Datadog یه MCP Server معرفی کرده که کد تولیدشده توسط هوش مصنوعی رو همون لحظه اسکن میکنه و آسیبپذیریها رو قبل از pull request شناسایی میکنه.
تیم تحقیقاتی OX Security یک آسیبپذیری سیستماتیک در پروتکل MCP آنتروپیک کشف کرده که بهعنوان «RCE-by-Design» شناخته میشه — یعنی یه نقص معماری که اجرای کد از راه دور رو ممکن میکنه. این مشکل بیش از ۱۵۰ میلیون دانلود از SDKهای پایتون، تایپاسکریپت، جاوا و راست رو تحت تأثیر قرار داده و حدود ۲۰۰ هزار سرور رو در معرض تسخیر کامل گذاشته. فریمورکهای معروفی مثل LangChain، LiteLLM و IBM LangFlow هم آسیبپذیرند. تیم OX با بیش از ۳۰ گزارش مسئولانه و ۱۰ CVE سطح بالا/بحرانی تلاش کرده اثرات پاییندستی رو ک
ds4.c یه موتور استنتاج سبک و تخصصی برای مدل DeepSeek V4 Flash هست که فقط روی Metal اجرا میشه و برای مکهای اپل طراحی شده. این پروژه نه یه GGUF runner عمومیه، نه یه فریمورک؛ بلکه یه مسیر اجرایی کاملاً اختصاصی برای این مدل خاصه. یکی از ویژگیهای برجستهاش اینه که KV cache فشرده DeepSeek V4 رو میشه مستقیم روی دیسک ذخیره کرد، نه فقط در RAM. با کوانتیزاسیون ۲ بیتی، مدل ۲۸۴ میلیارد پارامتری رو میشه روی MacBook با ۱۲۸ گیگ RAM اجرا کرد.
ایجنتهای هوش مصنوعی فرایند کد ریویو را شکستهاند و یک بحران جدی در تیمهای بزرگ ایجاد کردهاند که راهحل آسانی ندارد.
ابزار هوش مصنوعی AISLE در کمتر از یک فصل، ۳۸ آسیبپذیری در OpenEMR پیدا کرد؛ پلتفرمی که ۱۰۰ هزار پزشک و ۲۰۰ میلیون بیمار ازش استفاده میکنن.
نویسنده این مقاله از اوایل ۲۰۲۶ کارش رو به شکل پیشفرض با ایجنتهای هوش مصنوعی انجام میده — از مدیریت شخصی گرفته تا کدنویسی و عملیات شرکت. بعد از چند هفته تجربه، به یه مدل ذهنی رسیده که یه معماری ثابت زیر همه این ابزارها میبینه. این معماری پنج مؤلفه داره: مدل زبانی، میزبان ایجنت، حلقه اجرا، کانتکست، و فضای کاری مشترک. هر جا که ایجنتها مؤثر هستن، همین پنج تا رو میشه پیدا کرد.
یک محقق آمریکایی از سفرش به چین و دیدار با برترین آزمایشگاههای هوش مصنوعی این کشور نوشته؛ تجربهای که دیدگاهش رو نسبت به رقبای چینی کاملاً عوض کرد.
استارتاپ ارزیابی هوش مصنوعی Braintrust به مشتریانش اطلاع داده که یکی از حسابهای AWS این شرکت مورد دسترسی غیرمجاز قرار گرفته و API کلیدهای ذخیرهشده در آن به خطر افتاده. این شرکت از همه مشتریان خواسته که فوری کلیدهاشون رو تعویض کنن. Braintrust گفته حادثه مهار شده و فعلاً شواهدی از نشت گستردهتر وجود نداره، ولی تحقیقات ادامه داره. این استارتاپ ۸۰۰ میلیون دلاری پلتفرمی برای مانیتورینگ مدلهای هوش مصنوعی ارائه میده و این رخداد میتونه پیامدهای زنجیرهای برای مشتریانش داشته باشه.
سازندهی TanStack Start از حجم بالای React خسته شد و با کمک هوش مصنوعی در یک روز یه پیادهسازی جدید از API ریاکت ساخت که تا ۷ کیلوبایت وزن داره.
در عصر هوش مصنوعی، کدهایی که روی دانش پنهان و قراردادهای ضمنی تکیه دارن به یه تله تبدیل میشن — هم برای انسانها، هم برای ایجنتها.
مایکروسافت یه سری بهبود مهم به Azure DevOps MCP Server اضافه کرده؛ از پشتیبانی از WIQL و توکن شخصی گرفته تا ساختاربندی مجدد ابزارها.
آنتروپیک یه قرارداد بزرگ با SpaceX بسته تا از تمام ظرفیت محاسباتی دیتاسنتر Colossus 1 این شرکت استفاده کنه؛ بیش از ۳۰۰ مگاوات و بیشتر از ۲۲۰ هزار GPU از NVIDIA. این اتفاق باعث شده آنتروپیک محدودیتهای استفاده از Claude Code و API رو بهطور قابلتوجهی افزایش بده. ریتلیمیت پنجساعته Claude Code برای پلنهای Pro، Max، Team و Enterprise دوبرابر شده و محدودیت ساعات اوج مصرف هم برای پلنهای Pro و Max حذف شده. این قرارداد بخشی از یه استراتژی گستردهتر آنتروپیک برای توسعه زیرساخت محاسباتی در سطح جهانیه
Moonshot AI، استارتاپ چینی سازنده چتبات Kimi، در آخرین دور سرمایهگذاریاش حدود ۲ میلیارد دلار جذب کرده و ارزشش به بیش از ۲۰ میلیارد دلار رسیده. این دور به رهبری بازوی سرمایهگذاری Meituan انجام شده. جالب اینجاست که Moonshot در عرض چند ماه ارزشش چهار برابر شده؛ از ۴.۳ میلیارد دلار اواخر سال گذشته تا همین عدد امروز. درآمد سالانه این شرکت در آوریل به ۲۰۰ میلیون دلار رسیده که عمدتاً از اشتراکهای Kimi و سرویسهای مدل هوش مصنوعیاش تامین میشه.
گوگل در حال آمادهسازی دو قابلیت تجربی جدید برای IDE آنتیگرویتیشه: اشتراکگذاری صفحه با ایجنت و پشتیبانی از ایجنتها و پلاگینهای سفارشی. با Screen Recording، توسعهدهندهها میتونن صفحهشون رو مستقیم به ایجنت استریم کنن تا بتونه محیط خارج از ادیتور رو هم ببینه. قابلیت Custom Agents and Plugins هم به تیمها اجازه میده ایجنتها و وورکفلوهای اختصاصی تعریف کنن. فرمت پلاگینها از استاندارد Anthropic برای Claude Code الهام گرفته که سازگاری بین دو پلتفرم رو آسونتر میکنه.
دو رویکرد رایج در برابر آسیبپذیریهای امنیتی — افشای هماهنگشده و «باگ همون باگه» — هر دو زیر فشار هوش مصنوعی دارن ترک برمیدارن.
ابزارهای کدنویسی هوش مصنوعی همهجا هستند، ولی آیا سازمانها واقعاً سریعتر ارزش تولید میکنن؟ جواب همیشه مثبت نیست.
آلفابت با شرکتهای بزرگ سرمایهگذاری خصوصی بلکاستون، KKR و EQT مذاکره میکنه تا از طریق توافقنامههای لایسنس یکپارچه، دسترسی به مدلهای جمینی رو برای تمام شرکتهای پرتفویشون فراهم کنه. این رویکرد با مدل اوپنایآی که یه ونچر مشترک ده میلیارد دلاری با مهندسان اعزامی ساخته، و مدل آنتروپیک که یه شرکت خدمات مشابه یک و نیم میلیارد دلاری با بلکاستون راه انداخته، کاملاً متفاوته. گوگل روی این شرطبندی کرده که گلوگاه اصلی در استقرار هوش مصنوعی سازمانی، تهیه و تأمین دسترسیه، نه پیادهسازیه. اگه این سه
تیم Evil Martians با بودجهای ۲ هزار دلاری برای پلتفرم آموزشی Thicket یه زیرساخت اعتبارسنجی کامل ساخت و به ۱۲۸ ثبتنام واقعی از ترافیک سرد رسید.
جک کلارک، از پیشگامان حوزه هوش مصنوعی، در خبرنامهی Import AI ادعای جالبی مطرح کرده: با احتمال بیش از ۶۰ درصد، تا پایان سال ۲۰۲۸ یک سیستم هوش مصنوعی وجود خواهد داشت که بدون دخالت انسان، میتونه نسخهی بعدی خودش رو بسازه. این ادعا بر پایهی شواهد عمومی و روند پیشرفت معیارهایی مثل SWE-Bench و METR مطرح شده. پیشرفتهایی که نشون میده مدلهای امروزی داره تمام اجزای چرخهی تحقیق در AI رو یکییکی اتوماسیون میکنن. اگه این اتفاق بیفته، به گفتهی کلارک، ما از یه خط بیبازگشت رد میشیم که پیشبینی آینده
وایب کدینگ و توسعه مبتنی بر اسپک (SDD) دو رویکرد نوظهور هستن که تیمهای دواپس با کمک هوش مصنوعی ازشون برای ساخت اپلیکیشن استفاده میکنن. وایب کدینگ بیشتر برای ساخت سریع پروتوتایپ و MVP مناسبه، در حالی که SDD با تعریف مستندات و مشخصات قبل از تولید کد، رویکردی ساختارمندتر داره. پلتفرمهایی مثل Bolt، Lovable، Replit برای وایب کدینگ و ابزارهایی مثل Kiro و Claude Code برای SDD در این فضا فعال هستن. انتخاب بین این دو بستگی به پیچیدگی پروژه و نیازهای تیم داره، اما میشه هر دو رو به صورت مکمل بهکار برد