Python软件基金会(PSF)将获得额外的150万美元资金支持,这笔资金来自AI公司Anthropic,双方建立合作伙伴关系,旨在改善Python生态系统的安全性。
该基金会副执行董事洛伦·克拉里表示:"这项投资将使PSF能够对CPython和Python包索引(PyPI)进行关键的安全改进,使所有用户受益,同时也将维持基金会支持Python语言、生态系统和全球社区的核心工作。"CPython是Python语言的参考实现,PyPI是Python开发者的软件存储库。
她补充说:"Anthropic的资金将使PSF能够在我们的安全路线图上取得进展,包括旨在保护数百万PyPI用户免受供应链攻击的工作。"
克拉里认为这项努力可能会让其他自由开源软件项目受益:"这个项目的优势之一是,我们期望开发的产出能够转移到所有开源包存储库中。因此,这项工作有可能最终改善多个开源生态系统的安全性,从Python生态系统开始。"
虽然Anthropic尚未公开解释其动机,但该公司提供Python SDK,并且是PyTorch深度学习框架的已知用户——这是一个面向Python的机器学习库——因此对保持Python生态系统安全有明确的利益。
"我们对Anthropic的卓越支持无比感激,希望大家能够加入我们,感谢他们对PSF和Python社区的投资,"克拉里的帖子写道。这或许也显示了Anthropic决定与PSF合作的另一个原因。
周二对Anthropic来说是忙碌的一天,该公司还宣布将扩展其实验室,用于"在Claude能力前沿孵化实验性产品"。
Anthropic的首席产品官迈克·克里格是Instagram的联合创始人,他将加入实验室,并与该AI公司产品工程负责人本·曼合作。
"阿米·沃拉——她在2025年底加入Anthropic——将领导产品组织,与我们的首席技术官拉胡尔·帕蒂尔密切合作,扩展数百万用户每天依赖的Claude体验,"该公司的帖子称。
公司总裁丹妮拉·阿莫迪表示,扩展实验室是必要的,因为"AI发展的速度要求我们在如何构建、如何组织以及关注重点方面采用不同的方法。"她认为公司现在拥有"合适的结构来支持我们产品组织最关键的行动——在Claude能力前沿发现实验性产品,并负责任地扩展它们以满足企业客户和不断增长的用户群体的需求。"
Q&A
Q1:Anthropic为什么要投资Python软件基金会?
A:虽然Anthropic未公开具体动机,但该公司提供Python SDK并使用PyTorch深度学习框架,对保持Python生态系统安全有明确利益。此外,这也有助于提升公司在开发者社区中的形象。
Q2:这150万美元投资将用于哪些方面?
A:资金将用于改善CPython和Python包索引(PyPI)的安全性,推进PSF的安全路线图,特别是保护数百万PyPI用户免受供应链攻击,同时维持基金会支持Python语言和生态系统的核心工作。
Q3:这项投资对其他开源项目有什么影响?
A:PSF副执行董事表示,开发的安全改进成果能够转移到所有开源包存储库中,因此有可能改善多个开源生态系统的安全性,不仅限于Python生态系统。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。