把 SQLite 数据库直接变成 Linux 可执行文件
一种实验性的 Linux 技巧：将 ELF 可执行文件的组成部分存入 SQLite 表，并通过专用解释器提取执行；结合 binfmt_misc 后，内核还能把符合特定标记的 SQLite 文件直接当作可执行文件处理。
llm-anthropic 0.27 发布：适配 Anthropic Python SDK 1.0
llm-anthropic 0.27 主要完成对 anthropic Python SDK 1.0 的兼容。新版 SDK 将底层 HTTP 客户端从 httpx 切换至 httpx2，此前 OpenAI Python SDK 3.0 也进行了相同迁移。
Groq 3 LPX 加入 Vera Rubin，瞄准长上下文超低延迟推理
NVIDIA Groq 3 LPX 是面向 Vera Rubin 平台的交互式 AI 推理加速器。它可与 Vera Rubin NVL72 配合，进一步强化平台在长上下文场景中的高速交互能力，并覆盖从小型到大型、开放与闭源模型等多类 AI 工作负载。
NVIDIA Vera CPU 如何应对智能体 AI 集群挑战
智能体 AI 工作负载具有高度波动和不可预测性。NVIDIA 认为，除了负责模型计算的 GPU，CPU 在任务编排、工具执行和沙箱计算中同样关键，并以 Vera CPU 面向这类 AI 基础设施需求。
智能体 AI 推高推理负载，英伟达强调 Vera Rubin 与 Blackwell 能效
随着 AI 智能体从单轮问答转向推理、工具调用、多智能体协作等多步工作流，推理计算需求持续增长。英伟达称，Vera Rubin 与 Blackwell 平台正面向这一趋势提升单位功耗下的智能体 AI 性能。
GPT-5.6 已登陆 Kiro，主打更优开发性价比
GPT-5.6 现已在 Kiro 中提供，可协助开发者完成软件规划、构建、代码审查与测试，并进一步改善开发过程中的价格与性能表现。
llm-openrouter 0.7 发布
llm-openrouter 0.7 已适配 LLM 0.32，可显示 OpenRouter 模型的推理轨迹，并改用 Responses API，同时新增 Shell、WebFetch、WebSearch 三种服务器端工具。
llm 0.32.1 修复新装依赖问题
llm 0.32.1 通过将 openai 版本固定到 3 以下，临时修复了新安装时因 httpx 依赖缺失导致的启动问题；后续 0.33 计划改用 httpx2。
llm 0.33 发布
llm 0.33 主要更新了 OpenAI Python 3.x 兼容、嵌入接口的按次传 key 支持、模板可叠加，以及 reasoning_summary 选项。
从生成式代理到数字孪生：Simile 如何模拟人类行为
文章概述 Joon Sung Park 先从艺术与计算的交叉切入研究，后来因《Generative Agents》与 Smallville 项目受到关注，并继续推进更大的目标：把人类行为建模成可用于推演现实的模拟系统。 从生成式代理到 Simile 《Generative Agents》展示了 AI 角色可以具备记忆、规划、社交与涌现行为，这成为他之后做 Simile 的起点。与只做任务型模型不同，Simile 更关注如何建立能反映真实人类决策的行为基础模型。 他们在建模什么 文中提到，Simile 采用长...
Bun 1.4 用 WebView 构建网页执行 API
Bun 1.4 新增 Bun.WebView，可通过 macOS WebKit 或本地 Chromium 的 CDP 实现浏览器自动化。一项原型测试显示，加载复杂网页并执行 JavaScript 的服务可能需要 192MB 至 256MB 容器内存。
ChatGPT 搜索开始大规模使用站点限定查询
Promptwatch 的自动化监测显示，ChatGPT Search 中带有站点限定特征的搜索查询占比在 8 月初明显上升，同时 Reddit 被引用的概率似乎下降。这些数据仅覆盖其监测样本，尚不足以确认 ChatGPT 内部搜索策略的具体变化。
把 AI 当作耐心的互动导师
一位开发者分享了借助 ChatGPT 学会四元数的经历：AI 没有直接代写代码，而是通过互动教学帮助他完成应用中的旋转功能，也促使他进一步学习。
英伟达与 Poolside 达成 60 亿美元许可交易，109 名员工加入英伟达
Poolside 与英伟达达成非独家技术许可协议，并获得后者 10 亿美元投资。109 名员工将加入英伟达，而创始人继续留在 Poolside。交易背后凸显前沿模型训练面临的算力、资本和数据中心约束。
AI 编程提速之后，真正的瓶颈是认知能力
编码智能体能显著提高代码产出，但代码量增长并不等于团队可以无限提速。新的瓶颈可能转向工程师理解和维护代码的认知能力，同时低成本加功能也更容易破坏软件的“概念完整性”。
用 smolvm 隔离运行不可信 Python 与 JavaScript
一次针对 smolmachines/smolvm 的沙箱实验，目标是限制不可信代码的 CPU、内存、网络和文件访问。由于原测试环境缺少 KVM，研究改用支持 /dev/kvm 的 GitHub Actions 执行测试。