同時關聯該項目與事件的快訊
Bitcoin Core 開發者合併一項安全政策調整，針對可通過簡單的大語言模型（LLM）提示輕易發現或重新發現的漏洞，不再沿用此前的長期保密披露機制。新規則允許開發者在漏洞分級時將此類問題標記爲“易於發現”，隨後將修復方案回移至所有仍受支持的版本，並儘快通過小版本更新發布，同時附上安全公告及部分漏洞細節。此前，Bitcoin Core 會根據漏洞嚴重程度安排披露時間，中高危漏洞通常要等到受影響版本停止維護後才公開。此次調整源於 AI 工具降低了漏洞發現門檻：今年 7 月，一個由 16 名開發者組成的 Bitcoin Red Team 使用 AI 模型掃描約 390 個比特幣相關項目，在一天內記錄了 4962 項發現，其中 85 項被列爲嚴重問題。開發者指出，繼續延長此類漏洞的保密期已難以有效防止攻擊，反而會推遲修復版本的發佈；但新規則也意味着修復可能缺少更長的測試時間。目前尚無漏洞被正式標記爲符合新規則的“易於發現”類別。（CoinDesk）
據 Cointelegraph 報道，Bitcoin Core 開發者 Antoine Poinsot 週四在比特幣開發郵件列表中表示，大語言模型（LLM）已使部分軟件漏洞極易被重新發現，長期保密already意義有限，反而會推遲修復版本的發佈，因此團隊更新了漏洞披露政策。 新政策規定，通過簡單 LLM 提示等極少成本即可發現的"易發現"漏洞，將盡快在所有受維護的主要版本中修復，並同步發佈安全公告。其他漏洞仍按嚴重程度披露：低危漏洞在包含修復的主要版本發佈兩週後披露；中高危漏洞在最後一個受影響版本停止維護（EOL）兩週後披露，通常距修復發佈約一年；關鍵漏洞則需專門處理。
Vitalik 在 X 平臺發文表示，其已將 Wrapped zkAPI、Tor、額外覆蓋流量和本地 LLM 提示詞重寫集成至兼容 OpenAI 的守護進程，併爲代理工具 pi 構建“偏執模式”包裝器。每個對話將分配獨立的 Tor 電路，請求加入隨機覆蓋流量，zkAPI 通過支付機制避免身份泄露，所有提示詞均在本地重寫；其代理工具運行於 bwrap 沙箱中，併疊加 torsocks，所有操作均通過 Tor 進行。該方案已具備較高可用性，但會增加延遲；Vitalik 表示，Tor 在此場景下並非理想的隱私方案，更專業的混合網絡可能需要更高的帶寬開銷和內置恆定覆蓋流量，zkAPI 更低的主網存款和提款 Gas 成本即將推出。
安全機構 CrowdStrike 發佈情報報告稱，一名身份不明的黑客在 9 月下旬至 10 月初期間，將大語言模型（LLM）與國產開源 AI 滲透測試工具 ARTEX 相結合，對韓國多家金融機構發動定向網絡攻擊並竊取數據。分析黑客暴露的開放目錄後發現，其採用以中國香港 IP 爲核心的雙服務器架構，並藉助 Claude Code、GLM-5.3、Grok 4.6 以及通過 API 代理接入的 DeepSeek v4.1-flash 等模型編排攻擊流程，還曾向 Claude 詢問如何在 Telegram 羣組中變現韓國泄露數據。據韓媒估算，韓國至少七家金融機構遭到攻擊，包括 KB 國民銀行、新韓銀行和韓亞銀行，約 68000 人的個人資料外泄，涉及年收入、貸款額度等敏感信息。
AI Agent 鏈上操作系統(AI Agent Onchain OS) X-Agent 發佈最新白皮書，系統介紹其產品架構、MCP 生態、商業模式及$XAGT 的應用場景。白皮書指出，AI 行業的下一階段不只是生成文字、圖片或代碼，而是讓 Agent 能夠理解用戶意圖、調用工具、執行任務並完成交易。圍繞“Speak to Build，Share to Connect”的理念，X-Agent 允許用戶通過自然語言創建具備上下文、記憶、技能、API 及錢包連接能力的 AI Agent，無需編寫代碼。在商業模式上，X-Agent 希望打通 Agent 創建、MCP 能力接入、分發、支付和變現的完整鏈路。開發者可以將 API、數據和專業服務封裝爲 MCP 能力，並通過按次調用、訂閱或交易佣金獲得收入。$XAGT 計劃用於安全運行環境的計算費用、LLM 與 API 調用、Agent 交易結算、MCP 服務付費、Premium Agent 模板購買及開發者部署。未來還將拓展至服務質押、多 Agent 結算和生態治理等場景。據項目方披露，X-Agent 目前已擁有超過 100 萬註冊用戶，累計完成超過 110 萬次自主任務，LLM Token 消耗量超過 840 億。未來，項目還將推進 Super-Agent、企業沙盒、去中心化 Agent Store 及多 Agent 協作體系。
人大金融科技研究所發佈《Journal of International Money and Finance》上穩定幣研究的編譯文章，相關研究基於大語言模型（LLM）智能體解析穩定幣脫錨風險，其中指出穩定幣脫錨具有明顯的非線性和閾值特徵，套利機制能夠吸收一定程度的信息壓力，但當敘事嚴重程度達到“臨界閾值”後，系統可能迅速進入持續脫錨狀態。
Meta 發佈論文 CORAL，提出一個 LLM 原生 agent harness，用於閉環優化生產級推薦系統。該系統通過閉環觀察運行信號、回溯過往決策記憶，並調用數值優化器等工具，在固定變更預算內持續重配線上推薦策略。論文顯示，策略無需參數更新，即可隨循環迭代逐步改進。
據韓聯社報道，美國市場信息機構 Silicon Data 發佈的 LLM Token 支出指數（LLM Token Expenditure Index）於 8月 31 日跌至每百萬 Token 97 美分，創下該指數自去年底成立以來的歷史最低值，較 5 月高點（2.05 美元）下跌逾 50%。 分析認爲，中國 AI 企業月之暗面推出的開源模型"Kimi K3"、OpenAI 於7 月下調 ChatGPT-5.6 系列模型定價，以及頭部廠商推行動態定價機制，共同構成此輪價格下行的主要驅動因素。Token 價格下跌雖有助於降低用戶使用成本，但對 OpenAI、Anthropic、Google 等模型開發商而言將形成營收壓力。投資機構 Seez Group 投資負責人指出，基礎模型企業受衝擊最爲直接，建議轉向強化分發渠道、內存及上下文能力，以提升用戶遷移成本，應對開源模型的競爭侵蝕。
Cardano 創始人 Charles Hoskinson 在 X 平臺發文宣佈推出開源項目 ”anthropies“，並表示開發一套可與多數 LLM 配合使用的工具，用於處理 Anthropic/Claude 輸出中的水印及相關標記。根據項目 README，工具區分三類信息：文本中的統計水印、圖片中的 C2PA 內容憑證，以及 Git 提交中的 Co-Authored-By: Claude 署名；不過該項目也已註明，無法保證完全規避 Anthropic 未公開的檢測機制。
英偉達（NVIDIA）推出 AI 模型路由系統 NeMo Switchyard，旨在幫助開發者在多個大模型之間動態分配 AI 智能體（AI Agent）任務，在保證性能的同時降低成本和延遲。英偉達表示，構建 AI 智能體並不意味着必須依賴單一大模型。不同模型在推理能力、響應速度和運行成本方面各有優勢，例如分類任務可能適合輕量模型，複雜推理則需要更強大的前沿模型。如果所有請求都發送至最大規模模型，將導致成本和延遲增加；而全部使用小模型則可能降低複雜任務完成質量。NeMo Switchyard 通過智能路由機制，根據任務需求、模型能力、成本、延遲以及系統狀態等因素，在多個專用模型和前沿模型之間自動選擇最合適的執行模型。該系統支持開發者在不改變應用架構的情況下切換不同模型供應商和模型版本。英偉達介紹，NeMo Switchyard 提供多種路由策略，包括無需訓練的 LLM 分類器路由、階段路由（Stage Router）、升級路由（Escalation Router），以及基於真實工作負載數據訓練的可調節路由模型。其中，升級路由會優先將任務分配給低成本模型，並在檢測到任務複雜度提升、持續錯誤或執行停滯時，將請求升級至更強模型，從而實現性能與成本之間的平衡。英偉達表示，在相關測試中，NeMo Switchyard 通過在不同模型之間分配任務，在保持較高任務完成率的同時顯著降低 AI Agent 運行成本。例如，與僅使用前沿模型相比，基於升級路由的方案在 LangChain 多輪智能體測試中降低約 74%的成本，僅有 7%的請求需要調用前沿模型。此外，英偉達已與 Cognition、Nous Research、Ramp、LangChain、LiteLLM、Kong 等企業合作，將 NeMo Switchyard 集成至 AI Agent 開發流程和企業應用基礎設施中。
攻擊手法方面，該組織已轉向利用生成型 AI 製作高度仿真的虛擬資產與金融領域文檔，用於精準魚叉式釣魚攻擊，目標涵蓋加密貨幣錢包信息、Gmail 賬戶及網站註冊記錄等敏感數據。Genians 安全中心負責人文鍾鉉警告，隨着 AI 技術發展，社會工程攻擊將持續精細化，建議企業部署以行爲檢測爲核心的 EDR 威脅獵捕體系加以應對。
據 Rohan Paul 發佈的研究摘要，一項針對 207 個 GitHub 項目、102 萬次拉取請求的大規模研究顯示，引入 AI 代理審查可將代碼審查時間縮短 2.5 至 4.5 天/KLOC，但代價是審查質量下滑——AI 參與的審查中，78%~94% 的 PR 存在"審查異味"（review smells），高於純人工審查的 69%~76%。研究指出，反覆分配同一 AI 審查員身份是導致審查多樣性下降的主要原因。值得注意的是，早期大量引入 LLM 審查的項目並未獲得顯著效率提升。
由前微軟 AI 團隊成員創立的人工智能初創公司 Skyfall AI 宣佈，將斥資最高 100 萬美元收購一家小型 B2B SaaS 或電商企業，並嘗試讓 AI 系統全面接管公司運營，以驗證“AI CEO”是否能夠管理真實商業組織。Skyfall AI 聯合創始人 Sam Pasupalak 和 CTO Kaheer Suleman 認爲，當前 AI 行業普遍聚焦於打造“自主員工”（autonomous employee），即讓 AI 逐步替代單個崗位任務，但這並非真正的企業自主化。他們希望通過運營一家真實企業，測試 AI 能否覆蓋定價、市場營銷、客戶支持、財務和運營等全流程決策。該項目目標是讓 AI 作爲企業核心管理者，在減少人工干預的情況下推動公司收入增長，並公開記錄實驗過程中的成功與失敗。Skyfall 創始人表示，現有大語言模型（LLM）雖然在已有知識和固定環境中表現出色，但面對競爭變化、客戶行爲變化和市場動態時，持續學習能力仍存在不足。因此，公司正在探索名爲“Enterprise World Models”的新型 AI 架構，希望讓 AI 理解企業運行狀態並預測決策對未來發展的影響。Skyfall AI 由 Maluuba 團隊成員創立。Maluuba 曾於 2017 年被微軟以約 1.6 億美元收購，其技術後來成爲微軟加拿大 AI 研究佈局的一部分。（Forbes）
據以太坊聯合創始人 Vitalik Buterin 於 7 月 20 日在 X 發佈的系列推文，其就 AI 能力增長與人類未來展開深度思考。 Vitalik 將機器能力演進劃分爲三個階段：工業革命（物理重複勞動）、計算機時代（可邏輯定義的腦力任務）、以及 LLM 時代（基於海量樣本定義的腦力與部分體力任務）。他指出，當前核心問題在於：LLM 加上後續改進，是否最終能覆蓋所有人類獨特能力，抑或仍需第四、第五次技術浪潮。 在 AGI 定義上，Vitalik 提出：AGI 是指若將其上傳至機器人軀體、人類突然消失後，仍能獨立延續文明的 AI。他強調 AGI 一旦實現，將是"不可逆的轉折點"，人類對地球的主導權將僅剩歷史慣性而非能力優勢。 對於未來路徑，Vitalik 寄望於人機深度融合——通過腦機接口、意識上傳等技術抹除人機二元邊界，使人類在技術天花板到來前始終保持競爭力。他同時呼籲保持全球政治與經濟多元化，避免單一國家或企業壟斷 AI 優勢，並表態支持 AI 發展"減速"與"暫停"提案，傾向於以開源權重模式實現去中心化減速，而非依賴強硬政治手段。
Clem Chambers 表示，中國 LLM 追趕 OpenAI 和 Anthropic 不意味着 AI 繁榮結束，LLM 只是 AI 產業的一部分。其認爲，免費或開源模型不會削弱 AI 需求，企業和政府仍需要更高水平的 AI 能力。 他將 AI 基礎設施需求與比特幣挖礦進行類比，稱二者均圍繞每千瓦算力和每千瓦時成本展開。硬件、能源、冷卻和渦輪等環節無法免費提供，相關價值鏈受資源和更新週期約束。 Chambers 指出，AI 需求推動硬件和軟件持續迭代，設備可能面臨類似加密挖礦的更替週期。他認爲，AI 成本基礎不僅來自模型本身，還來自算力分配和基礎設施投入。（Forbes）
BNB Chain 宣佈 AI Agent 開發平臺 BNB Agent Studio 正式上線主網。開發者可在 Cursor、Claude Code 等 AI 編程工具中通過一句提示詞完成 Agent 的錢包創建、鏈上身份註冊（ERC-8004）與部署，無需分別搭建錢包、身份、支付、託管和 LLM 接入。Agent 部署後可通過 x402 協議從用戶預充值錢包中自動扣費續費 LLM 用量，並藉助 ERC-8183 任務接口被其他 Agent 發現和調用，全程運行於 AWS Bedrock AgentCore。官方同時推出限時免費試用活動，用戶憑 GitHub 賬號即可在 BSC 測試網體驗完整部署流程。
Brian Armstrong 在 X 平臺發文表示，Coinbase 現已包含 pre-IPO 永續合約、股票期權，並將很快支持代幣化股票；Coinbase 還重新設計了 Coinbase Advanced，並開始整合美國與國際用戶、Coinbase 與 Deribit 用戶之間的全球流動性。CoinbaseDev 正在爲企業提供穩定幣支付能力，推出基於其合規技術棧的全託管賬戶，並上線新的開發者工具儀表盤。Base 方面，Coinbase 宣佈推出私密交易和網頁版 Base App。Coinbase 也正在成爲 AI 的金融賬戶，支持爲 AI 代理提供錢包、獲取 AI 驅動的金融建議，並將 Coinbase 賬戶連接至用戶常用的 LLM。
谷歌發佈 OKF（Open Knowledge Format）規範，旨在將 Andrej Karpathy 提出的“LLM Wiki”式知識組織與交互模式標準化，推動大模型知識結構化與可引用能力統一。
根據官方消息，去中心化 GPU 雲計算基礎設施平臺 Aethir 正式發佈 Aethir Mesh——一個運行於 Aethir 去中心化 GPU 基礎設施之上的自研開源大模型 API 平臺，目前平臺已上線，提供統一 API 端點直連 DeepSeek V4、Kimi K2.6、GLM-5.1、MiniMax-M2.5、Qwen3.6-27B 等主流開源模型。
Vitalik Buterin 更新了多項 CROPS AI 相關進展，並指出 “ CROPS 以太坊接入層 ” 與 “ CROPS AI ” 存在明顯交集。他表示，若能通過零知識證明方式對遠程大型語言模型進行付費調用，也可用於解決以太坊私有 RPC 讀取問題。 與此同時，Deepseek v4 已發佈， 2-bit 量化版本可在 90 GB 內運行，但當前在 Apple 硬件上速度更快；消息應用 messa 已支持 Telegram Alpha 功能；模型運行工具 luceb 在運行密集型模型時展現更高效率；本地 AI 錄音工具 VoxTerm 仍在持續開發。Vitalik Buterin 還提到，面向特定應用微調的大型語言模型將有助於提升安全代碼編寫能力，以太坊相關場景也應有相應微調模型。