【主题】主流 LLM API 的加密推理块可被兄弟模型重放读出

解读 新研究指出 OpenAI、Anthropic、Google 返回的加密思维链，可被同厂较弱模型解码成明文。公开会话日志里还能扫出密码与 API Key。对工程师意味着：别把带 reasoning blob 的完整 transcript 丢到 GitHub/HF；厂商已上服务端缓解，但存量日志仍要当敏感资产清理。

来源 Cyber Security News

【主题】微软冲刺 Maia 300：谈 30 万颗产能，卡在 CoWoS 封装队列

解读 报道称微软计划今秋亮相 Maia 300，并与台积电洽谈 2027 年逾 30 万颗产能，长期目标更高。真正瓶颈是先进封装产能，英伟达仍占大头。做云选型时，短期仍按 GPU 配额规划；自研硅片更多是明年成本曲线的变量，而不是下个月就能换掉的标配。

来源 Tech Times

【主题】YOLO26：统一实时视觉家族，强调无 NMS 端到端推理

解读 Ultralytics 把检测、分割、姿态、分类与旋转框放进同一套 YOLO26 文档与模型线，并宣传更轻的端到端路径与更好的 CPU ONNX 时延。对落地团队，先比任务覆盖和导出延迟，再决定要不要从 YOLO11 迁；开放词汇 YOLOE-26 适合类别经常变的现场。

来源 Ultralytics Docs

【主题】公开 agent 日志里藏着“隐藏想法”和凭证

解读 THE DECODER 梳理了用小模型“打印”大模型隐藏推理的方法，并提到公开 Claude Code / Codex 会话中发现密码与密钥。对工程规范的提醒很直接：日志脱敏、密钥轮换、禁止默认上传完整 session；安全评审要把“加密块”当成可能可还原的内容。

来源 THE DECODER

【主题】Muse Glimmer 落地手册：vLLM / llama.cpp / ExecuTorch 怎么选

解读 Meta 开发者文档把本地多智能体模型的部署拆成三条路：高吞吐用 vLLM，笔记本/混合算力用 llama.cpp，端侧用 ExecuTorch。对工程师，选型重点不是参数量口号，而是硬件、量化包与 OpenAI 兼容接口是否够接现有 agent 框架；长思维链场景记得开流式，避免超时。

来源 Meta AI Developer Docs

【主题】论文《Stealing Reasoning Traces》把 API 侧信道讲清楚

解读 arXiv 预印本系统描述了跨会话、跨用户、跨同厂模型的推理块重放攻击，并统计公开仓库中可解码块的规模。对做评测平台与 agent 产品的人，这意味着“只加密不绑定上下文”不够；发布前要检查日志字段白名单，并把供应商缓解措施写进上线检查表。

来源 arXiv PDF