Apple 于本周一发布了一个开源的容器化框架,用于在 Mac 上创建和运行 Linux 容器镜像。
软件容器将应用程序及其依赖项组合成一个单元,在主机上运行于隔离环境中。由于它们基于符合 OCI 标准的镜像,用户可以借助 Kubernetes 等常用的编排工具在各种服务器环境和数据中心运行它们。
开发者通常选择使用 Mac,因为其硬件稳定且开发环境优秀,但他们可能正在编写运行于 Linux 环境中的服务器端应用或其他应用。对这些开发者而言,创建 Linux 容器让他们既能使用 Mac,又能获得与其代码目标一致的运行环境。
使用 Mac 的开发者目前已有一些创建 Linux 容器的选择,如 Docker、Podman、Orbstack 和 Lima。但至少在过去,Docker 和 Podman 的表现并不十分理想。
借助全新的 Apple 容器化框架,Apple 旨在提供一个开源平台,该平台利用 Swift 编程语言的优势,对 Apple Silicon 芯片进行优化,同时将安全风险降至最低。
与创建一个大型 Linux 虚拟机来承载多个容器不同,Apple 容器化框架借助其配套的容器 CLI 为每个容器创建一个独立的轻量级虚拟机(VM)。
Apple 的文档解释道:“客户端可以为每个容器创建专用 IP 地址,从而免去单独进行端口转发的需求。容器借助优化的 Linux 内核配置、最小化的根文件系统和轻量级 init 系统,实现了亚秒级启动速度。”
这种最小化文件系统有望使 Apple 容器更为安全。通过排除大部分核心工具和动态库,生成的容器减少了攻击面,并且预计所需的维护工作也更少。
据 Apple 介绍,使用其容器工具创建的容器所需内存比完整虚拟机少,同时启动速度可与共享虚拟机相媲美。
这就是其愿景。目前,该框架仍存在一些限制。Apple 设计这一框架时采用了尚未发布的 macOS 26 Tahoe 中的功能,在 macOS 15 Sequoia 上其能力则较为有限。(是的,macOS 的版本从 15 变为 26——命名方式正从版本号转为年份。)此外,对内存气球技术(一种允许虚拟机动态调整内存大小的方法)的支持目前仅实现了部分功能。
但在未来几个月内,Apple 容器化框架或将使使用 Linux 容器的工作变得更加便捷。
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。