GitLab یه راهکار observability برای نمونههای self-managed معرفی کرده که با Prometheus و Grafana، متریکهای پایپلاین رو به داشبوردهای کاربردی تبدیل میکنه.
Argus یه اسکنر آسیبپذیری مبتنی بر RAG هست که برای پروژههای Go، Python و Rust طراحی شده و بهجای API های ابری، از مدلهای محلی Ollama استفاده میکنه. این ابزار پایگاه داده آسیبپذیریها رو از منابعی مثل OSV، GoVulnDB، RustSec و PyPA دریافت کرده و بهصورت محلی ذخیره میکنه. هیچ کدی به سرورهای خارجی ارسال نمیشه و همه چیز روی ماشین خودت میمونه. خروجی رنگبندیشده در ترمینال و فرمتهای JSON و SARIF برای CI/CD هم پشتیبانی میشه.
موزیلا با استفاده از مدلهای هوش مصنوعی مثل Claude Mythos، تعداد بیسابقهای از باگهای امنیتی پنهان فایرفاکس رو شناسایی و برطرف کرد.
Datadog یه بنچمارک واقعی از حوادث داخلی خودش ساخته تا ببینه مدلهای هوش مصنوعی چقدر میتونن در تشخیص ناهنجاریهای سیستمهای نرمافزاری موفق باشن.
سربراس با فناوری منحصربهفرد «تمام ویفر بهعنوان یک چیپ» وارد بازار میشه و نشون میده آینده سختافزار هوش مصنوعی لزوماً GPU-محور نیست.
با انتشار Kubernetes v1.36، قابلیت Volume Group Snapshots به مرحله GA (پایدار) رسید و حالا میشه از چند PVC بهصورت همزمان و crash-consistent اسنپشات گرفت.
بعضی چیزا توی هیچ کتاب یا دورهای یاد نمیگیری — فقط وقتی پروداکشن خراب میشه و تازه میفهمی چی کار اشتباهی کردی.
گوگل مدل Gemini 3.1 Flash-Lite رو برای همه کاربران Google Cloud در دسترس گذاشت؛ مدلی که روی سرعت بالا و هزینه پایین برای استفاده سازمانی تمرکز داره.
OSV-Scanner یه ابزار خط فرمان متنباز از گوگله که بهت کمک میکنه آسیبپذیریهای موجود در وابستگیهای پروژهات رو پیدا کنی. این ابزار به پایگاه داده OSV.dev وصله و از بیش از ۱۱ اکوسیستم زبانی از جمله جاوااسکریپت، پایتون، Go، PHP و Rust پشتیبانی میکنه. علاوه بر اسکن معمولی، قابلیتهایی مثل اسکن کانتینرها، بررسی لایسنس وابستگیها، اسکن آفلاین و حتی پیشنهاد اصلاح خودکار آسیبپذیریها رو هم داره. نسخه V2 این ابزار الان در مرحله بتا در دسترسه.
عاملهای کدنویسی هوش مصنوعی معمولاً با دسترسی به شل، متغیرهای محیطی پر از کلید API و اینترنت بدون محدودیت کار میکنن و این یعنی یه نقطهی شکست خطرناک. Pipelock یه لایهی امنیتی متنباز هست که بین عامل و شبکه میشینه و ترافیک خروجی رو اسکن میکنه. این ابزار که با Go نوشته شده، یه پایپلاین ۱۱ مرحلهای برای شناسایی نشت اطلاعات، حملات SSRF، تزریق کد و دهها تهدید دیگه داره. Pipelock رایگانه و روی GitHub در دسترسه.
فدورا و اوبونتو هر دو اعلام کردن که بهزودی از هوش مصنوعی محلی پشتیبانی میکنن؛ تصمیمی که در جامعه متنباز موج مخالفت به راه انداخته.
آسیبپذیری «Copy Fail» در کرنل لینوکس امکان ارتقای سطح دسترسی به root رو فراهم میکنه. Cloudflare توضیح داد چطور این تهدید رو در چند دقیقه شناسایی و خنثی کرد.
TokenSpeed یه موتور اینفرنس جدید و اپنسورسه که از پایه برای بارکاریهای agentic طراحی شده — همون نوع بارکاریهایی که ابزارهایی مثل Claude Code و Cursor هر روز باهاشون دستوپنجه نرم میکنن. این موتور با ترکیب یه کامپایلر سبک برای موازیسازی، یه اسکجولر نوشتهشده در C++، و یه لایهی کرنل ماژولار، تلاش میکنه بیشترین توکن در دقیقه رو با حفظ سرعت مناسب برای هر کاربر فراهم کنه. در بنچمارکهای مبتنی بر ترافیک واقعی coding agent، TokenSpeed تونسته TensorRT-LLM رو در اکثر سناریوها شکست بده و حدود ۱۱٪ t
یه گروه هکری ناشناس سیستمهایی رو هدف گرفته که قبلاً توسط گروه جنایتکار TeamPCP هک شده بودن — و اول از همه، هکرهای قبلی رو بیرون انداخته!
استفادهی فردی از هوش مصنوعی بهطور خودکار تبدیل به یادگیری سازمانی نمیشه. شرکتها الان وارد «میانهی آشفته» پذیرش AI شدن؛ جایی که استفاده از ابزارها همهجا هست ولی ناهموار، پنهان، و بدون ارتباط با یادگیری جمعیه. مشکل اصلی اینه که چرخههای کار میتونن خیلی سریعتر از اون چیزی حرکت کنن که سازمان بتونه هضم کنه. سوال درست این نیست که «آیا مردم از AI استفاده میکنن؟» بلکه اینه که «چه چیزی به خاطر اون توکنها تغییر کرد؟»
وقتی ایجنتهای کدنویس در یک روز صدها PR میزنن، کد ریویو دیگه شدنی نیست — ولی مشکل اصلی اینجا نیست. مشکل اینه که هنوز زیرساخت تأییدِ خروجی ایجنت رو نساختیم.
یه توسعهدهنده که ۱۵ سال طرفدار AWS بود، تجربه تلخش از پیچیدگیها، هزینههای پنهان و بلاک شدن حساب کاربریاش رو تعریف میکنه.
زیرساخت داده باز یا ODI یه رویکرد معماریه که به سازمانها اجازه میده دادههاشون رو یه بار توی فرمتهای باز ذخیره کنن و از هر ابزار، موتور پردازشی یا سیستم هوش مصنوعیای استفاده کنن، بدون اینکه به یه vendor خاص وابسته بشن. مشکل اصلی معماریهای سنتی اینه که ذخیرهسازی، پردازش و ابزارها رو به هم گره میزنن و بزرگ شدن رو گرون و سخت میکنن. ODI این لایهها رو از هم جدا میکنه تا هر کدوم بتونن مستقل تکامل پیدا کنن. این رویکرد بهخصوص با رشد workloadهای هوش مصنوعی اهمیت بیشتری پیدا کرده.
OpenFlowKit یه ابزار دیاگرامسازی کاملاً رایگان و اوپنسورس با لایسنس MIT هست که برای توسعهدهندهها ساخته شده. میتونی کدت رو توش پیست کنی — چه Prisma schema باشه، چه SQL یا TypeScript — و بهصورت خودکار یه canvas زنده ازش بسازه. علاوهبر این، از DSL اختصاصی، هوش مصنوعی با کلید شخصی، اکسپورت به Figma و MP4، و همکاری real-time از طریق WebRTC هم پشتیبانی میکنه. همه چیز روی دستگاه خودت ذخیره میشه و هیچ اکانت یا کارت اعتباری لازم نیست.
Datadog یه MCP Server معرفی کرده که کد تولیدشده توسط هوش مصنوعی رو همون لحظه اسکن میکنه و آسیبپذیریها رو قبل از pull request شناسایی میکنه.