2026. augusztus 7., péntek · Eszközök

A Cloudflare megnyitotta belső vibe-coding platformját

A Cloudflare nyílt forráskódúvá tette a Cloudflare OS nevű platformot, amelyet eredetileg belső eszközként fejlesztett, hogy nem programozó munkatársai is természetes nyelvű leírásokból hozhassanak létre AI-ügynökök segítségével egyszerű alkalmazásokat. A cég augusztus 5-i blogbejegyzése szerint már ezrek használják a rendszert dokumentumok, bemutatók és adatvizualizációs eszközök napi szintű elkészítésére. A vállalat állítása szerint minden felhasználói app külön, erősen izolált sandboxban fut, a Dynamic Workers technológiára épülő V8-alapú izolátumok pedig gyorsabbak és memóriahatékonyabbak a hagyományos konténereknél. Kenton Varda vezető mérnök szerint a sandbox annyira biztonságos, hogy a biztonsági csapatok nyugodtan engedhetik a vibe-codingot nem technikai dolgozóknak, ez azonban a cég saját közlése, független audit nem szerepel a forrásban.

Miért fontos?

A vibe-coding platformok biztonsági kockázatai kulcskérdést jelentenek, ha vállalatok nem programozó alkalmazottaknak engedik meg az AI-alapú appfejlesztést.

Források

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglaló

Ez a hír a 2026. augusztus 7., péntek napi AI összefoglaló része.

Kapcsolódó hírek

A Cloudflare finomhangolt AI-bot-kezelést és x402 fizetési protokollt vezet be az edge-hálózatán

A Cloudflare lecserélte korábbi egykattintásos AI-bot-blokkolóját egy háromkategóriás rendszerre: keresőindexelő, modelltréningre gyűjtő és felhasználói ügynökbotok külön szabályozhatók, az ingyenes csomag felhasználói számára is. 2026. szeptember 15-étől a hirdetéses oldalakon a tréning- és ügynökbotok alapértelmezetten blokkolva lesznek. A cég emellett várólistát nyitott a Monetization Gateway-hez, amely az x402 nyílt protokollon keresztül stablecoin-alapú mikrofizetéseket tesz lehetővé – az AWS hetekkel korábban élesítette ugyanezt a CloudFrontban. A Linux Foundation alá tartozó x402 Foundation első évében a Coinbase szerint 169 millió tranzakciót dolgoztak fel.

NVIDIA szerint Vera storage-processzora akár 3,7-szer gyorsabb titkosítási feladatokban

Az NVIDIA saját technikai blogján közölt benchmarkeredményei szerint a Vera BlueField-4 STX storage-processzor – amely 88 Olympus Armv9.2 magot, Spatial Multithreading technológiát és SOCAMM2 LPDDR5X memóriát integrál – felülmúlja az x86 CPU-kat AI-natív adatplatformok tárolási feladataiban. A vállalat állítása szerint a chip titkosításnál 1,43-szoros, dekódolásnál 1,29-szoros, Reed-Solomon hibajavításnál 3,26-szoros, CRC32C integritásellenőrzésnél 3,67-szoros, tömörítésnél 3,29-szoros sebességtöbbletet ér el. Az NVIDIA szerint ez lehetővé teszi, hogy az agentikus AI-munkafolyamatok alacsonyabb energia- és hűtési igény mellett skálázódjanak. Az adatok kizárólag a vállalat saját, független megerősítés nélküli mérésén alapulnak.

Google visszavonta a Google Earth hamis műholdképeket készítő AI-eszközét

A Google július 30-án építette be a Google Earth alkalmazásba a Nano Banana 2 képgeneráló AI-t, amellyel bárki valósághűnek tűnő, módosított műholdfelvételeket készíthetett a szolgáltatás valódi képeiből. A funkciót két nap múlva visszavonták, miután felhasználók olyan hamis jeleneteket osztottak meg, mint egy bombázott gázai kórház, egy menekültoszlop a mexikói határon, vagy egy óriási aranyszobor a Fehér Ház felett. A Google szerint a képeket AI-generáltként jelölték és mások számára nem voltak láthatók az appon belül, mégis kerültek nyilvánosságra szabálysértő képernyőképek. A vállalat közlése alapján a funkció csak erősebb védőintézkedésekkel térhet vissza. Biztonsági szakértők, köztük a Bellingcat alapítója, arra figyelmeztettek, hogy az eszköz alááshatja a Google Earth mint konfliktusövezeti bizonyítékok hitelesítésére használt forrás megbízhatóságát.

AI-ügynökök felturbózzák a tudományos szoftvereket, de a hibákat nem tudják kiszűrni

Az OpenAI és akadémiai partnerei közös terepjelentése nyolc esettanulmányt mutat be, amelyekben kutatócsoportok Codex és Claude Code kódoló ügynökökkel modernizítottak elavult, kutatásokhoz készült szoftvereket, főként biológiai területen. A projektek egyszerű build-frissítésektől (cyvcf2) teljes átírásokig terjedtek: a MHCflurry immunológiai modellt TensorFlow-ból PyTorch-ra portálták, a STAR szekvenciaillesztő programot Rust nyelven építették újjá, a RustQC pedig 15 minőségellenőrző eszközt vont egyetlen programba, akár 60-szoros sebességnövekedést elérve. A jelentés szerint a rustar-aligner az eredeti STAR eredményeivel 99,8 százalék felett egyezett a tesztelt szekvenciaadatokon. A beszámoló hangsúlyozza: a munka nagy része nem a kódírásból, hanem az eredmények emberi ellenőrzéséből áll, mivel az ügynökök nem tudják megítélni, hogy a tudományos következtetés helyes-e.