2026-10-21周三

MiniMax 发布 M3.1 Flash，主打极低推理价格，并在智能体类评测中居国产模型首位。

标题里的两个数字是这条的关键：单次调用成本比 Opus 5.5 低约 88 倍，同时在偏向真实任务执行的 Agent 评测中排到国产第一。对做智能体产品的团队来说，模型价格每下降一个量级，原本算不过账的多步任务就会突然成立。这也是今年国产模型竞争的主战场：从谁更强，转向谁在够用的前提下更便宜。

三家中国互联网公司订购超 300 万张 RTX PRO 5500，英伟达称实际交付可能只有订单的 5% 到 10%。

RTX PRO 5500 是英伟达面向工作站和推理场景的显卡，这批订单总值超过 350 亿美元。英伟达已通知合作伙伴，中国客户需求远超计划产量，2027 年全球产能上限约 300 万张，实际能拿到的可能只有下单量的十分之一。这说明国内 AI 算力缺口仍然巨大，也解释了为什么推理效率优化而不是单纯堆卡在国内这么受重视。

DeepSeek 开源了推理框架 DeepInfer，这是决定算力成本和服务效率的中间层。

模型训练完之后，真正对外提供服务靠的是推理框架：它负责把请求排布到 GPU 集群上、做批处理和显存调度，效率高低直接换算成算力和电费。DeepSeek 这次开源的正是这一层，而不是又一个模型权重。对国内做私有化部署和推理服务的团队来说，这类工程细节通常比模型参数本身更有参考价值。

Linux 基金会发布报告，评估开源 AI 在 11 个 APEC 经济体的采用率与经济影响。

报告基于文献综述和对澳大利亚、日本、韩国、新加坡等 11 个经济体上百位专家的访谈，结论是开源 AI 通过降低成本、避免被单一供应商锁定，给中小企业和发展中经济体提供了实际机会，同时也分析了制造业、医疗等场景的落地情况。适合作为内部汇报和对外沟通时的数据来源。

DHS 要求联邦民用机构从信息系统中移除所有 DeepSeek 相关产品，包括第三方集成。

命令覆盖财政部、国务院、司法部等联邦文职机构的信息系统和政府采购，不只是卸载一个应用，机构还要排查采购的软件背后调用了什么模型。这对国内 AI 公司的出海和供应链合规是直接信号：模型一旦被嵌入第三方产品，追溯和替换成本会非常高。对使用开源模型的团队也是提醒，选型时要把部署地和合规边界考虑进去。

pingdotgg 团队的 T3 Code 项目宣布把代码仓库迁到 GitCafe，一个 GitHub 之外的托管选择。

T3 Code 是开发者社区里有一定关注度的项目，这次它把代码托管从 GitHub 迁往 GitCafe。单次迁移本身不算大事，但方向值得留意：过去十年几乎所有开源项目都默认把 GitHub 当作唯一入口，托管平台的替代选项一旦有人试水，后续就容易形成讨论。可以观察是否有更多项目跟进。

GitHub 上线包防火墙公开预览，在依赖包进入构建流程之前做拦截和审查。

软件供应链攻击最常见的方式，是往开源生态里塞一个恶意依赖包（仿冒名字或投毒版本），等下游项目自动拉取。包防火墙的作用就是在包被装进构建流程之前先设一道关卡。对企业来说，这意味着多了一个可配置策略的治理点，也说明平台方开始把依赖安全当成默认能力，而不是靠第三方插件补。

eMudhra 八个中间证书的私钥被曝泄露，其中一个私钥弱到只是单个数字。

证书机构（CA）的作用是给网站发身份证，浏览器信任它，就等于信任它签发的任何证书。这八个中间证书的私钥泄露后，攻击者可以伪造任意网站的 HTTPS 证书而浏览器不报警，而这些证书的信任链通向 Mozilla、微软等主流根证书库。其中一个私钥竟然只是单个数字，说明签发方的密钥管理长期形同虚设，各厂商接下来必须吊销相关证书。

研究团队发现，给 AI 驱动的机器人输入特定触发词，就能诱导它执行危险操作。

这类问题在安全领域叫后门：模型在训练或微调阶段被植入隐藏反应，平时表现正常，一旦听到特定短语就切换行为。宾汉姆顿大学的研究者系统演示了这种攻击对视觉语言模型驱动机器人的效果，并提出一套防御方法，核心是在动作执行前加安全校验。对做具身智能和机器人产品的团队来说，这是必须提前纳入威胁模型的攻击面。

Anthropic 提出的 AI 安全立法草案，名义上设安全门槛，实际限制了监管机构拦下模型的权力。

草案的口径是：如果一个模型可能导致 50 人以上死亡，就应当阻止其发布。但条款同时规定，联邦机构必须先获得法官许可才能阻止模型发布。这让安全门槛在实践中变成了一道手续门槛，真正的效果是给监管上锁，而不是给模型上锁。对关注 AI 监管走向的人来说，这是典型的行业自我立法样本。

在片中出镜的 Hugging Face 联合创始人 Clem Delangue 说，这部新纪录片彻底滑向末日叙事，与事实不符。

Netflix 新片《AI Gone Rogue》讲的是 AI 失控的故事，Hugging Face 联合创始人 Clem Delangue 本人出现在片子里，但他公开提醒观众别急着转发，因为成片彻底滑向末日叙事而且不准确。这件事的价值不在八卦，而在于提醒：AI 安全议题进入大众媒体后会被戏剧化处理，如果社区做内容时直接引用这类素材，很容易把夸张叙事当成事实传播。

报道称 Anthropic 难以从云厂商拿到足够算力，因为对方越来越把它当竞争对手。

训练和运行大模型需要巨量 GPU 算力，而算力集中在少数云厂商手里。据报道，这些云厂商既是 Anthropic 的供应商，自己也在做模型，于是开始把 Anthropic 视为竞争对手，供给自然收紧。与此同时，Anthropic 的基础设施支出还在膨胀，并计划在 11 月 IPO。这也解释了为什么各家 AI 公司都在想办法自建或长期锁定算力。

智能体互通协议 A2A 的 Java SDK 被披露一组漏洞，默认放行的授权问题属于高危。

A2A 是让不同厂商的 AI 智能体互相调用、协作的开放协议，由谷歌牵头推动，Java SDK 是主要实现之一。这次一次性披露了五条问题：高危的默认任务授权失效放行、服务端请求伪造（SSRF）、凭证被转发到第三方服务器、解析失败时把令牌明文写进日志等。协议还在早期，安全默认值没定好，已经接入的团队应按公告升级并检查配置。

Python 图像处理库 Pillow 被披露内存越界访问与解压炸弹两类高危问题。

Pillow 是 Python 生态里处理图片的事实标准库，几乎所有接收用户上传图片的服务都在用它。这次的问题包括：宽度为 0 的 PPM/PGM 图片被送入形态学处理后触发内存越界访问；GIF 在解压报错后仍保留被拒绝的尺寸，可以被用来做拒绝服务。处理不可信图片的服务应当尽快升级。

PHP 安全团队预告 10 月 21 日 14:00 UTC 发布高风险安全更新，建议提前准备升级。

官方罕见地提前发出预告，并明确说这是一次高风险的更新。按惯例细节要等到发布时才公开，以免被利用。PHP 仍支撑着大量网站和后台系统，运维同学最好现在就确认线上 PHP 版本、预留升级窗口和回滚方案，别等公告出来才临时排期。

SUSE 安全团队在推动全系统禁用 setuid，改用其他机制替代这种高危权限方式。

setuid 是一种让普通用户执行程序时临时获得更高权限的机制，比如改密码用的 passwd，几十年来一直是 Linux 提权漏洞的重灾区。SUSE 的做法是在发行版层面系统性地关掉它，用更可控的机制替代。如果这条路走通，可能改变其他发行版的安全默认值，也是把危险能力从默认配置里拿掉这一思路的典型案例。

Apache 软件基金会访谈了其最新顶级项目之一 Apache Iggy 的两位维护者。

Iggy 是用 Rust 写的消息流平台，刚成为 Apache 顶级项目。访谈里两位 PMC 成员讲了技术选型和社区建设的过程。这类内容的价值在于它是 Apache 孵化流程的活样本：一个个人项目怎么在基金会治理下补齐许可证、贡献者多样性和发布流程，对国内想往基金会捐项目的团队有直接参照。

ARC 新版本改进在大规模自托管场景下跑 GitHub Actions 的可靠性与可观测性。

ARC 解决的是这样一个问题：公司不想把 CI 任务放到 GitHub 的公共机器上跑，就在自己的 Kubernetes 集群里起一批自托管 runner，由控制器按需扩缩容。0.15.0 主要针对规模化之后的稳定性和监控盲区做改进。对平台团队来说，这是自建 CI 基础设施时值得评估的一次升级。

两家芯片竞争对手开始在 PyTorch 与 oneDNN 上共同推进软件优化。

oneDNN 是 Intel 维护的深度学习底层算子库，PyTorch 等框架用它来榨取硬件性能；AMD 过去维护自己的下游分支 ZenDNN。现在两家转向在同一个上游项目里合作。对使用者来说，这意味着同一份模型代码在不同硬件上能跑出接近的性能，减少为每家芯片单独调优的成本，也是开源协作压过厂商各自为战的典型案例。

Linux 基金会研究称，约 25% 的新开源 PR 属于低质量、AI 批量生成的提交。

PR（拉取请求）是向开源项目提交代码改动的方式，需要维护者逐条审阅。研究发现这类提交中大约四分之一是 AI 批量生成的低质量内容，维护者要花大量时间辨认和拒绝。这意味着开源治理的瓶颈已经从写代码转移到筛代码，评审规则、贡献者协议和自动化过滤工具都需要重新设计。