-
ithome · 2026-07-29 · 科技产品 / rss
IT之家 7 月 29 日消息，OpenAI 今日宣布推出开源命令行安全工具 Codex Security CLI，用于帮助开发者扫描代码仓库、发现和验证安全漏洞，并将安全检查流程集成到持续集成与持续交付（CI / CD）环境中。 OpenAI 表示，该工具实际上在正式公开前就已被人发现。目前，Codex Security CLI 仍处于早期版本阶段，官方表示将根据开发者反馈持续改进工具功能。 Codex Security CLI 是一款基于命令行界面的安全工具，同时提供 TypeScript SDK 接口。开发者可以使用它扫描代码仓库，查看代码变更，跟踪不同运行周期中的安全问题，并验证漏洞修复效果。 OpenAI 介绍，该工具支持将安全检查加入 CI / CD 流程，帮助开发团队在软件开发过程中自动执行安全检测。对于持续开发的软件项目，这类工具可以用于提前发现代码中的潜在安全风险。 安装方面，开发者可以通过 npm 安装该工具： npm install @openai/codex-security 安装完成后，可使用以下命令查看帮助信息： npx @openai/codex-security@latest --help 根据官方文档，Codex Security CLI 运行需要 Node.js 22 或更高版本、Python 3.10 或更高版本，以及具备 Codex Security 访问权限。 完成安装和身份验证后，开发者可以通过以下命令扫描代码仓库： npx codex-security login npx codex-security scan . 在 CI 环境中，开发者无需交互式登录，可通过设置 OPENAI_API_KEY 环境变量完成身份验证。工具同时支持 ChatGPT 账号登录和 API 密钥两种认证方式，用户可以通过参数指定使用哪一种认证方式。 此外，OpenAI 还提供了 TypeScript SDK，开发者可以直接在 TypeScript 项目中调用 Codex Security 功能。例如，通过 SDK 运行代码安全扫描，并获取扫描报告路径。 OpenAI 表示，Codex Security CLI 的扫描历史会保存在 Codex Security 工作目录中。如果默认目录无法写入，用户可以通过设置 CODEX_SECURITY_STATE_DIR 变量指定其他可写目录。 IT之家附 GitHub 地址： https://github.com/openai/codex-security
-
github · 2026-07-29 · GitHub / MCP server stars:>100 / Python
语言:Python；stars:140；更新:2026-07-29T01:09:55Z
-
github · 2026-07-29 · GitHub / AI agent language:Python stars:>500 / Python
语言:Python；stars:18295；更新:2026-07-29T01:29:19Z
-
github · 2026-07-29 · GitHub / AI agent language:Python stars:>500 / Python
语言:Python；stars:5795；更新:2026-07-29T01:23:19Z
-
github · 2026-07-29 · GitHub / AI agent language:Python stars:>500 / Python
语言:Python；stars:7854；更新:2026-07-29T01:19:31Z
-
github · 2026-07-29 · GitHub / Claude Code stars:>50 / Shell
语言:Shell；stars:347；更新:2026-07-29T01:27:27Z
-
techcrunch-ai · 2026-07-27 · AI行业 / rss
Google’s AI Overviews now appear in 43% of searches, underscoring how quickly AI-generated answers are becoming the default way people discover information online.
-
ithome · 2026-07-29 · 科技产品 / rss
IT之家 7 月 29 日消息，马斯克旗下 SpaceXAI 今天（7 月 29 日）发布公告，宣布为 Grok 应用引入 Build 模式， 用户只需要输入一段提示词，该模式就能把用户想法转换为带有独立域名的产品。 官方表示该服务已面向 SuperGrok Heavy 订阅用户（月费 300 美元，现汇率约合 2034 元人民币）开放，可以通过网页端、安卓端和 iOS 端 Grok 应用使用 Build 模式， 能够将文本提示实时转化为功能齐全的网站、工具、互动媒体，甚至是应用程序。 IT之家附上演示视频如下： 在功能方面，Grok 的 Build 模式会基于用户输入的提示词，直接渲染出支持实时预览的落地页面。用户可以使用自然语言不断完善他们的作品，无需编写任何代码即可修改布局设计、添加特定功能、调整颜色样式或更改逻辑。 据 SpaceXAI 称，该工具支持多个交互式项目： 网站和作品集：落地页和个人展示。 功能性应用：计算器、任务规划器、交互式跟踪器和自定义实用程序。 游戏类型：街机赛车游戏、益智游戏和 3D 环境游戏。 实时仪表盘：通过自定义连接器提取实时信息的交互式数据可视化。 项目完成后，用户可以使用 grok.me 网络链接发布他们的作品，或者直接将其附加到自定义网站域名。
-
techcrunch-ai · 2026-07-29 · AI行业 / rss
The deal is Cyera's third acquisition this year.
-
hf-papers · 2026-07-26 · AI论文 / hf-daily-papers / [object Object]
Multi-turn long-horizon planning is critical for foundation model agents, yet how to fundamentally improve it remains unclear. Existing models are trained on uncontrollable and opaque Internet data, making it difficult to identify how planning ability is acquired, shaped, and integrated. To address this challenge, we introduce a unified and controlled multi-turn environment that enables precise control. It allows systematically study long-horizon planning across three stages. (1) Planning ability acquisition during pre-training. We study data format, distribution, and quality. Explicit world model construction through CoT state transition modeling yields stronger long-horizon generalization. Atomic skills alone are insufficient for compositional generalization, whereas a litte long-horizon data works. Moreover, suboptimal trajectories severely impair performance because errors amplify over long horizons. (2) Planning ability shaping via GRPO and OPD post-training. Through mutual information, we distinguish general planning patterns from task-specific planning knowledge. For planning patterns, we identify three application regions of post-training: unnecessary, effective, and unsupported. OPD has a broader effective region than GRPO under low-quality and long-horizon settings, as it provides more consistent update directions. For planning knowledge, distilling unseen procedures from a teacher with different knowledge may impair student's prior world modeling without fully establishing new knowledge. (3) Planning ability integration through MOPD post-training. We show that multi-teacher on-policy distillation (MOPD) integrates capabilities by converging to shared planning-pattern across environments. Compatible patterns enable cross-environment generalization, partially shared patterns support continual learning, while completely conflicting patterns cause severe interference.
-
ithome · 2026-07-29 · 科技产品 / rss
IT之家 7 月 29 日消息，马斯克旗下 SpaceXAI 昨日（7 月 28 日）发布公告， 宣布其 Grok 4.5 模型已入驻 GitHub Copilot 平台，邀请全球数百万开发者使用。 IT之家援引博文介绍，GitHub Copilot 涵盖云智能体、Copilot CLI 以及 VS Code IDE 等，开发者可以通过切换模型调用 Grok 4.5 模型。 定位方面，Grok 4.5 模型专为快速、智能的编码和复杂的多步骤工作流程而设计，上下文窗口最大可达 50 万个标记，支持文本和图像输入，并提供低、中、高三种推理难度。 使用方面，网站 Tunx 测试后指出 Grok 4.5 在 Visual Studio Code 和 Copilot CLI 的终端编码任务中表现出色。它在并行调度工具和执行直接操作方面尤其优秀，因此非常适合探索性开发、解决复杂任务以及对时间要求严格的编码工作流程。 费用方面，计费方式为按量计费，价格为每百万个输入 Token 2 美元，每百万个输出 Token 6 美元。
-
hf-papers · 2026-07-12 · AI论文 / hf-daily-papers
We introduce a vocabulary for automated research systems built from one or more agents to make their design choices easier to describe and compare. The vocabulary specifies 1) who the agents are, 2) what operations are available in the system, 3) who may invoke them, 4) how agents communicate, 5) what information is visible within and across runs, 6) how the next action is chosen, 7) how a run begins, and 8) how outputs are evaluated. A trajectory records one run from the input task to the returned artifact. Because agents, operations, and initialization may be stochastic, repeated runs on the same task induce a distribution over trajectories rather than a single behavior. Our vocabulary turns structural design questions, such as when agents should communicate, gain or lose a capability, or carry information across runs, into testable choices. It also makes the evaluator a component of the system, since reported gains depend on how closely the proxy score matches true quality. That separation also splits the vague complaint that these systems lack taste into two failures with different solutions. Generative taste is the rate at which a system proposes novel trajectories before any score is observed, and evaluative taste is the gap between the proxy score and the quality it should match. We instantiate the vocabulary on recent autoresearch systems to illustrate that it covers designs that differ widely in structure.
-
ai-news · 2026-06-06 · finance_news / AI 基础设施 / 能源
特锐德推出了专供智算中心的模块化供电站“算电岛”，不仅能直供 800V 直流机房，官方号称配合 AI 优化调度，能让 Token 的综合用电成本直接砍掉约 30%。 启发:算力的尽头是电力。国内这种卷底层基建的降本思路非常实在，毕竟现在大模型拼到最后，拼的就是显卡折旧和电费谁能省下来。
-
hf-papers · 2026-07-25 · AI论文 / hf-daily-papers / [object Object]
Improving a language model today means retraining it: enormous compute, a new opaque model each cycle, non-deterministic output. We take the opposite path: the model stays frozen, and a persistent memory of verified solutions grows beside it. Once a problem family is solved and has passed an independent verification step that never consults the answer key, every new instance of that family is answered at zero generation tokens, bit-exact, deterministically. Across 180 fresh instances spanning nine problem families, four architectures from four vendors - dense and mixture-of-experts - each score 180/180 at zero generation tokens per answer: execution-bound capability decoupled from parameter scaling. A negative control attributes the capability fully to the memory: emptied, it solves nothing. The same verify-before-store contract holds for open-ended reasoning: 88/88 consistency-gated acceptances across all four models, machine-checked formal proof, and reasoning-method transfer at 77/80. Memory selection takes 1.4 microseconds; a full reuse completes in 6-23 ms at 36 mWh. Approximate similarity retrieval selects the wrong item 94.3% of the time on a 4,500-item verified store where exact addressing makes zero errors. The store also serves as working context at a scale no shipped engine matches: a 6,000,000-token movable window on a single 46 GB GPU at flat memory, where vLLM stops at 30,399 tokens and SGLang silently truncates past 32,000. On published benchmarks, frontier models remain far ahead of any 12B at raw from-scratch reasoning; on everything this system has solved and verified, the comparison inverts: a frontier API call pays a fresh generation pass on every query, forever, while verified reuse costs zero tokens and returns the identical bits every time. A public testbench with free, rate-limited access accompanies this report: https://corbenic-galahad-bench.hf.space
-
ithome · 2026-07-29 · 科技产品 / rss
北京时间 7 月 29 日，据《商业内幕》报道，美国一些头部 AI 公司的高管表示，联邦政府现在是时候找到一种方法，在必要时对 AI 开发踩刹车了。 AI 业界呼吁控制 AI 发展 来自 OpenAI、Anthropic、谷歌和 Meta 等公司的 1100 多名 AI 员工联合签署了一封公开信，呼吁美国政府控制 AI 发展速度。眼下，AI 公司正竞相研发能力越来越强大的 AI 系统，让外界担忧 AI 的发展速度可能会超过现有安全保障、治理体系和监管机制所能跟上的步伐。 “我们呼吁美国政府支持一项国际合作，开发必要的技术和治理工具，以便能够有意识地把控自动化 AI 开发的前沿进程。”公开信称。 这个倡议名为“把控前沿”(Pacing the Frontier)，签署这封公开信的高管包括 Anthropic CEO 达里奥 · 阿莫代伊 (Dario Amodei) 以及公司两位联合创始人杰克 · 克拉克 (Jack Clark) 和贾里德 · 卡普兰 (Jared Kaplan)、OpenAI 首席科学家雅库布 · 帕霍茨基 (Jakub Pachocki)、Meta 首席科学家赵晟佳 (Shengjia Zhao)，以及负责谷歌 DeepMind AI 安全与对齐工作的安卡 · 德拉甘 (Anca Dragan)。 公开信 这封信重点关注“自动化 AI 开发”，指的是未来 AI 能够自行开发和改进 AI 系统的能力。业界称这一过程为“递归式自我改进”。Anthropic 曾表示，其 Claude 系列模型正在快速接近这一门槛。 信中在谈到这一潜在时刻时写道：“很难准确预测这将在多大程度上加速 AI 的进步，但确实存在一种真实的风险：AI 能力的发展速度会迅速加快，超出我们理解或控制这些由此产生的系统的能力。” 针对这一公开信，OpenAI 在 X 平台上发文称：“我们相信，在未来的某个时间点，前沿模型开发中的 AI 加速可能会如此之快，以至于世界将需要把控 AI 进步的速度。” ”Anthropic 在 X 上的一篇帖子中表示：“我们上个月发布的关于递归式自我改进的研究表明，我们需要一些工具，能够有意识地调控 AI 发展的前沿速度，让社会有时间做好准备。” 奥尔特曼 与此同时，OpenAI CEO 萨姆 · 奥尔特曼 (Sam Altman) 表示，或许现在是时候“把控”AI 发展的节奏了，以便世界能够为此做好准备。 “我们可能需要把控 AI 发展的速度，给自己足够的时间，让社会适应这些新的能力水平并建立起防护机制。同时，我们也需要想办法做到这一点，既不能让任何人觉得这是监管俘获 (监管对象反过来影响监管者)，也不能让人觉得这是前沿 AI 实验室之间的串通。”他在接受《Invest Like the Best》播客采访时表示。 奥尔特曼的态度已经发生反转。过去，他曾避免签署一些呼吁放缓 AI 发展的倡议。他曾表示，2023 年的一封提出类似“放缓 AI 发展”主张的公开信，“缺少关于我们究竟需要在哪些方面暂停发展的关键技术细节。” 相关阅读： 《 OpenAI 多名员工公开声援 CEO 奥尔特曼，证实其乐于听取不同意见 》 《 OpenAI 奥尔特曼：人们并不想要 AI CEO，且更珍视人性联结 》 《 前沿 AI 模型限制令生效之际，OpenAI 奥尔特曼本周将赴华盛顿 》 《 Anthropic 迟迟不签公开信成“众矢之的”，CEO Dario Amodei 解释称公司从未主张禁止开源 AI 模型 》
-
techcrunch-ai · 2026-07-28 · AI行业 / rss
Since launching last year, the startup today has more than 8 million people using the open source or hosted version of its models, and now generates annual recurring revenue of $21 million.
-
techcrunch-ai · 2026-07-27 · AI行业 / rss
The issue appears to have originated from Claude’s “share chat” feature, which allows users to create links that enable anyone with the assigned URL view a conversation or project.
-
techcrunch-ai · 2026-07-27 · AI行业 / rss
OpenAI's Hugging Face breach has reignited debate over AI alignment and control, exposing competing views on whether increasingly capable AI should be better aligned, better contained, or both.