Berita
Secara Eksklusif: CISO di Walmart sedang membangun kembali keamanan identitas untuk usia kecerdasan buatan

Ingin lebih banyak visi yang cerdas dari kotak masuk Anda? Berlangganan buletin mingguan kami untuk mendapatkan apa yang hanya terkait dengan lembaga AI, data dan pemimpin keamanan. Berlangganan sekarang
VentureBeat baru -baru ini duduk (sebenarnya) dengan Jerry R. Jesler III, Wakil Presiden Eksekutif dan Kepala Pejabat Keamanan Informasi di Walmart Inc.. Untuk mendapatkan wawasan tentang tantangan keamanan siber, toko ritel terbesar di dunia menjadi intelijen yang semakin independen.
Kami berbicara tentang mengamankan sistem AICEC AI, memperbarui manajemen dan pelajaran kritis yang dipetik dari AI konstruksi, platform kecerdasan buatan di Walmart. Geisler menyajikan pandangan eksplisit yang menyegarkan tentang bagaimana perusahaan menangani tantangan keamanan yang belum pernah terjadi sebelumnya, dari mempertahankan peningkatan ancaman cyber dari kecerdasan buatan hingga manajemen keamanan melalui infrastruktur hibrida hibrida. Pendekatan mentalitas start -up untuk membangun kembali sistem manajemen identitas dan sistem manajemen akses memberikan pelajaran berharga bagi lembaga dari semua ukuran.
Geisler mengarah pada kepemimpinan Perusahaan Marter Wall melalui Google Cloud, Azure dan Private Cloud, dan memberikan visi unik dalam implementasi struktur kepercayaan nol dan membangun apa yang ia sebut “kecepatan dengan tata kelola”, yang memungkinkan inovasi cepat AI dalam kerangka keselamatan yang andal. Keputusan arsitektur yang diambil selama pengembangan elemen intelijen membentuk pendekatan penuh Walmart untuk memfokuskan teknik kecerdasan buatan yang muncul.
Di bawah kutipan dari wawancara kami:
Kecerdasan buatan membatasi batasnya
Tutup daya, biaya tinggi simbol, dan keterlambatan inferensi dibentuk kembali. Bergabunglah dengan salon eksklusif kami untuk menemukan bagaimana perbedaan besar:
- Mengubah energi menjadi keuntungan strategis
- Mengajar penalaran yang efektif untuk keuntungan produktivitas nyata
- Membuka Pengembalian Investasi Kompetitif dengan Sistem Kecerdasan Buatan Berkelanjutan
Mengamankan tempat Anda untuk tinggal di latar depan: https://bit.ly/4mwngngo
VentureBeat: Ketika pengantar kebidanan dan agen menjadi semakin mandiri, bagaimana tata kelola dan ancaman keamanan saat ini untuk mengatasi ancaman yang muncul dan perilaku khas yang tidak diinginkan?
Jerry R. Jesler III: Akreditasi Agency AI menawarkan ancaman keamanan yang sama sekali baru yang melebihi kontrol tradisional. Risiko -risiko ini meluas ke penyaringan data, penyalahgunaan fasad pemrograman aplikasi independen, dan kolusi warna silang, yang dapat mengganggu semua operasi lembaga atau melanggar delegasi organisasi. Strategi kami adalah membangun elemen pengendalian keselamatan yang kuat dan proaktif menggunakan posisi keamanan canggih dari kecerdasan buatan (AI-SPM), memastikan pemantauan risiko berkelanjutan, perlindungan data, kepatuhan organisasi dan kepercayaan operasional.
VB: Mengingat pembatasan RBAC tradisional pada pengaturan kecerdasan buatan yang dinamis, bagaimana Walmart untuk mengelola identitas dan nol profil kepercayaan untuk menyediakan akses ke data granular sensitif untuk konteksnya?
JESLER: Lingkungan ukuran kami membutuhkan pendekatan yang dirancang khusus, dan cukup menarik untuk memulai startup. Tim kami sering menarik langkah dan bertanya, “Jika kami adalah perusahaan baru dan konstruktif dari Ground Zero, apa yang akan kami adopsi?” IAM IAM telah melewati banyak pengulangan selama tiga puluh tahun terakhir, dan fokus utama kami adalah bagaimana memperbarui bahan pokok IAM kami untuk menyederhanakannya. Meskipun terkait sejauh ini dari nol kepercayaan, prinsip kami yang kurang istimewa tidak akan berubah.
Kami mendorong pengembangan utama dan adopsi protokol seperti MCP dan A2A, karena mereka menyadari tantangan keamanan yang kita hadapi dan secara aktif menerapkan kontrol akses granular sensitif untuk konteks. Protokol ini memungkinkan keputusan akses waktu aktual berdasarkan identitas, sensitivitas data dan risiko, menggunakan data kredit jangka pendek yang dapat diverifikasi. Ini memastikan evaluasi masing -masing agen, alat dan permintaan terus menerus, dan mewujudkan prinsip -prinsip nol kepercayaan.
VB: Bagaimana tepatnya, infrastruktur hybrid multi -rock (Google, Azure dan Private Cloud) adalah pendekatan Anda terhadap jaringan Trust Zero dan ritel akurat dari beban kecerdasan buatan?
JESLER: Ritel tergantung pada identitas, bukan jaringan. Kebijakan akses mengikuti beban kerja terus -menerus di lingkungan cloud dan vitalitas. Dengan protokol seperti MCP dan A2A, aplikasi Layanan Edge telah menjadi seragam, memastikan aplikasi Nol Trust yang seragam.
VB: Dengan hambatan rendah yang menimbulkan ancaman canggih seperti perburuan canggih, apa pertahanan yang diterbitkan oleh kecerdasan buatan Walmart secara aktif untuk mengungkapkan ancaman canggih ini dan menguranginya secara proaktif?
JESLER: Di Walmart, kami sangat fokus untuk tetap pada kurva ancaman. Ini terutama berlaku karena kecerdasan buatan mengembalikan pemandangan keamanan siber. Volvisers semakin banyak digunakan untuk membentuk kampanye perburuan yang sangat ilahi, tetapi kami mendapat manfaat dari kategori teknologi yang sama dalam kampanye simulasi lawan untuk fleksibel proaktif terhadap operator serangan ini.
Kami menggabungkan model pembelajaran otomatis lanjutan melalui set keselamatan kami untuk mengidentifikasi kasus perilaku yang tidak normal dan menemukan upaya untuk berburu. Selain pengungkapan, kami menggunakan Amnesty International untuk mensimulasikan skenario serangan dan menguji pertahanan dengan mengintegrasikan kecerdasan buatan dalam skala besar sebagai bagian dari fluktuasi merah luas kami.
Dengan memasangkan orang dan teknologi bersama dengan cara -cara ini, kami membantu memastikan bahwa kolega dan pelanggan kami akan tetap dilindungi dengan pengembangan adegan digital.
VB: Mengingat penggunaan Walmart yang luas untuk model AI di AI, apa saja tantangan unik cybersecurity yang telah Anda identifikasi, dan bagaimana strategi keselamatan Anda berkembang untuk mengatasinya pada skala yayasan?
JESLER: Ritel tergantung pada identitas, bukan jaringan. Kebijakan akses mengikuti beban kerja terus -menerus di lingkungan cloud dan vitalitas. Dengan protokol seperti MCP dan A2A, aplikasi Layanan Edge telah menjadi seragam, memastikan aplikasi Nol Trust yang seragam.
VB: Mengingat skala Walmart dan operasi yang berkelanjutan, apa otomatisasi canggih atau langkah -langkah respons cepat yang Anda terapkan untuk mengelola insiden keamanan cyber simultan melalui infrastruktur global Anda?
JESLER: Bekerja pada skala Walmart berarti keamanan harus cepat dan tanpa gesekan. Untuk mencapai hal ini, kami memasukkan otomatisasi pintar dalam lapisan program respons kecelakaan kami. Menggunakan platform SOAR, kami mengatur fungsi pekerjaan respons cepat melalui wilayah geografis. Ini memungkinkan kita untuk menahan ancaman dengan cepat.
Kami juga menerapkan otomatisasi yang luas untuk terus -menerus menilai risiko dan menentukan prioritas prosedur respons berdasarkan risiko. Ini memungkinkan kita untuk memfokuskan sumber daya kita karena lebih penting.
Dengan menggabungkan kolega berbakat dengan otomatisasi dan konteks yang cepat untuk membantu membuat keputusan cepat, kami dapat menerapkan komitmen kami untuk menghubungkan keamanan dengan kecepatan dan ukuran Walmart.
VB: Apa inisiatif atau perubahan strategis yang diikuti Walmart untuk menarik, melatih, dan mempertahankan bakat keamanan siber yang dilengkapi untuk organisasi biasa yang maju dan dengan cepat mengancam?
JESLER: Program Live Better U (LBU) kami menyediakan pendidikan rendah atau tanpa biaya, sehingga diskusi dapat mengikuti nilai dan sertifikat di bidang keamanan siber dan bidang teknologi informasi terkait, membuatnya mudah untuk menautkan semua latar belakang. Kursus ini dirancang untuk memberikan keterampilan di dunia nyata yang berlaku langsung untuk kebutuhan keamanan Walmart.
Kami menjadi tuan rumah Sparkcon tahunan (sebelumnya dikenal sebagai SP4RKCON) yang mengoordinasikan percakapan, tanya jawab dan jawaban dengan para profesional terkenal untuk berbagi kebijaksanaan dan strategi yang terbukti. Acara ini juga mengeksplorasi tren terbaru, teknologi, teknologi, dan ancaman dalam keamanan siber sambil memberikan peluang untuk menjangkau dan membangun hubungan yang berharga untuk meningkatkan karier mereka.
VB: Memikirkan pengalaman Anda dalam mengembangkan komponen pria, apa pelajaran cybersecurity atau arsitektur yang muncul di dalamnya yang akan mengarahkan keputusan Anda di masa depan tentang kapan dan seberapa luas untuk memfokuskan teknik kecerdasan buatan yang muncul?
JESLER: Ini adalah pertanyaan penting, karena pilihan arsitektur kita saat ini akan menentukan situasi risiko kita untuk tahun -tahun mendatang. Memikirkan pengalaman kami dalam mengembangkan Organisasi Pusat Internasional Amnesty, dua pelajaran utama sekarang mengarahkan strategi kami.
Pertama, kami belajar bahwa sentralisasi adalah faktor pemberdayaan yang kuat untuk “kecepatan dengan tata kelola”. Dengan menciptakan satu jalan beraspal untuk mengembangkan kecerdasan buatan, kami secara signifikan mengurangi kompleksitas ilmuwan data. Lebih penting lagi, dari sudut pandang keselamatan, itu memberi kita bidang kontrol yang seragam. Kami dapat memasukkan keamanan dari awal, memastikan konsistensi dalam cara menangani data, ujung, dan output. Ini memungkinkan inovasi terjadi dengan cepat, dalam kerangka kerja yang kami percayai.
Kedua, diizinkan untuk “pertahanan dan pengalaman terkonsentrasi”. Adegan ancaman Amnesty International berkembang dengan kecepatan yang luar biasa. Alih -alih menyebarkan bakat keamanan kami yang terbatas dari kecerdasan buatan di seluruh lusinan proyek yang berbeda, Arsitektur Pusat memungkinkan kami untuk memfokuskan orang -orang terbaik kami dan kontrol terkuat kami di titik yang paling penting. Kami dapat menerapkan dan merebut pertahanan lanjutan seperti akses ke akses konteks, pemantauan lanjutan lanjutan dan mencegah penyaringan data, dan perlindungan ini segera mencakup kasus penggunaan kami.
Tautan sumber
Berita
Platform pengkodean getaran, Cursor, meluncurkan komposer LLM internal pertamanya, Komposer, yang menjanjikan peningkatan kecepatan 4X lipat

Alat kripto yang menarik, indikatornya, telah ada sejak awal dimana sajadia punya Komposer memperkenalkanModel Bahasa Markup Besar (LLM) pertama yang dibuat sendiri sebagai bagian dari programnya Pembaruan platform indeks 2.0.
Komposer dirancang untuk menjalankan tugas pemrograman dengan cepat dan akurat di lingkungan produksi, mewakili langkah baru dalam pemrograman berbantuan AI. Ini sudah digunakan oleh tim teknik Cursor dalam pengembangan sehari-hari – menunjukkan kematangan dan stabilitas.
Berdasarkan indikatornya, komposer menyelesaikan interaksi terbanyak Kurang dari 30 detik Sambil mempertahankan kemampuan tingkat tinggi untuk bernalar di seluruh basis kode yang besar dan kompleks.
Model ini digambarkan empat kali lebih cepat dibandingkan sistem cerdas serupa, dan dilatih berdasarkan alur kerja “agen” – di mana agen pengkode independen secara kolaboratif merencanakan, menulis, menguji, dan meninjau kode.
Sebelumnya, indikator ini didukung "Pengodean suasana" — Menggunakan AI untuk menulis atau menyelesaikan kode berdasarkan instruksi bahasa alami dari pengguna, meskipun mereka adalah seseorang yang tidak terlatih dalam pengembangan — Di atas LLM berpemilik terkemuka lainnya Dari OpenAI, Anthropic, Google dan xAI. Opsi ini masih tersedia untuk pengguna.
Hasil standar
Kemampuan komposer diukur dengan menggunakan "kursi indikator," Kumpulan evaluasi internal yang berasal dari permintaan agen pengembang nyata. Standar ini tidak hanya mengukur kebenaran, tetapi juga kepatuhan model terhadap abstraksi, konvensi gaya, dan praktik teknik saat ini.
Dengan standar ini, Komposer mencapai kecerdasan pemrograman tingkat batas saat membuat file 250 simbol per detik – Hampir dua kali lebih cepat dibandingkan model inferensi cepat terkemuka dan empat kali lebih cepat dibandingkan sistem frontier sebanding.
Model perbandingan yang dipublikasikan Cursor membagi model ke dalam beberapa kategori: “Terbuka Terbaik” (misalnya, Qwen Coder, GLM 4.6), “Fast Frontier” (Haiku 4.5, Gemini Flash 2.5), “Frontier 7/2025” (model pertengahan tahun terkuat yang tersedia), dan “Best Frontier” (termasuk GPT-5 dan Claude Sonnet 4.5). Komposer mencocokkan kecerdasan sistem kelas menengah sambil memberikan kecepatan generasi tertinggi yang pernah tercatat di antara semua kelas yang diuji.
Sebuah model berdasarkan pembelajaran penguatan dan arsitektur campuran ahli
Ilmuwan riset Sasha Rush dari Cursor memberikan wawasan tentang pengembangan model di Postingan di jejaring sosial Xmenggambarkan komposer sebagai model campuran para ahli terpelajar (RL):
“Kami menggunakan RL untuk melatih model MOE besar agar benar-benar ahli dalam pemrograman dunia nyata, dan juga sangat cepat.”
Rush menjelaskan bahwa tim merancang bersama lingkungan Komposer dan Kursor agar model dapat berjalan secara efisien pada skala produksi:
“Tidak seperti sistem pembelajaran mesin lainnya, Anda tidak dapat mengambil banyak manfaat dari sistem berskala besar. Kami bersama-sama merancang proyek ini dan indikatornya agar agen dapat berjalan pada skala yang diperlukan.”
Komposer dilatih tentang tugas rekayasa perangkat lunak nyata, bukan kumpulan data statis. Selama pelatihan, model dijalankan dalam basis kode lengkap menggunakan berbagai alat produksi—termasuk pengeditan file, pencarian semantik, dan perintah terminal—untuk memecahkan masalah teknik yang kompleks. Setiap iterasi pelatihan melibatkan penyelesaian tantangan konkrit, seperti menghasilkan modifikasi kode, merumuskan rencana, atau membuat penjelasan yang ditargetkan.
Cincin penguatan meningkatkan kesehatan dan efisiensi. Komposer telah belajar bagaimana membuat pilihan instrumen yang efektif, menggunakan paralelisme, dan menghindari tanggapan yang tidak perlu atau spekulatif. Seiring waktu, model tersebut mengembangkan perilaku yang muncul seperti menjalankan pengujian unit, memperbaiki bug Linter, dan melakukan pencarian kode multi-langkah secara mandiri.
Desain ini memungkinkan Composer untuk beroperasi dalam konteks runtime yang sama dengan pengguna akhir, sehingga lebih kompatibel dengan kondisi pemrograman dunia nyata – berhubungan dengan kontrol versi, manajemen ketergantungan, dan pengujian berulang.
Dari prototipe hingga produksi
Perkembangan Komposer mengikuti prototipe internal sebelumnya yang dikenal sebagai Cheetahyang digunakan Index untuk mengeksplorasi heuristik latensi rendah untuk tugas pemrograman.
“Cheetah adalah versi 0 dari model ini terutama untuk pengujian kecepatan,” kata Rush pada X. “Metrik kami menunjukkan bahwa dia (sang komposer) sama cepatnya, tetapi jauh lebih pintar.”
Keberhasilan Cheetah dalam mengurangi latensi telah membantu Cursor mengidentifikasi kecepatan sebagai faktor kunci dalam kepercayaan pengembang dan kemudahan penggunaan.
Komposer mempertahankan daya tanggap tersebut sekaligus meningkatkan inferensi dan generalisasi tugas secara signifikan.
Pengembang yang menggunakan Cheetah selama pengujian awal mencatat bahwa kecepatannya mengubah cara mereka bekerja. “Itu sangat cepat sehingga saya bisa tetap mendapatkan informasi terbaru saat bekerja dengannya,” komentar salah satu pengguna.
Komposer mempertahankan kecepatan ini tetapi memperluas kemampuan untuk tugas pengkodean, pemfaktoran ulang, dan pengujian multi-langkah.
Integrasi dengan Indikator 2.0
Komposer telah terintegrasi penuh ke dalam Cursor 2.0, pembaruan besar pada lingkungan pengembangan agen perusahaan.
Platform ini menawarkan antarmuka multi-agen, memungkinkan Hingga delapan agen untuk bekerja secara paralel, Masing-masing berada di ruang kerja yang terisolasi menggunakan git work tree atau mesin jarak jauh.
Dalam sistem ini, komposer dapat bertindak sebagai satu atau lebih agen, melakukan tugas secara mandiri atau kolaboratif. Pengembang dapat membandingkan beberapa hasil dari pengoperasian agen secara bersamaan dan memilih yang terbaik.
Cursor 2.0 juga menyertakan fitur pendukung yang meningkatkan efektivitas Composer:
Peramban di dalam editor (GA) – Memungkinkan agen untuk menjalankan dan menguji kode mereka langsung di dalam IDE, mengarahkan informasi DOM ke formulir.
Tingkatkan peninjauan kode – Mengumpulkan perbedaan di beberapa file untuk pemeriksaan lebih cepat terhadap perubahan yang dihasilkan oleh model.
Terminal mode proteksi (GA) – Isolasi perintah shell yang dikelola agen untuk eksekusi lokal yang aman.
Modus suara – Menambahkan kontrol ucapan-ke-teks untuk memulai atau mengelola sesi agen.
Meskipun pembaruan platform ini memperluas pengalaman Cursor secara keseluruhan, Composer diposisikan sebagai inti teknis yang memungkinkan enkripsi proxy yang cepat dan andal.
Infrastruktur dan sistem pelatihan
Untuk melatih Komposer dalam skala besar, Cursor membangun infrastruktur pembelajaran penguatan khusus yang menggabungkan PyTorch dan Ray untuk pelatihan asinkron di ribuan GPU NVIDIA.
Tim ini mengembangkan kernel MXFP8 MoE khusus dan memparalelkan data hash campuran, memungkinkan pembaruan model skala besar dengan overhead komunikasi minimal.
Konfigurasi ini memungkinkan Cursor untuk melatih model secara lokal dengan akurasi rendah tanpa memerlukan kuantisasi pasca-pelatihan, sehingga meningkatkan kecepatan dan efisiensi inferensi.
Pelatihan komposer bergantung pada ratusan ribu lingkungan sandbox secara bersamaan – masing-masing merupakan ruang kerja pemrograman mandiri – yang berjalan di cloud. Perusahaan telah mengadaptasi infrastruktur agen back-end untuk menjadwalkan mesin virtual ini secara dinamis, mendukung sifat eksplosif dari proses RL yang besar.
Penggunaan perusahaan
Peningkatan kinerja Komposer didukung oleh perubahan tingkat infrastruktur melalui tumpukan kecerdasan kode Cursor.
Perusahaan telah mengoptimalkan Protokol Server Bahasa (LSP) untuk diagnostik dan navigasi yang lebih cepat, terutama dalam proyek Python dan TypeScript. Perubahan ini mengurangi latensi ketika Komposer berinteraksi dengan repositori besar atau membuat pembaruan multi-file.
Pengguna perusahaan memiliki kontrol administratif atas Komposer dan agen lainnya melalui aturan tim, log audit, dan aplikasi sandbox. Lapisan Tim dan Perusahaan Cursor juga mendukung penggunaan formulir batch, autentikasi SAML/OIDC, dan analitik untuk memantau kinerja agen di seluruh organisasi.
Harga untuk pengguna individu berkisar dari Gratis (Hobi) hingga Ultra ($200 per bulan), dengan batas penggunaan yang diperpanjang untuk pelanggan Pro+ dan Ultra.
Harga bisnis mulai dari $40 per pengguna per bulan untuk Teams, dengan kontrak perusahaan yang menawarkan opsi penggunaan dan kepatuhan khusus.
Peran komposer dalam lanskap pemrograman AI yang terus berkembang
Fokus Komposer pada kecepatan, pembelajaran penguatan, dan integrasi dengan alur kerja pengkodean langsung membedakannya dari asisten pengembangan AI lainnya seperti GitHub Copilot atau Agen Replit.
Alih-alih bertindak sebagai mesin saran pasif, Composer dirancang untuk kolaborasi berbasis agen yang berkelanjutan, di mana beberapa sistem independen berinteraksi langsung dengan basis kode proyek.
Spesialisasi tingkat model ini—melatih AI untuk beroperasi di lingkungan nyata di mana ia akan beroperasi—mewakili langkah penting menuju pengembangan perangkat lunak yang praktis dan otonom. Komposer dilatih tidak hanya pada data teks atau kode statis, namun dalam IDE dinamis yang mencerminkan kondisi produksi.
Rasch menggambarkan pendekatan ini sebagai hal yang penting untuk mencapai keandalan di dunia nyata: Model ini tidak hanya mempelajari cara membuat kode, namun juga cara mengintegrasikan, menguji, dan meningkatkannya dalam konteks.
Artinya bagi pengembang perusahaan dan pemrograman dinamis
Dengan Composer, Cursor menawarkan lebih dari sekadar model cepat, Cursor menerapkan sistem AI yang dioptimalkan untuk penggunaan di dunia nyata, dirancang untuk bekerja dalam alat yang sama yang sudah diandalkan oleh pengembang.
Kombinasi pembelajaran penguatan, desain campuran ahli, dan integrasi produk yang erat memberi Komposer keunggulan praktis dalam kecepatan dan daya tanggap yang membedakannya dari model bahasa tujuan umum.
Meskipun Cursor 2.0 menyediakan infrastruktur untuk kolaborasi antara banyak agen, Composer adalah inovasi inti yang membuat alur kerja dapat dijalankan.
Ini adalah model pengkodean pertama yang dirancang khusus untuk pengkodean proxy tingkat produksi — dan gambaran awal tentang seperti apa pemrograman sehari-hari ketika pengembang manusia dan pekerja lepas berbagi ruang kerja yang sama.
Berita
Christopher Schwarzenegger memamerkan hasil penurunan berat badannya sebanyak 30 pon

baruAnda sekarang dapat mendengarkan artikel Fox News!
Seperti ayah, seperti anak laki-laki.
Christopher Schwarzenegger, 28, memukau penonton dengan fisik barunya saat keluar bersama saudara perempuannya Katherine Schwarzenegger Pratt, saudara ipar Chris Pratt dan anak-anak mereka untuk bersenang-senang memetik labu di lingkungan Brentwood di Los Angeles.
Putra bungsu Arnold Schwarzenegger dan Maria Shriver menarik perhatian saat tamasya keluarga musim gugur yang meriah, menandai transformasi yang menakjubkan.
Christopher Schwarzenegger memamerkan penurunan berat badannya yang signifikan saat jalan-jalan bersama keluarga di danau
Christopher Schwarzenegger terlihat memetik labu di Brentwood pada 27 Oktober 2025. (stoyanov/kisi belakang)
Christopher, yang mengatakan pada musim semi ini berat badannya telah turun sekitar 30 pon, memamerkan lengannya yang kencang dan fisik yang bugar saat dia membawa bukan hanya satu, tapi tiga labu berukuran sedang ke dalam mobil.
Mengenakan tank top putih, celana hijau tua, dan sepatu kets, Christopher menjaga suasana tetap sejuk dan nyaman, mengikatkan kaos putih di pinggangnya, membuat pengangkatan barang berat terlihat mudah.
Para penonton tidak bisa tidak memperhatikan bahwa adik laki-laki Schwarzenegger, Shriver, berubah menjadi mode paman penuh saat dia membantu keponakannya — Lila, 5, dan Eloise, 3 — memilih labu yang sempurna. Yang tidak hadir dalam perayaan tersebut adalah putra bungsu Katherine dan Pratt, Ford, yang berusia 11 bulan.

Christopher Schwarzenegger tampil bertelanjang dada saat berada di kapal bersama keluarganya. (Christopher Schwarzenegger/Instagram)
Ini merupakan tahun transformatif bagi Christopher, yang menjadi lebih ramping dalam beberapa bulan terakhir. Komitmennya terhadap kebugaran mencerminkan komitmen ayahnya yang terkenal, bintang “Terminator” legendaris dan mantan gubernur California, yang sering berbicara tentang pentingnya hidup sehat dan disiplin.
Chris Pratt membagikan foto langka untuk ulang tahun putranya yang ke-13
Pada bulan September, penurunan berat badan Christopher terlihat jelas selama tamasya keluarga lainnya.

Seorang wanita berambut pirang memeluk Christopher Schwarzenegger saat dia duduk di kursi kapten. (Christopher Schwarzenegger/Instagram)
Dalam postingan Instagram, Katherine membagikan sederet foto hari keluarga di danau. Dalam beberapa foto, Christopher terlihat bertelanjang dada dan mengenakan celana renang bergaris biru putih.
Klik di sini untuk berlangganan buletin hiburan
di dalam Gambar lainDia duduk di kursi kapten dan berpose di depan kamera dengan seorang wanita berambut pirang duduk di pangkuannya sambil memeluknya.
Christopher sebelumnya telah berbicara tentang kerja keras di balik transformasi kebugarannya. Meskipun ia sering kali tidak menonjolkan diri, ia kembali menjadi sorotan pada bulan Mei berkat penampilan barunya yang sangat bugar. Dia berbicara di panel pada peresmian Beacher Vitality Happy & Healthy Summit di Los Angeles bersama Shriver, Kelly Osbourne, dan Jeff Beacher, di mana dia membahas perjalanan panjang di balik hasil yang dicapainya.

Arnold Schwarzenegger dan Patrick Schwarzenegger menghadiri pemutaran perdana dunia The White Lotus Musim 3. (Jeff Kravitz/Keajaiban Film HBO)
Apakah Anda menyukai apa yang Anda baca? Klik di sini untuk berita hiburan lainnya
“Itu adalah operasi besar,” kata Christopher pada sidang tanggal 10 Mei di Hollywood Roosevelt. orang-orang.
Dia melanjutkan: “Ini dimulai pada tahun 2019 ketika saya tinggal di Australia. Saya sedang dalam perjalanan besar ini. Saya telah membuat (kesepakatan) besar dengannya seperti, ‘Oh, saya akan keluar dan melakukan semua hal ini dan berada di Australia,’ dan saya melihat betapa berat badan saya menghalangi saya untuk melakukan aktivitas sehari-hari.”
Terlepas dari transformasi dramatisnya, Christopher juga mengatakan bahwa dia belum mencapai tujuannya, dan mencatat bahwa ketika melihat “foto sebelum dan sesudahnya… Saya merasa belum sampai di sana.”
Klik di sini untuk mengunduh aplikasi FOX NEWS
Berita
Putin mengklaim keberhasilan besar dalam pengujian drone nuklir bawah air Poseidon

baruAnda sekarang dapat mendengarkan artikel Fox News!
Presiden Rusia Vladimir Putin mengumumkan pada hari Rabu bahwa Rusia telah mencapai “kesuksesan besar” dalam pengujian kapal selam tak berawak kelas Poseidon berkemampuan nuklir, dan menggambarkan sistem tersebut sebagai langkah besar dalam program senjata strategis negara tersebut, menurut Reuters.
“Untuk pertama kalinya, kami tidak hanya dapat meluncurkannya dengan mesin peluncuran dari kapal selam pengangkut, tetapi juga meluncurkan unit tenaga nuklir yang perangkatnya telah dijalankan selama jangka waktu tertentu,” kata Putin. “Tidak ada yang seperti ini.”
“Kekuatan Poseidon secara signifikan melebihi kekuatan rudal antarbenua Sarmat yang menjanjikan,” katanya, mengacu pada prototipe Satin 2 Rusia.
Trump mengatakan dia tidak akan membuang waktu untuk bertemu dengan Putin kecuali kesepakatan dengan Ukraina segera tercapai
Presiden Rusia Vladimir Putin (NASA/JPL-Caltech melalui AP)
Poseidon, pertama kali diluncurkan pada tahun 2018, dirancang untuk melakukan perjalanan melintasi lautan dengan kecepatan tinggi menggunakan tenaga nuklir dan membawa hulu ledak besar. Para pejabat Rusia mengklaim senjata ini dapat menciptakan gelombang radiasi dahsyat yang mampu menyerang sasaran di pesisir pantai, meski status operasionalnya belum diverifikasi secara independen.
Putin juga menyebutkan kemajuan dalam sistem strategis lainnya, termasuk rudal jelajah bertenaga nuklir Burevestnik, yang menurut Moskow mampu terbang tanpa batas waktu dan menghindari pertahanan rudal. Para pejabat Rusia melaporkan keberhasilan uji terbang rudal Burevestnik pada awal pekan ini sebagai bagian dari kesiapan nuklir yang lebih luas.
Rusia mengatakan uji coba Burevestnik yang berhasil menempuh jarak lebih dari 14.700 mil, menimbulkan keheranan di Barat.
Pada hari Senin, Presiden Donald Trump menanggapi uji coba senjata Rusia baru-baru ini, dengan mengatakan kepada wartawan di pesawat Air Force One bahwa Putin “seharusnya mengakhiri perang di Ukraina, bukan menguji rudal.” Dia menambahkan bahwa AS memiliki “kapal selam nuklir tepat di lepas pantainya… sehingga tidak perlu melakukan perjalanan sejauh 8.000 mil,” dan memperingatkan bahwa “kami juga tidak bermain-main dengan mereka.”
Trump membekukan Putin karena tidak mengambil ‘tindakan yang cukup’ menuju perdamaian – pembicaraan di masa depan tidak pasti

Peluncuran rudal balistik antarbenua Yars sebagai bagian dari latihan nuklir Rusia dari lokasi peluncuran di Plesetsk, barat laut Rusia, 2022 (Layanan Pers Kementerian Pertahanan Rusia melalui AP)
Trump mengatakan bahwa alih-alih fokus pada pengembangan rudal, Putin sebaiknya “mengakhiri perang… Perang yang seharusnya memakan waktu seminggu kini sudah memasuki tahun keempat.”
Dalam beberapa hari terakhir, Moskow telah meningkatkan serangannya di Ukraina timur, mengklaim bahwa mereka telah merebut beberapa desa di garis depan, dan mendekati kota strategis Pokrovsk di wilayah Donetsk. Awal bulan ini, Putin mengatakan pasukan Rusia telah merebut hampir 5.000 kilometer persegi wilayah Ukraina sejak awal tahun – sebuah klaim yang disengketakan oleh Ukraina.
Klik di sini untuk mengunduh aplikasi FOX NEWS
Para pejabat AS dan NATO belum secara independen mengkonfirmasi uji coba Poseidon tersebut, dan Pentagon menolak berkomentar.
Reuters dan Associated Press berkontribusi pada laporan ini.
Berita8 tahun agoThese ’90s fashion trends are making a comeback in 2017
Berita8 tahun agoThe final 6 ‘Game of Thrones’ episodes might feel like a full season
Berita8 tahun agoAccording to Dior Couture, this taboo fashion accessory is back
Berita8 tahun agoUber and Lyft are finally available in all of New York State
Berita8 tahun agoThe old and New Edition cast comes together to perform
Bisnis9 bulan agoMeta Sensoren Disensi Internal atas Ban Trump Mark Zuckerberg
Berita8 tahun agoPhillies’ Aaron Altherr makes mind-boggling barehanded play
Hiburan9 bulan agoMakna di balik jejak perbedaan Kendrick Lamar – Hollywood Life


