📢 #Pake# - 利用 Rust 轻松构建轻量桌面应用，今天发布了 V2.3.5 版本，又来了一波升级，Github 更新如下。 🤖 对于近期 ChatGPT、Youtube Music、小红书、Poe 等 App 的升级做适配，特别是 ChatGPT 的改版很推荐升级 👒 单独对于 Mac 版本的隐藏标题栏功能做定制，不影响其他端的使用 🐶 修复 Pake 打包本地 HTML 文件的兼容问题，精简用不到的配置和文件

对 bun 从 zig 换 rust 的推测 1. A 厂发现 rust 更容易吃到 ai 补全代码的能力，zig 由于训练数据不足肯定更依赖工程师的发挥。 2. 自己维护 zig 并不是个高明的选择。🤨

Avarok Cybersecurity 开源了 Atlas，一个用 Rust + CUDA 从零写的大模型推理引擎。它不依赖 Python 和 PyTorch，项目方称 Docker 镜像约 2.5GB，冷启动不到 2 分钟，目前主要面向 NVIDIA DGX Spark 的 GB10 平台优化。 官网模型矩阵显示，Atlas 在单台 DGX Spark 上跑 Qwen3.5-35B-A3B 可到约 130 tok/s，跑 Qwen3.6-35B-A3B 约 71 tok/s。Atlas 官网和 Hugging Face 页面称，在同硬件下，Qwen3.5-35B 平均约 111 tok/s、峰值 130 tok/s，vLLM 约 37 至 38 tok/s。 这组「3 倍 vLLM」数据来自项目方公开基准。GitHub README 写明，测试使用的是「法国首都是哪」这类短 prompt，生成上限不超过 30 个 token，temperature 为 0.1。这个口径更接近短请求、低并发、快速响应场景，也正好对应 Atlas 想打的卖点：用更小镜像、更少依赖和更快冷启动，把本地大模型服务变得更轻。 Atlas 现在仍是早期项目，真实生产场景还要看后续长文本、高并发和复杂工具调用测试。GitHub 上已有用户反馈输出质量和工具调用稳定性问题，相关 Issue 截至 2026 年 5 月 11 日仍处于 Open 状态。对开发者来说，它更像一个值得关注的新推理底座，而不是已经能全面替代 vLLM 的成熟方案。

Day 7 让 AI 用 Rust 重写 Bitcoin 客户端: rbtc 目前用了不到 12 小时，已经开始主网同步测试了，欢迎尝试：

Conflux 这个 Bug Bounty 的数额，如果对于 conflux-rust，在人工时代显得比较吝啬，在 AI 时代刚好。 过去两个月，我们收到了大量 Bug 提交，并累计授予了超过 10000 美元的奖励。（同时也拒绝了大量的无效提交。）

不用投了，我应该找到了... 基于 Rust 和 Tauri 构建的跨设备剪贴板同步工具，在 macOS、Windows、Linux 之间实时同步剪贴板内容，无需账号和云端服务器，数据端到端加密。

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。