WordPress.com 母公司 Automattic 的发展方向再次发生改变。
在题为 "Returning to Core" 的博客文章中,Automattic 于周四晚上宣布,将重新投入对 WordPress 项目的贡献。尽管就在上个月曾表示,WordPress 6.8 版本将是 2025 年所有重大版本的最后一次发行。
博客文章称:"在暂停贡献以进行调整、重新思考并进行战略规划后,我们已准备好重新启动,全面回归 WordPress 项目。请期待在 WordPress Core、Gutenberg、Playground、Openverse 以及 WordPress.org 等多个核心领域看到我们的贡献。这次回归令我们感到兴奋,因为这关乎我们一直以来坚信的使命:为全球所有人民主化发布。"
Automattic 表示,从这段暂停期中,他们学到了很多有关 WordPress 多种使用方式的知识,并且现在更加致力于帮助 WordPress "成长和繁荣"。
文章还指出,今天的 WordPress 支持了 43% 的互联网网站。
目前尚不清楚从之前到今年四月之间到底发生了哪些变化。
然而,据 TechCrunch 消息人士透露,Automattic 的首席执行官 Matt Mullenweg 在昨晚发布的一篇内部文章中解释,他希望今年推出 6.9 版本,其中将包括一个管理后台的更新以及来自 "new AI team" 的新功能。 ( The latter references this week’s announcement that WordPress formed a new team to steward the development of AI projects. )
一位熟悉内部讨论的人士称,内部文章中写道:"我认为没有我们的贡献,这一切都不会发生。"
业内人士猜测,此举背后的原因可能不止于此,各种理论纷纷出现。有些人猜测 Mullenweg 是否受到了压力才做出这一决定,或者他是否意识到撤退将不利于他的业务及其声誉?也有人讨论此次态度转变是否与 Automattic 与 WordPress 托管公司 WP Engine 之间的持续诉讼有关,Automattic 曾称 WP Engine 为 WordPress 社区的 "威胁" 以及 WordPress 的 "祸害"。
目前无人能确定究竟该相信哪一种说法,这些幕后猜测与官方说明的理由均不吻合。
Automattic 对此未给出进一步评论。
自 2024 年起,Automattic 就与 WP Engine 展开了一场法律纠纷,原因在于 Mullenweg 认为,尽管 WP Engine 在规模和收入上具有优势,但其对 WordPress 项目的贡献却非常有限。
他认为,这家托管公司从 WordPress 开源工作中牟利却没有做出相应回馈。Mullenweg 还指控 WP Engine 利用了 WordPress 与商业服务(如 WP Engine)之间的混淆局面,因此他禁止该公司访问 WordPress.org,并在法院起诉其未经授权使用商标。
简而言之,Mullenweg 认为 WP Engine 要么应该支付直接的许可费用,或者应增加其对开源 WordPress 项目的贡献,否则就不应被允许使用其商标。
WP Engine 回应称,他们认为自己并不需要许可,并指 Automattic 误解了商标法,反过来起诉了 Automattic。
上个月,Automattic 裁减了 16% 的员工,并表示此次重组是为了使公司更加灵活,同时提升生产力和盈利能力。
好文章,需要你的鼓励
Dfinity基金会发布Caffeine AI平台,通过自然语言提示创建功能完整的应用程序,旨在将全球开发者数量从5000万扩展到50亿。该平台基于区块链技术,用户可通过对话方式快速构建应用,包括博客和电商网站等。与Anthropic合作提供后端支持,挑战传统应用商店模式。
微软研究院推出SambaY架构,通过创新的门控记忆单元实现AI推理速度10倍提升。该技术采用解码器-混合-解码器设计,在数学推理等复杂任务上表现卓越,为高效AI推理开辟新方向,有望推动AI在教育、科研、医疗等领域的广泛应用。
社交媒体巨头Meta开发了一个AI模型来创造新型混凝土配方,并将其中一种应用于新数据中心的地面浇筑。该模型采用贝叶斯优化技术预测不同混凝土配比的抗压强度曲线,显著加速了传统需要数天或数周的测试过程。Meta与建筑公司Amrize和伊利诺伊大学合作,在明尼苏达州罗斯蒙特数据中心使用了这种新型低碳混凝土。该设施初期功率为10兆瓦,未来将扩展至75兆瓦。
瑞士EPFL研究团队开发的PERK方法通过参数高效的测试时学习技术,让AI能够像人类一样将长文档信息编码到专门的记忆模块中,显著提升了长上下文推理能力。该方法在多项测试中表现卓越,不仅能处理比训练时长32倍的文档,还解决了传统AI的位置偏见问题,为处理复杂长文档提供了创新解决方案。