 万亿 Token,环比下滑 8.72%;美国模型 17.36 万亿 Token,环比下滑 8.49%。中国模型周调用量连续 25 周超过美国。
- 排名变化:DeepSeek V4.1 Flash 连续两周第一,周调用量 32.8 万亿 Token,但环比下滑 20%;智谱 GLM 5.3 Flash 以 12.2 万亿 Token 排名第二;阶跃星辰 Step 5 Preview 以 11.5 万亿 Token 升至第三,环比增长 30%。全球前五均为中国模型。
- 行业意义:整体调用量回落时,阶跃星辰出现 30% 的逆势增长,说明榜单中段仍存在因价格、能力或场景迁移带来的份额重排;单一模型的领先幅度正在收窄。 🔗 每经网转述
8️⃣ 武创芯研发布全国产“造芯”智能体 CAPR V1.0#
- 核心发布:武汉光谷企业武创芯研在 ACCON 2026 高端芯片产业创新发展大会上发布全国产“造芯”智能体 CAPR V1.0,称其为全国产软件、全面自主可控,精度对标国际主流软件,部分关键场景指标实现超越。
- 落地进展:软件已交付产业链上下游合作伙伴使用,发布当天武创芯研获华工创投等机构数千万元 Pre-A 轮投资,并与武汉恩硕科技等企业签署合作协议。
- 行业意义:AI Agent 正从通用编程向 EDA/芯片设计等专业工程环节渗透。国产化工具链能否在真实流片中验证精度与稳定性,比发布时的对标声明更值得跟踪。 🔗 湖北日报转述