爱窝啦 AI 日报

今日摘要

Claude Code 权限文件在 GitHub 批量泄露凭据，同期英伟达 CEO 间谍疑云触发董事会独立调查。
基准评测被微调题目撕开近50分差距，模型路由成本压缩到四分之一，暗示评估与计费逻辑都在松动。
今天先核实本地 .claude/settings.local.json 是否进了 Git，再看 MaxxBench 研究决定手头 SWE 分数还能不能信。

🔥 今日焦点 TOP 10

1. Claude Code 权限文件在 GitHub 泄露逾千份凭据

权限文件可能藏着密码。 Apiiro Claude Code 权限文件在 GitHub 泄露逾千份凭据 ，发现 1,122 份含疑似真实凭据。触发路径是：用户永久批准含密命令后，完整命令写入权限文件，随提交推送公开🔒。研究团队未实际连接目标主机，凭据是否仍有效尚未验证。本地开发者今天可检查该文件是否被 Git 跟踪，并将其加入 .gitignore。

2. MaxxBench 改题后模型得分差距翻超一倍

换个文件名要求，分数能差将近一半。 Gavin Lo 与 Justin Lo 发布 MaxxBench 改题后模型得分差距翻超一倍 ，参考补丁中位数只增加 17 行。Claude Opus 5.5 与 Gemini 3.8 Flash 原本 DeepSWE 得分均约 74%，在 MaxxBench 上分别为 76.4% 和 53.4%。15 组配置的最大差距从 20.9 扩大到 48.3 个百分点。评估基准采购方可据此重新审视现有 SWE 分数的参考价值。

3. ChatGPT 中文区出现大规模封号，疑因地区访问收紧

昨晚起大批中文账号遭封。 V2EX 社区 集中反馈 ChatGPT 中文区出现规模封号 ，流传原因指向来自未支持国家的访问。这与 OpenAI 历来对不受支持地区的处理方式一致，非官方说法尚未经官方确认。受影响用户短期内可检查账号绑定地区，避免通过异常 IP 登录。

4. GitHub 用 Copilot Fusion 重构智能体时代模型调度

Copilot Fusion 接管任务驱动的模型路由。 微软 CoreAI 高管 Jay Parikh 接受 Latent.Space 访谈，介绍 GitHub 用 Copilot Fusion 重构智能体时代模型调度 。核心挑战是把 Token 消耗与实际交付成果挂钩，而非按用量计费。这套架构面向的是 2.25 亿开发者、年均 343 亿次提交规模。关注代理编程成本的工程师可参考这套定价逻辑的走向。

5. 小模型先判再路由 Opus，身份解析成本降至四分之一

难题才交给 Opus，简单任务自己消化。 Hightouch 实测混合 Jev 路由方案做身份合并审查 ：在简单集上准确率 98.8%，每千项成本 0.88 美元，单用 Opus 5.5 则是 3.86 美元。困难集上混合方案与 Opus 准确率相近，成本优势收窄至约 1.8 倍。关键限制是特定提示词、阈值与合成分布的结果，不能直接推广到所有场景。

6. DeepSeek Harness 日活突破 154 万，第三方生态借势曝光

154 万日活让插件开发者跟着涨了一波曝光。 设计师歸藏在推文中提到，DeepSeek Harness 团队 主动推荐了她的歸藏设计插件 并附上平台日活数据。154 万日活是社媒转述数字，未见官方数据页佐证。对工具开发者而言，头部 AI 平台的推荐位曝光效应已相当可观。

7. 英伟达 CEO 黄仁勋承认出轨，董事会启动独立调查

黄仁勋公开承认出轨，间谍疑云触发调查。 彭博披露黄仁勋致全员信全文，他承认对妻子不忠，英伟达董事会 宣布成立独立委员会调查其是否成为外国情报行动目标 。起因是美国情报部门认定与其关系密切的新加坡高管 Alice Huang 疑为中国情报人员。黄仁勋信中未点名对方，也未提及间谍指控；调查结论尚未公布。

8. AI 陪伴与真实关系的核心差距：它不需要你

AI 陪伴轻松上瘾，恰因为它没有需求。 即刻用户 Melodyue 在观察帖中指出 ，AI 与真实关系的核心差别不在不确定性，而在于真实的人也有需求，需要你走出自己的世界去回应。双向付出才能积累信任、默契与共同经历，这种"复利“AI 无法提供。这个视角对 AI 陪伴产品的设计与用户留存逻辑有参考意义。

9. AI for Science 商业溢价本质是三种过渡期赤字税

AI4S 的高溢价有结构性解释，但终局是自我注销。 即刻用户 WinshareTom 拆解了 AI for Science 商业溢价的来源 ：智能赤字催生”指导费"、验证赤字催生"解释费"、流程赤字催生**“协调费”**，三种费用都会随技术成熟消散。作者认为 AI4S 纯粹作为软件工具的终局是自我注销，只有融入具体业务资产变现才能跑通商业化。这是个人观点，对评估 AI4S 投资节奏有参考价值。

10. macOS 本地知识图谱含 181 类实体，家庭关系也建档

你的 Mac 一直在给你建档，包括家庭关系评分。 Eighth Rank 研究者逆向分析 macOS， 发现本地有 51 个 SQLite 数据库 ，主图使用 181 类实体与 278 种谓词，记录来源、置信度和时间。两组 XGBoost 分类器用 144 项特征推断家庭关系，评分另存于 entityTagging.db，含 17 个关系列。数据库明文存储，目录受 TCC 全盘访问保护；研究基于 macOS 26.6.2，相关组件自 macOS 13 起存在🔒。

⌘ 开源 TOP 项目

dsx-ai-factory/nvke：裸金属 GPU 集群的 K8s 管理平面

GPU 裸金属节点加入 Kubernetes 集群时，缺少统一调度层是常见痛点。 dsx-ai-factory/nvke 公开了 NVIDIA GPU 裸金属节点的 Kubernetes 管理平面核心代码 ，用 Go 编写。今日新增 345 Stars，总计 851 Stars。适合有自建 GPU 集群、正在评估裸金属 K8s 方案的 MLOps 工程师试用。

anthropics/claude-quickstarts：Claude API 可部署应用快速入门

想用 Claude API 搭一个能真正跑起来的应用， anthropics/claude-quickstarts 提供从 API 接入到可部署应用的 Python 示例集合 。今日新增 32 Stars，总计已达 19,416 Stars。适合刚接触 Claude API 的开发者和想快速验证集成方案的工程师上手参考。

google-deepmind/mujoco：DeepMind 维护的通用物理模拟器

训练机器人或强化学习智能体时，物理仿真环境的精度直接影响 Sim-to-Real 迁移效果。 google-deepmind/mujoco 是多关节接触动力学模拟器 ，C++ 实现，今日新增 41 Stars，总计 16,418 Stars。适合做机器人控制、运动规划和具身智能研究的团队作为仿真底座。

◉ 社媒精选

谷歌 DeepMind 预告数周内将发布科学 AI 重要进展

DeepMind 副总裁暗示相变级突破即将亮相。 DeepMind 研究副总裁 Pushmeet Kohli 发帖称，旗下多个项目正在经历科学发现速度的"真实相变"，Gorden Sun 在推文中转述了 这则关于 DeepMind 科学 AI 即将发布的预告 ，并指出"未来几周"的发布将呈现一瞥。这是个人预告，不代表官方产品公告，具体方向和发布节奏未披露。关注 AI for Science 的研究者可标记这个时间窗口。

😄 AI趣闻

嫌别人改太多

Caleb 长期用 AI 编程助手写代码，数了数发现一年里发了 244 个版本，超过 四分之三在改系统提示和工具描述。他搬到 Pi，大约 20 分钟就写好一个跨标签页传选区的扩展， 记录了这次从 Claude Code 迁到 Pi 的过程 。嫌别人改太多，自己上手更勤快。

❓ 相关问题

Gemini 跑编程任务时，怎么验证它真的理解了需求而不是套路作答？

先改一处细节再让它重新解题。 MaxxBench 的需求扰动测试 发现 Gemini Flash 得分大幅下滑，说明小改动就能暴露模型是否在背答案。想自己试，可以用 爱窝啦·AI账号店的 Gemini Pro 成品号3-12个月 随机发 开始测，这是独立成品号，不是旧号续费。