搜索“GitHub”

行业重心从“跑多快”转向“怎么刹车”。 开源趋势： 十一、Ollama for Mac 会说话了 1.2026年10月24日，Ollama官方博客宣布正式支持文本转语音，首个模型为Gradium开发的Phonon小参数语音合成模型，macOS（Apple Silicon）率先上线，Windows与Linux随后跟进。Ollama是本地AI基础设施的事实标准，GitHub上拥有近18.5万颗星、约1.86万个分支，此次更新使本地大模型从“能读会写”迈向“能开口说话”。 2.语音本地化的三大动因是延迟、隐私、成本：借助苹果MLX框架的统一内存架构，Phonon在MacBook Pro M5 Max上生成速度比Gradium自家运行时快35%，词错误率与Hugging Face Transformers参考实现持平，并支持流式实时生成。资本层面，Gradium于2025年12月以7000万美元种子轮走出隐身（FirstMark Capital、Eurazeo领投，埃里克·施密特等跟投），2026年7月该轮融资扩大至1亿美元、英伟达加入。 3.局限与影响并存：Phonon目前仅支持Apple

匹配字段正文

验。而且，说清楚一点，也一直在大量失败。今天早上，似乎是第无数次了，我决定再试一次，并且再次更换我使用的工具和模型。这基本上就是我过去几周几乎每天都在做的事。 今天的实验是：LLama Windows 以及一系列模型选择，还有一个让你间接感受这种痛苦的机会。 你可能还记得，Hugging Face 把 Llama Windows 的发布时机安排在了本月早些时候 RTX Spark 电脑上市之时。它是 llama.cpp 开源 AI 推理引擎的图形前端，而 llama.cpp 是 LM Studio Bionic 和 Ollama 等热门本地 AI 应用所使用的事实标准。这一点很重要，因为 llama.cpp 是一个命令行界面（CLI），大多数人会觉得使用起来很复杂。 你可以在 GitHub 上找到 llama.cpp，如果你心情好得过头，它是个合适的选择。在 Windows PC 上，你当然要从命令行安装 llama.cpp，但奇怪的是，你并不使用 Windows 包管理器（winget）；相反，你要在 PowerShell 中使用 Invoke-RestMethod 命令，或者更……

匹配字段正文

9，一个访问控制缺陷，使已通过鉴权的用户（包括只读用户）能够访问管理功能并接管网关；以及 CVE-2026-59823，一个服务端请求伪造漏洞，使用户能够将网关请求重定向到攻击者控制的服务器并捕获 AI 供应商的 API 密钥。两者均已在 LiteLLM 1.83.9 版本中修复。Check Point 报告称 LiteLLM 每月下载量达 9700 万次，GitHub 星标超过 59,000 个，并表示其向 LiteLLM 的协调披露始于 2025 年 10 月。 指南还建议团队为护栏设定故障策略。它将钩子描述为请求路径中的节点，网关在这些节点将内容交给外部扫描器以获取判定结果，并指出 Portkey 的文档列出了 before request hooks 和 after request hooks，而 TrueFoundry 运行四个钩子，在 MCP 工具调用前后增加了检查。 在可靠性方面，指南引用了有记录的故障事件。Cloudflare 对其 2025 年 6 月 12 日故障的官方说明指出，其 AI Gateway 的请求错误率峰值达到 97%，因为 AI Gateway 依赖

匹配字段正文

能完成什么。 更广泛的企业转变已经体现在面向 AI 智能体的新身份和凭据控制中。随着智能体在业务系统中承担工作，安全团队需要一种方式，将委托权限与可观察的操作联系起来，并在该权限结束时撤销访问。 建立在现有安全业务之上 Infisical 表示，它服务超过 1300 家客户和 30 万名开发者，每天保护 100 亿个密钥，其核心开源项目已获得超过 3 万个 GitHub 星标。公告中提到的客户包括 Airbus、Volkswagen、Hugging Face、OpenRouter、Lucid、First American Financial Corporation、Wise 和 Clay。 这些数字描述的是该公司更广泛的平台，而非 Agent Vault 已披露的客户数量。这一区别很重要：此次融资既支持一项成熟的密钥管理业务，也支持其向智能体访问基础设施的扩展。 Matsiiako 在其融资公告中表示，Infisical 将继续投资于密钥管理、证书管理和特权访问管理，同时加大对 Agent Vault 的关注。他还表示，公司正在招聘工程、销售、市场、产品、设计及其他团队超过 100 个

匹配字段正文

TPU支持版。挑战从NVIDIA迁移 “DuckDB 2.0 LTS”正式发布。通过Quack协议的客户端/服务器功能以及异步处理实现高速化等 Cloudflare发布将TypeScript移植到Rust的“tsrs”。相比TypeScript 7内存最多减少70%，速度提升8倍。今后计划支持LSP等TypeScript的全部功能 将提供“Cloudflare OS”托管服务。加强与GitHub的连接及与Gmail的联动等 AWS Lambda发布“AWS Lambda Web Functions”，可直接部署并运行Next.js、Hono等Node.js框架和应用 微软预览发布.NET工具链管理器“dotnetup”。可管理多个版本的.NET环境 Linux内核严重漏洞“PwnEscape”（CVE-2026-99999），可能从客户虚拟机向宿主机Linux OS执行恶意代码 关于让读者安心阅读文章的举措 Simple Analytics 100%隐私优先的分析 -- Simple Analytics事件脚本 -- 全局网站代码（gtag.js）- Google Analytics

匹配字段正文

问题；现在错误会显示在对话框内 - [云会话] 修复了在 Routines 页面的例程菜单中点击“编辑”会跳转到例程页面而不打开其编辑对话框的问题 - [远程控制] 修复了未归档的远程控制会话在计算机重新连接之前一直显示为工作中状态的问题；现在会显示为空闲状态 - [Claude Tag] 改进了 Claude Tag 在 Slack 中的重试通知，现在会指明正在使用的模型，或说明已触发速率限制， 而不是显示通用的 API 错误 - [Claude Tag] 修复了当较旧的私有 Slack 频道变为公开并获得新 ID 时，Claude Tag 频道的开关和 agent 设置回退到工作区默认值的问题 - [Claude Tag] 修复了 Slack 中的 Claude 在其环境网络访问设置为 None 的频道中不回复的问题 - [Claude Tag] 修复了 Slack 中的 Claude 在同一频道的另一个线程中回复时有时会将文件发布到错误线程的问题 - [代码审查] 修复了当 GitHub 延迟送达推送事件时，代码审查会审查过时的提交或完全不审查的问题；现在会审查拉取请求的当前提交

匹配字段正文

，我们将使用位于此处的名为 的文件夹：第 1 步：定义目标行为并冻结一个留出集 在生成训练数据之前，先定义什么样的回答才算好回答。这些要求同时指导数据生成和审核。维度示例要求受众——我们在和谁对话？技术水平各异的法国成年人任务——它应该做什么？回答关于身份证明文件的问题. 运行以下命令在本地安装 Nemotron 仓库： git clone https://github.com/NVIDIA-NeMo/Nemotron.git cd Nemotron git checkout v0.2.0 uv sync --extra data-sdg --extra evaluator uv run nemotron steps --help 为正确遵循本教程，我们将使用名为 french-public-service-assistant 位于此处： Nemotron/ <- repo root: run every command from here └── use-case-examples/ └── french-public-service-assistant/ ├── config/ (

匹配字段正文

或复制任何内容的情况下进行分析——具有广泛的适用性。医疗机构可以将受 HIPAA 保护的患者记录与药物相互作用数据库联合，用于治疗建议。制造企业可以将本地 IoT 遥测数据与云端供应链数据联合。零售商可以将店内 POS 系统与第三方人口统计数据结合.共同点在于：敏感的专有数据始终受到保护，同时又能借助第三方数据实现丰富的分析。 准备好开始了吗？请浏览以下链接： 设置联合 — 请遵循 Lakehouse 联合文档 连接你的外部数据库 浏览 Marketplace — 在以下网址浏览可用的数据产品： marketplace.databricks.com 创建仪表盘 — 使用 AI/BI 仪表盘 将洞察可视化 启用 Genie —— 让您的用户以 自然语言 在 GitHub 上查看完整代码 — 本博客的代码相关标签： 解决方案, 教程, 金融服务, 洞察 与 客户 在您的收件箱中获取最新文章 订阅我们的博客，即可在您的收件箱中获取最新文章。 注册查看所有博客 slice-start id=" gatsby-scripts-1" slice-end id=" gatsby-scripts-1"

匹配字段正文

T-6 Astra（max）均为 50% 关键模型详情： ➤ 上下文窗口：1M tokens ➤ 多模态：文本、图像、视频和语音输入，文本输出 ➤ 定价：每 1M 输入/输出 tokens 4/20 美元，与 Gemini 4 Argon 的标准定价相同，并提供 50% 折扣。缓存输入 tokens 享受 95% 折扣（标准定价下每 1M 0.20 美元） GitHub Copilot Fusion 编排 Anthropic 和 OpenAI 模型，以平衡性能与成本 GitHub 已在 GitHub Copilot 中发布 Copilot Fusion，它在 Anthropic 和 OpenAI 模型之间进行编排。在 Coding Agent Index 上，它在 Claude Code 中比 Opus 5.5 低 2 分，而每任务成本仅为其一半 2026年10月28日 Index v5 包含 2 项新基准和 3 项升级。这是 Index 首次大部分基于私有数据集构建 2026年10月27日 Code2Video-AA：AI 模型用代码设计视频的能力如何？ Artificial Ana

匹配字段正文

TFLite 代码迁移到 CompiledModel”，或输入 @litert-runtime，它就会将你的应用切换到 play-services-litert、重写你的 Interpreter 调用，并设置带 CPU 回退的 GPU 加速。它还可以搭建一个新的 LiteRT 应用。请将其视为一次有力的初步尝试：审查差异、构建，并在真实设备上比较输出。在 GitHub 上获取该技能。 从旧版 API 升级？旧版 GPU delegate 和自定义 delegate API 已弃用，取而代之的是 CompiledModel GPU 加速以及 Compiler Plugin 和 Dispatch API，并且 NNAPI 将从 2027 年起被移除。较旧的 SDK 现在仅接收关键安全修复。你已发布的应用仍可继续工作，但请立即规划向 CompiledModel API 的迁移：使用已弃用 API 的代码将无法针对最新 SDK 编译，而随着其他依赖项向前推进，停留在较旧 SDK 上可能导致冲突。详情请参阅发行说明。 后续计划 展望未来，Google Play 服务中的 LiteRT 是我们在

匹配字段正文

results/results 20261003 224516.json \ --threshold 0.1 OK: mean 4.000 → 4.000 (drop 0.000 ≤ threshold 0.1) $ echo "exit: $?" exit: 0 Python 已复制 这个非零退出码正是 cron 作业、Cloud Scheduler 或 GitHub Actions 步骤用来发出告警的依据。 第 8 步：自动化提示词优化 对于 ADK 项目， eval optimize 会使用 GEPA 框架对智能体的提示词运行一次自动化的爬山式优化（目前 LangChain 扩展尚不支持该功能）。该命令接收一个数据集和一个目标指标，提出提示词变体，对每个变体进行评分，保留能够提升指标的变体，并反复迭代。输出是一组按评测分数排序的候选提示词，随后由人工审核并将其提升到智能体定义中。 agents-cli eval optimize \ --dataset tests/eval/datasets/regression.json \ --target-metric final resp

匹配字段正文

理3% 有头 Chrome + 美国代理14% 其他六家云浏览器提供商73.5% 到 82% Browser Use Cloud，CAPTCHA 求解器关闭84% Browser Use Cloud90.5% 每个站点访问 2 次；如果评判模型在 60 秒内看到了真实站点，则该次访问计入。每一行和每个站点： /benchmarks/browsers；代码： GitHub在我们2026年3月针对71个站点、从数据中心IP发起的测试中，无头Chromium的通过率为2%，而同一Chromium在带可见窗口的情况下通过率为50%（Stealth Benchmark). 保留你的 Playwright 脚本 创建一个云浏览器，然后替换 launch() ，并建立 CDP 连接（）：仅在允许的情况下使用此方法：遵守每个站点的条款和 robots.txt，如果存在官方 API，优先使用官方 API。发布于 2026 年 10 月 27 日继续阅读所有文章 对比/2026 年 10 月 27 日Browser Use 对比 Browserless：定价、隐身与功能比较 Browser Use 和 B

匹配字段正文

用 Claude Code 排查故障；如果你是销售工程师，可以用它生成实时演示的示例数据。这些会话不会产生 PR，但它们确实加速了这些团队的工作流。请记住，Claude Code 的 PR 指标统计的是 Claude Code 创建的 PR，而不是最终合并的 PR。你的源代码管理和工单系统仍然是已交付内容的记录，因此请将 Claude Code 遥测数据与 GitHub 或 GitLab 以及你的工单跟踪器关联起来，以获得完整视图。 以下是部分 Google Cloud 上的 Claude 客户通过 Claude Code 取得的可衡量影响。 Delivery Hero（在新标签页中打开）有一个团队对 100 个 UI 组件进行了设计系统全面改造。Claude Code 在几分钟内完成了通常需要工程师一周时间的工作。 Shopify（在新标签页中打开）的工程师借助 Claude Code 更快地构建，但非工程师也能在几分钟内而非数天内构建内部工具。Claude Code 正在扩大 Shopify 中能够参与构建的人群，而不只是加速那些已经在构建的人。 Fifth Dimension（在

匹配字段正文

服务器。 对比Browser UseBrowserless 主要用途隐身浏览器基础设施 + 托管 AI 代理；配置文件可复用已保存的登录信息，并支持本地 Cookie 同步为你的代码提供浏览器基础设施、渲染 API 以及测试版托管代理；经过身份验证的配置文件可复用已保存的登录信息 定价模式按需付费，无订阅订阅 + 用量费用 免费额度符合条件的 Google、GitHub 或 Microsoft 注册用户可获得一次性 $1 额度每月 1,000 单位（但浏览器会话限制为 2 分钟） 云浏览器加固版 ChromiumChrome、Firefox、WebKit 浏览器小时$0.02/小时，按分钟计费包含单位数，之后为 $0.18-$0.24/小时 超额费用，按 30 秒为单位计费 并发数起始为 10；最高可达 1,000 在符合条件的终身付款达到 $25,000 时（非企业版）免费版： 2；年度付费计划： 10 从 Prototyping 的 100 到 Scale 的 浏览器生命周期基准515 毫秒731 毫秒 隐身能力90.5% 在 Stealth Bench V2 中的访问成功率77.

匹配字段正文

分支标签打开更多操作菜单 最新提交 历史7 次提交7 次提交 文件夹和文件 名称名称最后提交信息最后提交日期 .github/workflows.github/workflows assetsassets 数据合成数据合成 评测评测 verlverl .gitignore.gitignore LEGAL.mdLEGAL.md LICENSELICENSE README.mdREADME.md 仓库文件导航无需缩放的缩放 v2（ZwZ2） 📃 论文 | 🏠 项目 | 🤗 ZwZ2-RL-VQA 🤗 ZwZ2-4B | 🤗 ZwZ2-9B | 🤗 ZwZ2-27B ✨ 简介 无需缩放的缩放 v2 跨区域连接细粒度视觉证据。 我们训练 ZwZ2-4B/9B/27B ，在 20.4K 条经过验证的多区域 VQA 样本上使用强化学习。训练使用完整图像；推理无需任何缩放工具。 这些模型可迁移到感知、空间推理、长上下文理解和多模态智能体任务。 ⚙️ 方法 EvidenceConnect 将来自 3–7 个图像区域的证据转化为可验证的监督信号： 发现有依据的区域，并合成能够连接其证据的问题。 通过跨模

匹配字段正文

推理模型，专为高并发的视觉和电脑操作任务而构建。它接受文本和图像输入，并返回文本。上下文窗口为 1,050,000 token，最多可输出 128,000 token。其知识截止日期为 2026 年 6 月 1 日。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助 推理努力程度从 none 到 max，默认值为 medium。工具调用需要 Responses API。支持的工具包括电脑操作、托管 shell、代码解释器、网络搜索、文件搜索和 MCP。OpenAI 列出的用例包括将产品照片与目录条目匹配，以及解读技术图纸。 GPT-6.1 Terra 在电脑操作方面表现如何？ OpenAI 主要的权威测试是 Agents' Last Exam v1，这是一组专业电脑任务。其中一项任务是将建筑图纸转换为 3D 模型。 在 medium 努力档下，Terra 得分为 57.6%，每任务成本 0.29 美元。GPT-5.6 Terra 在相同设置下得分为 42.6%，成本为

匹配字段正文

WebKitGTK、Windows 上的 WebView2”），因此无需捆绑自己的浏览器引擎。 它让我想起我自己的 shot-scraper javascript 工具，只不过它的包要小得多，而且不依赖 Playwright。 我让 Claude Opus 5.5 对它进行了全面测试，并为我准备了一份研究报告。以下是我使用的提示词： 探索 https://github.com/tractordev/webframe，尝试运行它并对其进行全面测试，构建几个探索性原型，然后评估它作为潜在沙箱工具的潜力，以及作为使用“shot-scraper JavaScript”命令所倡导的相同模式抓取网页的工具的潜力（参见 GitHub 上的 simonw/shot-scraper，docs 目录） 发布于 2026年10月26日下午4:15 近期文章 Battle Drones——一款基于音频多人对战的氛围编程 RTS——2026年10月20日 你好 Python 3.15，再见 3.10，现在我可以使用 3.11 了——2026年10月12日 我的博客的新功能，用我的声音构建——2026年10月9

匹配字段正文

Python 3.13+。 为 CDK 引导（cdk bootstrap）的账户和区域，每个账户/区域执行一次。 无需本地 Docker，智能体镜像由 CodeBuild（ARM64）构建。 一条命令 要部署该解决方案，请克隆仓库、创建虚拟环境、安装依赖，然后运行 cdk deploy --all在终端中运行以下命令： git clone https://github.com/aws-samples/amazon-bedrock-samples.git cd rag/managed-knowledge-bases/07-IaaC/managed-kb-observability-cdk/ python3 -m venv .venv && source .venv/bin/activate pip install -r requirements.txt cdk bootstrap once per account/region cdk deploy --all 前两条命令克隆示例并进入项目目录。接下来的两条命令创建并激活 Python 虚拟环境，并安装 CDK 应用的依赖项。 cdk

匹配字段正文

现不佳的模型。流水线内的 SageMaker Neo 编译步骤确保每个注册模型都附带设备优化后的产物，而 AWS Step Functions 编排层则控制车队训练的节奏。你使用 AWS Cloud Development Kit（AWS CDK）部署所有内容，在合成数据上完整运行一次流水线的计算成本约为 $0.07。 完整示例可在 aws-samples GitHub 仓库中获取. 解决方案概览 下图展示了该示例的车队级模型生命周期。编排层将再训练请求排队，并限制并发工作量。每台摄像头的训练流水线负责准备数据、训练并评估异常检测器和分类器，并为边缘设备生成带版本的模型产物。 图 1：解决方案架构 训练部分是一个以摄像头为参数的单一 SageMaker Pipeline，每次执行运行 13 个步骤。三个入口步骤并行运行：Preprocess、Fetch Latest Anomaly 和 Fetch Latest Classifier。该流水线预处理该摄像头的图像，并为每个分支获取该摄像头最近一次获批的模型，然后训练两个模型。第一个是一个小型卷积自编码器，它学习正常产品的外观，并通过重建

匹配字段正文

ooncake 传输批大小： 32758 PD 校验和： 39500 发布指标： 41128 早期提案、复现程序与审计（未合并）： 24580 (@AsterWang), 32564 (@KastanDay), 38961 (@kflansburg) 参考 [1] Mooncake：一种以 KVCache 为中心的 LLM 服务分离式架构。 https://github.com/kvcache-ai/Mooncake [2] SGLang PD 分离部署文档。 https://docs.sglang.io [3] 在 96 块 H100 GPU 上以 PD 分离和大规模专家并行部署 DeepSeek。 https://www.lmsys.org/blog/2025-05-05-large-scale-ep/ 附录 相关问题与修复 下表总结了上文讨论的问题与修复，从请求路由开始，依次涵盖 KV cache 处理。 层问题修复 路由器单向中止：解码侧已死亡而预填充侧仍在继续推送（或反之，各自等待一个已死亡的对端 300 秒）PD 路由器会取消这一对： 41612 中 sgl-router

匹配字段正文