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：

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。

YC 孵化的这玩意儿直接把大模型监控给玩明白了。 Helicone 是来自 YC W23 孵化的开源大型语言模型（LLM）可观测性与 AI 网关平台。目前 GitHub 狂揽 6k+ Stars，采用 Apache-2.0 开源协议，支持免费自建私有化部署。 • 零成本改代码：只需改一行 Base URL 就能无缝接入 • 费用精准监控：每一笔 API 消耗、Token 用量实时可视化 • 智能路由降本：支持自动灾备重试与多模型负载均衡 • 日志全量追溯：请求链路、Prompt 提示词及响应秒级回溯 🔗 项目地址：

跨链桥黑客攻击看烦了？Web3 圈里终于有人用零知识证明（ZK）把“信任成本”直接给 smash 成了零。 这是来自 Union Labs 的开源项目 unionlabs/union，在 GitHub 上拿下了 73.9k+ Stars（双 License 开源协议：Apache-2.0 / MIT）。它本质上是一个超高效的 ZK 跨链基础设施，直接把 Cosmos 的 IBC 协议打通到了 Ethereum、Berachain、Arbitrum 等 EVM 链上，实现通用消息跨链和资产无缝互通。 拒绝多签与预言机：靠共识验证 + ZK Prover，无第三方信任风险。 打通 EVM 与 Cosmos：原生支持 IBC，实现跨生态全链流动性无缝交融。 超轻量级架构：内置 Galoisd 零知识证明引擎与 Voyager 跨链中继。 全栈开箱即用：从 Rust/Go 到 CosmWasm、EVM 合约及 SDK 齐备。 🔗 传送门：

Grok Build上传完整代码库引争议后开源，全员额度重置 SpaceXAI 宣布开源 Grok Build，并重置所有用户的使用额度。 公开内容包括 CLI、终端界面和 Agent 运行时源码，采用 Apache 2.0 许可。 这次开源的是编程工具，不包括 Grok 4.5 模型。Grok Build 仍需连接云端模型运行。官方仓库目前也不接受外部代码贡献。 这项决定发布前，Grok Build 刚被曝默认上传完整 Git 仓库。SpaceXAI 随后调整了数据保留设置，并承诺删除此前上传的所有用户数据。 #AI# #AIAgent# @nikitabier @XCreators @grok @xai @SpaceX @cb_doge @Tesla #grok# @elonmusk

马斯克刚刚把 X 算法的最新版本开源到 GitHub 这次放出来的是 xAI 接手 X 之后重写的整套「为你推荐」核心代码，仓库叫 xai-org/x-algorithm Apache 2.0 授权 最大的变化是旧版那几百条工程师手写的相关性规则全部被删光了，整套推荐逻辑现在交给一个 Grok @grok 架构的 AI 模型，模型自己从用户的行为里学什么该推给谁，X 也走上了「AI 自己学」这条路 那算法到底怎么决定要把哪条帖子推到你眼前，大致分成这几步 1️⃣ 先看你最近做了什么，点过谁的赞，在哪些帖子停留比较久，回复过谁，封锁过谁。这些行为就是它判断你的依据 2️⃣ 两条线同时捞候选帖子，一条从你关注的人里面捞，另一条在全站几亿条帖子里找「跟你兴趣最像」的内容。这就是为什么你会刷到完全没关注过的人 3️⃣ AI 模型给每条帖子同时预测 15 种行为的概率，你会不会点赞 / 会不会转发 / 会不会停下来看看 / 会不会点「不感兴趣」/ 会不会封锁作者 / 会不会举报 4️⃣ 正面行为加分，负面行为扣分。把 15 个概率加总算出一个分数 5️⃣ 同一个作者连续出现会被打折，避免你看到的全是同一个人 6️⃣ 排好序，选出最高分的几十条送到你眼前 对内容创作者来说，关键词跟标签的权重在下降，真正决定一条内容能不能被推爆的是「目标用户有没有对这类内容做出过正向行为」 ，谁能进到对的用户的互动历史里，谁就能进到算法的视野 这是 2026 年至今 X 公开过最完整的一次算法说明

程序员和架构师最头疼的画数据库关系图，被 GitHub 这个开源项目彻底给废掉了。 如果你还在用 Visio 或 一条线一条线地手动拉 ER 图，赶紧停手，信息差这不就来了。 这个叫 Liam ERD 的开源神器（GitHub 5k+ Stars，Apache-2.0 协议），能直接反向解析你的数据库 Schema 文件，秒级自动生成极其惊艳且支持缩放拖拽的交互式关系图。 零配置秒出图：公有库只需在 GitHub 链接前加前缀即刻渲染。 极佳交互体验：支持平移、缩放、搜索高亮，百张表也不卡顿。 全语言通用：完美兼容 SQL Dump、Prisma、Rails schema.rb 等。 私有库本地跑：一行 npx 指令直接在本地跑，绝对保护隐私。 ④ 链接 + 收口 🔗 项目地址： 🌐 官方演示：

🖌️ 百度把自家的文生图模型开源了，权重直接放出来 80 亿参数的单流扩散 Transformer，GenEval 总分 0.8856 国内能拿到开放权重的文生图模型本来就不多，能把中文长文本渲染好的更少。想在图里放一句中文标语，出来经常是缺笔画的字符。 ERNIE-Image 在这块的成绩不错，LongTextBench 中英文平均分拿到 0.9733。它放了两个版本：标准版推理 50 步、CFG 4.0，追求质量；Turbo 版经过 DMD 和强化学习优化，8 步、CFG 1.0 就能出图，快得多。 生态接得也够全：Diffusers 和 SGLang 支持调用部署，ComfyUI 有 Turbo 版工作流模板，Unsloth 能构建 GGUF 权重，AI-Toolkit 支持微调。Apache 2.0 协议。 模型开源这件事上，权重放出来才算数。 GitHub：

专门搞 Agent 之间的“潜规则”。 以后你的 AI 智能体想找别人的 AI 办事，不用走繁琐 API 了，这玩意让它们自己暗号对接，直接把自动化调用的壁垒给砸穿了。 这是由 Google 团队开源的重磅协议 A2A (Agent2Agent)，放在 GitHub 上才刚出来就炸了，采用 Apache-2.0 协议。简单来说，它给天下所有“黑盒”AI 智能体发了一张通用通行证，不管你是用什么框架写的 Agent，只要挂上这个协议，就能互相识别、组队、分工干活。 跨平台破壁： 你的 Agent 能直接指挥别人的 Agent，不用管底层怎么写的。 暗号识别： 动态发现对方能力，自动匹配谁来干啥，彻底去中心化。 黑盒互信： 不暴露私密数据和代码，只传递任务和结果，极其安全。 复杂任务秒组队： 搜索、写代码、发推、交易，多个 Agent 像下线一样自动协同。 🔗 项目地址：