Linus Torvalds 正式发布了 Linux 内核 7.0 版本。
正如 The Register 此前报道的那样,内核项目负责人 Linus Torvalds 认为内核版本号本身并不代表什么特别的意义,但他认为,一旦某个发布系列达到 x.19,就值得进位到 x.0,以避免混淆。
因此,本次 7.0 版本的发布公告代表的是一次普通的内核发布,只不过恰好是一个整数版本号。
不过,Torvalds 在这次发布公告中提到了一些不同寻常的内容。
他写道:"最后一周的发布延续了'大量细小修复'的趋势,但总体来看这些问题都相当无害,因此我已经为最终的 7.0 版本打好标签并正式推送。"
"我猜测,大量 AI 工具的使用将在一段时间内持续帮助我们发现边缘问题,所以这或许是'新常态',至少暂时如此。只有时间能告诉我们答案。"
这一观点颇为耐人寻味,尤其是联系到内核维护团队二号人物 Greg Kroah-Hartman(GKH)此前的表态——他曾指出 AI 已成为内核维护工作中真正实用的漏洞发现工具。GKH 上周还提交了一个 Pull Request,对 security-bugs.rst 文档进行了更新,他表示此举是为了"告知 AI 工具(以及那些真正阅读文档的用户)如何向我们提交更高质量的安全漏洞报告,因为近几周来随着工具在'发现'问题方面能力不断提升,收到的报告数量已大幅增加。"
在本次发布中,最值得关注的亮点之一是 Rust 语言实验性支持工作的正式收尾,这意味着 Rust 现已成为内核开发的官方支持语言。
7.0 版本还包含了对 ARM、RISC-V 和龙芯处理器的更多支持,以及针对 AMD EPYC 5 CPU 上 KVM 虚拟机更为完善的支持能力。
自修复 XFS 文件系统也是本次新增内容之一,进一步提升了该文件系统的健壮性。
内核动态跟踪网站 Phoronix 的观察人士还发现了针对老牌 SPARC 和 DEC Alpha 处理器的新代码。
Q&A
Q1:Linux 内核 7.0 版本号有什么特殊含义吗?
A:Linux 内核的版本号本身并不代表重大里程碑,Linus Torvalds 表示版本号只是数字。他的惯例是,当版本系列达到 x.19 时,就会进位到下一个 x.0,主要是为了避免版本号过长引发混淆。所以 7.0 只是一次正常的内核发布,恰好碰上整数而已。
Q2:AI 工具是如何帮助 Linux 内核发现漏洞的?
A:根据内核维护团队成员 Greg Kroah-Hartman 的说法,AI 工具已经成为发现内核边缘问题的实用手段。近几周 AI 工具提交的安全漏洞报告数量大幅增加,维护团队甚至专门更新了文档,指导 AI 工具如何提交更高质量的安全漏洞报告,以提升整体维护效率。
Q3:Linux 7.0 对 Rust 语言的支持有什么意义?
A:Linux 7.0 标志着 Rust 语言在内核开发中从"实验性支持"正式转变为"官方支持"。这意味着开发者可以使用 Rust 编写内核代码,Rust 在内存安全方面的特性有望帮助减少内核中的安全漏洞,这被视为 Linux 内核开发历史上的一个重要转变。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。