给软件开发者准备的优质简报，每日阅读 10分钟。
Lore – Open source version control system designed for scalability
Lore：Epic Games开源的下一代二进制优先版本控制系统
- 由Epic Games主导开发和维护，采用MIT许可证完全开源，旨在为游戏和媒体等需要同时管理代码与大型二进制资产的项目提供前所未有的数据与团队可扩展性。
- 架构核心是集中式的、基于内容哈希的系统，使用Merkle树和不可变修订链来保证数据完整性与可验证性，并专为二进制优先存储、数据去重和大规模按需数据加载而优化。
- 针对大型文件处理，采用分块存储以实现高效更新与传输，并支持按需获取文件数据的工作区，使开发者无需提前下载全部内容即可开始工作。
- 提供完整的命令行界面，并开放支持C/C++、C#、Go、Python、JavaScript等语言的API，便于灵活扩展、定制以及与其他系统集成。
- 作为一项协作构建的开放标准项目，鼓励社区通过GitHub仓库、文档和Discord频道共同参与其发展。
Midjourney Medical
Midjourney 推出 60 秒全身超声扫描仪并计划将其嵌入水疗中心
- 以“Midjourney Scanner”为核心，利用约 50 万块微型声学传感器组成的环形阵列，在水中发射/接收超声波，60 秒内生成亚毫米级全身三维图像，数据量达到每秒数万亿字节，速度宣称比传统 MRI 快近百倍。
- 将该扫描仪嵌入 “Midjourney Spa”：首家水疗中心计划于 2027 年在旧金山落地，提供热浴、桑拿、冷水冲击等设施，扫描过程被设计为用户在金色光池中轻松下沉的 SPA 体验，健康数据仅为附加副产品。
- 研发路线图：未来 12 个月聚焦算法与硬件迭代、开展研究试验并搭建首个“研究水疗”原型；2028 年向更多城市推广并推出第三代定制芯片扫描仪；目标在 2031 年全球部署逾 5 万台设备，月扫描量达 10 亿次。
- 项目由社区众筹支持、无外部投资者，定位为全新社区驱动的研究实验室，公开征集用户对扫描仪功能和水疗中心设计的意见，以确保技术面向大众。
- 创始团队预估，普及早期高频影像检查可降低约 30% 死亡率并削减 50% 医疗费用，旨在改变人们与自身身体的关系，实现更主动、持续的健康管理。
GLM-5.2 is the new leading open weights model on Artificial Analysis
GLM‑5.2 成为人工分析智能指数上领先的开源模型
- GLM‑5.2 在 Intelligence Index v4.1 中得分 51，领先 MiniMax‑M3、DeepSeek V4 Pro（均为 44）和 Kimi K2.6（43），成为当前分数最高的开源权重模型。
- 与前代 GLM‑5.1 相比，科学推理等多项评测均大幅提升：CritPt 提升 16 分至 21%，HLE 提升 12 分至 40%，AA‑LCR 提升 9 分至 71%，tau3 银行业务提升 15 分至 27%，SciCode 提升 7 分至 50%，TerminalBench v2.1 提升至 78%，GPQA Diamond 达 89%。
- 在 GDPval‑AA v2 上获 1524 分，超越 MiniMax‑M3（1418）和 DeepSeek V4 Pro（1328），并与专有模型 GPT‑5.5（1514）持平，显示出与顶级专有模型相当的真实世界代理表现。
- 每个 Intelligence Index 任务使用约 43 k 输出 token（其中 37 k 为推理），高于其他开源模型；然而在“智能 vs 成本”Pareto 前沿上，以约 $0.46/任务的成本位居同等智能水平模型之首。
- 该模型采用 MIT 许可证，参数规模 744 B（活跃 40 B），上下文窗口 1 M token（比 GLM‑5.1 的 200 K 大幅提升），定价为 $1.4/$0.26/$4.4 每 1 M 输入/缓存命中/输出 token，并已在 Z ai 官方 API 及 DeepInfra、Novita、Nebius 等多家第三方平台提供。
How we run Firecracker VMs inside EC2 and start browsers in less than 1s
在常规EC2上以Firecracker实现云浏览器降本提速三倍
- 架构重构与嵌套虚拟化创新：为解决旧有Unikraft架构在应对流量高峰时需人工扩容、导致服务中断的缺陷，团队将基础设施迁移到Firecracker微虚拟机（MicroVM）。其关键创新在于将Firecracker运行在常规AWS EC2实例上（而非传统的裸金属服务器），形成了“VM套VM”的嵌套虚拟化架构，从而实现了更快的扩容速度和更低的运营成本。
- 针对嵌套架构的性能深度优化：为克服嵌套虚拟化带来的延迟，对虚拟机恢复和浏览器启动进行了系统级优化。核心措施包括：将内存恢复粒度从4KB增至2MB并利用
userfaultfd预加载热点页面，将VM恢复到浏览器就绪的时间从9.8秒缩短至3.1秒；同时实施了动态的vCPU管理策略（启动期不绑定以分散负载，就绪后绑定至物理核心的双线程）并赋予实时优先级，确保了在高并发下的稳定启动。 - 无头模式下的高隐蔽性技术：通过修改Chromium底层代码（而非仅注入JavaScript）并整合来自数万真实环境的浏览器指纹库，使其完全无头的浏览器具备了高反检测能力。该技术使其在第三方隐蔽性评测中规避封锁的比率达到81%，在无需显示硬件以实现低成本的同时，保持了领先的反机器人检测性能。
- 自建控制平面实现智能弹性伸缩：构建了专属的实时控制平面来管理浏览器集群，它通过直接监控主机状态进行决策，响应速度远快于AWS CloudWatch（基于1分钟窗口）。用户请求通过无状态边缘路由转发至控制平面，由其将会话精准分配到有空闲资源的EC2主机，并在流量下降时自动将特定主机置入维护模式，实现了全自动的智能扩缩容。
- 量化成果与明确的演进路径：新架构达成了低于400毫秒的VM冷启动，端到端浏览器创建延迟在P99为1.35秒，并将单浏览器小时成本从0.06美元降至0.02美元。当前的主要性能瓶颈是Chromium自身的启动耗时（约545ms），下一步计划是在Chromium已经运行的状态下创建快照，使新会话能直接恢复浏览器，从而完全跳过启动步骤。