搜索“编码”

于10月31日16时（UTC）开始计费，也就是北京时间11月1日零时。 从完整项目开发到网页搜索与抓取，DeepSeek这次更新不只是在提高模型答题和写代码的分数，也在补齐AI真正执行任务所需要的能力。 那么，如果不靠“蒸馏”抄近道，DeepSeek究竟是怎么在不扩大模型规模的前提下，把能力和价格同时卷到这个水平的？ 梁文锋有了新妙招 DeepSeek将这次编码与项目开发能力的提升，归因于基于自反馈的强化学习。 简单来说，就是让模型在反复尝试完成项目的过程中，根据结果改进自己的操作方式，减少从编写代码到最终交付之间的失误。 而在底层成本控制上，这次提升并没有靠增加模型参数。V4.1 Flash采用混合专家架构（MoE），模型主体有5520亿参数。但每个Token在生成阶段只调用约160亿参数，在读取输入时则调用约80亿参数。 简单来说，模型虽然拥有庞大的参数规模，但每一步只调用其中一部分参与计算，以控制推理成本。 此外，这套架构还针对AI处理长文本时的缓存开销进行了优化。模型在处理长文本时，会暂存已经算过的信息，方便后续继续使用，这些信息就是所谓的KV缓存。 官方技术报告显示，在处理同

匹配字段正文

作方式量身定制的。到目前为止，构建这样一个智能体通常意味着采用围绕他人工作流设计的产品，或者从零开始。 今天，我们发布 Agent SDK，这是我们用来构建自家托管智能体（如 Bugbot、Security Reviewer 和 Rollouts）的框架。Agent SDK 允许你用代码定义智能体，并像管理任何其他软件项目一样管理它们。你可以从模板开始，或让编码智能体查阅我们的文档。当智能体准备就绪后， agent-sdk deploy 用一条命令将其部署到 Cursor 基础设施。 围绕你的工作流构建 Agent SDK 让你能够快速构建和部署按照你团队方式工作的智能体。它们响应你团队已经在处理的事件，并遵循你团队可以检查和更改的策略。 代码审查就是一个例子。每个团队对于什么需要关注以及谁应该审查都有自己的标准。借助 Agent SDK，你可以构建一个响应来自 GitHub、GitLab 或 Bitbucket 的拉取请求事件的智能体。该智能体可以评估变更的风险，将其路由到正确的团队，并批准符合你策略的变更。 举例来说，Cursor 内部的一个团队构建了一个庞大且快速增长的经验教训知

匹配字段正文

型 (Sora、Genie、Genie-3、Cosmos...) 几乎都工作在像素/视频空间，模型从海量视频中隐式地“猜”出物理规律 @ViggleAI 最新发布的「JST-2」走了一条相反的路：整个技术栈直接构建在 3D 空间里 这一点是理解整篇发布的关键：物理结构不是从画面外观中推断的，是表示本身的一部分。架构上分三个组件：JST encoder（把图像编码为物理原生 token）、JST generator（从多模态 prompt 直接生成 token）、JST decoder（结合视角与运动/力输入，解码为图像或 3D 高斯泼溅）。 Viggle 花四年（JST-1 在 2022–2024，JST-2 在 2024–2026）自建了全栈：tokenization、架构、数据合成引擎、预训练和后训练。自建数据引擎很重要，因为 3D 原生的训练数据在自然界几乎不存在，必须靠合成获得，这既是壁垒，也是成本。 能力面：一条架构统一三件事 · 场景生成：单次前向推理约 1 秒生成完整 3D 场景，成本 <$0.01（B200），无需逐场景优化；支持最多 64 个输入视角作为“空间上下文窗

匹配字段正文

MB 的整句语法模型「紫毫口语」，根据维基百科中文口语优化而来。之后键盘里就是熟悉的雾凇： 26 键全拼、九宫格、小鹤双拼，小鹤双拼还能用辅码按偏旁筛字（比如「讠」打 yj）； 简体、繁体、台湾繁体、香港繁体输出，目前并非原生支持，后续会通过大千注音等进行针对性优化； rq sj xq nl 打日期、时间、星期、农历，R1234 打大写金额，U62fc 按编码打字，vfh 打符号。 雾凇拼音可以在 App 里检查更新，更新前先看改了什么，你学到的词不受影响。 首页：键盘已就绪、输入方案、我的输入统计 自己的方案也能带过来 这是我最想做好的部分。在「方案」里可以导入 Rime 配置文件夹、ZIP、YAML 或文本词典，也可以直接填一个公开的 GitHub 仓库（比如 iDvel/rime-ice），选好分支和目录，设成每天或每周自动更新。方案在手机上编译，不经过任何服务器，也可以添加自己的配置文件，习惯都在你自己手里。 打过的词按 Rime 的格式保存在 iCloud 云盘的同步文件夹里。在鼠须管的 installation.yaml 里把 sync dir 指向同一个文件夹，手机和

匹配字段正文

e/v1/systemone 提供训练后模型服务的说明。 你会训练 Muse Glimmer 做什么？ 你不需要有交易方面的雄心就能尝试这个。你的第一个实验可以从一个你已经纠正过太多次的错误开始。 也许你的智能体总是选错工具。如果你保存它的运行记录，成功的调用和已纠正的错误就可以成为 SFT 的示例。用其中一些训练，用另一些测试，看看你是否让这种纠正发生得更少。 自己尝试 Kalshi 实验。该 cookbook 包含代码、评估结果和方法论，并引导你使用 Training API 完成该实验。 对于你自己的实验： 让 Fireworks 运行任务。将你的示例带到 Managed Training，在应用中或通过 API 开始。 掌控你的训练循环。使用 Serverless Training API 编写你自己的 SFT 循环。 让你的编码智能体投入工作。按照 Agent Skills 指南安装 Fireworks 训练技能，然后描述你想训练的内容。 Muse Glimmer 30B 在 11 月 30 日前可免费进行 SFT 训练，无需信用卡。推理（包括评估调用）另行计费。 公告 训练

匹配字段正文

条很关键：它承认"截图"本身就是一种有成本的感知行为，该省则省（比如执行批量操作时中间过程不需要看）。 2. 如何行动：不是输出单个原子动作，而是写一段带循环和条件判断的 Python 程序，把 GUI 操作、API 调用、shell 命令编排起来。 3. 如何组织工作：模型自己维护 todo 列表，每步声明 intent，任务状态管理从 harness 硬编码逻辑转为模型自主行为。 这两大设计「代码执行（code execution）和 harness 到模型的决策转移（harness-to-model decision transfer）」是整个方法论的支柱。代码执行的巧妙之处在于复用了模型已有的强大编程能力，且循环内的中间结果直接决定下一步代码走向，无需每步都回到模型，这是效率提升的根源。理论上，纯 GUI 智能体、CLI 智能体、GUI+CLI 混合智能体（他们早期的 Qwen-UI-Agent）都成了 GCUA 框架的特例，这个统一视角本身就有理论价值。 实验结果：数字说明了什么 在 OSWorld-v2 上对 8 个前沿模型（GPT-6 Astra、Claude Opus

匹配字段正文

LX快4.5倍，在相同权重下，响应速度提升5倍。 其团队在16类提示词场景下对比了Husky和MLX，结果显示Husky在全部测试中速度都更有优势。 这是因为在执行图像编辑时，Husky每一步并行校验8个token，开销为单个token的1.5倍，而且大部分回复内容已经包含在提示词上下文里；文本生成速度的优势来自流水线调度，在当前步骤执行的同时，就对下一步做编码与提交，让GPU不必空等主机。 Sigil Wen称，与同类设备端引擎相比，该引擎在计算机主芯片与图形芯片之间传输的数据量更少。 除了技术优势，Underdog的早期商业化模式也较为特殊。 Sigil Wen透露，Underdog初期免费，且永远不会投放广告。其中一种收入方式是，他们将从AI助手经由Stripe安全支付基础设施完成的每一笔交易中抽取少量分成，模式类似银行卡交换费。这套商业模式下，AI助手无需采集、挖掘用户数据。 三、00后大学肄业、自学成才，闯进核心AI大牛朋友圈 虽然未公布具体金额，但Conway Research‌的投资人阵容堪称豪华。 除硅谷头部风投a16z、Anthropic与Menlo Ventures

匹配字段正文

Calcalist 此前报道，此轮融资对 doubleAI 的估值超过 10 亿美元。 1 查看图库 doubleAI 团队。（doubleAI）该公司将其技术称为“代码执行模型”（Code Execution Models，简称 CEM）。它将这些模型描述为运行在“代码与芯片之间”，即软件与其运行所依赖的硬件之间。与帮助开发者编写和修改代码的大语言模型和编码智能体不同，CEM 旨在优化软件的执方式，在不更改原始源代码的情况下找出提升性能的方法。doubleAI 表示，其首个模型 Maxwell 会持续分析正在运行的程序、其运行所依赖的硬件以及其处理的数据，然后针对这些条件优化底层机器指令。该公司称，该系统同时适用于 CPU 和 GPU，并且每一项经过验证的改进都可以作为进一步优化的基础，随着程序持续运行而不断叠加。据 Shashua 介绍，开发这项技术的核心挑战之一，是确保为提升性能所做的更改不会改变程序的行为。doubleAI 表示，Maxwell 会对每一项优化进行形式化和数学验证，确认修改后的指令保持了程序的原始行为。 相关文章： Amnon Shashua 的新 AI 创业

匹配字段正文

糊：任何改变引导/恢复语义的字段都必须产生新的 schema/引用，“加了字段还沿用旧引用”被明令禁止； · 主机平台类型里已预留 Linux/Windows/macOS 的区分身份，虽然当前只实现了 Linux 适配器。 这明显是在为未来支持其他 hypervisor、客户架构甚至非 Firecracker 运行时铺路，而不是把 Firecracker 硬编码进协议。 安全模型（分层清晰） · 硬件级隔离：Firecracker microVM 边界（KVM），这是对不可信代码的根本防线； · token 分域：管理面 bearer token 与数据面 attachment token 隔离； · 网络策略：沙箱 Pod 独立 namespace（sandboxes），NetworkPolicy 只放行 API 与控制器端口，出站默认限公网 IPv4 + 集群 DNS，可配 egress profile 精细管控，甚至有 TLS 拦截豁免机制； · 供应链：gitleaks、cargo-deny、supply-chain 目录、pre-commit/lefthook 一应俱全； ·

匹配字段正文

镜头采用1G5P抗温漂玻塑混合结构，玻璃镜片用于应对温度变化造成的焦点漂移，塑料镜片则有助于控制重量和适应复杂曲面。 此外，镜头还采用BG微米级旋涂工艺和ALC超低反射膜，以减少反射光、杂散光对成像的影响。 在影像算法上，千问推出超感影像引擎，将眼镜端、手机端和云端的处理能力结合起来。 现场展示的技术架构中，眼镜端包括多场景原始光影采集、自研高效RAW压缩编码和动态抓拍算法； 手机端承担RAW数据管理与传输、全场景高质量RAW增强算法和智能构图图像优化；云端则提供自研云端AI ISP增强和AIGC多场景画质优化。 这套方案的重点，是把拍摄、图像处理和后期优化串联起来。通过RAW域增强，系统可以利用更完整的高光、暗部、色彩和细节信息改善成像；暗光环境下，四合一像素融合技术让相邻感光单元协同工作，提升进光量和信噪表现 此外，N1系列还支持智能构图，可以识别画面主体，自动调整构图，让人物更加突出、背景更加舒展。 同时，N1系列还可以拍摄实况照片，能够记录精彩动态瞬间，不过在实际体验中，实况照片的动态记录时间是从拍摄之后开始的，与手机实况略有不同，期待后续能够通过系统升级进行优化。 视频拍摄

匹配字段正文

练观测中发现 scaling law 的自动化方法：https://arxiv.org/abs/2507.21184 [^ref14]: AdderBoard ，面向神经网络加法任务的公开参数效率榜单与实现仓库：https://github.com/anadim/AdderBoard [^ref15]: Gushu Li、Yufei Ding 与 Yuan Xie， “Tackling the Qubit Mapping Problem for NISQ-Era Quantum Devices” ，提出 SABRE 量子比特映射与路由方法：https://arxiv.org/abs/1809.02573 [^ref16]: Botzone ，北京大学开发的在线程序对战与 AI 竞技平台；本文排名基于相应黑白棋赛道的公开参赛程序：https://botzone.org.cn/ [^ref17]: Anthropic， Claude Code Goal Mode ，用于以目标驱动方式执行较长程编码与迭代任务的官方文档：https://code.claude.com/docs/en/goal

匹配字段正文

Grok 和 Cursor 正被打包为一项名为 The X Subscription 的单一订阅方案。 周一晚些时候，SpaceXAI 在 X 上公布了新的定价结构。 该订阅共分五档，从免费到每月 200 美元不等，最低付费档为 8 美元。 然而，对开发者而言，更大的新闻或许是 Cursor 对 AI 模型收费方式的改变。 虽然新订阅方案包含更多 Grok 编码用量，但偏好 Anthropic 和 OpenAI 等竞争对手模型的客户将面临额外收费。 X、Cursor、Grok 与 Grok Bot。 现在同属一个方案。 马斯克旗下业务走向整合 回顾一下，马斯克整合旗下业务的努力已持续数年。 他于 2022 年 10 月以 440 亿美元收购 Twitter，并于次年 7 月将该社交网络更名为 X。 同月，他创立了 xAI，这家 OpenAI 的竞争对手于当年晚些时候推出 Grok 聊天机器人，随后又让它可直接通过 X 使用。 2025 年 3 月，企业架构再次变化，xAI 正式收购了 X。 整合在 2 月继续推进，SpaceX 收购了 xAI，将 Grok 和 X 纳入这家火箭公司的业

匹配字段正文

性能。 控制向用户发布的时间，这样你就能在不破坏生产环境的情况下修复应用。 绑定你的自定义域名，或在 .replit.app 域名下选择一个自定义子域名。 在接下来的数周和数月里，我们还有更多功能要与你分享。 但在介绍功能之前，让我们先回顾一下 Replit 托管的发展历程…… Replit 托管：5 年测试版 2018 年，Replit 实现了全球最快的 编码 → 托管 工作流程，当时我们发布了 Replit Hosting 的首个测试版。Replit 创造了一种在浏览器中运行任何语言代码的方式。由于 Replit 的构建方式，只需分享一个 URL，它也能变成一个托管平台。多年来，我们不断尝试添加新功能，例如 Always On, Boosts, Analytics, 状态管理器以及 PostgreSQL 数据库. 如今，Replit 托管着数百万个应用，每月处理数百亿次请求，所以我们知道你们喜爱我们托管服务的轻松与简洁。 但我们还不满足。我们希望它做得更好。我们也从你们那里听到了关于旧版 Replit Hosting 的同样反馈： 当你编辑代码时，你不希望影响正在使用你应用的用户

匹配字段正文