X 24 小时热点第十五轮：GitHub 为 agent 重写 Git 存储

这一轮 X 热点六条消息，条条都是基础设施的账单：agent 跑起来之后，存储、上下文、安全边界都在被迫升级。

第一条最有分量。开发者 Arpit Bhayani 拆解了 GitHub 为 AI agent 高并发 push 重做的 Git 引用存储（作者转述口径，工程博客原文未逐字核验）：新方案 Ref-CAS 只锁被修改的引用，未变化的读取只需比一次版本号；内部测试单仓库约 5,000 个 agent 同时推送、每秒约 7,200 次 push。以前每秒几十次写入就够，现在基础设施要按每秒几千次设计。agent 正在倒逼 Git 本身重写。

第二条关于「技能证明」：GitHub 推出 Copilot Verified Proficiency，用实际使用数据持续评估你用 Copilot 工作时展现的能力，不设考试（官方口径）。落点是技能证明正在从考证变成行为数据。

第三条是省钱的方法论。NVIDIA 新论文《You don't need long context》（论文作者口径）：256K 上下文相对 16K，每输出 token 的推理成本约高 3.6 到 7 倍；做法是让 agent 定期把进度、发现、下一步压成更短的语义状态，原始历史按需再读。六个长时任务上 Claude Opus 4.5 与 GPT-5.6 Sol 的准确率基本稳住，估算成本最高降约 8.8 倍与 5 倍，论文提出 Semantic State Space Model。

第四条是中国电信的模型发布（作者转述口径）：公开 Xing4.0-29B-A4B，29B 总参、MoE 每 token 激活 4B，面向多步规划与工具调用，上下文 256K（最大 512K）；Ascend NPU 训练吞吐提升约 96%，llama.cpp 当天已接入（H800 上 iq4_nl 约 159 tok/s）。国产算力训练加开源生态当天适配，这条链完整了。

第五条关于数据中心与社会成本：华盛顿邮报报道，OpenAI 表示将报告其数据中心用水量、在运营前公布建设计划并委托独立噪声研究（媒体报道口径），背景是中期选举后地方对数据中心的反对。地方阻力正在变成数据中心建设的硬约束。

第六条是安全思路的转变：蜜罐论文《A Gingerbread House for LLM Agents》（论文作者口径）从应用源码规划静态蜜罐，确认攻击者后把后续请求（含可用 exploit）转到隔离的 shadow 副本；CVE-Bench 40 个关键任务上，静态方案把 Claude Opus 4.8 的真实失陷从 26/40 降到 5/40，ARTEX 攻击框架从 20/40 降到 0/40；约一半情况下 exploit 在影子里成功、真站完好。防御从「挡住攻击」变成了「转移攻击」。

六条合起来的信号：agent 能干什么已经不是问题，「agent 跑起来之后，你的存储、上下文、安全边界还撑不撑得住」才是。这轮的六条，条条都是账单。