从 45 条内容中筛选出 17 条重要资讯。

科技新闻

  1. Mojo 1.0 正式发布：面向 AI 的高性能语言 ⭐️ 8.0/10
  2. 窃取专有 LLM API 推理轨迹的演示 ⭐️ 8.0/10
  3. 英伟达的战略风险：需求、CUDA 与开源挑战 ⭐️ 8.0/10
  4. 伦敦地铁启用实时面部识别试验引发隐私担忧 ⭐️ 8.0/10
  5. KVM planes：为虚拟化多安全域提供统一抽象 ⭐️ 8.0/10
  6. xAI 推出 Grok Bot：24 小时云端 AI 同事 ⭐️ 8.0/10
  7. 压缩即预测：AI 背后的信息论联系 ⭐️ 7.0/10
  8. Nvidia 发布 Nemotron 3.5 Lightning 与 NeMo Switchyard ⭐️ 7.0/10
  9. 谷歌博客称 Go 是 AI 辅助编程的理想语言，引发争论 ⭐️ 7.0/10
  10. 自然语言文本没有无损改写 ⭐️ 7.0/10
  11. 字节跳动新设 AI 数据与安全一级部门，与 Seed、Flow 平行 ⭐️ 7.0/10
  12. 石墨烯软性镜片问世：电控变焦可用于相机与医疗设备 ⭐️ 7.0/10
  13. Cloudflare 报告：2026 上半年超 1Tbps DDoS 攻击激增 ⭐️ 7.0/10
  14. Gemini 应用月活破 10 亿，成谷歌史上增长最快产品 ⭐️ 7.0/10
  15. 英伟达被曝开发 Nemotron 4，最大版本超 1 万亿参数 ⭐️ 7.0/10
  16. LTX 发布开源视频模型 LTX-2.5，RTX 5090 单卡可跑 ⭐️ 7.0/10

科技博客

  1. Cloudflare 如何让 AI 为内容付费：在请求层完成结算 ⭐️ 7.0/10

科技新闻

Mojo 1.0 正式发布：面向 AI 的高性能语言 ⭐️ 8.0/10

Modular 公司正式发布 Mojo 1.0，这是一门面向 AI 工作负载的高性能编程语言，目标是将 Python 的易用性与接近 C 的执行速度结合起来。作为语言发展的重要里程碑，1.0 版本让软件工程师和 AI 从业者可以在生产环境中评估和使用 Mojo。目前该语言的编译器仍为闭源，关于其未来开源计划以及 Python 超集承诺的具体细节，需以官方文档和公告为准。

hackernews · dayanruben · 8月11日 16:56 · 社区讨论

「背景」 Mojo 是由 Modular 公司开发的面向 AI 系统编程的语言，目标是兼顾 Python 的易用性与 C/C++ 级别性能。Mojo 1.0 的发布意味着该项目完成了路线图中第一阶段的目标，为希望使用高性能 CPU 和 GPU 编程语言的开发者提供了稳定性保障。官方发布说明强调，1.0 标签主要代表着对后续变更的承诺，而非一个完整的特性列表。

「影响」 Mojo 1.0 为 AI/ML 开发者提供了一个新的性能导向语言选择，尤其适合希望保留 Python 语法习惯但需要更高执行效率的团队；不过，在编译器完全开源之前，采用者需要评估对 Modular 路线图的依赖。

「社区讨论」 评论中对 Mojo 1.0 的反应较为复杂：有人认可其在 AI 高性能方向的潜力，但也有人质疑闭源编译器，并指出官方路线图似乎已从“完整 Python 超集”的目标上有所后退；还有开发者反映官网缺少一页式概览，难以快速理解其适用场景。

参考链接

标签: #mojo, #programming-language, #ai, #machine-learning, #performance

窃取专有 LLM API 推理轨迹的演示 ⭐️ 8.0/10

一个名为 stolen-thoughts.com 的页面与 Hacker News 上的提交展示了如何从专有 LLM API 中提取或跨模型重放推理轨迹（chain-of-thought）。社区实验显示，将 Opus 的推理轨迹预填充到 Kimi3 中会产生与 Opus 高度一致的思考，这被用作 Kimi3 可能使用经破解的 Opus 推理轨迹进行训练的佐证。演示还指出，对某些 AIME 题目，Opus 4.8 会先给出答案再推导，但 API 摘要并不总是保留这一区别，而会把它整理成干净的推导过程。该议题涉及 LLM API 隐私、模型安全与训练数据污染，在 Hacker News 上引发 211 条讨论。

hackernews · quantumgarbage · 8月11日 13:22 · 社区讨论

「背景」 专有大语言模型 API 通常只向用户返回经过提炼的“思考摘要”，而隐藏模型内部的链式推理（chain-of-thought）过程。近期的技术演示表明，攻击者可以通过向模型提供自定义工具来诱使其输出内部推理格式，或将一个模型的推理轨迹“重放”到另一个较弱模型上，从而提取或还原本应保密的推理内容。当两个不同模型的推理模式高度相似时，社区通常将此视为其中一个模型在训练数据中接触过另一个模型输出的证据。

「影响」 对 LLM API 提供商来说，该演示意味着现有的推理摘要和隐藏机制并不能可靠阻止付费用户重建或复用内部思维链；对开发者而言，它提供了一个低成本提取前沿模型推理轨迹并用于微调或评测的路径。

「社区讨论」 评论区普遍认为这是训练数据污染的强证据，例如 Kimi3 用 Opus 推理轨迹预填充后思考高度一致；但也有评论反对把付费获取的输出称为“窃取”，并指出即使不跨模型重放，也可以通过禁用 thinking 并提供一个 deep_think 工具直接拿到内部推理格式。另有用户猜测这一行为可能是被故意允许的，并援引了此前相关研究。

标签: #llm, #ai-security, #chain-of-thought, #api, #model-training

英伟达的战略风险：需求、CUDA 与开源挑战 ⭐️ 8.0/10

Stratechery 的分析文章《Nvidia's Risky Business》聚焦英伟达面临的战略风险，核心议题包括 AI 算力需求预期、CUDA 软件生态护城河，以及开源替代方案的可能性。分析认为，英伟达的优势既来自硬件性能，也来自 CUDA 在机器学习研究中的深度渗透与向下游延伸；但与此同时，市场对算力需求增长的二阶假设可能被夸大。文章提醒，AI 基础设施的投资逻辑不能只停留在“需求会增长”的一阶判断，还要审视增速预期是否合理。整体而言，这篇分析为跟踪 AI 算力与竞争格局的读者提供了关于需求可持续性和生态锁定的风险评估。

hackernews · jonbaer · 8月11日 10:02 · 社区讨论

「背景」 本文源自 Stratechery 对英伟达战略风险的剖析。英伟达是当前 AI 算力基础设施的核心供应商，其 CUDA 软件生态被视为维持竞争优势的重要护城河。分析背景是 AI 建设投入持续扩大，而客户融资方式可能让风险进一步累积；同时，开源替代方案以及算力需求增长的二阶假设也成为讨论焦点。

「影响」 对 AI 基础设施投资者和行业决策者而言，这篇分析意味着应重新评估英伟达高估值所依赖的算力需求增速假设，并关注 CUDA 生态被开源替代方案挑战的潜在风险。

「社区讨论」 评论中，YuechenLi 认为英伟达真正的护城河是软件生态而非硬件，但批评 CUDA C/C++ 是最糟糕的开发环境之一；jcfrei 指出一阶需求判断通常正确，失败多出在对增速的二阶预期；thelastgallon 质疑谷歌等大厂为何不打造开源 CUDA 替代标准，甚至提出“曼哈顿计划”式投入；rcr-anti 则用人类大脑仅需数十瓦功耗的反差，质疑当前 AI 路线能否通向所谓奇点。

参考链接

标签: #Nvidia, #AI hardware, #CUDA, #business strategy, #open source

伦敦地铁启用实时面部识别试验引发隐私担忧 ⭐️ 8.0/10

英国交通警察局（BTP）宣布将实时面部识别（LFR）试验扩展至伦敦地铁站，开始在乘客使用地铁时扫描面部。官方尚未公布具体站点、试验期限或技术细节，但这一部署意味着一个大型公共交通系统将引入持续性的生物识别监控。此举之所以重要，是因为它直接触及匿名出行、数据保护和公民自由等核心议题，并可能为未来更广泛的监控措施铺路。社区讨论中的强烈反对意见也表明，该技术的社会接受度和伦理边界仍存在巨大争议。

hackernews · BlueBerry2001 · 8月11日 09:40 · 社区讨论

「背景」 英国交通警察（BTP）正在伦敦交通局（TfL）的部分地铁站扩大实时面部识别（LFR）技术试点，利用摄像头扫描乘客面部以识别可能被通缉的人员。该试点此前已在部分车站进行，此次扩展至伦敦地铁站，警方声称此举旨在打击犯罪，但隐私与公民自由组织对此表示担忧。

「影响」 这项试验意味着伦敦地铁乘客在没有任何具体嫌疑的情况下也可能被警方实时人脸筛查；英国交通警察已在多个地铁站部署该技术，人权组织批评其侵犯公民自由，并进一步加剧了安全与自由之间的争议。

「社区讨论」 评论区几乎一致持批评态度，认为这是隐私和公民自由被逐步侵蚀的又一例证；有人指出英国早已通过非接触式支付等手段削弱了出行匿名性，也有人质疑这类试验不会存在真正的“失败”结果，只会被用作扩大监控的借口。还有评论将英国与中国的情况进行对比，并质疑这种监控能否真正解决犯罪问题。

参考链接

标签: #facial recognition, #privacy, #surveillance, #AI ethics, #London Underground

KVM planes：为虚拟化多安全域提供统一抽象 ⭐️ 8.0/10

Linux 内核 KVM 社区正在开发名为“KVM planes”的新抽象层，目标是为虚拟机内的多安全域（机密计算）提供统一支持。该方案由 Jörg Rödel、Paolo Bonzini 等人推动，2026 年 6 月发布了最新补丁，用于封装 Arm Realm Planes、AMD SEV-SNP 虚拟机特权级、Intel TDX 分区和 Hyper-V Virtual Trust Levels 等硬件概念。平面共享同一地址空间和多数处理器资源，但拥有各自的寄存器集；虚拟 CPU 必须是从属于更特权平面的子集，平面切换通过回到 hypervisor 的调用完成。补丁集已包含 SEV-SNP（配合 Coconut secure VM service module，在 VMPL0 安装模块、Linux 运行在 VMPL2）和 Hyper-V VTL（安全内核在 VTL1、客户机内核在 VTL0，含 HEKI）两个示例实现。当前运行策略是多个平面可运行时会选择编号最低者，但 Paolo Bonzini 对此提出质疑，相关接口和调度细节仍可能变化。

rss · LWN.net · 8月11日 14:48

「背景」 传统虚拟化中，虚拟机内的客户机内核通常可以访问整台虚拟机的所有资源；机密计算需求则要求在同一虚拟机内划分多个安全域，例如软件 TPM 拥有独占内存和不可被外部修改的 CPU 状态。各 CPU 厂商对此有不同实现：Arm Realm Planes、AMD SEV-SNP 的虚拟机特权级、Intel TDX 分区、微软 Hyper-V 的 Virtual Trust Levels。KVM planes 试图用一个内核抽象屏蔽这些差异，使上层代码无需关心具体 CPU 的细节。

「影响」 直接影响是需要跨 SEV-SNP、TDX、Arm CCA 和 Hyper-V VTL 提供统一多安全域支持的 KVM 与机密计算开发者：他们有望基于 planes 编写可移植代码，而不必分别适配各家硬件；不过方案仍是 RFC 阶段，KVM_CREATE_PLANE 等接口与调度策略尚未最终确定。

标签: #KVM, #virtualization, #confidential computing, #Linux kernel, #security

xAI 推出 Grok Bot：24 小时云端 AI 同事 ⭐️ 8.0/10

xAI 于 2026 年 8 月 11 日发布 Grok Bot，定位为可持续在线的 AI 同事。Grok Bot 拥有独立云电脑，可登录用户常用工具，跨应用、收件箱和网站完成任务，仅在需要审批时找用户确认，并能记住对话和偏好。目前该产品处于测试阶段，面向 SuperGrok Heavy、Cursor Ultra 及 Cursor Teams Premium 订阅用户开放，支持桌面端和 iOS，企业用户可加入等候名单。这一发布标志着 xAI 正式进入持续性 AI 代理赛道，将自动化能力从单次交互扩展为长期后台执行。

telegram · zaihuapd · 8月12日 00:27

「背景」 Grok Bot 属于“AI 代理”类别：与传统聊天机器人不同，它不止响应用户提问，还能在云端独立运行并操作外部工具。其核心特点是“持久在线”和“跨应用执行”，即用户可以授权它访问邮箱、文档、网站等账户，由代理在后台持续处理任务，只在关键节点请求批准。这种设计让 AI 从辅助工具转变为更接近“数字同事”的角色。

「影响」 对于 SuperGrok Heavy、Cursor Ultra 和 Cursor Teams Premium 的订阅用户，Grok Bot 提供了将日常多步骤工作流委托给云端代理的新方式，可能显著减少重复性操作；但它要求用户交出浏览器凭据和账户访问权限，也带来了数据泄露、提示注入和账户被劫持的现实风险。

「社区讨论」 社区反应两极分化：有用户认为这是从自动补全到提示词再到代理的自然演进，并称赞其拥有独立上下文和相互通信能力；但更多人表达了对持续访问账户的焦虑，担心数据泄露、提示注入和反机器人规则冲突，还有人质疑“把凭据交给机器人”过于危险。

标签: #AI agents, #xAI, #Grok, #automation, #productivity

压缩即预测：AI 背后的信息论联系 ⭐️ 7.0/10

ngrok 博客发表了作者 nikolay 的技术文章《Compression is prediction》，旨在论证压缩与预测在概念上是同一枚硬币的两面，并借此解释机器学习和大型语言模型的运作原理。文章指出，准确的预测器只需编码预测错误的部分即可实现压缩，因此智能系统可以视为高效的压缩器。该文在 Hacker News 上引发了关于“压缩是否完全等价于预测”的讨论，评论者补充了剑桥大学“Information Theory, Inference, and Learning Algorithms”课程、Grant Sanderson 的系列视频，以及 PPM、Kolmogorov 复杂度、归一化压缩距离等相关概念。对 AI 实践者而言，这篇分析提供了理解 LLM 训练目标与信息压缩之间基础联系的重要视角。

hackernews · nikolay · 8月11日 19:49 · 社区讨论

「背景」 ngrok 发布的一篇博文《Compression is prediction》提出，数据压缩与大语言模型（LLM）本质上在做同一件事：根据概率预测下一个符号。这篇分析将压缩视为一种预测形式，并借此联系信息论、机器学习与 LLM 的工作原理。相关背景还包括部分匹配预测压缩、柯尔莫哥洛夫复杂度，以及“信息论、推断与学习算法”课程中的统一视角。

「影响」 对于软件工程师和 AI 研究者，这篇文章提供了一个从信息论角度理解大型语言模型的基础概念框架，能帮助他们在模型设计和训练中思考压缩与泛化的关系。

「社区讨论」 社区普遍认可压缩与预测之间的紧密联系，但有评论者质疑严格反向是否成立，认为压缩机可以绕过逐序列预测、利用数据整体模式。多个评论补充了相关学习资源和基准测试，包括剑桥课程、Grant Sanderson 的视频以及 GenerativeCompressionProto 基准，供感兴趣的读者自行验证。

参考链接

标签: #compression, #prediction, #information theory, #machine learning, #LLMs

Nvidia 发布 Nemotron 3.5 Lightning 与 NeMo Switchyard ⭐️ 7.0/10

NVIDIA 发布了 Nemotron 3.5 Lightning 模型和 NeMo Switchyard——一个用于智能选择最适合每个请求的模型的开源路由库。Nemotron 3.5 Lightning 属于 Mixture-of-Experts（MoE）模型；NeMo Switchyard 在部署后可根据请求内容将流量动态导向最合适的模型。该发布面向 NVIDIA RTX 和 DGX 平台，属于增量式更新，而非重大突破。它旨在为开发者提供更细粒度的模型选择与调配手段，并推动小规模高效模型在实际应用中的使用。

hackernews · droidjj · 8月11日 19:35 · 社区讨论

「背景」 NVIDIA 发布了 Nemotron 3.5 Lightning，这是一个约 300 亿参数的混合专家（MoE）模型，专为多智能体系统中的高容量、专业化任务设计；同时发布了 NeMo Switchyard，一个开源路由库，可帮助智能体在所选模型之间路由每个工作流步骤。MoE 模型通过将输入分发给不同的专家子网络来提升推理效率，但实际效果会因任务类型而异；Switchyard 则解决在多模型环境中根据请求内容智能选择最合适模型的问题。

「影响」 对 NVIDIA 生态的开发者而言，NeMo Switchyard 提供了按请求选择模型的开源工具，可减少人工挑选和切换模型的成本；不过社区实测显示部分小型 MoE 模型在复杂编码任务上的可靠性仍然有限。

「社区讨论」 评论中有实际测试反馈：kentonv 发现约 30B 的 MoE 模型（Qwen 3.6-35B 和 Nemotron 3.5 Lightning）在构建协作白板任务上表现很差，但速度很快；还有人质疑 Switchyard 路由对 prompt 缓存的支持，并批评 Artificial Analysis 图表未纳入 Qwen 系列。另有评论认为，内存压力（ramapocalypse）会推动行业更关注小型高效模型的进化式改进。

参考链接

标签: #NVIDIA, #Nemotron, #MoE, #model routing, #open source

谷歌博客称 Go 是 AI 辅助编程的理想语言，引发争论 ⭐️ 7.0/10

谷歌官方博客发表观点文章，主张 Go 语言因其简洁语法、静态类型和可预测性，特别适合 AI 辅助软件工程。文章认为在 AI 生成代码的流程中，Go 的这些特性可以减少偏差并提高可靠性，并提到已有开发者将项目从其他语言转向 Go。Hacker News 上引发了大量讨论，有 Netflix Go 语言技术负责人佐证 AI 使用 Go 编写代码质量更好；但也有评论者认为该文出自 Go 语言创始人之手缺乏客观性，且 Rust 的严格编译器更适合 LLM。总体上这是一篇观点性文章，而非技术突破，其结论主要依赖案例与经验证据。

hackernews · 0xedb · 8月11日 16:57 · 社区讨论

「背景」 Google 开发者博客发表文章，主张 Go 语言通过端到端平台和刻意简化的设计，使整个团队能够以相同方式结构化、格式化和测试代码，因此非常适合 AI 辅助软件工程。文章指出，随着 AI 编码助手将开发者的主要角色从编写样板代码转变为审查和维护系统，语言选择对长期架构完整性变得至关重要。

「影响」 该观点可能影响开发者和团队在 AI 编程工具普及背景下对语言选型的讨论，但现有证据仍以个案和主观经验为主，尚不足以构成普遍结论。

「社区讨论」 评论中存在明显分歧：Netflix 的 Go 语言技术负责人支持文章，称用户报告 AI 编写 Go 代码质量更好；另一些人认为文章由 Go 创始人撰写有失客观，并主张 Rust 更契合 LLM，也有人担心 AI 会让更多人更快产出难以维护的 Go 并发代码。

参考链接

标签: #Go, #AI-assisted software engineering, #programming languages, #static typing, #developer tools

自然语言文本没有无损改写 ⭐️ 7.0/10

Simon Willison 在博客中推介 Sophie Alpert 于 2026 年 6 月 25 日发布的内部政策，规定工程师使用 AI 帮助写作时，必须对自己文档中的每个想法和句子负责，不能以“AI 写的”为由回避审阅提问。Alpert 认为自然语言文本不存在无损改写，任何重写和改写都会改变含义；如果改写者没有最详细地了解作者想表达的内容，信息就会丢失。该政策建议工程师在分享文档前确保整份文档真实代表自己的思考，否则会误导并浪费读者时间。

rss · Simon Willison · 8月11日 23:48

「背景」 Sophie Alpert 在一篇发布于 2026 年 6 月的文章中提出了她的内部政策，要求工程师在使用大语言模型辅助写作时，必须对文档中的每一个想法和每一句话负责，不能把内容推给 AI。她的核心观点是，自然语言文本不存在无损转换：任何重写或改写都会改变原意，如果改写者没有完整理解作者想传达的具体思想，就会造成信息丢失。Simon Willison 转发了这篇文章，并强调“你必须为自己文档中的每一个想法和每一句话负责”这一原则对工程写作尤为重要。

「影响」 对使用 LLM 辅助起草或修改文档的工程师而言，这些准则要求他们在对外发布前逐一核验每一句话，避免让读者接触到并非本人真实想法的内容。

参考链接

标签: #AI writing, #LLMs, #software engineering, #documentation

字节跳动新设 AI 数据与安全一级部门，与 Seed、Flow 平行 ⭐️ 7.0/10

字节跳动近期成立了一个新的一级部门“AI 数据与安全”，与 Seed、Flow、抖音等部门平行，由王赢磊（Adam Wang）负责。这是继 2023 年底成立 Seed 和 Flow 两个 AI 一级部门后，字节围绕 AI 业务成立的又一个一级部门。王赢磊此前担任 TikTok 平台责任负责人和 TikTok 直播负责人。该部门成立表明字节跳动将 AI 数据治理与安全提升到与核心 AI 模型和应用部门同等的战略层级，凸显其对 AI 数据合规和安全的重视。

telegram · zaihuapd · 8月11日 11:25

「背景」 字节跳动在 2023 年成立 AI 团队 Seed，并于同年 8 月推出 AI 聊天应用豆包（Doubao）。此后，字节在 2023 年底陆续成立 Seed、Flow 等一级 AI 部门，以加强其在生成式 AI 领域的研究与产品化布局。近日新设立的 AI 数据与安全一级部门，与 Seed、Flow、抖音等部门平行，反映出该公司在 AI 组织架构上的持续扩展。

「影响」 对字节跳动的 AI 业务而言，这一组织调整意味着 AI 数据管理和安全防护将获得更集中的资源投入，可能推动其 AI 产品在数据合规和安全机制上的加速落地。

参考链接

标签: #ByteDance, #AI, #data security, #industry news, #organization

石墨烯软性镜片问世：电控变焦可用于相机与医疗设备 ⭐️ 7.0/10

伦敦玛丽女王大学 James Busfield 教授团队研发出一种以还原氧化石墨烯为基础的透明软性镜片，只需施加小电场即可改变焦距，无需传统变焦系统中的笨重移动部件。该原型模仿人眼晶状体的调节方式：通电后软膜拉伸镜片改变形状，从而对不同距离物体对焦。团队将超薄透明石墨烯电极直接集成到镜片下方的驱动层，绕开了传统不透明电极只能置于镜片边缘的设计限制，使器件体积显著缩小。研究发表于《Advanced Functional Materials》，未来可望用于自动对焦相机、可穿戴显示器、VR/AR 头显和微型医疗成像设备，但目前仍需进一步优化电极透明度与性能，尚未成为商用产品。

telegram · zaihuapd · 8月11日 12:27

「背景」 传统自动对焦镜片通常依赖机械移动组件或液体透镜，体积和功耗较大；而石墨烯兼具导电性和柔韧性，可作透明电极驱动软材料形变。该研究把电活性软驱动层与透明电极相结合，使整片透镜在电场作用下像人眼晶状体一样改变曲率，为微型光学系统提供了新的技术路线。

「影响」 该原型以同行评议形式验证了电控变焦软镜片的可行性，为相机、VR/AR 头显和医疗成像设备的小型化提供了可参考方案。但由于电极透明度与性能仍需优化，该技术尚未进入实际产品阶段。

标签: #graphene, #optics, #research, #AR/VR, #medical-imaging

Cloudflare 报告：2026 上半年超 1Tbps DDoS 攻击激增 ⭐️ 7.0/10

Cloudflare 2026 年上半年 DDoS 威胁报告显示，期间共缓解 935 起超过 1Tbps 的网络层攻击，第二季度较第一季度增长 519%；网络层与 HTTP DDoS 请求量分别达 2320 万次和 29.64 万亿次，DNS 类攻击占网络层攻击的 34.3%。第二季度超 1Tbps 攻击进一步增至 805 起，环比增长逾 6 倍，其中 DNS Flood 攻击环比激增 580%，成为当季第三大攻击类型。媒体、出版与制作行业连续两季度是遭受攻击最多的行业，而政府行业排名从第一季度的第 29 位跃升至第二季度的第 9 位。该数据凸显超大规模 DDoS 攻击的急剧上升趋势，对网络基础设施安全构成严峻挑战。

telegram · zaihuapd · 8月11日 13:20

「背景」 分布式拒绝服务（DDoS）攻击通过大量恶意流量淹没目标服务器或网络，使其无法为正常用户提供服务；攻击规模常用每秒比特数（bps）衡量，超过 1 Tbps 的攻击属于超大规模攻击。Cloudflare 是全球主要的 CDN 与网络安全提供商，定期发布 DDoS 威胁报告，统计其网络缓解的攻击数据。2026 年上半年报告表明，这类超大规模攻击激增主要由 DNS 反射放大和 CLDAP 反射向量驱动，并与地缘政治冲突相关。

「影响」 媒体、出版与制作行业以及政府机构成为本轮超大规模 DDoS 攻击的主要受害者，其中政府行业因“史诗之怒”行动等因素从受攻击行业排名第 29 位跃升至第 9 位；绝大多数攻击持续时间不足 10 分钟，但关键基础设施运营者仍可能因持续攻击面临服务中断风险。

参考链接

标签: #DDoS, #Cloudflare, #network security, #threat report, #infrastructure

Gemini 应用月活破 10 亿，成谷歌史上增长最快产品 ⭐️ 7.0/10

谷歌宣布 Gemini 应用月活跃用户突破 10 亿，成为公司史上增长最快的产品。数据显示，63% 的用户通过语音交互，每天生成图片超过 1.5 亿张；iOS 端活跃用户超过 1 亿，macOS 重度用户的提问频率约为其他平台的两倍。五分之一的 Gemini Live 交互超越纯语音，用户通过摄像头和屏幕共享实时解决问题；38% 的学生请求包含附件，Android 端可自动化操作 40 余款应用。这一里程碑表明消费级 AI 助手正在进入大规模主流使用阶段。

telegram · zaihuapd · 8月12日 00:45

「背景」 Gemini 是谷歌面向消费者推出的 AI 助手应用，提供对话、图像生成、语音交互等功能，并深度整合于 Android 与谷歌服务生态。月活突破 10 亿意味着它已跻身谷歌最大规模的消费产品行列，也反映出生成式 AI 助手从早期尝鲜走向大众日常使用。

「影响」 对谷歌而言，这一数字将 Gemini 确立为其增长最快的消费级 AI 入口，并强化其在 AI 助手市场竞争中的地位。对用户和开发者来说，语音、跨设备以及 Android 自动化已经成为实际的高频使用方式，而非演示功能。

标签: #AI, #Gemini, #Google, #consumer AI, #industry news

英伟达被曝开发 Nemotron 4，最大版本超 1 万亿参数 ⭐️ 7.0/10

据 The Information 报道，英伟达正在研发新一代开源模型家族 Nemotron 4，目标对标全球顶级开源模型。多名员工透露，最大版本参数预计至少 1 万亿，最早可能在深秋完成训练，公司尚未设定发布日期。同日，英伟达还发布了面向代码审查等任务的 Nemotron 3.5 Lightning，以及自动分配任务的模型路由库 NeMo Switchyard。该消息来自媒体报道，尚未得到英伟达正式确认，相关模型也尚未发布。

telegram · zaihuapd · 8月12日 01:15

「背景信息」 英伟达此前已推出开源模型系列 Nemotron，旨在与 Llama 等顶级开源模型竞争。据 The Information 报道，英伟达正在研发新一代开源模型家族 Nemotron 4，多名参与项目的员工透露，最大版本预计至少 1 万亿参数，最早可能在深秋完成训练，但公司尚未设定发布日期。报道同时提到，英伟达还发布了面向代码审查等任务的 Nemotron 3.5 Lightning，以及自动分配任务的模型路由库 NeMo Switchyard。

「影响」 若消息属实，将显著提升开源大模型的参数规模上限，并为依赖 Meta、Mistral 等开源模型的开发者提供新的选择；不过目前仅是媒体报道，实际发布时间和性能仍有不确定性。

参考链接

标签: #Nvidia, #Nemotron, #Open Source, #Large Language Models, #AI

LTX 发布开源视频模型 LTX-2.5，RTX 5090 单卡可跑 ⭐️ 7.0/10

LTX 发布了开源视频生成基础模型 LTX-2.5，权重、训练代码与推理管线全部开放，并可在单张 RTX 5090 上本地运行。模型支持文生视频与图生视频，改进了多镜头连贯性与提示词遵循，采用新的扩散视频解码器和 Gemma 4 12B 文本编码器。年收入低于 1000 万美元的公司可免费商用。在 98 个提示词的文生视频瑕疵评测中，LTX 2.5 Pro 在十款模型中排名第一。

telegram · zaihuapd · 8月12日 02:15

「背景信息」 LTX 是 Lightricks 推出的开源权重基础模型系列，涵盖视频、音频与世界模拟，其前代 LTX-Video 在 GitHub 提供官方仓库，支持 2B 与 13B 模型的全量微调和 LoRA 微调。LTX-2.5 是该系列的更新版本，可一次性生成多镜头场景、编辑真实视频素材，并导出电影级 EXR 格式，同时保持开放权重，允许用户在自有硬件上运行和微调。这些背景有助于理解本次开源发布为何被视为对 AI 视频生成社区有实际影响的事件。

「影响」 AI 开发者、创作者和小型创业公司可以直接在自有 RTX 5090 硬件上部署并使用这一开源视频生成模型，且营收低于 1000 万美元时无需支付商用授权费。

参考链接

标签: #open-source, #video generation, #AI model, #LTX, #local inference

科技博客

Cloudflare 如何让 AI 为内容付费：在请求层完成结算 ⭐️ 7.0/10

rss · ByteByteGo · 8月11日 15:30

「背景」 过去，网站靠请求完成后的注意力变现：用户看广告、订阅或回访，请求本身免费。但如今过半流量来自替人办事的软件，它们抓取一次就离开，让旧的结算点无处落账。

「方案」 ByteByteGo 在文章中梳理了 Cloudflare 的方案：凭借反向代理位置，在请求到达源站前先完成三件事。一是按行为分类流量，区分搜索、代理和训练，而不是笼统贴上“AI”标签；二是用 Web Bot Auth 的加密签名验证请求者身份，取代可随意伪造的 User-Agent；三是通过 x402 协议完成支付。x402 借用早已存在的 HTTP 402 状态码，让服务器返回价格、客户端附上支付凭证、验证通过后再放行资源，整个过程仍是普通 HTTP 往返，适合小额结算。Cloudflare 还从按次抓取收费转向“按使用付费”，但作者指出这仍是实验，因为价值更难衡量；同时协议能否落地取决于生态是否愿意响应 402，且对小型网站的发现难题帮助有限。身份验证目前已可在边缘使用，而整合支付的 Monetization Gateway 仍处于候补名单。

「启示」 作者的核心判断是，网络正在把价值结算从请求之后移到请求之内；如果这套机制成立，内容所有者将首次拥有一种原生方式，直接向机器收取它们消耗内容的费用。Cloudflare 提出的这些问题——集中化、采用率、结果定价——值得继续观察。

标签: #Cloudflare, #AI agents, #HTTP 402, #Monetization, #Web architecture