Apache 服务器项目开发者提交代码时不慎泄露 GitHub 令牌，事后开发者解释称这是人为失误，并非使用 AI 辅助提交造成的问题。另外 GitHub 有个机制就是检测凭证泄露，如果检测到 GitHub 令牌就会直接将令牌吊销，接着还会发邮件通知开发者：

Acknowledging that APAC users experience significantly slow loading times (3-5 seconds) for certain features on @TrustWallet, we will sharply reduce latency across your regions by mid-July. 亚太区app 速度慢，反馈收到了，给我们1周时间优化，敬请期待。

🏆 0G APAC 黑客松圆满收官，获奖名单正式揭晓🏆 从最初的区域性赛事，到如今演变成一场席卷全球的技术狂欢，感谢每一位在 0G 上不断试探技术边界、交付优秀作品的团队。 来看看我们共同交出的成绩单： 📈 社交媒体曝光量 104 万+ 👥 全球参赛人数 1145 人 🛠️ 最终提交项目 293 个 让我们一起来认识这些改变未来的优胜项目 👇

腾讯云开源了 AI Agent 沙盒 Cube Sandbox，Rust 编写，Apache 2.0 协议。 Agent 跑模型生成的代码需要一个隔离环境，避免误删文件或越权访问主机。这类服务的接口事实标准是 E2B，OpenAI Agents SDK、Manus、Perplexity、Hugging Face 都接它。Cube 对 E2B 做完全兼容，原本接 E2B 的 Agent 只要改一个环境变量就能切过来。 腾讯云公布了两组性能数据。单并发冷启动低于 60ms，50 并发时平均 67ms、P95 90ms、P99 137ms。单实例常驻内存低于 5MB（沙盒规格不超过 32GB 时测得），一台 96 核服务器可同时跑 2000 多个沙箱。同场景下 Docker 容器启动约 200ms、共享主机内核；传统虚拟机启动以秒计、单实例内存 20MB 起。 Cube 的做法是给每个 Agent 开一套独立的 Guest OS 内核，走硬件级隔离，同时把启动时间压到百毫秒内。加速靠资源池预置、快照克隆、底层锁优化；压内存靠 Rust 重写、CoW 内存复用、reflink 磁盘共享。项目还附带 CubeVS，用 eBPF 做沙盒之间的网络隔离。 规模化验证给了两个案例。Cube 原本跑在腾讯云 Serverless 体系里，承载过百亿级调用。元宝 AI 编程场景迁到 Cube 后，资源核时消耗降了 95.8%。外部客户里，MiniMax 在 Agentic RL 训练中靠 Cube 做到分钟级调度数十万沙箱实例。下一步规划是把事件级快照回滚也开源出去，提供百毫秒级状态回滚。

在看arc house的视频... 刷到去年在台湾碰见的arc devrel apac lead 翻了下老师领英居然好像跟我一样大... 你的青年我的青年好像不一样... 其次最近在arc这件事上我有点焦虑 因为这明显不太像是一个奖励farm和content的项目 得真是生态里的developer才行 但是做什么agentic payment的项目我真两眼一抹黑... 看了他们grants负责人说 他会更关注这个种类的项目 最后大家要人人当dev吗🤣🤣 以及还有人在聊circle和arc什么关系 为啥有股票了还要发币 为啥要专门做一条稳定币链 这个真的很简单 $crcl是circle这个公司的股票 $arc是arc network的网络协调代币 这个生态里这么多利益方 token的天然用处不就是这个吗捏 专门做稳定币链 当然是专门做一个in-house payment 本来的这些链上没有这些生态方呀 做外汇转换 做线上线下支付 其他链哪有这些基建嘛 又不是只有条区块链就行了🫡 大家都太卓越了...（我说arc团队的人

來了,我們現在要保衛我們自己的開源權重了？ Pirate Face（ @ThePirateFace）2026-07 上線。官方程式：把 HF 上 Apache-2.0 / MIT 的模型做成 magnet，裡面塞進 HF 自己的 HTTPS 當 web-seed（BitTorrent BEP-19）。 HF 還在，你其實還是從 HF 拉；HF 下架那天，web-seed 死掉，才改走 swarm，頁面標 Rescued。每個檔案對官方 SHA-256，對不上就下不完。他們自稱不自己托管權重，只做索引 + magnet。目錄號稱 66 萬+ 合資格模型。 機制拆開就三層： 索引 — 哪個 repo、授權、hash、magnet。 平時下載 — 還是 HF。所以速度、來源跟你直接 沒差。 真正的保險 — 有人在下架之前就把 bytes 種在硬碟上。沒有 seed，Rescued 只是一條死磁鐵。 這也是現在最醜的物理事實：leaderboard 上熱門模型大多寫 🌱 0。all-MiniLM-L6-v2 這種 91MB 才看到 1 個 seeder。Qwen3.8-27B、GLM-5.3-Flash、DeepSeek-V4.1-Flash 這種幾十到幾百 GB，帳面上幾乎沒人種。口號是 forever，現況是 index 活著、swarm 幾乎空的。 Claim yours 👇

🔭 Anthropic 刚开源了 fermats-last-theorem 这个仓库，把费马大定理的完整证明写成了机器能逐行验证的代码。 用的是 Lean 4.33.1 加 Mathlib，从零跑一次构建编译了 60475 个模块，每一条声明都过了 Lean 内核检查，按 Apache 2.0 协议放出来。 数学证明这件事，过去只能靠人读、靠同行评议。一篇几百页的论文，谁能担保第三百页某个引理没藏着漏洞？费马大定理这种量级的，全世界能完整读懂的人本来就没几个。 fermats-last-theorem 把整条证明路线，也就是 Frey、Serre、Ribet、Wiles 和 Taylor-Wiles 那一串论证，全部翻译成 Lean 代码交给机器检查。默认构建目标里带一道公理审计：整个证明只允许依赖 propext、Classical.choice、Quot.sound 这三条 Lean 标准公理，不许出现 sorry，不许偷偷加公理，不许用 native_decide。团队还找了两个独立检查器复核，leanprover 的 comparator 给的结论是“Your solution is okay!”，Rust 写的第三方 Lean 内核 nanoda 报告“Checked 1052234 declarations with no errors”。 代价也明明白白摆着：完整构建用 96 个并行任务跑了 5 小时 32 分，峰值内存 153 GB；comparator 那一遍又跑了 14 小时 46 分，峰值 230 GB。仓库另附一个 390 MB 的静态网页版，两万九千多个定理页面可以点着看。 要说明的是，这是一次性的研究产物，官方写明不再维护、不接受贡献。 好在证明写完就不会变了，这大概是少数几种真的不需要维护的代码。 GitHub：

🔊 兄弟们，一整部英文视频丢给 VideoLingo，它能给你翻好字幕再配上音，配音还能克隆原来的声线。 GitHub 上 1.8 万 star、2000 多个 fork，Apache 2.0 协议。 想把一个好的英文教程搬给不看英文的人，以前的流程是：下载、跑一遍识别、导出字幕、扔进翻译工具、回来对时间轴、再找配音、最后合成，中间任何一步断了都得重来。VideoLingo 把这一串接成一条流水线，链接丢进去，用 WhisperX 做词级识别和对齐，翻译前先过一遍术语表统一专有名词，最后输出单行字幕，还能直接生成配音。 配音这边接了 GPT-SoVITS、Azure、OpenAI、Fish 和 Edge TTS，想全本地跑就上 Ollama 加 Edge TTS。界面是 Streamlit 的，任务能暂停、恢复和停止，长视频不用守着。输入语言覆盖英、俄、法、德、意、西、日、中。 也有几个已知的坎：背景噪音大会影响对齐精度，以数字或特殊符号结尾的字幕可能被提前截断，多语言混杂的视频只保留主语言，目前还不支持按角色分别配音。 以前一个字幕组干的活，现在一条流水线就跑完了。 GitHub：