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
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。