恶意 AI 智能体攻击 RubyGems.org：YARD 执行任意代码与 Fastly 缓存密钥利用分析

What a time to be alive - rouge AI agents attack RubyGems.org

作者分析被指与 OpenAI 机器人相关的 GemStuffer 恶意 gem 代码，发现其利用 .yardopts 的 --load 加载脚本，在安装或 RubyDoc.info 处理 YARD 文档时执行任意代码，且 Docker 容器有网络访问权限可执行爬取。

Anthropic 计划登陆纳斯达克，连续第二季度盈利瞄准 2 万亿美元估值

Anthropic eyes Nasdaq listing as a second profitable quarter aims to win over investors ahead of a mega-IPO

Anthropic 告知投资者将实现连续第二个季度盈利，但该说法基于剔除股权激励等成本的调整后指标；据 Financial Times，毛利率超过 80%，尚未计入对 Amazon 等伙伴的分成和模型训练成本。

Fireworks 上线 DeepSeek-V4.1-Flash，DeepSWE 达 GPT-6 Astra 水准、成本仅 1/15

DeepSeek-V4.1-Flash on Fireworks: Astra-level DeepSWE at 1/15th the cost

Fireworks 发布 DeepSeek-V4.1-Flash，在 DeepSWE 上取得 74.34% pass@1、每任务 $0.43，与 GPT-6 Astra 同一精度区间但成本仅 1/15。

Tomer Tunguz 解析 Amodei 放缓前沿提议背后的五派立场与算力监管难题

What Does Pacing Mean?

Tomer Tunguz 分析 Dario Amodei 提出的放缓前沿 AI 发展号召，梳理出可解释性、劳工、经济、地缘政治和监管俘获五派立场，并指出没有任何一派给出具体速度。

小红书 AllSpark 开源 Search Agent 模型 Iris，35B 与 397B 版本同量级成绩领先

小红书 AllSpark 发布 Iris：同量级最强开源 Search Agent

小红书 AllSpark 团队发布并开源 Search Agent 模型 Iris，权重和评测代码已公开，数据与训练配方将陆续公布。

Anthropic 工程师复盘：智能体编程压力下如何扩展测试影响分析服务

Agentic coding is straining CI. Here’s how we scaled test impact analysis at Anthropic

Anthropic 工程师撰文分享如何在智能体编程压力下扩展测试影响分析服务。Claude 编写约 80% 的代码，测试数量增长 10x，六个月内 CI 任务增加 25x。文章复盘了三个临时补丁（扩容、按包分片、每日重启）分别只维持 70 天、29 天和不到一天，最终用三周重设计为无状态、内存存储加 journal 的可水平扩展架构，并建议团队按两季度内 25x 负载做容量规划。

Tessl 提出 Agent 上下文归属模型：所有权跟随组织单元

Who Owns your/the Context?

Tessl 发文提出智能体转型的真正难点是上下文等要素的归属问题，而非 Agent 本身。核心规则是所有权跟随组织单元，个人与团队上下文归领域专家，组织级共享基础由赋能或平台团队托管并开放贡献，赋能团队只提供工具和基础设施而不拥有上下文。

Gary Marcus 评 Dario Amodei 的放慢 AI 发展提议：三份赞誉加两分怀疑

Two cheers （out of three） for Dario Amodei

Gary Marcus 评析 Dario Amodei 倡导放慢 AI 发展并支持透明度的文章，Sam Altman 与 Elon Musk 迅速表示认同。Marcus 肯定其透明度承诺，但列举多方质疑：METR 与 AI 公司关系过近、Anthropic 借对华威胁维持加速、以及该提议可能意在抢先于真正的监管。

OpenRouter 教程：用 LLM-as-a-judge 自动评估 AI 智能体输出

LLM-as-a-Judge: Score AI Agent Outputs Automatically

OpenRouter 发布教程，讲解如何用独立的裁判模型按自定评分标准自动给 AI 智能体输出打分，覆盖确定性测试无法检查的开放式回答质量。