同时关联该项目与事件的快讯
Zcash 开发者正将扩容项目 Tachyon 的部分代码整合至 Zakura Common 密码学库，其中名为 Udon 的新组件已于周一发布。Tachyon 负责人 Sean Bowe 表示，Udon 此前作为 Tachyon 的一部分开发，目前已加入 Zakura Common，以利用该库现有的性能优化。Bowe 与 Valar Group 负责人 Dev Ojha 设定的长期目标是实现每秒超过 5 万笔隐私支付。Tachyon 旨在通过将多笔交易的证明合并为单一证明，降低 Zcash 节点需要接收和验证的数据量。不过，该升级目前尚未在 Zcash 网络启用。据 ZecStats 数据，截至 9 月 28 日的 7 天内，Zcash 涉及隐私资金的交易日均约 6200 笔，较截至 9 月 21 日 7 天内的日均约 1.17 万笔有所下降。（CoinDesk）
Solana 创始人 Toly 于 X 发文表示：“AGI (通用人工智能) 依然还很遥远。就我的测试项目 Percolator 而言，如果是我自己全职写代码的话，现在应该都已经发布了。AI 表现最出色的一点，是在设计和规范研究阶段，以及模糊测试寻找 bug。如果采用这种方式的话，代码质量应该会更好。但今天实际推向市场的好产品数量，不太可能比大模型时代之前更多。”此前消息，Toly 去年曾宣布将推出基于 Solana 的下一代永续期货去中心化交易所 Percolator。它采用分片订单簿，执行速度堪比中心化交易所 (CEX)，并且完全开源。
PPP 预测市场工具监测显示， Polymarket 上“下一个 Grok 模型(4.7 及以上)会在 9 月 18 日之前发布”的概率现报 15%，24 小时下跌 38%。如果在市场创建后至 9 月 18 日之前，SpaceXAI 向公众开放下一款 Grok 模型，并且版本号达到 4.7 或以上，则结算为“Yes”，否则为“No”。符合条件的模型需要同时满足：名称或模型标识中必须包含“Grok”，版本号为 4.7 或更高，例如 Grok 4.7、Grok 4.7 Heavy、Grok 5 等都算；Grok 4.6 及其更新、快照或推广版本不算。Grok Code Fast、Grok Imagine 等独立产品线也不算，App 或网站自身的版本号同样不算。此外，模型必须真正向公众开放。公开测试或任何人都能申请加入的滚动候补名单可以算，但封闭测试、私人邀请或内部访问不算。仅网站出现“Grok 4.7”等文字，但模型实际上无法公开使用，也不算。主要判定依据为 SpaceXAI 官方信息，并辅以可信媒体报道进行验证。加入 PPP 信号推送社群，快人一步，掌握先机。
保加利亚国民议会于 9 月 9 日以 149 票赞成、0 票反对、10 票弃权通过《税收和社会保障程序法》修正案，将允许保加利亚国家税务局获取加密资产用户详细信息。该法案经 240 席议会表决通过。修正案落实两项欧洲联盟（EU）指令，加密资产相关企业须登记并向保加利亚国家税务局报告用户姓名、地址、出生日期和地点、税务居住地及税号，并提交各类加密资产的交易数据，包括收到的毛额、交易数量、法币买卖笔数及加密资产兑换情况。隐私倡议人士批评数据收集范围过广，认为强制披露个人信息可能带来安全风险。加密交易者和小型企业则表示，登记及报告要求将增加合规成本；法案支持者认为其符合欧盟标准，有助于遏制逃税。相关指令要求欧盟成员国在 2025 年 12 月 31 日前完成采用。（Bitcoin.com News）
微软(MSFT.O)在 Anthropic 和 OpenAI 负责人同意放缓开发速度几天后，发布了临时行为准则，对人工智能模型施加限制。该公司希望被视为负责任的 AI 参与者，它是领先的云服务提供商之一。“我们收到了一些反馈，人们希望看到更明确的承诺：AI 始终服务于人类，而不是试图取代人类，”负责公司模型开发的 Mustafa Suleyman 在接受 CNBC 采访时表示，“我们收到了大量反馈，强调 AI 不应造成依赖，不应谄媚，而应始终促进人类的判断力、自主性和能动性。”Suleyman 表示，尽管这些准则已酝酿约五个月，但鉴于近期引发的讨论，微软选择在此时发布。(CNBC)
据 HyperliquidNews 监测，HIP-3 市场部署者 Entropy 花费 500 枚 HYPE（约合 38,950 美元）拍下代码 DRAM，预计将上线 io:DRAM 永续合约交易。
月之暗面 Kimi K2.8 Preview 模型已全量上线 Kimi Code，Model ID 仍为 kimi-for-coding，客户端及第三方工具无需修改配置即可使用。官方称，该模型综合性能接近 K3，编码与智能体能力提升，思考效率较 K2.7 Code 明显改善。Kimi K2.8 Preview 支持与 K3 一致的 thinking effort 档位调节，提供 low、high、max 三档，默认 max；全部会员档位均开放最高 1M 上下文窗口。
AI 3D 公司 VAST（三启万物）宣布完成约 30 亿元人民币 B 轮和 B+轮融资，经纬创投领投。完美世界、蓝色光标、芯动能投资、延趣游戏、中科创达、三七互娱，以及鼎晖 VGC、中金资本、CMC 资本等联合参投，老股东达晨财智、春华资本、渶策资本等持续追投。据官方介绍，VAST 不到半年时间累计融资约 50 亿元人民币。据悉，VAST 还发布旗舰 3D 基座模型 Tripo P 系列最新版本 Tripo P2.0，本轮融资资金将投入 3D 原生模型与数据能力迭代、训练与推理基础设施扩建、产品开发与商业化落地。（新浪财经）
Anthropic 宣布升级 Claude Cowork 和 Claude Code 的电脑控制功能，支持在 macOS 后台通过屏幕交互完成点击、输入和导航等操作。该功能要求设备运行 macOS 15 及以上版本，并保持桌面唤醒、Claude Desktop 应用开启。目前该功能仅面向 Pro 和 Max 个人订阅用户开放，团队版和企业版暂未支持。
加密项目 Refi Hub 联合创始人 Numa Lunah 表示，自己因使用 Claude 聊天窗口提供的下载链接安装转录应用而遭黑客攻击。该链接指向仿冒网站，并捆绑恶意软件，执行后试图窃取其设备中的全部信息。Numa Lunah 称，自己清除并重装了涉事笔记本电脑，未发现敏感信息外泄。随后，他在备份中发现受污染的 Claude Code 技能文件 SKILL.md，该文件伪装成其本人编写的风格指南，并包含每次加载时重新下载恶意软件、窃取凭证的指令。Microsoft Defender Experts 曾警告，攻击者已从搜索引擎优化投毒转向大语言模型回答投毒，相关手段包括推荐攻击者控制的下载链接、AI 品牌仿冒安装程序，以及受污染的代码库和代理技能。加密行业从业者可能持有助记词、私钥文件、热钱包 JSON、具备提现权限的交易所 API 密钥和部署者密钥等不可撤销凭证。（Bitcoin.com News）
据 Decrypt 报道，隐私向比特币钱包 Sparrow Wallet 于 8 月 28 日发布 2.5.4 版本更新。开发者 Craig Raw 表示，此次更新由 AI 辅助代码审查驱动，大部分修复均来源于此次审查。此次审查的背景是此前 Coldcard 发生的种子生成代码漏洞攻击事件，以及中国无限制 AI 模型的发布使大型代码库漏洞搜索能力大幅提升。 主要更新内容包括：验证 Electrum 服务器返回的交易合法性、加强 BitBox02 硬件钱包安全要求（固件版本需 9.4.0 及以上）、修复本地 DNS 泄露、隐藏调试日志中的敏感凭证等。Raw 表示，未发现任何被利用的迹象，用户资金未受威胁，但仍建议所有用户尽快更新。
Qualcomm Technologies 宣布推出高通智能多媒体软件开发套件（Qualcomm Intelligent Multimedia SDK，IMSDK）2.0，为基于高通 Dragonwing 平台的 AI 与多媒体应用开发提供统一开发框架。高通表示，IMSDK 2.0 旨在帮助开发者在边缘设备上构建融合生成式 AI、多媒体处理和实时分析能力的智能应用，将 AI 模型推理、摄像头、音频、视频、传感器及云端连接整合到同一开发环境中，覆盖智能摄像头、工业机器人、无人机、物联网设备等场景。新版 SDK 新增 Pipeline API 和 Python、C++应用构建工具，降低开发者对底层多媒体框架的依赖。同时，IMSDK 2.0 支持多种 AI 推理路径，包括高通 AI Runtime SDK（QAIRT）、ONNX Runtime 和 TensorFlow Lite，并可根据需求在 CPU、GPU 或 NPU 上运行模型。此外，IMSDK 2.0 引入面向 AI 编程助手的 Coding Agent Skills、代码化文档（Documentation as Code）以及容器化微服务能力，帮助开发者通过自然语言指令完成应用构建、调试、部署和优化。
据 Cursor 官方宣布，其代码托管平台 Origin 已于 8月 18 日正式上线，支持用户直接从 GitHub 同步代码仓库，并与 Cursor 深度集成。目前已接入 Vercel、Buildkite、Depot 等主流 GitHub 生态合作伙伴，更多集成服务将陆续推出，Beta 版本已开始向用户滚动开放。
Z.ai 发布 GLM-5.3，基于与 GLM-5.2 相同的基础模型，通过扩大后训练实现能力提升。官方称，GLM-5.3 在内部 Z.ai Code Bench 编码基准上较 GLM-5.2 提升 50%，并在 Terminal Bench 3.0、Agents’ Last Exam 等公开基准中达到开放模型领先水平。网络安全方面，GLM-5.3 在 CyberGym 漏洞发现测试中取得 84.5% 成绩，并在 ExploitBench、ExploitGym 等利用链相关测试中较前代显著提升。
MetaMask 周四推出自托管钱包 Agent Wallet，允许 AI 代理在用户设定限制内执行链上交易，面向使用 AI 代理监控市场、识别机会并自主执行交易的交易者和开发者。 用户可设置支出上限、批准特定协议、选择风险设置，并在 Guard Mode 与 Beast Mode 之间选择不同自动化级别。Agent Wallet 支持 Claude Code、Codex、Cursor、OpenClaw、Hermes、OpenCode，以及 Hyperliquid 和以太坊虚拟机兼容网络。 Agent Wallet 支持 gas 抽象，用户可用正在转移的资产支付网络费，无需持有对应网络原生代币。MetaMask 表示，受支持交易将经过交易模拟、威胁扫描和智能交易 MEV 保护，符合条件交易若通过安全检查后仍产生亏损，可获得每月最高 1 万美元 Transaction Protection 覆盖。
Meta 推出 Muse Code（测试版），这是一款专为长周期软件工程打造的终端编程智能体，由 Muse Spark 1.2 模型驱动。Muse Code 能够规划、实施并验证大型代码库中复杂的多文件变更，借助持久化子智能体的支持，可更快、更准、更少干预地解决工程难题，提高开发效率。
半导体巨头 AMD 宣布推出企业级 AI 编程平台 AMD Instinct Coder，该平台结合 AMD 芯片、Supermicro 服务器及 Spectro Cloud 软件，旨在帮助企业在本地部署 AI 编码助手，降低云端 AI 模型使用成本并保护代码及数据安全。AMD 表示，Instinct Coder 是一套“开箱即用”的端到端 AI 开发平台，整合了 AMD EPYC 处理器、AMD Instinct GPU、Supermicro AI 服务器、Spectro Cloud PaletteAI Inference Launchpad 软件，以及经过 AMD 优化的 GLM-5.2 模型，可用于代码生成、应用现代化、自动化测试、代码审查等软件开发场景。AMD 称，与依赖云端前沿 AI 模型相比，Instinct Coder 可帮助企业降低最高 70%的总拥有成本（TCO），投资回收期最快可缩短至 6 个月。AMD 表示，越来越多企业希望利用 AI 提升开发效率，但同时面临两大挑战：一方面，调用顶级云端模型成本不断增加；另一方面，将企业源代码、知识产权和敏感数据交由第三方服务存在安全和合规风险。通过本地部署模式，Instinct Coder 可让企业保持对数据和代码的控制，同时提供更可预测的基础设施成本。该平台支持 Claude Code、OpenAI Codex、Visual Studio Code 和 Cursor 等开发工具，每个节点最多支持 50 名用户（30 名并发用户）。此外，Spectro Cloud 提供的 PaletteAI Inference Launchpad 可实现 AI 工作负载管理、模型路由、请求审计和成本监控，并支持在需要时调用 Anthropic、OpenAI、Google 或 xAI 等外部模型。AMD 表示，Instinct Coder 旨在帮助企业摆脱高昂云端 AI 服务成本，在保障数据安全和自主控制的同时，加速 AI 驱动的软件开发流程。
以太坊基金会“万亿美元安全”计划宣布向新闻自由基金会提供资助，用于推进开源工具 WEBCAT 的持续开发。该工具可帮助浏览器验证网站实际下发的前端代码是否与开发者发布版本一致，以降低前端被篡改带来的安全风险。
DeepSeek 正式公测 V4-Flash-0731 版本，通过后训练与 Agent 框架优化，将 DeepSWE 榜单成绩从 7.3 提升至 54.4，Cybergym 得分翻倍至 76.7，部分硬榜表现接近 Claude Opus 4.8。新版本未增加参数，价格保持不变，原生支持 Responses API，老用户 API 将自动切换至新版本。目前仅更新 Flash API，V4 Pro 正式版仍在开发中。
据 Rohan Paul 发布的研究摘要，一项针对 207 个 GitHub 项目、102 万次拉取请求的大规模研究显示，引入 AI 代理审查可将代码审查时间缩短 2.5 至 4.5 天/KLOC，但代价是审查质量下滑——AI 参与的审查中，78%~94% 的 PR 存在"审查异味"（review smells），高于纯人工审查的 69%~76%。研究指出，反复分配同一 AI 审查员身份是导致审查多样性下降的主要原因。值得注意的是，早期大量引入 LLM 审查的项目并未获得显著效率提升。