跳到正文
AI 资讯
11月16日周一
  1. AIHOT74

    Lovable 推出 Drafts 功能,支持并行探索应用改动

    Lovable 推出 Drafts 功能,用户可并行创建应用的不同版本,在不影响线上应用的情况下独立编辑、预览和比较方案。每个 Draft 都是包含设计和数据库的完整副本,可按需包含后端,并提供示例数据供测试。只有接受 Draft 后再发布,改动才会进入线上项目;测试数据在接受或删除 Draft 时清除,也可在发布前通过 History 回滚。

11月15日周日
  1. The Decoder79

    美团发布 1.6 万亿参数智能体模型 LongCat-2.5 并开放权重

    美团发布面向智能体的 1.6 万亿参数 LongCat-2.5,并按 MIT 许可证开放模型权重。该模型全程使用中国 AI 芯片训练,采用 MoE 架构,每个 token 激活约 48B 参数,支持文本、图像和视频输入、1M token 上下文及最长 128,000 token 输出。

    推荐理由:美团同时披露了 LongCat-2.5 的开放权重、中文芯片训练路径与多项智能体基准成绩,便于读者评估其自部署成本和能力位置。

11月14日周六
  1. AWS Machine Learning Blog73

    在 Amazon Bedrock 上使用 NVIDIA NeMo Switchyard 为编码智能体路由模型

    AWS 演示如何使用 LiteLLM 与 NVIDIA NeMo Switchyard 在 Amazon Bedrock 上为编码智能体请求选择合适模型。教程涵盖 Stage 与 Random 路由策略、AWS CDK 部署、网关测试,以及按通过测试的任务成本对比路由组和单模型基线。

    推荐理由:教程给出模型路由配置、AWS 部署和任务成本评测流程,并以通过测试的任务成本比较路由与单模型基线。

  2. AWS Machine Learning Blog47

    GS Caltex 如何用 Amazon SageMaker Canvas 和 Amazon SageMaker Pipelines 实现生产级 MLOps(第一部分)

    GS Caltex 将 SageMaker Canvas 中无代码构建并验证的模型接入 SageMaker Pipelines,复用预处理流程与已验证模型部署到生产工作流。ML 工程师可在几小时内完成模型部署,而此前约需一周;系统每 30 分钟运行一次批量推理,减少持续运行端点的需求并降低推理成本。

  3. AWS Machine Learning Blog72

    Amazon Bedrock AgentCore Runtime V2 快速会话启动的架构模式

    AWS 介绍 Amazon Bedrock AgentCore Runtime V2 的快速会话启动架构,通过环境快照与恢复替代逐会话初始化。文中说明 V2 的构建和调用流程、CloudWatch 延迟指标拆分、build hook 配置,以及预热会话、实现约 2 秒启动和亚秒级响应的方法。

    推荐理由:文章提供了会话启动的分段测量方法、四种优化模式及代码示例,可直接迁移到智能体运行时性能优化。

  4. Google Research78

    Google 开放 Antigravity /teamwork 与 /boost 多智能体工具

    Google 开放 Antigravity 的 /teamwork、/boost 等智能体工具,并与 Gemini 4 Argon、Gemini 4 Carbon 和 Gemini 4 Hydrogen 配合用于研究、形式化验证、编码和系统优化。

    推荐理由:文章同时给出多智能体工作流的设计机制、研究案例与性能数据,便于评估其对研究和工程流程的实际影响。

  5. AIHOT71

    Anthropic 详解常驻智能体的五个核心架构原语

    Anthropic 介绍了构建常驻智能体所需的五个核心架构原语,包括事件收件箱、定时器、记忆、权限和发件箱。文章进一步说明事件进入、任务运行、记忆更新、消息交付及再次唤醒的完整循环,并给出事件去重、单活跃 worker、持久化记忆、延迟工具调用和消息频率评测等实践建议。

  6. AWS Machine Learning Blog70

    Amazon SageMaker HyperPod Data Capture 构建模型改进闭环教程

    Amazon SageMaker HyperPod Data Capture 可在三个独立层级记录生产推理输入和输出,并将数据写入 Amazon S3。文章以家电支持路由器为例,演示通过 Amazon Athena 发现新产品分类盲点、使用 SQL 策略生成标注数据,以及利用 HyperPod training operator 完成 LoRA 微调和并行部署。

    推荐理由:文章以完整案例串联生产数据捕获、Athena 分析、SQL 标注、LoRA 微调和并行部署,提供了可复用的模型改进闭环。

  7. AIHOT77

    Sierra 发布 Personal Agent Protocol(Poppy)v1.0

    Sierra 发布 Personal Agent Protocol(Poppy)v1.0,允许个人智能体通过企业智能体、网站和 API 与企业服务交互。协议基于 MCP、OpenAPI 和 UCP,并通过 OAuth 管理用户授权;Shopify 已为平台所有商家启用 Poppy,设计合作伙伴总数超过 100。

    推荐理由:Poppy v1.0 明确了个人智能体连接企业服务的协议机制,并提供分阶段接入、扩展机制、验证工具和实际业务案例。

11月13日周五
  1. Hugging Face Blog74

    llama.cpp 与 ggml 发布 v1.0.0 库版本

    llama.cpp 项目发布 llama.cpp v1.0.0 和 ggml v1.0.0 库版本,并为主要破坏性变更启用明确的 MAJOR 版本升级规则。新版本覆盖 Linux、macOS、Windows、Android 和 iOS 等分发渠道。llama.cpp 目前支持 150 多种架构变体及主流推测解码方法,ggml 则通过可动态加载的后端适配多种硬件。

    推荐理由:项目明确了公开 API 与 ABI 的主版本升级边界,为下游依赖和多平台集成的兼容性管理提供了清晰依据。

  2. GitHub Blog · AI & ML72

    GitHub Copilot 智能体技能实践指南

    GitHub Blog 介绍了构建可跨智能体复用技能的方法,涵盖任务定义、技能编排、项目配置、权限边界和人工审批。实践以 Proof Agent 与 Data Forge 为例,将技能分别打包为 Claude Code、Cursor 和 GitHub Copilot 所需格式,并通过 CI 检查验证各客户端的安装与执行设置。

    推荐理由:文章用 Proof Agent 和 Data Forge 展示如何拆分、配置及校验可跨智能体复用的技能,提供了可迁移的工程实践。

  3. AWS Machine Learning Blog76

    Natera 如何用 Amazon Bedrock AgentCore 构建实验室运维智能体系统 SWARM

    Natera 介绍如何基于 Amazon Bedrock AgentCore 构建实验室运维智能体系统 SWARM,用自动化诊断承接 Jira 工单,并保留工程师实时交互排障流程。

    推荐理由:文章拆解了 SWARM 的知识库、双运行时、技能库与持续评测架构,并给出安全、集成和文档处理细节,可迁移到同类运维智能体建设。

  4. TechCrunch · AI68

    Nebius 计划2027年投入400亿美元扩张 AI 数据中心,交付延期暴露融资风险

    Nebius 在第三季度财报电话会上宣布计划在2027年投入400亿美元,远高于华尔街预期,并主要依赖客户预付款和合同支持的贷款融资。公司称预付款与资产支持融资最多可覆盖2027年400亿至450亿美元资本支出的85%,但其最大客户 Microsoft 在新泽西的容量交付已延至2027年第二季度。

  5. AWS Machine Learning Blog62

    Amazon Bedrock 推理请求的四种成本控制选择

    Amazon Bedrock 的缓存时长、服务层级、推理强度和 maxTokens 会影响推理成本,但具体影响取决于模型与工作负载。文章通过测试展示各类设置的计费差异、模型支持情况和适用场景,并建议结合响应元数据、CloudWatch 日志、调用记录与账单数据逐项验证。

    推荐理由:文章通过对照测试说明缓存时长、服务层级、推理强度和输出上限如何影响 Bedrock 成本,并给出逐项验证与应用校准方法。

  6. AWS Machine Learning Blog69

    Amazon Bedrock AgentCore runtime 发布新一代更新,提升启动速度并扩展隔离会话能力

    Amazon Bedrock AgentCore runtime 发布新一代更新,会话启动速度最高提升 15x,计算能力扩展至 4x,资源运行效率最高提升 68%,同时保持 Firecracker MicroVM 硬件隔离。新版本支持最高 8 vCPUs、32 GB 内存和 10 GB 容器镜像,会话可在 2 秒内启动,并可动态挂载和保存数据以延伸信任边界。

    推荐理由:围绕隔离、启动速度与用量计费展开的更新,并给出客户实测数据,便于评估智能体规模化运行的基础设施取舍。

  7. AWS Machine Learning Blog50

    Amazon Bedrock 如何优化任务成本并证明 AI 智能体 ROI

    Amazon Bedrock 成本优化框架以“每次任务成本”衡量 AI 智能体支出,并用人工基线和五维评分卡验证 ROI。框架归纳 tokenizer 效率、输出冗长度、智能体循环效率与推理开销四类隐性成本,通过缓存、路由和输出约束降本。示例中,标价高 2x 的 Model B 单任务成本 $0.00145,比 Model A 的 $0.0042 低 65%。

  8. AIHOT85

    Jensen Huang 辞任 Nvidia CEO 后对 AI 经济的五点影响分析

    Tomasz Tunguz 分析 Jensen Huang 辞任 Nvidia CEO 后对 AI 经济的五点影响。文中认为,财务约束可能放缓 AI 基础设施建设,Nvidia 对开源 AI 企业的投资与收购将留下更大缺口,监管与定制芯片竞争也可能受到推动。原文还披露,Colette Kress 被任命为临时 CEO,Harvey C. Jones 出任董事会主席。

    推荐理由:文章把 Nvidia 的投资、担保与开源支持拆成五项影响,便于理解管理层变动如何传导至 AI 建设节奏和供应商格局。

  9. AIHOT69

    Epoch AI 分析华为林格尔数据中心的中美算力差距

    Epoch AI 通过卫星影像和公开资料估算,华为林格尔数据中心当前约有 81,000 个 H100 等效算力,仅为 Colossus 2 的约 7%。研究利用冷却设备推算 4 栋高密度建筑合计约 286 MW 的 IT 电力容量,并结合 Ascend 910C、910B 部署量估算园区算力。按现有建设进度,其算力到 2028 年初可增长逾 70%,但仍难缩小与 Colossus 2 的差距。

11月12日周四
  1. AWS Machine Learning Blog73

    AWS 介绍用 Agent DLC 将 AI 智能体从原型推进到生产

    AWS 提出 Agent DLC,通过一个生命周期、内外两个循环和明确的 gold standard,评估 AI 智能体的每次变更并决定是否发布。该框架覆盖 Define、Build、Evaluate、Release、Observe 和 Feed Back 六个环节,以及五个质量维度和三级验收标准。

    推荐理由:文章把智能体生产化拆为评估、诊断、改进与发布环节,并以指标对照说明单一总分无法暴露信息覆盖和责任约束问题。

  2. AWS Machine Learning Blog70

    AWS 使用 A2A 构建可组合、可互操作的多智能体系统

    AWS 演示如何使用 A2A 在两个独立账户中连接基于 LangChain 和 Strands Agents 构建的智能体。示例通过 Agent Card 发现技能,以双向 OAuth 认证实现跨边界协作,并由 3 个 Jupyter notebook 完成部署和端到端测试。

    推荐理由:教程完整拆解了跨框架、跨账户多智能体架构,并提供代码、部署步骤与信任边界测试。