大模型在基础事实上互相矛盾，Linus Torvalds 公开怒斥 AI 写代码的浮夸宣传，Kubernetes 成本优化有解却没人信——今天的运维圈，技术理性正在回归。
1. GPT-5.4、Claude、Gemini 连基本事实都达不成一致#
The New Stack 测试发现，前沿 LLM 在“加拿大首都是什么”这类简单问题上给出不同答案，暴露了模型在真实世界知识上的系统性不一致。这对依赖 AI 做决策的运维场景是个危险信号。 原文链接
2. Linus Torvalds 听到“99%代码是AI写的”就生气#
Linux 创始人直言，这种说法不仅不尊重开发者，更掩盖了代码审查和调试的核心价值。运维人应警惕将 AI 生成的代码直接投入生产环境。 原文链接
3. Opus 4.8 让 Claude 更聪明，Token 纪律变得紧迫#
Claude Opus 4.8 引入 effort controls 和动态工作流，但更智能的模型意味着 token 消耗激增。运维团队必须重新设计成本监控策略。 原文链接
4. AWS 为 Agent 工作负载重写 OpenSearch 架构#
AWS 放弃传统 OpenSearch 架构，转向无服务器、分片优化的设计以应对 AI Agent 的高并发查询。这预示着基础设施层正在为 AI 原生应用做出根本性调整。 原文链接
5. “AI 干的”救不了你：欧盟监管即将落地#
欧盟《网络弹性法案》要求企业对 AI 行为负责，不能以“AI 自动操作”为由推卸责任。运维必须建立可审计的 AI 行为日志和回滚机制。 原文链接
6. AI 云账单飙升有解，但没人敢用#
Kubernetes 的垂直与水平自动扩缩容技术早已成熟，但企业因信任缺失迟迟不肯启用。文章指出，真正的障碍不是技术，而是组织对自动化成本控制的不信任。 原文链接
7. AI Agent 的身份危机：安全体系还没准备好#
传统 IAM 无法处理 AI Agent 的动态权限需求，Agent 在多个系统间自主操作时，身份认证和授权出现巨大盲区。运维需要重新设计零信任架构。 原文链接
8. 可观测性进入概率系统：如何调试“不可调试”的 AI#
传统分布式追踪对概率性 AI 模型无效，新的可观测性方法需要结合模型置信度、推理路径和输出分布。这是 SRE 团队必须学习的新技能。 原文链接
别被 AI 的营销话术带偏——基础事实、成本控制和安全合规，才是运维人真正的护城河。
