Anthropic 发布全新的 MCP 规范：可将 MCP 服务器部署到云上 以前 MCP 服务器有个毛病：客户端得先握手拿一个会话 ID，之后每次请求都必须回到同一台机器 加机器扩容没用，serverless 也跑不了 新规范把这条规矩废了：握手和会话 ID 直接删除，每个请求自带身份信息，哪台机器都能接，挂个最普通的负载均衡器就行。 打个比方： 老 MCP 像打电话，你先拨号（initialize 握手），接线员给你一个分机号（Mcp-Session-Id），之后你每说一句话都靠这个分机号认人。想换个接线员？对不起，只有原来那位记得你刚才说了什么。 新 MCP 像寄快递，每个包裹上都贴着完整的寄件人、收件人和内容说明，谁拿到都能处理，不需要先跟谁打招呼。

不买 VPS，也能搭一个轻量私人文件存储？ OtterHub：基于 Cloudflare 与 Telegram 的 Serverless 私人文件存储工具 用 Telegram 的机器人（Bot API）当作实际存储文件的后端仓库，用 Cloudflare 的 KV 数据库来记录文件名、标签等元数据 最后用 Cloudflare Pages 跑一个前端网页 只需配置现有云服务账号，就能以较低维护成本跑起来

推荐这篇公告，一个重量级的开源模型托管合作。 首个 3T 级开源模型通过美国推理基础设施向开发者开放——后续模型同步首发。 Together AI 在 7 月 29 日宣布与 Moonshot AI 达成战略合作：Together AI 成为 Kimi K3 及未来所有 Moonshot 开源模型的美国托管平台。 合作内容 • Kimi K3 已在 Together AI 上线，通过 moonshotai/Kimi-K3 端点访问 • 未来所有 Moonshot 开源模型都将在发布当天同步上线 Together • 支持微调：开发者可以用自己的数据对 Kimi 模型做后训练，同时可选择移除 MIT 许可证中的 attribution 要求 • 三层部署选项：Serverless（按量）、Provisioned Throughput（预留容量 + 99% SLA）、Dedicated Inference（专有实例） 定价 • 输入 $3.00 / 1M token（缓存 $0.30） • 输出 $15.00 / 1M token • FP4 量化推理 战略意义 Together AI 的推理栈已经为 Cursor、Y Combinator 和 Decagon 等公司的 agentic 和编程负载提供生产服务。这次合作意味着开发者可以通过一套 API 同时访问 Kimi K3、LLaMA、GLM 等所有主流开源模型，不需要为每个新模型配置新的 SDK 或账户。 Moonshot 端——Kimi K3 作为首个开源 3T 级模型，在国内已经通过 API 服务广泛部署，但美国开发者此前缺乏一个可靠的托管方案。Together AI 填补了这个空白。 原文： #KimiK3# #TogetherAI# #OpenSource#

AWS Lambda 现在支持 Self-managed S3 code storage 以前Lambda 部署代码时，会把 ZIP 包复制到 AWS 管理的存储空间，占用 Lambda code storage quota 现在： Lambda 可以直接引用你自己 S3 Bucket 中的代码 不需要额外复制代码包 代码存储容量由你的 S3 管理 支持 Lambda Functions 和 Layers 这个变化对于拥有大量 Serverless 应用的团队尤其有价值： 多环境部署 大量 Lambda Functions 多个 Lambda Layers CI/CD 自动化发布流程 不过需要注意： 1. 不会提升单个 Lambda 函数 ZIP 包大小限制（250MB unzipped） 2. Container Image 仍然使用 ECR #AWS# #Lambda# #Serverless# #CloudComputing#

高考400分上下的民办三本和专科如果想存活下来，除了《手把手教你建大学》的内容，我建议至少要想办法给软件和大电类开设“阿里云实验班”、“华为网络工程实验班”、“西门子PLC实验班”三个大类。 “阿里云实验班”把所有计算机专业课全部改造一遍，至少一半的核心专业课在阿里云上完成。 毕竟阿里云在目前以及未来20年至少都是中国第一大云服务品牌，要求学生们从大一开始每学期至少两门课在阿里云上完成，逼着高考400分上下的资质平庸的孩子们把阿里云玩熟，了解阿里云的所有产品，玩透其中最重要的十几个，拿到阿里云“大数据运维”、“LLM运维”、“阿里云工程师”三个证书， 只要这么做，计算机专业的学生是完全可以保证就业质量的。 “华为网络工程实验班”和“西门子PLC实验班”也是如此，既然专业课老师不愿意教，学生也不愿意上，那就整个大学所有专业课全部锚定这三个大平台。 能踏踏实实把大学四年的数据库、操作系统、存储、大数据、serverless、full stack全部在阿里云上搭一遍，至少也能在AWS、Azure、华为云、腾讯云上也搭一遍，至少简历不是空白的，找工作也有竞争力， 同理大学四年狠狠学完华为网络工程师的课程，换成cisco或者中兴认证也不是难事儿，学完西门子PLC上手国产一堆PLC也易如反掌。 当然大前提是遵守教育部的规章制度，同时学校和教授们集体有意愿进行这种改革，跟随最新平台生态的变化调整内容，额外投入一些TA和助教资源，帮孩子们每学期随着专业课高强度玩两三个阿里云对应的组件。 总而言之，既然生源是400~500分的水平，同学们天赋和能力比较平庸，那么大学就应该踏踏实实自降身价，把自己当成大号培训班，锚定几大平台，给孩子们一个铁饭碗保证下限。

反代 灰产 中转 应该都在这里了👇 一、综合型多协议网关 CLIProxyAPI 是这个赛道的标杆，把 Gemini CLI、Antigravity、ChatGPT Codex、Claude Code、Qwen Code、iFlow 包装成 OpenAI/Gemini/Claude/Codex 兼容的 API 服务 AIClient-2-API 是 Node.js 实现，通过模拟 Gemini CLI、Antigravity、Codex、Grok、Kiro 的客户端请求，封装成本地 OpenAI 兼容接口 2026 年初还加了 Grok 的 Cookie/SSO 逆向，是目前对 Grok 支持最完整的 Antigravity-Manager 是桌面客户端路线，Tauri + React 写的，把 Google/Anthropic 的 Web Session 转成标准化 API 接口，带 OAuth 链接生成和账号池调度。这个适合拿来讲"账号管家"这种场景化内容 9router 和它的 TypeScript fork OmniRoute 是"智能路由 + 多档 fallback"的代表，iFlow、Kiro、Qwen 被标为 FREE 的是真免费无限，通过 OAuth 和 device auth 接入 ccproxy-api Python 实现，特点是直接复用 Claude CLI SDK tokens 和 Codex CLI 的 credential store，插件系统做得比较干净 CliGate 带可视化 Dashboard，支持 ChatGPT Account Pool、Claude Account Pool OAuth PKCE login、Antigravity Account Pool，一键配置 CLI 工具 二、Claude 专项 claude-relay-service 是国内最火的 Claude 中转方案，集成 Anthropic 的 OAuth 授权流程，在 Web 界面点击 Add Account 生成授权链接，登录 Claude 账号授权后接入服务。拼车党的基础设施，教程必讲 ClewdR 是 Rust 写的，支持 Claude 网页和 Claude Code，单一静态二进制覆盖 Linux/macOS/Windows/Android，Docker 镜像齐全，带 React 管理界面。性能路线代表 claude-code-proxy 是 Claude Code 转 OpenAI 的经典实现，教程里讲"双向转换"的基础案例 claude-relay（npow）是另一个思路，直接起一个 claude -p 进程来代理，而不是逆向协议 claude-unofficial-api 和 unofficial-claude-api（st1vms）是更早期的纯 Session Key 逆向（前者 JS、后者 Python），适合在教程里讲"历史演进" Claude Code Action with OAuth是官方 Claude Code Action 的 fork，支持 OAuth 认证，让 Claude Max 订阅者在 GitHub Actions 里使用订阅 opencode-claude-auth 走 Keychain 路线，从 macOS Keychain 读取 Claude Code OAuth credentials，支持多账号自动检测 三、ChatGPT/Codex 专项 PawanOsman/ChatGPT 是元老级项目，把逆向成本打到几乎为零 acheong08/ChatGPT（revChatGPT）是逆向 ChatGPT Web 的祖师爷仓库 codexProxy（J1aDong/codexProxy）你自己做的那个方向，类似的还有不少把 Codex 包成 Anthropic Messages 入口的。 四、Gemini 专项 gemini-proxy（KashifKhn）是目前最干净的实现，Bun + Hono + TypeScript，OAuth 2.0 + PKCE 浏览器登录，自动刷新 token，不需要付费 API key，不需要 gcloud CLI gemini-openai-proxy（Brioch）、gemini-cli-proxy（ubaltaci）、geminicli2api（gzzhongqi）是同类的三个竞品，各有侧重。 openai-gemini（PublicAffairs）是 Serverless 路线，可以直接部署到 Vercel/Cloudflare Workers，讲部署那集必备。 五、Copilot 专项 copilot-proxy（hankchiutw）一个简单的 HTTP 代理，把 GitHub Copilot 的免费额度暴露成 OpenAI 兼容 API，思路清晰。 github-copilot-proxy（BjornMelin）做的是反向，让 Cursor 调 Copilot 的后端，绕过 Cursor 的 500 次 premium 限制。 copilot-proxy（lutzleonhardt）是 VS Code 插件路线，通过 Language Model API 暴露，思路很野 六、Kiro / Qwen / Grok 逆向 kiro-gateway（jwadow/kiro-gateway）是 Kiro IDE / Amazon Q Developer 的网关，免费白嫖 Claude 模型的核心姿势。 Qwen-Copilot-Proxy（edwardgj）伪装成 Ollama 接口来对接 Copilot Chat，思路巧妙。 GrokProxy（CNFlyCat）走 Cookie 路线，从开发者工具 Network 面板抓 sso= 开头的 cookie 配置进 cookies.yaml，教程里讲 Cookie 型反代的标本。 七、Cursor 专项 Cursor-To-OpenAI（JiuZ-Chn/Cursor-To-OpenAI）把 Cursor 编辑器的 AI Chat 包成 OpenAPI，从 Cursor 客户端 cookie（user_ 开头）提取认证，网页 cookie 不能用。这个对讲"客户端 Cookie vs 网页 Cookie 差异"是绝佳案例 八、逆向号池 + 商用平台（拓展视野） FakeOAI/tokens（FakeOAI/tokens）是商用级别，轮训号池将各大平台的模型能力转化为 OpenAI、Anthropic、Gemini 等平台的 API 接口标准格式，支持 Claude Code、Codex、GeminiCli 等终端调用。

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。