a16z 撰文分析称，AI 已把漏洞利用从熟练攻击者数月的工作压缩到几小时的机器时间，而补丁修复速度没有同步加快，小机构无法再靠不起眼而幸免。文中举例，8月最后一天一名操作者用数百个 AI 智能体在4小时内攻入第一个真实目标，随后26秒内攻陷11个组织，GreyNoise 最终统计395个组织在48个国家被攻破，其中一半是学校，所用的是廉价的开放权重模型。
推荐理由：文章用23年漏洞利用数据说明攻击成本下降的幅度，并给出两年内可公开核查的指标，便于读者自行判断趋势走向。
Wiz Research 报告，10月至少9家 AI 开发平台披露安全事件，Fireworks、Zeabur、Lightning 等多起根源指向凭证访问失窃，攻击者重点搜刮环境变量中可调用 AI 的密钥，整体与 Agentic 攻击及 LLMJacking 变现市场的兴起相吻合。
推荐理由：原文梳理十月多起AI开发平台入侵事件的共性，并用两个下游盗用案例说明被盗凭证如何在转售市场变现。
Thinking Machines Lab 发布框架文章，论证开源权重模型的安全开放取决于模型本身与其所处生态两方面。文中说明其 Inkling 和 Inkling-Small 经内部评测、四家外部红队测试和对抗微调研究后，判断发布不会带来超出既有开源权重模型的实质性增量风险。
推荐理由：Thinking Machines 提出分阶段安全开放权重的框架，结合自家 Inkling 评测过程说明证据如何驱动逐步开放。
Hugging Face 披露一起由自主 AI 智能体端到端驱动的入侵事件，作者 Johann Rehberger 由此分析防守方的应对教训。入侵始于恶意数据集和两条代码执行路径，智能体获得节点级访问后窃取云与集群凭据并横向移动，留下超过 17,000 条行动记录，最早由基于 LLM 的异常检测管道发现。
推荐理由：商用模型安全护栏可能在事件响应中阻断取证分析，作者建议防守方在事前就准备可本地部署的开源权重模型作为独立兜底。
Answer.AI 创始人 Jeremy Howard 与 Virgil Law 联合创始人 Luke Versweyveld 撰文分析 OpenAI 与美国战争部合同的公开措辞，认为它无法把签约时的自主武器法律标准冻结为长期约束。
推荐理由：作者逐条拆解合同措辞并援引 150 年最高法院判例，解释为何合同无法锁定签约时的法律标准，为评估 OpenAI 声明的约束力提供法律背景。