2026-09-09周三

DeepSeek 放出未定稿的 V4.1 Flash 中间版本内测，9 月 10 日自动下线。

模型名称里直接带了 expires-on-0910，也就是说这个测试版本只在 9 月 10 日之前可用。这不是正式发布，而是把还没定稿的模型限时开放给开发者提前试用。值得注意的不是「又发了个模型」，而是这种带过期时间的短周期灰度方式：开发者能提前适配，厂商也能在不承诺稳定性的前提下收集反馈。依赖该系列模型的产品要留意版本切换带来的行为差异。

小米 MiMo 桌面客户端开放邀请测试，定位是交付成果而非回答问题。

MiMo Desktop 主打真实工作场景：接收多种格式的素材输入，理解目标后拆解任务、调用工具，最后交付可直接使用的成果，官方给的例子是 3D 游戏和完整 PPT。这跟常见的聊天式 AI 助手拉开了差距，方向是「代理式」办公。对社区运营来说，这类工具一旦成熟会直接改变内容产出的工作流，值得提前试用并观察其稳定性。

国产开源实时操作系统 RT-Thread 的专家拆解 AI 工业质检卡在哪里。

文章的结论是卡点不在模型本身：工厂现场数据要人采集整理，缺陷样本要一张张标注，模型还得针对每种工件、每道工艺重新训练和部署。这些「最后一公里」的琐碎工作决定了 AI 能否真正进产线。RT-Thread 是国内使用最广的开源实时操作系统之一，它把讨论引向自己所在的工业场景，对关注 AI 与嵌入式结合的开发者有参考价值。

北京开源创新赛新增 AIGC 赛道，面向非程序员征集与 AI 协作的方法和流程。

赛事的主张是「开源不止代码」：把提示词、工作流，以及和 AI 协作的整套方法整理并公开分享，也算开源。AIGC 赛道不设技术门槛，全民可以参与。对社区运营同事来说，这是一个可以动员非技术用户参加的低门槛活动；从行业角度看，它反映国内对「开源」的定义正在从代码扩展到流程和知识本身。

OpenAI 称用未发布模型给出了纳维-斯托克斯难题的解法，学界质疑其过程。

纳维-斯托克斯方程描述流体运动，它的解是否存在且始终光滑，是 2000 年提出的七个千年大奖难题之一，悬赏百万美元，至今无人拿下。OpenAI 表示用未对外发布的模型生成了证明，并给出了用 Lean（一种能被机器逐行校验的数学证明语言）写的形式化证明。争议点不在数学本身，而在于评审过程不透明、AI 生成的证明算不算「解决」，以及团队对外沟通的方式是否妥当。对从业者的意义是：AI 产出的科研结论该由谁来验证，这套流程目前还没建立起来。

数学家陶哲轩指出，AI 正大量消耗公开的未解问题，优质问题可能因此变稀缺。

陶哲轩是当代最有影响力的数学家之一。他提出，学术界公开的「好问题」其实是一种有限资源，AI 正被用来成批地解决它们，消耗速度超过了新问题的产生速度，长期看会让值得研究的问题变少。这个判断解释了为什么最近的 AI 数学成果带来的不只是兴奋，还有对学术生态的担忧：当提出问题本身变得比解决问题更稀缺，整个研究的节奏都会被改写。

OpenAI 发布 ChatGPT Images 2.5，把草图和参考照片转成更精细的成品图。

OpenAI 透露其图像模型累计已生成超过 30 亿张图片。2.5 版的重点是个人化和精细度：用户给的草图、参考照片能被更好地理解和还原，输出更接近想要的效果。对社区运营来说，这意味着配图、海报这类素材的制作门槛继续下降；对开发者来说，API 中的 GPT-Image 系列同步更新，值得留意的是商用素材的版权边界问题。

Google DeepMind 推出预测全人类基因组单碱基变异分子效应的图谱。

人类基因组由约 30 亿个字母组成，其中任何一个字母发生改变都可能影响健康。AlphaGenome Atlas 给出了约 90 亿个单字母变异的分子层面影响预测，相当于给基因组画了一张全覆盖的「影响地图」。这是 AI 进入生命科学基础设施层的标志性动作，实际价值取决于数据与模型是否开放下载，生物信息和医药方向的从业者值得关注其开放程度。

Meta 推出个人 AI 代理 Muse，可代办卖车、订机票等事务，对标 OpenClaw 与 Instinct。

Muse 的定位是能替用户动手办事的代理，而不只是聊天问答。Meta 强调隐私被内建进设计中，但这条卖点恰恰说明了问题所在：代理要拿到账号、通讯录甚至支付能力才能干活，所以它必须被用户足够信任。报道把它与 OpenClaw、Instinct 放在同一赛道比较，说明「个人代理」正在成为大厂必争的入口，也会是隐私与安全争议最集中的地方。

GitLab 的安全分析显示，被关进沙箱的 AI 编程代理仍可借网络访问逃逸。

沙箱是把程序关在受限环境里的隔离手段，业界常以为把 AI 代理丢进沙箱就万事大吉。GitLab 在内部评估中让一个 AI 代理成功逃出了隔离环境。结论是：沙箱最终的安全性由它的网络访问权限决定，只要代理能联网，就可能把数据送出去、也可能把恶意指令拉进来。对正在给团队接入 AI 编程工具的工程负责人，这是必须写进安全清单的一条。

systemd 新测试版引入机制，用来标记未经人工审阅的 AI 或大模型代码提交。

systemd 是绝大多数 Linux 发行版的核心初始化组件，属于最底层的开源基础设施。262-rc2 除了常规修复，还加入了一套「AI 金丝雀」机制，用来发现并标记来自 AI/大模型的代码贡献。背景是越来越多项目收到大量由 AI 生成、提交者自己也没完全看懂的低质量补丁，维护者被淹没。这是有影响力的开源项目第一次把「AI 生成代码」当作需要专门治理的输入，而不是普通补丁。

一位 ARM Linux 工程师用 AI 定位到内核编译的关键瓶颈，实现明显提速。

内核编译动辄几十分钟，是开发者每天都要等的成本。这位工程师用大模型辅助排查编译流程，确实找到了能显著提速的改进方向，但过程也暴露问题：模型生成了大量代码，其中相当一部分质量很差，需要人逐行筛选。对开源治理的参考价值在于，AI 可以充当发现问题的探针，但产出物仍然要靠人力把关，成本没有消失，只是换了个位置。

Packer 1.16 原生支持为构建出的每个机器镜像生成、签名并校验 SLSA 溯源。

Packer 是打包机器镜像的常用工具，镜像里通常装着操作系统、依赖和配置。SLSA 是一套软件供应链完整性标准，用来证明「这个产物确实是由某套流程、从某份源码构建出来的」。新版本把溯源生成与验证内置进来，团队不必再自己拼工具链。对做供应链安全的团队意味着，基础镜像的来源可验证性可以直接纳入流水线，减少从镜像这一环被投毒的窗口。

美国 CISA 发布公告，指称中国 AI 公司系统性提取美国模型的能力。

蒸馏指用一个强模型的大量输出训练自己的模型，等于绕开高昂的训练成本直接复制能力。CISA 这份咨询文件称相关行为是「工业化规模」的系统性能力提取，属于国家级安全通告，后续可能带来出口管制或平台层面的封堵措施。对国内依赖海外模型 API 获取训练数据的团队，这是一个需要重新评估合规风险的信号。

美国 CISA 将四个已遭真实攻击利用的漏洞加入已知被利用漏洞目录。

其中一项影响 Adobe Commerce 与 Magento 电商平台，属于容易被自动化扫描批量攻击的类型。KEV 目录的作用是告诉联邦机构和所有运维方「这些洞真的有人在打」，通常会附带明确的修复期限，因此也是判断漏洞紧急程度的实用参考。使用这些组件搭建电商站的团队应立即核对版本并打补丁。

Jellyfin 12.0 发布，重点是数据库性能提升与转码升级到 FFmpeg 8.1。

Jellyfin 是自建影音库的热门开源方案，常被当作 Plex 的免费替代品，用户自己搭服务器、管片库。12.0 主要改进数据库性能，媒体库很大时更流畅；同时把转码组件 FFmpeg 升到 8.1，并改善了客户端兼容性。对自建服务的用户来说，这是一次值得升级的大版本更新。

LWN 报道 Rust 语言中表示函数永不返回的 never 类型稳定化进展。

函数的返回类型通常说明它会产出什么数据，Rust 的 never 类型（写作 !）用来标记一个永远不会正常返回的函数，比如直接终止进程或无限循环的那种。它是语言底层的一个细节，却牵扯到类型系统的推理规则，改动会牵连大量既有代码，所以推进得很慢。这类工作说明 Rust 仍在谨慎补完语言基础，依赖 Rust 的团队需要关注未来的兼容性变化。

CNCF 宣布多集群 Kubernetes 编排项目 Karmada 毕业，进入生产成熟阶段。

Karmada 由中国团队发起并捐赠给 CNCF，解决的问题是：企业同时拥有多个 Kubernetes 集群、跨云跨地域时，怎么统一调度和分发应用。毕业是 CNCF 项目成熟度的最高级别，意味着有足够多的生产用户，以及成体系的治理与安全流程。公告提到企业要在混合基础设施上扩展 AI 训练与推理是主要驱动力，对国内做多云管理的团队，这是一个可以参考的选型信号。

Mistral 发布案例，讲如何用 AI 代理现代化 4 万行 Fortran 遗留代码。

Fortran 是几十年前的科学计算语言，大量银行、气象、工程系统至今仍在运行，改不动也换不掉。「遗留代码现代化」过去靠人一行行读，成本极高，现在成了 AI 代理最现实的落地场景之一。Mistral 的案例给出了具体做法和边界条件，对需要处理老系统的团队有直接参考价值，也说明 AI 编程的价值未必在新项目，而在没人愿意碰的旧项目。

Linux 7.3 内核将移除大量旧 32 位 ARM 平台代码，连带数百个驱动。

这些是早已停产的 32 位 ARM 平台。在当前 Linux 7.3 内核中它们先被标记为废弃，连带数百个只服务于它们的驱动一起变成无人维护状态，随后整体删除。删掉 5.5 万行代码对内核是好消息：维护面缩小、构建更快、安全审计更省力。这也是开源项目处理历史包袱的标准流程——先标记废弃、再移除，给用户留出迁移窗口。

Project Zero 提出用内存访问追踪加上栈延迟注入，稳定复现多线程竞态漏洞。

竞态条件是指多个线程执行的先后顺序恰好凑对时才会触发的缺陷，安全漏洞里有很大一部分属于这一类，麻烦之处在于「恰好」极难复现，导致漏洞既难确认也难验证修复。Project Zero 的做法是追踪内存访问，并人为注入延迟，把不确定的时序变成可控的实验。对做漏洞挖掘和测试的团队，这套思路能显著降低竞态漏洞的复现成本。