AI 周报：LLM 补丁进 Linux 内核，模型与安全事件同时加速

这周的主线很明确：AI 编码工具开始进 Linux 内核这类基础设施，模型发布继续加速，安全事件也没停。

Linus 的 LLM 补丁进了评审，但还没进主线

Linux 内核创始人 Linus Torvalds 提交了第一个 LLM 辅助的补丁系列，一共 10 个补丁。

改动本身不复杂：热 folio 的释放推迟到 RCU 宽限期之后，让 read（）的快路径不用拿引用计数。folio 可以理解成内核里管理内存页的结构。

RCU 是内核里「读多写少」的同步机制：先让读者安全读完，再释放旧数据。

按 Linus 的说法，一个以 read（）为主的基准测试快了约一个数量级。但评审已经指出竞态条件，所以还没合并。

这件事重要的地方不在性能，而在流程。内核是最保守的代码库之一，LLM 写的代码开始走正式评审，说明 AI 编码工具已经进了生产链路。

同周还有几条规则信号：GCC 出台限制 LLM 生成代码贡献的政策；Libreboot 26.10 把 LLM 辅助贡献政策写得很严；PostgreSQL 19 测试期撤回多项功能，核心成员把部分原因归到 LLM 辅助审查。

这些动作不是「禁 AI」，而是在定规矩：代码要能审、能追责、能维护。同周 Hacker News 还有一条讨论说，AI 编码代理产出更多代码，却没带来更多软件。代码量和交付是两回事。

对内核开发者来说，接下来要花更多时间审 AI 补丁；对下游用户来说，这个 read（）加速暂时还看不到。

原文 / 参考：

模型周：Gemini 4 分两条线，开放权重继续卷

谷歌 DeepMind 这周把 Gemini 4 Argon 推到了两条线上：一条是文本大模型，一条是机器人模型。

文本版在 Hacker News 拿到 918 分、705 条评论。用户反馈集中在写作质量和回答结构，听起来是「更会写、更会组织」。

但试用入口让人困惑：点「Try in Gemini」默认进的是 Gemini 3.6，没有不升级就能试 Gemini 4 的选项；有人想买小套餐也找不到顺畅的付款路径。

机器人版 Gemini 4 Argon 走的是「视觉 + 语言控制动作」的路线。通俗说，就是让模型看画面、听指令，然后从一组预设动作里挑一个执行。

有开发者在 Unitree 人形机器人上做零样本控制，说 Argon 4 比 Opus / Astra 更会避墙，但 LIDAR 数据还没接进去。这说明感知冗余和安全约束仍要自己处理。

Meta 发了 Muse Spark Open，816B 总参数、42B 激活参数、100 万 token 上下文，开放权重，但许可证不是 Apache。

开放权重可以理解成「权重能下载，但怎么用要看许可证」。它的关键条款是 Model-as-a-Service：如果你把模型输出通过 API 转售，且你和关联方合计毛收入超过 2000 万美元，就超出授权。

想靠它做 API 生意的团队要先算账。社区还拿它和 Qwen3.8 Flash Next、GLM 5.3 Flash 比，说 Meta 这个版本不占优。开放权重不等于免费赢。

DeepSeek 发了 V4.1-Flash-1017，社区说是小版本更新，推理、编码、智能体任务有改进。

但真实工作流里的体验有分歧：有人用同一个脏代码库测，DeepSeek 花 20 分钟只找到 1 个相关 P1，GPT 5.6 Sol 用 5 分半找到 2 个，GPT 6.1 Sol 用 4 分半找到 3 个。

这说明编码模型的竞争已经从跑分转向「谁能真的把活干完」。

阶跃星辰的 Step 5 Preview 也上了 Hugging Face，600B 总参数、27B 激活参数，支持 100 万 token 上下文和文本/图像/视频输入，走 OpenAI 兼容 API，能配 vLLM 或 SGLang 部署。

对开发者来说，模型选择多了，但预览版和许可证条款要在生产采用前看清楚。

原文 / 参考：

安全这周很忙：从日本企业到超市冷柜

日本政府宣布「网络空间紧急状态」。近几周超过 20 家大型企业被攻击，涉及铁路、汽车、医院和政府设施。

JR 东日本说订票系统可能泄露 167 万名客户邮箱。金融厅要求银行停用驾照作为新开户身份证明，改收带芯片的证件。

这不是普通的「数据泄露新闻」。身份验证流程被攻击直接改规则，普通用户新开户要换证件。

欧洲那边，法国多家超市连锁被攻击，攻击者远程触发联网制冷控制器的自动化霜，冷柜停机。报道点名 Intermarché 150 家门店，还说近 30 万客户数据被窃。

涉事 Danfoss 控制器很多已经停产，固件老旧。这说明 OT 安全的问题很具体：OT 就是管机器设备的网络，不是管电脑。设备联网是为了远程诊断和节能，但旧设备没人打补丁。

Citizen Lab 发报告，指控以色列公司 Discover Tech 把定向广告变成零点击间谍软件的投放通道。

零点击攻击就是不用你点链接、不用你打开文件，攻击就能触发。报告描述了广告分发和命令控制环节，但没说清广告到底怎么触发安装。所以平台目前很难做针对性封堵。

OpenCode Console 泄露了约 1.4% 用户的 OpenAI、Anthropic 和 Google API 密钥。官方让受影响用户立刻吊销重签，检查 10 月 17 日以来的用量，并设支出上限。

这里要注意：泄露的是 OpenCode Console，类似 OpenRouter 的 BYOK 服务，不是 OpenCode 编码代理本身。BYOK 就是用户自带 API 密钥。只用编码代理的人不受影响。

OpenBSD 那边，安全研究者公开了一个存在 37 年的内核漏洞利用。根因是 System V 共享内存的挂接计数器用了有符号 16 位 short，整数溢出后串联另一个内核缺陷，可以本地提权到 root。

漏洞已经修补，PoC 也公开了。跑 OpenBSD 7.9 的多用户主机和托管服务要尽快升级。

原文 / 参考：

AI 做科研：数学家开始处理「正确但难解释」的证明

Terence Tao 的《Math 2.0》幻灯片在 Hacker News 被讨论。材料不是论文，是讲稿，所以具体主张还不能当实验结论看。

但方向很清楚：AI 正在改变数学实践，涉及形式化、解释、以及机器生成结果的可信度。

Tao 之前的观点是，AI 可能让数学从「证明稀缺」转向「证明过剩」。就算证明通过形式验证，如果没人能讲清楚，也应该算不完整。

这给数学研究者带来一个新成本：验证和整合。正确但难解释的机器证明，仍要人类理解并塞进现有理论体系。

同周，Anthropic 说 Claude 用不到半小时找出了 NIST P-192、P-224、P-256、P-384、P-521 曲线种子的可能来源：不是哈希输出，而是 C 库 lrand48 以 Unix 时间戳为种子。

椭圆曲线种子可以理解成「生成曲线参数的随机起点」。公开种子是为了证明参数不是故意挑的。这个发现解决的是多年的来源疑团，不等于证明曲线有后门，也不代表 ECDSA 被攻破。

第五个二进制种子 B-163 还没解释。有人猜是发布时抄错了一位数字，但这只是猜测。

这条新闻的价值在于：AI 不只生成内容，还能在可验证的科研问题上给出可检验的线索。

争议也在继续。Derek Thompson 写《I know why the mathematicians weep》，说 AI 的数学进展触动了数学家的存在性焦虑：地位、声望和收入所依赖的能力可能被商品化。

Nick Cammarata 则主张神经网络比想象中「干净」，多义性不是叠加造成的，而是几个普通、大多可修复的问题。