llm

ChainCatcher 消息，FundaAI 發布企業 AI 應用研究報告指出，企業 AI 預算仍在擴張，但 2026 年下半年與 2027 年軌跡出現分化。大型美國電信運營商 A 的 AI 支出指引顯示，從 1 月基數 100 升至 12 月約 190，並預期 2027 年同比再增 40%--50%；大型歐洲車企 A 今年迄今僅增 10%--15%，明年指引大致持平。增量支出正由付費席位轉向 API/Token 消耗與生產工作流。上述電信運營商訂閱與 API 占比已由約 50%/50% 變為 40%/60%，並可能走向 35%/65%；中大型生物製藥公司 A 則由 80%/20% 調整至約 70%/30%。開源採用並不均衡，活躍場景使用占比可達 30%--40%，因單價更低，支出占比更小；專家估計開源推理可比閉源前沿模型便宜約 40%--70%，全成本口徑下差距收窄至 20%--40%，模型路由、快取與上下文壓縮仍可再削減約 20%--30% 的 API 支出。生產側 AI 預算越來越多自下而上按工作流 ROI 搭建，該電信運營商典型生產 ROI 約 1.5--2 倍、回收期 6--18 個月，成熟用例可達 3--5 倍。下一波支出與智能體、軟體現代化、網路運營、商品化工作流及更長周期業務流程相關，但工程產能、流程再造、治理與數據就緒正成為比資金更緊的約束。

ChainCatcher 消息，去中心化 AI 基礎設施網絡 DGrid AI 今日發布最新研究論文 "PoQ-Judge"，提出一套無需參考答案的多架構質量評估框架。這意味著在真實部署環境中，往往沒有標準答案可供比對，協議依然能夠對模型回答的質量做出可靠評分，並據此分配激勵。這是 DGrid 去中心化 LLM 推理質量評估體系長期缺失的一塊關鍵拼圖。PoQ（Proof of Quality，質量證明）是 DGrid 自研的共識機制，用於在協議層防止模型提供方投放劣質模型、偽造數據或隱藏計算費用，從而保障服務質量與定價透明。DGrid 團隊圍繞 PoQ 持續深耕，已陸續發表四篇研究論文。本次發布的 PoQ-Judge，訓練了三款覆蓋不同質量與成本場景的評估模型，在留存測試集上與人工評分的相關性最高達 0.747，顯著優於此前所有基於參考答案的評估器，同時通過級聯評估與在線權重校準將評估成本降低超 72%。隨著 PoQ-Judge 落地，從質量評估 → 評分 → 激勵分配的完整流程已全部擺脫對參考答案的依賴，去中心化 LLM 推理的質量閉環就此打通。DGrid AI 是一個去中心化的 AI 智能網絡，致力於構建開放、透明、由社區驅動的 AI 基礎設施。圍繞模型調用與應用體驗，DGrid 已推出多款核心產品：統一聚合全球主流大模型的 AI Gateway、AI 智能體一鍵部署平台 DClaw、匿名模型競技平台 AI Arena，以及智能模型推薦助手 Dori，為開發者與用戶提供一站式服務。據悉，DGrid AI 半年營收已突破 2000 萬美元。

ChainCatcher 消息，Vitalik Buterin 更新了多項 CROPS AI 相關進展，並指出 " CROPS 以太坊接入層 " 與 " CROPS AI " 存在明顯交集。他表示，若能透過零知識證明方式對遠程大型語言模型進行付費調用，也可用於解決以太坊私有 RPC 讀取問題。與此同時，Deepseek v4 已發布，2-bit 量化版本可在 90 GB 內運行，但當前在 Apple 硬體上速度更快；消息應用 messa 已支持 Telegram Alpha 功能；模型運行工具 luceb 在運行密集型模型時展現更高效率；本地 AI 錄音工具 VoxTerm 仍在持續開發。Vitalik Buterin 還提到，面向特定應用微調的大型語言模型將有助於提升安全代碼編寫能力，以太坊相關場景也應有相應微調模型。

ChainCatcher 消息，Ondo Finance 發文表示，其創始人兼 CEO Nathan Allman 意外離世。Ondo 表示："Nate 的才華、謙遜與執行力塑造了今天的 Ondo。他始終相信技術能夠建立一個更加開放、更易獲得的金融體系，這一理念也將繼續體現在我們未來建設的一切之中。"公告稱，Ondo 已建立具備經驗的管理團隊，Ondo Finance 長期總裁 Ian De Bode 將接任 CEO。Ondo 表示，Ian 已主導公司戰略、產品與日常運營超過兩年，並獲得管理團隊完全支持。

ChainCatcher 消息，BNB Chain 今日宣布推出 Agent 生存工具包，聯合六大 AI 基礎設施夥伴，賦予自主 AI Agent 鏈上自主支付能力。所有交易均通過 BNB 或 BEP-20 代幣在 BSC 上完成結算。此次參與項目覆蓋 LLM 訪問與金融基礎設施兩大層級，包括 Alt AI、Pieverse、Bankr、WorldClaw、B.AI 及 AEON，全面打通 AI Agent 從算力調用到鏈上結算的完整閉環。每個參與項目均同步推出鏈上激勵計劃，無需額外註冊。Agent 生存工具包緊隨 BNBAgent SDK 發布，進一步完善 BNB Chain 在 AI Agent 領域的基礎設施佈局。更多信息請訪問 www.bnbchain.org。免責聲明：BNB Chain 與本文所涉及的任何項目均不存在從屬或運營關係。Agent 生存工具包是展示在 BNB Chain 上獨立構建項目的生態計劃。本內容僅供參考，不構成任何財務或投資建議。在與任何相關項目互動前，請務必進行獨立研究並評估潛在風險。

ChainCatcher 消息，AI 代理平台 Bankr 創始人 deployer 發推表示，其已籌集約 10 萬美元資金，用於為 Bankr 生態項目提供免費 LLM 推理服務。目前正在構建 Bankr 生態的項目很快能獲得免費推理額度。但在正式開始分發前，團隊將先上線一項"整個行業都會喜歡"的新功能，具體細節將在後續公布。

ChainCatcher 消息，WORLD3 今日正式發布 AI 戰略藍皮書，全面披露其去中心化 AI 基礎設施平台 RouterLink 和托管式 AI 智能體平台 TapClaw 的最新進展，並宣布已與 AWS、Microsoft Azure 及 Google Cloud 達成官方合作。藍皮書數據顯示，WORLD3 目前已累計處理超 1000 億 LLM Token，支持來自 OpenAI、Anthropic、DeepSeek 等 20 家提供商的 52 個模型，吸引超 1 萬名活躍開發者使用其 API，網絡累計消耗超 1.5 億枚 $WAI。此外，其 TapClaw 平台自 2026 年 3 月上線以來，已部署超 1200 個 AI 智能體。在未來規劃方面，WORLD3 表示將推進 RouterLink 主網及 GPU 算力市場建設，計劃將 TapClaw 拓展至全球多語言市場，並推出 Agent 技能市場與企業版算力保障服務。

ChainCatcher 消息，据官方消息，AI 基礎設施平台 B.AI LLM Services 今日宣布其用戶規模正式突破 100 萬大關。這一里程碑不僅標誌著其"隱私優先"的路由架構能夠處理大規模且持續的高吞吐量，B.AI 超越單一的聊天介面開發，致力於部署支撐"自主智能體經濟"的關鍵底層基礎設施，通過技術棧的深度優化，為未來高度自動化的 AI 協作網絡鋪設穩健軌道。

ChainCatcher 消息， 據官方消息，B.AI LLM服務平台用戶量正式突破 75 萬大關，持續領跑智能接入賽道。該平台依托智能路由技術、錢包驅動的匿名隱私保護機制，以及統一的多模型管理介面，已逐步成為連接全球主流 AI 模型的默認網關。憑藉高效調度、隱私優先和無摩擦訪問三大核心優勢，B.AI 正重新定義高效、安全、無門檻的智能接入新標準，推動大模型能力向更廣泛的開發者和用戶群體開放。

ChainCatcher 消息，据 CoinDesk 報導，來自加州大學聖巴巴拉分校、加州大學聖地牙哥分校、區塊鏈安全公司 Fuzzland 及 World Liberty Financial 的研究人員聯合發布論文，警告稱 "LLM 路由器"------即位於用戶與 AI 模型之間的中間服務------已成為加密資產安全的重大隱患。研究人員發現，26 個 LLM 路由器正在秘密注入惡意工具調用並竊取用戶憑證，其中一起事件導致客戶價值 50 萬美元的加密錢包被清空。此外，研究人員通過 "污染" 路由器生態系統，在數小時內即可控制約 400 台下游主機。由於私鑰、API 憑證等敏感數據往往以明文形式經由這些路由器傳輸，用戶實際上在毫不知情的情況下將資產暴露於風險之中。研究人員指出，隨著麥肯錫預測 AI 代理到 2030 年將中介 3 萬億至 5 萬億美元的全球消費商業，幣安創始人趙長鵬亦預測 AI 代理的支付量將是人類的百萬倍，當前基礎設施安全性嚴重滯後於行業發展速度，"最弱環節"風險或將引發系統性連鎖危機。

ChainCatcher 消息，Vitalik Buterin 發文分享其截至 2026 年 4 月的本地化、私有化 LLM 部署方案，核心目標是將隱私、安全與自主可控作為前提，儘量減少遠程模型及外部服務接觸個人數據的機會，並透過本地推理、文件本地存儲及沙箱隔離等方式降低數據洩露、模型越獄及惡意內容利用風險。在硬體方面，其測試了搭載 NVIDIA 5090 GPU 的筆記本、AMD Ryzen AI Max Pro 128 GB 統一記憶體設備及 DGX Spark 等方案，並使用 Qwen3.5 35B 與 122B 模型進行本地推理。其中，5090 筆記本在 35B 模型下可達約 90 tokens/s，AMD 方案約 51 tokens/s，DGX Spark 約 60 tokens/s。Vitalik 表示，其更傾向於基於高性能筆記本構建本地 AI 環境，同時使用 llama-server、llama-swap 及 NixOS 等工具搭建整體工作流。

ChainCatcher 消息，慢霧首席信息安全官 23pds（山哥）在 X 平台發文表示，有消息稱 LiteLLM 漏洞攻擊者已盜取約 300GB 資料，並竊取約 50 萬個憑證。他建議所有加密貨幣開發人員立即核查，儘快輪換相關密鑰與憑證，核查日誌、訪問記錄及敏感資料暴露情況，避免出現類似 Trust Wallet 事件的損失。此前消息，每月下載量達 9700 萬次的 LiteLLM 遭供應鏈攻擊，簡單安裝即可竊取 SSH 密鑰等全部敏感憑據。

ChainCatcher 消息，Andrej Karpathy 在 X 平台發文表示，litellm 遭遇 PyPI 供應鏈攻擊，僅需執行 pip install litellm 即可竊取 SSH 密鑰、AWS/GCP/Azure 憑據、Kubernetes 配置、git 憑據、環境變數、加密錢包、SSL 私鑰、CI/CD 密鑰及資料庫密碼。litellm 每月下載量達 9700 萬次，且風險會擴散至所有依賴 litellm 的專案，例如 dspy。被植入惡意代碼的版本上線時間不到約 1 小時，因攻擊代碼存在缺陷導致 Callum McMahon 的機器內存耗盡崩潰而被發現。Andrej Karpathy 表示，供應鏈攻擊是現代軟體中最具威脅的問題，每次安裝依賴項都可能在依賴樹深處引入被篡改的軟體包，他因此越來越傾向於減少依賴，轉而使用 LLM 直接實現簡單功能。

ChainCatcher 消息，中國信通院與上海交通大學、南京大學聯合團隊在對開源自主智能體框架 OpenClaw 進行安全審計時，發現其 bash-tools 模組存在 LLM 驅動型命令注入高危漏洞。該漏洞源於系統未對 LLM 生成的命令行參數進行嚴格轉義，攻擊者可通過誘導性 Prompt 繞過正則防禦，在宿主機上實現遠程代碼執行並竊取敏感數據。研究團隊已完成在多種主流模型環境下的攻擊驗證，啟動負責任漏洞披露流程，並向 NVDB 人工智慧產品安全漏洞專業庫（CAIVD）和 GitHub 社區提交修復建議。