عاملهای کدنویسی هوش مصنوعی معمولاً با دسترسی به شل، متغیرهای محیطی پر از کلید API و اینترنت بدون محدودیت کار میکنن و این یعنی یه نقطهی شکست خطرناک. Pipelock یه لایهی امنیتی متنباز هست که بین عامل و شبکه میشینه و ترافیک خروجی رو اسکن میکنه. این ابزار که با Go نوشته شده، یه پایپلاین ۱۱ مرحلهای برای شناسایی نشت اطلاعات، حملات SSRF، تزریق کد و دهها تهدید دیگه داره. Pipelock رایگانه و روی GitHub در دسترسه.
فدورا و اوبونتو هر دو اعلام کردن که بهزودی از هوش مصنوعی محلی پشتیبانی میکنن؛ تصمیمی که در جامعه متنباز موج مخالفت به راه انداخته.
آسیبپذیری «Copy Fail» در کرنل لینوکس امکان ارتقای سطح دسترسی به root رو فراهم میکنه. Cloudflare توضیح داد چطور این تهدید رو در چند دقیقه شناسایی و خنثی کرد.
TokenSpeed یه موتور اینفرنس جدید و اپنسورسه که از پایه برای بارکاریهای agentic طراحی شده — همون نوع بارکاریهایی که ابزارهایی مثل Claude Code و Cursor هر روز باهاشون دستوپنجه نرم میکنن. این موتور با ترکیب یه کامپایلر سبک برای موازیسازی، یه اسکجولر نوشتهشده در C++، و یه لایهی کرنل ماژولار، تلاش میکنه بیشترین توکن در دقیقه رو با حفظ سرعت مناسب برای هر کاربر فراهم کنه. در بنچمارکهای مبتنی بر ترافیک واقعی coding agent، TokenSpeed تونسته TensorRT-LLM رو در اکثر سناریوها شکست بده و حدود ۱۱٪ t
یه گروه هکری ناشناس سیستمهایی رو هدف گرفته که قبلاً توسط گروه جنایتکار TeamPCP هک شده بودن — و اول از همه، هکرهای قبلی رو بیرون انداخته!
استفادهی فردی از هوش مصنوعی بهطور خودکار تبدیل به یادگیری سازمانی نمیشه. شرکتها الان وارد «میانهی آشفته» پذیرش AI شدن؛ جایی که استفاده از ابزارها همهجا هست ولی ناهموار، پنهان، و بدون ارتباط با یادگیری جمعیه. مشکل اصلی اینه که چرخههای کار میتونن خیلی سریعتر از اون چیزی حرکت کنن که سازمان بتونه هضم کنه. سوال درست این نیست که «آیا مردم از AI استفاده میکنن؟» بلکه اینه که «چه چیزی به خاطر اون توکنها تغییر کرد؟»
وقتی ایجنتهای کدنویس در یک روز صدها PR میزنن، کد ریویو دیگه شدنی نیست — ولی مشکل اصلی اینجا نیست. مشکل اینه که هنوز زیرساخت تأییدِ خروجی ایجنت رو نساختیم.
یه توسعهدهنده که ۱۵ سال طرفدار AWS بود، تجربه تلخش از پیچیدگیها، هزینههای پنهان و بلاک شدن حساب کاربریاش رو تعریف میکنه.
زیرساخت داده باز یا ODI یه رویکرد معماریه که به سازمانها اجازه میده دادههاشون رو یه بار توی فرمتهای باز ذخیره کنن و از هر ابزار، موتور پردازشی یا سیستم هوش مصنوعیای استفاده کنن، بدون اینکه به یه vendor خاص وابسته بشن. مشکل اصلی معماریهای سنتی اینه که ذخیرهسازی، پردازش و ابزارها رو به هم گره میزنن و بزرگ شدن رو گرون و سخت میکنن. ODI این لایهها رو از هم جدا میکنه تا هر کدوم بتونن مستقل تکامل پیدا کنن. این رویکرد بهخصوص با رشد workloadهای هوش مصنوعی اهمیت بیشتری پیدا کرده.
OpenFlowKit یه ابزار دیاگرامسازی کاملاً رایگان و اوپنسورس با لایسنس MIT هست که برای توسعهدهندهها ساخته شده. میتونی کدت رو توش پیست کنی — چه Prisma schema باشه، چه SQL یا TypeScript — و بهصورت خودکار یه canvas زنده ازش بسازه. علاوهبر این، از DSL اختصاصی، هوش مصنوعی با کلید شخصی، اکسپورت به Figma و MP4، و همکاری real-time از طریق WebRTC هم پشتیبانی میکنه. همه چیز روی دستگاه خودت ذخیره میشه و هیچ اکانت یا کارت اعتباری لازم نیست.
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.
یک محقق امنیتی روتر صنعتی USR-G806AU شرکت PUSR را بررسی کرد و یک حساب کاربری مستندنشده با دسترسی کامل root پیدا کرد که CVE-2024-42682 بهش اختصاص داده شد.
ایجنتهای هوش مصنوعی فرایند کد ریویو را شکستهاند و یک بحران جدی در تیمهای بزرگ ایجاد کردهاند که راهحل آسانی ندارد.
نسل بعدی reCAPTCHA گوگل برای تأیید هویت روی اندروید به Play Services نیاز داره — و این یعنی گوشیهایی مثل GrapheneOS از پیش در این تست شکست میخورن.
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.
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
یه ماژول Terraform جدید معرفی شده که Flux Operator رو روی کلاستر Kubernetes راهاندازی میکنه، بدون اینکه با Flux بر سر مالکیت منابع دعوا کنه یا سیکرتها رو توی state ذخیره کنه.