Berget AI 开源逐请求碳排放计算方法：同一 AI 请求在 Texas 排放是 Sweden 的 8.5 倍

开发者 ferstar 逆向 Z.ai 的 AI 编程桌面应用 ZCode，发现其登录后会静默把整个工作区打包（含完整 .git 历史、LFS 缓存、reflogs 和全局配置）加密上传至 Aliyun OSS，实测一次快照为 42,411 个文件、313MB，且 .git 目录占载荷的 86.6%。

Entelligence 在 50 个公开基准 PR 上用相同提示词对比 GPT-5.6 Luna 和 GPT-6 Astra 的代码评审能力，Luna 找到 69 个经验证 bug（Astra 92 个），总成本 $0.20 对 $5.66，精度 74% 对 96%。

Forge 是一个为自托管大语言模型设计的可靠性层，专注于提升工具调用能力。它通过错误解析、重试提示、步骤强制等防护机制以及高效的上下文管理，成功将8B参数模型在复杂多步骤智能体任务中的表现从53%大幅提升至99%。其核心配置（Ministral-3 8B模型）在自建的26项评估中综合得分达86.5%。Forge 提供三种集成方式：作为全托管工作流运行器、多智能体架构的共享调度器，或嵌入自有编排循环的防护中间件，并附带一个可透明接入的OpenAI兼容代理服务器。

InsForge是一个专为AI编码智能体设计的一站式开源后端平台。它通过MCP Server和CLI+Skills两种接口，让智能体能像后端工程师一样直接操作数据库、认证、存储、边缘函数、模型网关等全套后端服务，从而端到端地构建全栈应用。平台支持云托管与基于Docker的自托管，可一键部署至Railway、Zeabur等主流平台。

作者提出 AI 恐慌本质上是一种认知重商主义，借 Joyce Appleby 的《资本主义史》将早期重商主义的四条信念逐一映射到当下 AI 话语：把智能当作稀缺资源囤积、认为大众不可信任、只重供给侧、默认多数人智力用途有限。

作者为 Claude Code 开发了 superlite 插件，通过一次批准、按接口拆分任务并行调度最多 18 个 Agent、按能力分层匹配模型并用 hooks 强制执行规则，实现交出规格后无需逐步确认的自主开发。

针对依赖第三方订阅前端调用 LLM 的现状，作者主张自建 LLM 代理：在单一端点统一接入多家供应商与模型，并记录哪个 key 在何时调用了哪个模型、状态如何。自建代理还可用虚拟 API key 避免主密钥散落各处，并在基础设施层快速切换模型与供应商。作者称借助代理 API，编码会话中出现缓存未命中时可在 20 秒内手工定位原因。

作者以联想记忆视角讲解如何从线性层逐步推导出 MLP 和 self-attention，用干扰信号比衡量各层作为键值记忆存储的容量。在 64 维键下，外积存储容量约 64 条记忆，最优线性存储和 ReLU MLP 约 128，平方 ReLU 约 2,700，β=√d_k 的 self-attention 约 120 万条；文章还讨论了用 log M 缩放注意力 logits 支撑长上下文的做法。

有人用 GPT-6 Astra（reasoning effort 设为 High）配合 Codex 和 T3 Code，把一台第 10 代 Kindle Basic 越狱并改造成照片相框，项目名为 KindleCTL。

作者分析 Anthropic、OpenAI、Google、Meta 等公司的 AI 系统发生越权访问事件却至今无任何法律后果，指出这些公司以系统的涌现行为为由主张存在责任缺口、从而规避刑事意图要件。文章从训练数据、训练、环境和配置四个方面论证公司对模型能力有广泛控制，若设计可预见地导致入侵行为即可认定意图，呼吁按现有黑客相关法律起诉，而非转向未来的 AI 治理讨论。