一个存在了二十多年的 PHP 漏洞，被 AI 和安全研究员一起挖出来了。发现花了两天，修复和协调却拖了两个月。与此同时，另一个 AI 服务的依赖包刚遭投毒，恶意版本在两小时内被下架。

今天的新闻很容易被模型、融资和新产品抢走注意力。但我更在意这两件不太光鲜的事。AI 开始参与发现问题了，系统也因此更需要知道自己依赖了什么、出了事怎样止血。

今天最该处理的，不是多试一个模型

1. PHP2Shell 把 AI 漏洞挖掘推到了一次真实的生产考验

OpenAI、Google Wiz 和安全研究者披露，PHP 中的两个高危漏洞可让未认证攻击者远程执行代码，影响范围最早可追溯到 PHP 5.4。公开信息显示，研究团队借助 GPT-5.6 Sol 找到了问题，PHP Foundation 已发布补丁，NSA 还建议不能及时修复的站点考虑先下线。

这里最值得看清的，不是 AI 又找到了一个 bug。漏洞发现只是链条的开头，后面还有复现、负责任披露、维护者定位根因、兼容性测试、补丁发布和全网升级。AI 把发现速度压到两天，并没有把后半段变简单，反而让协同能力成了新的瓶颈。

如果你维护 PHP 服务，今天比研究提示词更优先的动作，是确认运行版本、查阅 PHP 的安全公告、安排升级窗口。没有立即缓解措施时，暴露在公网的关键站点需要按官方建议评估临时下线或收缩入口。

来源，OpenAI 的 Patch the Planet 说明 · Wiz 对 PHP2Shell 的技术披露 · OpenAI 提供的自查技能

2. LiteLLM 的投毒事件，提醒人们依赖链没有旁观席

Wiz 报告称，10 月 21 日一个恶意 LiteLLM 1.107.0 被上传至 PyPI，相关 GHCR 和 Docker Hub 镜像标签也受到波及。该版本在约两小时内被隔离和移除，风险指向凭据窃取。

两小时已经算快，但这不是可以松口气的理由。依赖被下载安装到生产环境后，攻击者真正想要的通常不是让应用报错，而是拿走环境变量、云密钥、模型平台 Token 这些安静又值钱的东西。AI 应用往往集成的第三方包更多，凭据也更密集，爆炸半径并不小。

这块需要注意一下，锁定版本、检查构建缓存、轮换可能暴露的凭据，并不是传统团队才需要的老规矩。Agent 和 LLM 网关用得越深，这些基本功越不能省。

来源，Wiz 对 LiteLLM 供应链攻击的披露

3. OpenAI 进入 Google Cloud，模型入口终于不只是一家云的门票

OpenAI 宣布与 Google Cloud 合作，前沿模型和 Codex 工作流将进入 Model Garden，并可通过 Google Cloud Marketplace 获取。这是一个挺有代表性的信号，模型公司与云厂商的关系，正在从单向绑定变成多层交叉。

对企业用户来说，真正的价值不在于多了一个采购页面，而在于模型接入能否进入现有的权限、账单、网络和审计体系。把一个 API Key 填进 demo 很容易，把它放进一家大公司的合规边界里，完全是另一回事。

来源，OpenAI 与 Google Cloud 的合作公告

另外几条，别错过

Claude Duet 想把主动式 Agent 放进日常工作

Anthropic 开启 Claude Duet 研究预览，面向美国 Pro 和 Max 用户开放候补。它不是等用户每一步发问的聊天框，而是尝试以主动式 Agent 的方式承接日常工作。这个方向有吸引力，也更考验权限、打断机制和结果验收。一个会主动做事的助手，出错时不能只留下一句抱歉。

来源，Claude Duet 研究预览

12 小时 prompt 缓存，长任务终于少一点重复缴费

OpenAI API 新增可选的 12 小时 prompt 缓存。对持续运行的 Agent 来说，系统指令、工具描述和长上下文不必每次都从头计算，成本和延迟都有机会下降。可缓存不是记忆方案，它只是在一段时间内把上下文复用得更便宜，长期事实仍然要靠明确的数据与状态设计来维护。

来源，OpenAI API prompt 缓存更新

vLLM 社区与蚂蚁开源 Humming

蚂蚁集团和 vLLM 社区开源 Humming，定位为通用高性能量化推理内核库。推理优化常被包装成一堆漂亮数字，实际工程里却要面对硬件差异、精度损失和维护成本。内核层能有更多可复用组件是好事，但是否适合接入，还是要拿自己的模型、批大小和延迟目标测一遍。

来源，vLLM 发布 Humming

数千个科研 Agent 在 32 分钟里扫过脑细胞数据

OpenAI、PerturbAI 与 Scripps Research 使用数千个 GPT-Rosalind 驱动的 Agent 并行分析小鼠全脑 CRISPR atlas，称在 32 分钟内完成数据分析和文献解读并提出研究线索。科研的价值不在于把阅读速度拉满，而在于线索能否经得起实验复核。这个项目的后续验证，可能比 32 分钟这个数字更有分量。

来源，OpenAI 的脑细胞研究项目

AI 盲扫超声进入临床准确性讨论

Google Research 在 JAMA Network Open 发表研究，评估 AI 基于盲扫超声估算孕周的表现，结果称可与专家操作相当。医疗 AI 最难的从来不是在单一数据集上拿高分，而是面对不同设备、操作者和临床环境还能不能稳定工作。这类多中心研究，比演示视频更值得认真读。

来源，Google Research 的盲扫超声研究

FairStress 想量出模型决策里藏着的不对称

Ai2 发布 FairStress 基准，用 300 个双候选决策场景与对抗前缀测试模型在不同人群属性下被说服、改变决定的难易程度，组合规模超过 1300 万。公平性不是给模型贴一张合格标签，它更像压力测试。系统在正常问题上看起来一视同仁，并不代表它在被诱导、被施压时仍然如此。

来源，Ai2 发布 FairStress

今日思考

从 PHP2Shell 到 LiteLLM 投毒，今天给人的提醒很直接，AI 把系统的发现能力和连接能力都推高了，也把失败传播得更快。

会用模型不是终点。知道依赖了什么、谁有权限、漏洞出现后怎样止血，才是一个团队把 AI 放进真实业务前该补齐的底盘。

发现用了两天，修复用了两个月。这条时间差，值得每个做 AI 工程的人记住。