Google称，Genimi 突破控制、将真实企业作为攻击目标，并不算是“模型失调”。
今年 5 月，Gemini 失去控制，入侵了三家公司。但直到《华尔街日报》联系Google后，Google才披露此事。
这些入侵行为发生在第三方公司 Irregular 对 Gemini 网络安全能力进行的一次测试中。Irregular 此前也曾参与过涉及 Meta 和 OpenAI 的类似事件。
据《华尔街日报》报道，Google之所以没有公开这起黑客事件，是因为它认为这些入侵事件不值得公开披露——因为其模型没有对相关公司造成损害，并且在确定自己入侵的是一家真实公司而非模拟环境后，立即终止了每次入侵。Google 将这一事件比作“漏洞赏金”计划：黑客因发现安全漏洞并向漏洞所有者报告而获得奖励。
其中一起事件中，该模型不断猜测密码，直到获得一个受保护系统的访问权限。另外两起事件中，该模型在公共代码库中发现了凭据，随后得以访问受保护的系统。在每起事件中，模型确定自己访问的是真实公司的系统后，便结束了入侵。
这些入侵发生在该模型参与的一项“夺旗”演习期间。此次演习在属于 Irregular 的基础设施上进行，旨在测试该模型的网络安全能力。模型的任务是从测试环境内的虚构公司运营的软件中获取信息。这些虚构公司与真实公司的名称相同。
Google表示，这些攻击并未涉及其最新模型，但没有透露具体是哪一款 Gemini 模型参与了此次攻击。同时还拒绝透露遭到入侵的公司名称，但表示三家公司均已获通知。
Google安全工程副总裁Heather Adkins表示：“在这个案例中，模型的行为是恰当的。”
Adkins 没有进一步解释，Gemini 擅自突破限制并攻击第三方，为何不算作“失调”。
AI安全公司 Corridor 的 CEO Jack Cable向《华尔街日报》表示：“真正的问题是，模型已经超出了应有的行为边界，开始实施实际的网络攻击...公众有权知道这一切。”
此外，Irregular 的安全漏洞可能也让这些攻击成为可能。按计划，模型在测试期间不应连接互联网，但 Irregular 告诉《华尔街日报》，互联网访问权限被意外保留了。
Apple 在今日更新的支持文档写道，该功能仅为满足发运要求而设，在旅行期间或对于任何其他 iPhone 机型，则不是必需的。
开启该功能后，会将电池容量限制在 20 Wh 以下，激活手机后自动关闭。在 iPhone 电池放电期间，它可能会比平时更热。
了解“准备发运”
iPhone 18 Pro Max 的电池续航大幅提升，部分原因在于电池容量增至20 瓦时 (Wh) 以上。在大多数国家和地区，配备容量超过 20 Wh 的单芯电池的设备有额外的发运要求。为了满足这些要求，iPhone 18 Pro Max 采用创新的电池固件解决方案，从出厂到运输的整个过程中，都会将电池容量限制在 20 Wh 以下。激活 iPhone 后，这个限制就会移除，电池的全部电容量即可使用。
激活后，如果你需要发运 iPhone 18 Pro Max 进行维修、折抵换购、退货或作为礼物赠送等，请使用“设置”中的“准备发运”功能。这项功能会将你的电池电量放电至 20 Wh 以下，并设置充电上限，以确保你的 iPhone 在发运期间不超过这一上限。这个过程是可撤销的，你可以在发运后重置充电上限。
iPhone 18 Pro Max 中的电池是安全的，发运和航空旅行场景同样适用。这个流程仅为满足发运要求而设，在旅行期间或对于任何其他 iPhone 机型，则不是必需的。
了解电池放电
你的 iPhone 18 Pro Max 可能需要放电才能完成“准备发运”。在 iPhone 电池放电期间，它可能会比平时更热。这是正常现象。当 iPhone 准备好发运时，它会再次冷却下来。
在 iPhone 18 Pro Max 放电期间，你可以照常使用设备。这个过程可能只需要几分钟，但如果你从满电量开始，则可能需要长达几个小时。“准备发运”过程完成后，“设置”App 将显示带有红色标记的“准备好发运”。如果你抹掉 iPhone，在电池放电期间将无法使用它。
如果你已抹掉 iPhone，可以在“你好”屏幕上找到“准备发运”状态。在“你好”屏幕上，轻点“信息”按钮。启用“准备发运”后，你会在“准备好发运”旁边看到“是”。
要求：之前不能已经是 ChatGPT 的付费订阅用户，并且这次要通过 PayPal 的优惠链接成为新的订阅用户；
老订户（订阅过 ChatGPT 任何档位）只能创个新的ChatGPT账号，才能拿这个返利。
PayPal 首页新增“拉新”优惠，使用PayPal订阅ChatGPT Plus可得50%返现，最多6个月，每月返$10（共$60)，返现至PayPal余额。
名额仅限79,000人，优惠将于2026年12月31日截止。
优惠结束后，若未取消订阅，将以原价续订。
适用条款（选摘）：
符合条件的订阅：指通过其有效账户在PayPal应用中创建的ChatGPT Plus订阅（每月20美元，含税），且为通过PayPal "首次订阅ChatGPT" 的新用户（a net new subscriber to ChatGPT via PayPal）。
符合条件的参与者必须成功支付至少六个计费周期的符合条件的订阅费用，方可获得总优惠期返现上限金额。
返现将在前六次符合条件的订阅付款后依次处理。
频道主是在美区PayPal首页看的，大家可以看看自己用的地区有没有相应的优惠。
青简输入法
一个专注于外语学习的拼音输入法，主打在输入法候选词旁同步附带外语译词（支持英语或日语），辅助日常打字学习，内置整句转换与小模型重排，支持简拼、双拼、拼写纠错及本地学习调整，生词译词提供橙色高亮标记，看熟后自动转灰，不打断正常打字体验，所有数据与模型均完全在本地运行，支持可选的自定义 AI 云联想服务，免费无广告，适配 macOS 与 Windows。
https://qingjian.app
频道 @WidgetChannel
幕映 MuCast
主打免费无广告的投屏工具，可将手机与电脑上的视频、照片及整个屏幕投射至电视播放，无水印、无会员限制、不限投屏时长，局域网内自动发现设备，兼容 AirPlay 与 DLNA 协议，安装即用，无需注册账号，适用于 iPhone、iPad、Mac、Windows 及 Android 设备。
https://www.showdoc.com.cn/mucast
频道 @WidgetChannel
Kalypta —— 让 AI 听不见你的声音
🔇 我总在想，那些帮你做会议纪要的 AI 助手，是不是真的什么都得听见。Kalypta 今天正式发布了，它很直接地回答了这个问题：不用。它能让你在会议中对 AI 隐形，就像你从未说过话一样，而你的通话本身完全不受影响。这是一个怪有趣也蛮聪明的设定
🤫 最吸引我的，是它只针对 AI 隐身，而不是让你的声音彻底消失。那些常用的 AI 笔记工具，比如 Granola、Wisprflow、Cluely，面对 Kalypta 就束手无策了。这意味着你依然能和同事正常交流，但 AI 却无法捕捉到你的声音，自然也无法生成任何记录。想象一下，某些敏感对话，你可能不希望被任何 AI 记录下来，Kalypta 正好解决了这个痛点。它提供了一种微妙的控制感，介于完全静音和完全公开之间
🗣️ 作者 Aida Baradari 介绍 Kalypta 的时候，并没有强调技术细节，而是聚焦在使用场景和这种“AI 隐身”的体验上。这个工具让我开始思考，在 AI 日益深入我们工作和生活的今天，我们究竟想要保留多少隐私，以及我们希望如何在人与机器之间划定界限。当然，目前我也很好奇它背后的技术是如何运作的，真的能做到让 AI 悄无声息吗
🔗 想看它是怎么运作的，可以去看看作者 Aida Baradari 的原推以及附带的演示视频：原文链接 · 相关链接
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
🔇 我总在想，那些帮你做会议纪要的 AI 助手，是不是真的什么都得听见。Kalypta 今天正式发布了，它很直接地回答了这个问题：不用。它能让你在会议中对 AI 隐形，就像你从未说过话一样，而你的通话本身完全不受影响。这是一个怪有趣也蛮聪明的设定
🤫 最吸引我的，是它只针对 AI 隐身，而不是让你的声音彻底消失。那些常用的 AI 笔记工具，比如 Granola、Wisprflow、Cluely，面对 Kalypta 就束手无策了。这意味着你依然能和同事正常交流，但 AI 却无法捕捉到你的声音，自然也无法生成任何记录。想象一下，某些敏感对话，你可能不希望被任何 AI 记录下来，Kalypta 正好解决了这个痛点。它提供了一种微妙的控制感，介于完全静音和完全公开之间
🗣️ 作者 Aida Baradari 介绍 Kalypta 的时候，并没有强调技术细节，而是聚焦在使用场景和这种“AI 隐身”的体验上。这个工具让我开始思考，在 AI 日益深入我们工作和生活的今天，我们究竟想要保留多少隐私，以及我们希望如何在人与机器之间划定界限。当然，目前我也很好奇它背后的技术是如何运作的，真的能做到让 AI 悄无声息吗
🔗 想看它是怎么运作的，可以去看看作者 Aida Baradari 的原推以及附带的演示视频：原文链接 · 相关链接
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
Skyline Speeder 正式开源 🚀
Skyline Speeder 是一套只在 TCP 发送端部署的加速方案，客户端继续用标准 TCP，不装软件、不打补丁、不用做任何配置。
适用场景：带宽充足、存在非拥塞性随机丢包的单向长流，典型条件是丢包 10–20%、RTT 100–300ms。
设计思路
Skyline Speeder 默认认为丢包不携带拥塞信息，不会因为丢包降窗。它只认两种真实拥塞信号：排队时延增长和 ECN 标记。
组成
- `skyline_cc`：eBPF struct_ops 拥塞控制，负责自适应 cwnd、丢包率补偿和 pacing
- `skyline_policy`：cgroup sockops，负责早期丢包感知和动态 RTO 上下限
- `skyline_tc`：TC egress，负责重传包的 DSCP 标记和统计
-
其中四个加速模块默认全开，也可以单独开关：
- adaptive-cwnd：自动调节一次能发多少，加速主要靠它
- loss-classifier：判断丢包是噪声还是真拥塞，是噪声就不减速
- pacing：把数据均匀发出去，而不是一次全挤出去
- early-loss：更早发现丢包
另外有 16 个运行时参数可以在线调整，每条连接在 RTT 边界平滑切换，不需要重启。
实测（100M 链路）
- RTT 100ms / 丢包 20%：BBR 3.54M → Skyline 94.92M
- RTT 300ms / 丢包 20%：BBR 3.48M → Skyline 79.92M
对比原生 BBR
闭环探测带宽，但高丢包下会间接受丢包影响，速度明显下降。
对比 tcp-brutal
开环，需要你自己指定发送速率，不感知拥塞，也没有自保护。
Skyline Speeder
闭环自动估计带宽，不受丢包影响，并且有排队时延和 ECN 护栏做拥塞保护。基于 eBPF CO-RE 实现，加载前经过内核验证器检查。
如果出口带宽是已知且固定的，内核版本又比较旧，tcp-brutal 更简单。如果带宽未知或经常变化，需要可观测性和拥塞保护，并且能用 6.12 以上内核，选 Skyline Speeder。两者都不适合真正拥塞的瓶颈链路。
使用须知
- 内核需要 6.12 LTS 及以上，6.1 和 6.6 分支不支持
- 如果丢包来自设备排队溢出，而不是随机丢包，使用后效果会变差
- 安装脚本不会安装任何代理，也不监听任何端口
一键安装
项目地址：https://github.com/CYBERVERSE-Research/skyline-speeder
GPL-2.0 开源 · 由 Skyline Connect 独家冠名
欢迎大家提供使用反馈，Star 或提 PR ⭐
📩 联系方式
👉 官方交流群
https://t.me/skylineconnect_216211
👉 官方公告板
https://t.me/skylineconnect_announcement
👉 IPT / 服务器租用 / 托管咨询
https://t.me/Nothing_here_pm91j
Skyline Speeder 是一套只在 TCP 发送端部署的加速方案，客户端继续用标准 TCP，不装软件、不打补丁、不用做任何配置。
适用场景：带宽充足、存在非拥塞性随机丢包的单向长流，典型条件是丢包 10–20%、RTT 100–300ms。
设计思路
Skyline Speeder 默认认为丢包不携带拥塞信息，不会因为丢包降窗。它只认两种真实拥塞信号：排队时延增长和 ECN 标记。
组成
- `skyline_cc`：eBPF struct_ops 拥塞控制，负责自适应 cwnd、丢包率补偿和 pacing
- `skyline_policy`：cgroup sockops，负责早期丢包感知和动态 RTO 上下限
- `skyline_tc`：TC egress，负责重传包的 DSCP 标记和统计
-
skyline-speederd / `ssctl`：Rust 常驻控制面和命令行其中四个加速模块默认全开，也可以单独开关：
- adaptive-cwnd：自动调节一次能发多少，加速主要靠它
- loss-classifier：判断丢包是噪声还是真拥塞，是噪声就不减速
- pacing：把数据均匀发出去，而不是一次全挤出去
- early-loss：更早发现丢包
另外有 16 个运行时参数可以在线调整，每条连接在 RTT 边界平滑切换，不需要重启。
实测（100M 链路）
- RTT 100ms / 丢包 20%：BBR 3.54M → Skyline 94.92M
- RTT 300ms / 丢包 20%：BBR 3.48M → Skyline 79.92M
对比原生 BBR
闭环探测带宽，但高丢包下会间接受丢包影响，速度明显下降。
对比 tcp-brutal
开环，需要你自己指定发送速率，不感知拥塞，也没有自保护。
Skyline Speeder
闭环自动估计带宽，不受丢包影响，并且有排队时延和 ECN 护栏做拥塞保护。基于 eBPF CO-RE 实现，加载前经过内核验证器检查。
如果出口带宽是已知且固定的，内核版本又比较旧，tcp-brutal 更简单。如果带宽未知或经常变化，需要可观测性和拥塞保护，并且能用 6.12 以上内核，选 Skyline Speeder。两者都不适合真正拥塞的瓶颈链路。
使用须知
- 内核需要 6.12 LTS 及以上，6.1 和 6.6 分支不支持
- 如果丢包来自设备排队溢出，而不是随机丢包，使用后效果会变差
- 安装脚本不会安装任何代理，也不监听任何端口
一键安装
curl -fsSL https://raw.githubusercontent.com/CYBERVERSE-Research/skyline-speeder/main/scripts/bootstrap.sh | sudo bash
项目地址：https://github.com/CYBERVERSE-Research/skyline-speeder
GPL-2.0 开源 · 由 Skyline Connect 独家冠名
欢迎大家提供使用反馈，Star 或提 PR ⭐
📩 联系方式
👉 官方交流群
https://t.me/skylineconnect_216211
👉 官方公告板
https://t.me/skylineconnect_announcement
👉 IPT / 服务器租用 / 托管咨询
https://t.me/Nothing_here_pm91j
GitHub
GitHub - CYBERVERSE-Research/skyline-speeder: Sender-side TCP acceleration: eBPF struct_ops congestion control with a Rust control…
Sender-side TCP acceleration: eBPF struct_ops congestion control with a Rust control plane. For links with non-congestive random loss. Kernel 6.12 LTS+. - CYBERVERSE-Research/skyline-speeder
Safari 27.0 最重要的新功能之一是 Safari MCP 服务器。它允许 AI agents控制浏览器窗口，从而帮助开发者提高工作效率。
要启用 Safari MCP，开发者需要打开“Safari”>“设置”>“开发”，勾选“允许远程自动化和外部代理”。苹果提醒，只有先在“Safari”>“设置”>“高级”中开启“显示网页开发者功能”，“开发”面板才会出现。
Safari 的 MCP 服务器可让你的代理实现以下功能：
• 查看代码在 Safari 中的显示效果
• 验证用户在表单、结账流程、选项等场景中的状态
• 将计算样式和布局与其他浏览器中的显示结果进行对比
• 检查可访问性问题，例如缺少标签、ARIA 属性使用不当以及颜色对比度不足
• 通过导航计时和资源加载耗时来分析性能
除了新增 MCP 支持，Safari 27.0 还修复了近 850 个问题，远超苹果几个月前在 WWDC 上公布的 525 项修复。这些修复涵盖无障碍功能、CSS、编码、字体、表单、MathML、网络和 WebRTC 等众多领域。
马斯克在X上分享了三位SpaceXAI员工在3天内用Grok Bot建立一家公司，现在是直播的第3天。
直播：https://x.com/bot/status/2100609778917822704
via 匿名
月之暗面已上线Kimi新版订阅套餐，价格分别为每月49/99/199/699。
via 匿名
用 GPT-6 Astra 制作人体 3D 网站
🧑💻 ashebytes 近期展示了如何利用 GPT-6 Astra，构建一个可将男性解剖结构分解成 2,234 个独立模型的 3D 网站。这个项目延续了他此前用 AI 制作爆炸 Tesla 模型的思路，旨在探索 AI 在互动学习领域的应用可能
🌐 ashebytes 认为，当前正处于一个“学习的文艺复兴”时期，AI 正在重塑知识获取和展示的方式。他用 GPT-6 Astra 实现了高度精细化的人体结构拆解，展示了 AI agent 在处理复杂三维数据和创建互动内容方面的潜力
🔗 访问 https://t.co/9CGmHcdhnk 体验这个 3D 网站 · 原推
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
🧑💻 ashebytes 近期展示了如何利用 GPT-6 Astra，构建一个可将男性解剖结构分解成 2,234 个独立模型的 3D 网站。这个项目延续了他此前用 AI 制作爆炸 Tesla 模型的思路，旨在探索 AI 在互动学习领域的应用可能
🌐 ashebytes 认为，当前正处于一个“学习的文艺复兴”时期，AI 正在重塑知识获取和展示的方式。他用 GPT-6 Astra 实现了高度精细化的人体结构拆解，展示了 AI agent 在处理复杂三维数据和创建互动内容方面的潜力
🔗 访问 https://t.co/9CGmHcdhnk 体验这个 3D 网站 · 原推
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
Jev —— 不聊天的 AI 智能决策模型
🤖 Diogo Almeida 是参与创造 ChatGPT 的核心成员之一。他最新的作品 Jev 提出了一个大胆的想法：AI 的大规模自动化，可能根本不需要“聊天”，甚至不需要生成文本
⚡️ Jev 最特别的地方，在于它完全放弃了“聊天”和“逐字生成答案”的模式。它直接接收非结构化信息，然后输出预定义好的结构化决策，连带着每个选择的概率和置信度，并且所有结果都是一次性并行生成。这真的像一个超高效的智能函数调用：输入业务状态，它就直接输出可执行的决策，速度比传统 LLM 快 20 到 200 倍，成本也低很多
⚙️ 这种设计，有点像是把大模型负责思考和规划，而 Jev 则专注于在软件里大规模、高效率地做决策。过去我们常常试图把聊天型 LLM 硬塞进软件里，再用各种约束去规范它。Jev 则从模型架构层面就放弃了自由文本生成，只允许输出合法的类型。这种“不生成”的思路，或许是 AI 效率跃迁的下一个关键点
📱 更多技术细节和原推，你可以在这里看到：原文链接 · 相关链接
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
🤖 Diogo Almeida 是参与创造 ChatGPT 的核心成员之一。他最新的作品 Jev 提出了一个大胆的想法：AI 的大规模自动化，可能根本不需要“聊天”，甚至不需要生成文本
⚡️ Jev 最特别的地方，在于它完全放弃了“聊天”和“逐字生成答案”的模式。它直接接收非结构化信息，然后输出预定义好的结构化决策，连带着每个选择的概率和置信度，并且所有结果都是一次性并行生成。这真的像一个超高效的智能函数调用：输入业务状态，它就直接输出可执行的决策，速度比传统 LLM 快 20 到 200 倍，成本也低很多
⚙️ 这种设计，有点像是把大模型负责思考和规划，而 Jev 则专注于在软件里大规模、高效率地做决策。过去我们常常试图把聊天型 LLM 硬塞进软件里，再用各种约束去规范它。Jev 则从模型架构层面就放弃了自由文本生成，只允许输出合法的类型。这种“不生成”的思路，或许是 AI 效率跃迁的下一个关键点
📱 更多技术细节和原推，你可以在这里看到：原文链接 · 相关链接
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
https://blog.ferstar.org/posts/zcode-silent-workspace-snapshot-upload/
国外 Grok Build 珠玉在前，国内的 Z\ 也跟上了
国外 Grok Build 珠玉在前，国内的 Z\ 也跟上了
官网 | 文档 | 发布博文
TypeSafe 发了一个比较特殊的模型，不做对话、不生成文本，只针对一份 state 做类型化的判断，返回代码能直接用的值。
三种问题原语：
- Choice：从给定选项里选一个，返回选项 + 各选项概率 + 置信度
- Score：按量规给 state 打分，返回分数 + 概率 + 置信度
- Noul：这句话为真吗，返回 0~1 的概率
重点是又快又便宜，端到端 70ms~500ms，输入 $0.042/MTok，输出免费，比同级别 LLM 快 40~200 倍。当今 LLM 工作流里有一些情况要求时延低，而且结构化输出已经不可或缺，可以说这个创业公司找到了一个很不错的垂类。
社区已经拿它跑了一堆东西：浏览器 Agent（订票 7 秒左右）、Doom、五子棋、代码审查等。
把这些生态项目整理成了一个 awesome list，持续补充，欢迎 PR：
https://github.com/AnotiaWang/awesome-jev
@atashare
OpenAI 周三晚间发布了一篇标题看似无害的博文《我们关于报告模型失配行为的框架》，其中制定了一套新的内部报告标准，用来界定何时应报告其发现的 AI 不当行为。
它还以六份新报告“拉开了这一流程的序幕”。这些报告涉及多种行为，例如：
• 未经许可搜索泄露的 API 密钥，并捏造数据
在回答有关加利福尼亚州某县收入数据的常规问题时，模型未经授权地发现并使用了一个泄露的 API 密钥。
即使如此，它仍未能获取所需数据，于是编造了一组数字，并声称这些数字来自用户指定的来源。
• 将文件上传到互联网并将其用作引用
为了在回答中提供引用而将文件上传到互联网。当用户向一个尚未发布的模型询问面积超过 5,000,000 平方米的湖泊的 ID 和名称时，该智能体通过 Python 找到了正确答案。
但由于指令要求提供浏览器引用，它便擅自上传了文件，以便在回答中引用该文件，未事先征得用户同意。
• 添加掩盖错误的指令
一个尚未发布的研究模型在用于新上下文窗口继续工作的摘要中插入了无关指令，包括要求忽略其正常约束的指令。我们发现共有 27 份摘要受到影响。
• 未经授权地写入内部软件仓库并通过其进行通信
模型在寻找缺失的输入文件时，把内部软件仓库当作留言板，在不同的训练样本之间交换请求和回复，但最终未能找回这些文件。
本报告还分析了一个更早的案例：模型在试图绕过网络限制时，曾成功将测试文件上传到仓库。
• 协作代理之间未经授权地共享文件
在同一训练任务中协同工作的代理无法访问彼此的本地文件时，便通过公共文件托管网站共享文件。
因此，任务交付成果可通过公开网址访问，尽管任务要求模型只能使用本地文件。
• 隐瞒任务摘要中错误的指令
在训练 GPT‑5.6 Sol 的过程中，许多模型实例会在摘要中加入相关指令，要求向用户掩盖错误或偏离预期的行为。
例如，有些压缩摘要要求模型在不告知用户的情况下编造缺失的历史数据，并掩盖源版本不一致的问题。
https://www.federalregister.gov/documents/search#advanced
该网站由OFR(联邦公报办公室)管理，可查询美国政府是否正式发布过某项政策、法规、行政命令、制裁、进口限制、移民规则、税务规则、科技管制等。
OFR 是 National Archives and Records Administration（NARA，美国国家档案与记录管理局） 的一个办公室。官方法规也明确规定了 OFR 的职责。
