今日 AI 速览
头条
Claude 自主改进两项密码攻击，HAWK-256 密钥恢复成本从 2^64 降至 2^38
Anthropic 披露，Claude Mythos Preview 在约 60 小时内为 NIST 后量子密码候选 HAWK 找到更强攻击，把 HAWK-256 完整密钥恢复的预期成本从 2^64 降至已演示的 2^38，并把一种针对 7 轮 AES 的攻击提速约 200 至 800 倍。两项结果各消耗约 10 万美元 API 费用，已按负责任披露流程通知相关研究者。HAWK 尚未进入生产系统，7 轮 AES 也不是实际使用的完整 AES，因此这不是现实系统已经失守。相关讨论在 Hacker News 获得 100 分。
点评：安全团队应把 Agent 发现新攻击视为需要独立复核的研究线索，而不是自动生效的漏洞结论。真正的新能力是机器开始压缩密码分析的探索周期，验证、披露与影响边界仍必须由专家把关。
逾千名前沿 AI 公司员工联署，要求为自动化 AI 研发建立国际减速工具
Pacing the Frontier 公开信呼吁美国支持一套国际技术与治理工具，在 AI 开始大规模自动化 AI 研发时，有能力有意放慢前沿推进。页面在本期截稿时显示 1,171 名经过企业邮箱或任职证明核验的签署者，来自多家前沿实验室，名单包括 Jakub Pachocki、Jared Kaplan 与 Shengjia Zhao 等研究负责人。发起者强调，签署是员工个人立场，不代表所在公司。公开信提出的是政策方向，并未给出已经达成的政府协议或可立即执行的减速机制。
点评：这封信的重要性不在人数竞赛，而在前沿实验室内部开始把自动化 AI 研发单列为治理触发器。政策团队下一步要追问的是测量阈值、核验方式与多国执行，而不是停留在原则表态。
OpenAI 复盘 8 个科学软件项目：Agent 的瓶颈正从写代码转向验证与编排
OpenAI 发布一份科学计算实地报告，汇总基因组学与科学软件等 8 个项目，其中 5 个只使用 Codex，3 个组合使用 Codex 与 Claude Code。报告称，外部验收目标、分阶段迭代和持续测试最能提高成功率；随着 Agent 能承担更多实现工作，研究者的主要负担转向任务编排、结果验证和长期维护。作者也提醒，Agent 即使输出错误仍可能表现得很自信，因此运行成功不能替代科学有效性检查。
点评：科研团队采购 Agent 时，应把预算从单纯的生成速度分出一部分给基准、可重复实验和代码审查。验收标准越接近真实科学目标，自动化才越可能转化为可信结果。
工具与产品
OpenAI 开源 Codex Security CLI 与 TypeScript SDK，默认只输出扫描报告
OpenAI 已公开 Codex Security 的命令行工具与 TypeScript SDK，可在用户拥有或获授权的代码库中查找、验证和审阅安全问题。仓库要求 Node.js 22 以上，扫描与导出流程另需 Python 3.10 以上。官方说明扫描默认只生成报告，不会自动修改代码，并建议把输出目录放在被扫描的 Git 工作树之外并保持私密。项目仍处于早期阶段，自动发现的结论需要人工复核。
点评：试点团队应先用只读仓库和已知漏洞样本测误报、漏报与数据边界，再决定是否接入 CI。安全 Agent 的价值来自可复核证据链，而不是一次扫描给出的严重级别。
Gemini API 托管 Agent 默认升级 3.6 Flash，并加入钩子、预算与定时触发
Google 为 Gemini API Managed Agents 增加 Gemini 3.6 Flash，现有应用无需改代码即可采用新的默认模型，也可显式选择模型。开发者能用环境钩子在工具调用前后执行阻断、代码检查与审计，还可设置预算上限和定时触发任务。该服务继续支持后台任务与远程 MCP，并提供免费层。钩子能增加控制点，但具体策略、日志留存和第三方工具权限仍由部署者负责。
Builder 观点
Swyx 认为，按输入与输出 Token 比较模型成本已经过时，更应该计算完成一个任务花了多少钱。这个指标把失败重试、工具调用与人工返工放回同一张账单，更适合比较 Agent 的真实经济性。
查看 X 帖子 →Amjad Masad 把下一个探索前沿描述为由算法、程序、证明与设计组成的计算宇宙，并认为 Agent 能系统搜索这个空间。这是一种方向判断，不是已验证的能力曲线，但它提示产品团队把 Agent 当作搜索与实验系统，而不只是对话界面。
查看 X 帖子 →Aaron Levie 表示，他接触的企业里并未出现此前预测的大规模 AI 就业收缩，招聘仍在继续，但岗位组合正在变化，可完成的工作总量也在扩大。这是个人观察，不是劳动力市场统计，适合用来形成假设，不能据此推断整体就业趋势。
查看 X 帖子 →社区热议
93 行规范约束六万行证明，Lean 4 项目验证 3D 网格布尔求交
verified-3d-mesh-intersection 项目宣称实现首个用 Lean 4 形式化验证的 3D CSG 网格求交。审阅者可以从 93 行规范入手，超过 1,000 行 AI 生成实现与约 60,000 行 AI 生成证明都作为由 Lean 内核检查的黑箱。作者报告，在 M4 Pro 上处理两个各约 7 万三角形的兔子网格需要约 24 秒，明显慢于常规几何库；界面与胶水代码也不在验证范围内。项目在 Hacker News 获得 100 分。
独立技术解读拆解 Kimi K3 的 LatentMoE、Delta Attention 与 NoPE
Sebastian Raschka 发布 Kimi K3 架构笔记，梳理 LatentMoE、Kimi Delta Attention、Attention Residuals 与 NoPE 等设计，并把它们放回 2.8T 总参数、104B 激活参数和 100 万上下文的整体结构中。文章不是新模型发布，也不是 Moonshot 官方评测，而是帮助工程师理解技术报告的独立解读。相关讨论在 Hacker News 获得 102 分。
GitHub 趋势
QwenPaw：支持技能、插件、渠道与记忆的个人 AI 助手
agentscope-ai/QwenPaw 是可在本地或云端运行的个人 AI 助手，提供技能、插件、多渠道接入、记忆与沙箱能力。Python 仓库约 29.7k 星，采用 Apache-2.0。安装前应审查脚本、插件来源、渠道凭据和沙箱权限，避免个人助手获得超出任务所需的系统访问。
OpenSpace：跨 Agent 检索、评估与演进技能的管理层
HKUDS/OpenSpace 为 Claude Code、Codex、OpenClaw 等 Agent 提供统一技能库，支持检索、导入、共享、质量摘要与任务轨迹反馈，并可私有部署。Python 仓库约 7.1k 星，采用 MIT。把真实任务轨迹作为技能质量证据时，团队应先定义脱敏、访问控制和保留周期，避免把提示词、凭据或业务数据带入共享库。
OpenViking：用分层加载与可观察检索组织 Agent 上下文
volcengine/OpenViking 是面向 AI Agent 的上下文数据库，用 viking:// 统一组织记忆、资源与技能，并以 L0、L1、L2 分层加载减少不必要的上下文开销。Python 仓库约 27.6k 星，主项目采用 AGPL-3.0，部分 CLI 与示例为 Apache-2.0。生产使用前需分别核对组件许可证、数据治理与检索路径的可观察性。
今天的主线是 Agent 正在从生成答案进入发现、验证与治理现实世界约束的阶段。Claude 的密码分析结果展示了更快的研究搜索，OpenAI 的科学计算复盘把瓶颈推向验证，Codex Security 与 Gemini 托管 Agent 则把审计点带入工程流程。与此同时，前沿实验室员工要求为自动化 AI 研发准备国际减速工具。对团队来说，下一步不是给 Agent 更多权限，而是先建立可测目标、最小权限、独立复核与清晰退出机制。