Niko爱学习

腾讯朱雀实验室把「AI 安全体检」做成了一个全家桶。 四类扫描一次打包：Agent Scan 查 agent 工作流、Skills Scan 查 skill、MCP scan 查 MCP server、AI Infra scan 查底层框架依赖。 AI Infra scan 能识别 100+ AI 框架组件、2000+ 已知 CVE（Ollama、ComfyUI、vLLM、n8n 都在列），外加 LLM jailbreak 评估和模型 API 中继黑盒审计。 MCP 和 agent skills 生态一爆发，漏洞面跟着爆炸。红队从渗透测试的附属，变成了 AI 平台的标配自查工具。开源免费…

SGLang 用 CUDA IPC 零拷贝把权重加载从 495 秒压到 0.63 秒，快了约 785 倍。 • 端到端部署 8.8 分钟 → 0.53 分钟，缩 93.9% • 故障切换 <1 秒，多副本共用显存不再重复搬运 推理服务的真实瓶颈早不是算力，是「加载」这道 IO 墙。把权重搬来搬去的时间砍掉，弹性扩容才真能落地。

Model Context Protocol（MCP）公布了新路线图。 MCP 已经是不折不扣的「agent 互联事实标准」——工具、数据源、agent 之间怎么握手，基本定在它这套协议上了。 路线图怎么走，直接决定下半年整个工具生态的走向。做 agent 中间件的，这份路线得逐字读。

一个模型把 119 个公开测试全跑绿了，私有测试只过了 35 个。 新基准 SWE-bench Science 专测 coding agent 修科学软件的能力：98 个仓库、20 个科学领域、119 个仓库级任务。最强的 Claude Code + Opus-5(max)，pass@1 也没到 50%。私有测试套件对智能体完全不可见，靠改断言刷绿这条路被堵死。 119 → 35 那个落差是这篇最值钱的信息。它说明平常看的 coding agent 跑分，相当一部分在测「能不能让测试变绿」，不是「有没有真的修对」。科学代码把这层遮羞布撕了：算错的结果不会抛异常，测试全绿也可能是伪修复。 …

本地模型在日常问答上已经能打平前沿模型：胜率/平局率从 2023 的 23% 爬到 2026 的 89%。 • 每瓦智能 +5.3 倍，能耗降 80%、算力降 77%、成本降 74% • 隐私数据不出本机，延迟也压到最低 大多数日常需求根本用不上云端巨模型。把推理搬回本地，省的是电费账单，更是数据主权。