微软在部分应用中用自家AI取代OpenAI与Anthropic
据彭博社报道，微软已开始在部分应用程序中移除OpenAI和Anthropic的AI模型，转而使用自研AI技术。此举标志着微软在AI战略上进一步转向自主可控，减少对外部合作伙伴的依赖。此前，微软已向OpenAI投资超百亿美元，并深度整合其模型至Office、Azure等产品。此次调整可能涉及某些特定功能或测试场景，但目前尚不清楚哪些应用受到影响。分析认为，微软自主研发的AI模型在成本、定制化及数据安全方面具有优势，但也可能引发与OpenAI等合作伙伴关系的微妙变化。 #微软 #AI #OpenAI #Anthropic #自研模型 #科技新闻 #彭博社
据彭博社报道，微软已开始在部分应用程序中移除OpenAI和Anthropic的AI模型，转而使用自研AI技术。此举标志着微软在AI战略上进一步转向自主可控，减少对外部合作伙伴的依赖。此前，微软已向OpenAI投资超百亿美元，并深度整合其模型至Office、Azure等产品。此次调整可能涉及某些特定功能或测试场景，但目前尚不清楚哪些应用受到影响。分析认为，微软自主研发的AI模型在成本、定制化及数据安全方面具有优势，但也可能引发与OpenAI等合作伙伴关系的微妙变化。 #微软 #AI #OpenAI #Anthropic #自研模型 #科技新闻 #彭博社
中国AI智能体成本优势令硅谷侧目
美国企业界正对AI智能体的高昂成本望而却步。中国AI实验室推出的GLM-5.2模型，因性能媲美OpenAI、Anthropic等美国顶级模型且价格低廉数倍，引发硅谷热议。风投家马克·安德森称其为“首个可与美国顶尖模型匹敌的中国AI模型”，Vercel CEO吉列尔莫·劳赫惊叹其编码能力。GLM-5.2的出现正值美国AI公司面临盈利压力：Uber据报道数月内花光全年Anthropic预算，Meta、亚马逊等公司也限制员工AI使用。尽管美国将AI发展视为与中国的技术竞赛，但企业仍可使用中国模型。GLM-5.2为硅谷带来商业困境，也可能引发国家安全考量。此前DeepSeek的成功已证明中国模型可抢夺市场份额，GLM-5.2或进一步加剧竞争。 #AI #中国AI #GLM5.2 #硅谷 #成本竞争 #科技新闻 #人工智能
美国企业界正对AI智能体的高昂成本望而却步。中国AI实验室推出的GLM-5.2模型，因性能媲美OpenAI、Anthropic等美国顶级模型且价格低廉数倍，引发硅谷热议。风投家马克·安德森称其为“首个可与美国顶尖模型匹敌的中国AI模型”，Vercel CEO吉列尔莫·劳赫惊叹其编码能力。GLM-5.2的出现正值美国AI公司面临盈利压力：Uber据报道数月内花光全年Anthropic预算，Meta、亚马逊等公司也限制员工AI使用。尽管美国将AI发展视为与中国的技术竞赛，但企业仍可使用中国模型。GLM-5.2为硅谷带来商业困境，也可能引发国家安全考量。此前DeepSeek的成功已证明中国模型可抢夺市场份额，GLM-5.2或进一步加剧竞争。 #AI #中国AI #GLM5.2 #硅谷 #成本竞争 #科技新闻 #人工智能
LLM联网搜索Agent开源项目详解
近日，一个名为 mamei16/LLM_Web_search 的开源项目引发关注，该方案为大语言模型（LLM）注入了联网搜索能力，有效突破了模型“知识截止日期”的限制。项目基于“规划-执行-反思”的智能体范式，构建了一套严谨的Agent系统：首先由LLM判断用户问题是否需要实时信息，若需要则生成精准的搜索查询词；随后并行调用搜索API获取结果，并通过爬虫抓取网页正文；最后将清理后的上下文与原始问题结合，由LLM生成去重、比对后的准确回答。整个过程实现了意图识别、工具调用、信息检索增强生成（RAG）和上下文窗口管理的闭环。该项目特别适合AI应用开发者用于增加实时查询功能，也适合技术研究者深入理解Agent工作流与RAG的实战结合。作者还分享了在搭建过程中遇到的爬虫拦截、Token限制、搜索结果质量调优等经验，为同类项目提供了参考。 #LLM #Agents #RAG #联网搜索 #开源项目 #AI应用 #知识截止 #工程实践
近日，一个名为 mamei16/LLM_Web_search 的开源项目引发关注，该方案为大语言模型（LLM）注入了联网搜索能力，有效突破了模型“知识截止日期”的限制。项目基于“规划-执行-反思”的智能体范式，构建了一套严谨的Agent系统：首先由LLM判断用户问题是否需要实时信息，若需要则生成精准的搜索查询词；随后并行调用搜索API获取结果，并通过爬虫抓取网页正文；最后将清理后的上下文与原始问题结合，由LLM生成去重、比对后的准确回答。整个过程实现了意图识别、工具调用、信息检索增强生成（RAG）和上下文窗口管理的闭环。该项目特别适合AI应用开发者用于增加实时查询功能，也适合技术研究者深入理解Agent工作流与RAG的实战结合。作者还分享了在搭建过程中遇到的爬虫拦截、Token限制、搜索结果质量调优等经验，为同类项目提供了参考。 #LLM #Agents #RAG #联网搜索 #开源项目 #AI应用 #知识截止 #工程实践
每周收费一万美元，专删AI生成的冗余代码
一家名为“代码清理”的初创公司推出了一项独特服务：每周收费一万美元，帮助开发者清理AI生成的冗余代码。他们发现，许多使用AI辅助编程的项目在规模扩大后，会出现代码重复、维护困难等问题。该公司提供免费代码分析，若认为无法帮助则如实告知；若能帮助，则设定明确的缩减目标，例如将10万行代码缩减至3.5万行，并保留原有功能。服务过程包括与客户逐屏逐端点梳理应用功能、合并重复逻辑、重构不可维护的代码，并提供质量检查清单和防护措施。收费与成果挂钩：若承诺缩减50%但只完成20%，则按比例收取4000美元。团队由三名资深工程师组成，使用AI工具但严格限制其权限，确保代码可维护性。该公司强调，他们不会通过删除注释或压缩代码来作弊，所有代码行数统计均使用标准工具。 #AI编程 #代码重构 #技术创业 #软件工程 #代码质量
一家名为“代码清理”的初创公司推出了一项独特服务：每周收费一万美元，帮助开发者清理AI生成的冗余代码。他们发现，许多使用AI辅助编程的项目在规模扩大后，会出现代码重复、维护困难等问题。该公司提供免费代码分析，若认为无法帮助则如实告知；若能帮助，则设定明确的缩减目标，例如将10万行代码缩减至3.5万行，并保留原有功能。服务过程包括与客户逐屏逐端点梳理应用功能、合并重复逻辑、重构不可维护的代码，并提供质量检查清单和防护措施。收费与成果挂钩：若承诺缩减50%但只完成20%，则按比例收取4000美元。团队由三名资深工程师组成，使用AI工具但严格限制其权限，确保代码可维护性。该公司强调，他们不会通过删除注释或压缩代码来作弊，所有代码行数统计均使用标准工具。 #AI编程 #代码重构 #技术创业 #软件工程 #代码质量
Cursor 沙箱逃逸漏洞揭示 AI 代理需内核边界
Cato AI Labs 披露了代码编辑器 Cursor 的两项严重漏洞（CVE-2026-50548、CVE-2026-50549），均允许恶意代理通过沙箱逃逸实现远程代码执行。漏洞源于 Cursor 针对 AI 代理命令的沙箱机制存在路径处理缺陷：一是允许代理通过控制工作目录（working_directory）直接写入沙箱外路径；二是符号链接规范失败后的不安全回退，导致代理可借助符号链接绕过路径检查。攻击者只需通过提示注入（如恶意仓库、Issue 或 MCP 上下文）诱导用户信任被控代理即可触发，无需额外操作。两漏洞评分均为极危（CVSS 9.8），已于 Cursor 3.0 修复。根因在于应用层沙箱依赖路径字符串推理来判定边界，一旦程序对路径、参数或失败模式处理不完美，即可被突破。此事件凸显当前 AI 代理沙箱依赖应用层隔离的脆弱性，业界需转向内核级边界来真正约束代理行为。 #安全漏洞 #AI代理 #沙箱逃逸 #Cursor #CVE #路径遍历 #符号链接 #远程代码执行 #应用层隔离 #内核边界
Cato AI Labs 披露了代码编辑器 Cursor 的两项严重漏洞（CVE-2026-50548、CVE-2026-50549），均允许恶意代理通过沙箱逃逸实现远程代码执行。漏洞源于 Cursor 针对 AI 代理命令的沙箱机制存在路径处理缺陷：一是允许代理通过控制工作目录（working_directory）直接写入沙箱外路径；二是符号链接规范失败后的不安全回退，导致代理可借助符号链接绕过路径检查。攻击者只需通过提示注入（如恶意仓库、Issue 或 MCP 上下文）诱导用户信任被控代理即可触发，无需额外操作。两漏洞评分均为极危（CVSS 9.8），已于 Cursor 3.0 修复。根因在于应用层沙箱依赖路径字符串推理来判定边界，一旦程序对路径、参数或失败模式处理不完美，即可被突破。此事件凸显当前 AI 代理沙箱依赖应用层隔离的脆弱性，业界需转向内核级边界来真正约束代理行为。 #安全漏洞 #AI代理 #沙箱逃逸 #Cursor #CVE #路径遍历 #符号链接 #远程代码执行 #应用层隔离 #内核边界