研究人員在arXiv預印本中展示了一種新型計算機蠕蟲，它利用人工智慧智慧體透過被入侵裝置上的開源大語言模型進行推理，針對每個目標生成定製攻擊策略。這種蠕蟲能自我維持，在Linux、Windows和物聯網裝置間傳播，攻擊者利用被盜計算能力實現零邊際成本，繞過了傳統安全控制。

iocaine 是一種激進的防禦機制，旨在透過向AI爬蟲提供垃圾資料來毒害它們，從而長期阻止它們。它高效輕量，採用MIT許可證開源。

Prodync是一個AI商務可見性平臺，幫助Shopify商家最佳化產品資料，使其更適應AI搜尋引擎，從而提升產品曝光率和銷量。

Mnemo 是一個旁路服務，透過提取實體和關係構建知識圖譜，為LLM提供持久記憶。它支援本地或雲端LLM，響應時間低於50毫秒，無需雲依賴。提供Docker、二進位制和Python SDK部署方式。

Linux基金會宣佈成立Tokenomics基金會，旨在為AI token消費建立開放標準、基準和最佳實踐。該基金會得到了Google、Microsoft、IBM等多家公司的支援，但OpenAI和Anthropic等前沿模型提供商缺席。隨著token消費的快速增長，企業面臨巨大的成本壓力，該基金會致力於提供成本透明度和標準化。

谷歌DeepMind釋出開源模型Gemma 4 12B，原生處理文本、影像和音訊，可在僅16GB RAM的筆記型電腦上執行。其效能幾乎與兩倍大小的26B模型相當，並採用Apache 2.0許可證，可用於商業用途。

谷歌首次在Search Console中為網站運營商提供退出AI搜尋功能（如AI概覽和AI模式）的開關，這些功能已覆蓋超過35億月活躍使用者。新效能報告單獨展示展示次數。此舉是由英國競爭與市場管理局（CMA）推動的，該機構認為網站運營商處於嚴重劣勢。

成立僅七個月的初創公司Axiom在普特南數學競賽中獲得滿分，展示了驗證性AI的力量。CEO卡琳娜·洪解釋瞭如何使用Lean進行形式驗證，以實現智慧的擴充套件和複合，可能克服非正式AI面臨的瓶頸。Axiom在Verina程式碼生成基準測試中取得99%的成績，遠高於OpenAI o3的4.9%，其方法可能是實現AGI的關鍵。

本教程展示瞭如何使用iii引擎構建文件智慧工作流，包括安裝引擎、註冊模組化函式、組合分析管道，並透過直接呼叫、HTTP端點、即發即棄執行和定時cron觸發器複用相同邏輯。

本文提出了“AI領結”框架，幫助管理者決定團隊工作流中何時使用AI，避免過度依賴或完全迴避的極端。框架包括五個階段：研究探索、綜合提煉、獨立思考（無AI）、計劃準備、執行實施。

本文認為，人工智慧（尤其是大語言模型）應被理解為一種計算形式，而非人造智慧體。文章探討了迴圈、組合性和代理框架在實現計算中的作用，引入了“Verplankalkül”作為非正式程式語言的概念，並分析了將計算結構整合到訓練中的未來方向。

儘管AI基礎設施的討論常聚焦於GPU和TPU，但CPU在AI從聊天機器人轉向自主代理的過程中扮演著關鍵角色，作為“空中交通管制員”協調任務，並支援沙盒環境以確保安全。ARM和Google的專家解釋了CPU在處理工具呼叫、記憶體管理和輕量級模型執行中的優勢。

Google DeepMind 釋出 Gemma 4 12B，這是一款 120 億引數的密集多模態模型，採用無編碼器設計，直接將視覺和音訊輸入 LLM 主幹。該模型可在 16GB RAM 的消費級筆記型電腦上本地執行，並採用 Apache 2.0 許可證。它原生支援文本、影像、音訊和影片，是首個具備原生音訊功能的中型 Gemma 模型。

Ideogram 釋出4.0版本文本生成影像模型，作為開源權重模型，提供原生2K解析度、邊界框控制和改進的文本渲染。在DesignArena排行榜中，該模型在所有開源模型中排名第一；只有OpenAI和Google的閉源系統得分更高。商業使用需要付費許可。

研究表明，使用AI可能增加工作量而非減少，導致認知疲勞。專家建議聚焦工具、遵循準則和最佳化輸出，以平衡效率與質量。

英國工黨議員傑斯·阿薩託對埃隆·馬斯克的AI公司提起訴訟，指控其Grok工具被用來生成她的虛假性化圖片。這些圖片在今年早些時候大量出現在X平臺上，阿薩託稱看到自己被AI以不雅形象呈現感到“被侵犯”。

本文批評了谷歌Gemini Spark等AI生產力工具，指出它們解決了科技公司自己製造的問題，而忽視了工資停滯、工作不安全感等系統性經濟問題。作者認為，AI提升的生產力並未惠及工人，反而可能加劇不平等，且缺乏社會保障。

本文介紹了兩種將 Kiro IDE 連線到 Databricks 的方法：透過四個 Databricks 託管的 MCP 伺服器進行快速設定，或使用新的 Databricks AI 開發工具包 Power 實現一鍵整合。兩種方法都基於 Unity Catalog 的後設資料，確保 AI 助手只看到使用者有許可權的資料，減少幻覺。文章還強調了 Databricks 在 AI 輔助開發中的優勢，包括統一的治理、單一資料副本和整合 AI 堆疊。

本文將精益製造原則應用於AI推理，識別了LLM推理中的七大浪費，並提出了即時上下文、標準化工作、節拍時間和提示快取等核心原則，透過一個倉庫分析代理的案例展示了13倍成本降低和3.3倍延遲改進。

本文提出了一個從簡單SaaS到AI原生平臺的實用框架，描述了五個層次的AI整合：從提供個人訪問令牌和MCP伺服器，到嵌入AI聊天視窗，再到對話歷史、自定義UI生成，最終實現自主代理框架。作者分享了自己的實踐經驗，並強調了每個層次的關鍵考慮因素。

DeepLearning.AI與Red Hat合作推出免費中級課程《使用vLLM實現快速高效的LLM推理》，由Red Hat高階開發者倡導者Cedric Clyburn授課。課程涵蓋量化、vLLM服務部署及基準測試，時長1小時38分鐘，包含9個影片課程、3個程式碼示例和1個評分作業。

本文對比了三種常用的智慧體可觀測性工具：LangSmith、Langfuse 和 Arize。透過設定一個基於 LangChain 的測試智慧體，展示了各工具的整合方式、追蹤能力和評估工作流。LangSmith 與 LangChain 原生整合，提供完整的執行樹檢視和提示除錯功能；Langfuse 是開源且框架無關的，支援會話分組和事後評分；Arize 專注於生產級 ML 監控，使用 OpenInference 標準。文章幫助讀者根據需求選擇合適的工具。

白宮釋出行政令，要求五角大樓和CISA等機構在30天內利用AI工具加強網路防禦。AI開發者可自願提交模型進行安全測試，但命令明確排除強制批准。鑑於近期政府對AI公司的壓力，這種合作的自願性仍存疑問。

英國競爭與市場管理局（CMA）命令谷歌改變其AI搜尋結果中使用出版商內容的方式，賦予新聞網站遮蔽其內容用於AI摘要的權力，此舉將產生全球影響。

Impermeabiliza 是瓦倫西亞的一家防水專家，透過整合人工智慧來提升診斷、規劃和執行水平，確保住宅、工業和商業結構的耐久性，防止滲漏、溼氣和黴菌。

微軟CEO Satya Nadella在No Priors與Latent Space的聯合播客中，分享了微軟作為前沿智慧平臺的最新戰略，包括MAI模型、多模型平臺、AI投資回報率，以及如何讓不可能變為可能。他強調了生態系統策略的重要性，以及企業如何透過構建私有評估和追蹤來創造價值。

本文介紹了使用LangChain的create_agent和中介軟體構建自定義代理腳手架的方法。代理由模型和腳手架組成，腳手架負責將模型連線到真實世界。透過中介軟體，可以在代理迴圈的各個階段插入自定義邏輯、工具、狀態管理等，從而實現高度定製化的代理。

歐盟委員會提出技術主權提案，旨在減少對美中等外國供應商在雲端計算、人工智慧和半導體生產領域的依賴，確保外國政府或公司無法透過“關閉開關”中斷歐洲關鍵科技服務。

微軟Copilot Health預覽版允許使用者分享病歷以獲得個性化的AI健康建議。作者測試後發現結果好壞參半，存在技術故障，同時提及隱私保護措施，並警告不要依賴AI做出醫療決策。

微軟推出名為“Autopilot”的新型自主AI代理，首發代理“Scout”將全天候監控使用者操作並自動執行任務，旨在簡化工作流程。然而，該代理基於OpenClaw構建，存在安全隱患，且可能被惡意操縱。目前僅限部分客戶預覽，並需訂閱GitHub Copilot。