🚨 今日科技重點
- 愛爾蘭DPC對Google開出4.03億歐元GDPR罰款 — 愛爾蘭資料保護委員會（DPC）認定，Google透過「Web & App Activity」、「Location History」與「Location Accuracy」三項功能，在2018年至2020年間違反GDPR規定處理使用者位置資料，使用者可能在不知情下被用於廣告投放或推斷興趣；DPC已要求Google在六個月內完成合規改善，此案是DPC自2018年GDPR生效以來對大型科技公司開出的第四高罰款。
💡 若產品涉及位置資料蒐集，務必檢視使用者是否清楚知情其資料用途，避免落入類似的合規缺口。
- Xiaomi發布MiMo-V2.6系列，Pro版以1.02兆參數登場 — Xiaomi一口氣推出MiMo-V2.6-Pro（1.02兆參數MoE，啟動42億參數）、MiMo-V2.6-Flash與Pro-UltraSpeed三款模型，皆支援文字、圖片、影片與音訊的全模態輸入，並提供100萬token上下文；Pro版在DeepSWE v1.1拿下71.9%、Toolathlon-Verified拿下76.9%、OSWorld-Verified拿下82.0%的成績。
💡 開放權重的全模態旗艦模型持續增加，評估自建agent或多模態應用時可將其納入選型比較。
🧠 AI / LLM 動態
- Tim Dettmers實驗室發起Open Source Week，量化推理框架加CliffCompaction省下五成成本 — DLab一次釋出兩個開源專案與四篇研究論文，其推理框架讓Qwen 3.6 35B-A3B以每權重1.5 bit量化跑出每秒450個token，Qwen 3.8 Flash Next（1,250億參數）可在單張24GB GPU上執行，DeepSeek V4.1（5,500億參數）則能在AMD Strix、NVIDIA DGX Spark或128GB記憶體的MacBook上運行；其中名為CliffCompaction的session管理技術可將成本降低約五成，部分session累積超過1億個token。
💡 若正在自架本地推理環境，這批釋出的量化與長session管理技術值得直接參考其實作細節。
⚙️ Backend / Infra
- Linear重構CI管線，每月省下8.7萬分鐘runner時間 — Linear因AI輔助開發導致提交量暴增，若不改善PR等待時間將拉長到約11分鐘；團隊改採第三方runner（工作速度提升34%）並換用tsgo編譯器（型別檢查提速73%），同時把七項檢查合併為兩個批次任務。改善後PR等待時間降回約5分鐘，光是批次化就每月省下8.7萬分鐘runner時間（占總CI用量11.8%），其中module state快取單項貢獻約17%的月省幅度。
💡 若團隊CI也因AI輔助開發的提交量暴增而變慢，可參考其批次化檢查與分片測試的具體做法。
🛡️ 資安快訊
- Zyxel GS1900交換器CVE-2026-7273遭實際攻擊，CISA列入KEV名錄 — CVE-2026-7273（CVSS 8.8）為Zyxel GS1900系列交換器CGI程式中的堆疊緩衝區溢位，受影響版本為GS1900-48HPv2韌體2.90(ABTQ.1)C0以下，區域網路內未經驗證的攻擊者送出特製HTTP請求即可觸發並執行作業系統指令；該漏洞於2026年9月21日被通報遭實際攻擊，CISA同日將其列入已知遭利用漏洞（KEV）目錄。
💡 區網內有部署GS1900系列交換器的環境應立即檢查韌體版本並比照Zyxel公告升級。
🎯 工程師建議
- 立即檢查Zyxel GS1900韌體版本：CVE-2026-7273已遭實際攻擊且免驗證即可觸發，區網內有部署此系列交換器應優先排入本週修補。
- 參考Linear的CI批次化與分片策略：若AI輔助開發讓PR等待時間持續拉長，可從檢查合併、依賴預裝、測試分片切入，而非一味加機器。
🎪 社群趣事 & 新知
- Foremerge：讓多個AI coding agent不再「意圖衝突」的協定 — 開源專案Foremerge以Rust實作，讓多個AI coding agent在各自獨立worktree工作前，先宣告預計變更以偵測「意圖衝突」（例如一個agent把PaymentService換成StripePaymentService，另一個agent卻同時替PaymentService加新功能，Git合併不會報錯但功能會憑空消失）；目前版本0.5.0，9月21日登上Hacker News Show HN版。
💡 多個AI agent同時開發同一個repo時，光靠Git的文字層級合併偵測不出語意衝突，這類工具提供了另一層保險。
- Georgia Tech互動式Transformer Explainer視覺化工具重返熱門 — 由Georgia Institute of Technology團隊開發的Transformer Explainer，在瀏覽器內即時運行GPT-2（small，1.24億參數、詞彙量50,257）模型，讓使用者輸入文字並即時觀察注意力權重與token機率如何隨temperature、top-k、top-p等參數調整而變化，9月21日再度登上Hacker News前段。
💡 想直觀理解transformer內部運作的人，這是少數能即時互動、非黑箱的教學工具。
End of article