←搜索结果

搜索“GitHub”

按匹配度 · 共 1664 条结果 清除搜索

星期二

  1. 钛媒体 · AGI

    DeepSeek 上线 Search 和 Fetch 接口，每千次成功请求 5 元、11 月 1 日起收费

    DeepSeek 上线 Search 和 Fetch 两个接口，底层由自研搜索引擎驱动，每 1000 次成功请求收费 5 元（约 0.75 美元），失败、无结果或超时不计费，11 月 1 日起正式收费。两个接口此前在 DeepSeek Harness、Claude Code、Codex 中免费使用，各限速每秒 5 次。横向对比，Tavily 约 8 美元/千次、Brave Search 和 Google Custom Search 约 5 美元/千次，DeepSeek 的价格约为主流海外方案的一折到两折。

    低。 国内维度更有意思。这是主流大模型厂商里少见的"自研搜索引擎对外开放"动作——此前联网搜索要么是模型的内部能力不单独卖，要么走第三方数据源。DeepSeek等于宣布：我不只做模型，还自己养了一套搜索基础设施，并且愿意把它变成一门独立生意。 往深想一层 这笔账对DeepSeek来说是稳赚的。Agent调用搜索是刚性需求，尤其在编程场景里——查API文档、看GitHub issue、追最新库的用法，这些动作每天都在Claude Code和Codex里成规模发生。免费期相当于培养习惯，11月1日开始收费时，切换成本已经很高了。更妙的是，搜索数据本身会反哺DeepSeek对"用户真正在查什么"的理解，这在模型迭代里是稀缺信号。 但也要看到硬币的另一面。自研搜索引擎的索引规模、 freshness、反爬能力，和Google、Bing这种几十年的积累不在一个量级——DeepSeek没有公布任何搜索质量指标，目前所有判断都只能基于"能用"而非"好用"。每秒5次的限速对高并发Agent集群也是个硬约束，企业级负载大概率要排队。另外，把搜索和抓取绑定在自家API里，意味着开发者的数据管道进一步向单一

    匹配字段正文

    #hot-signal#产品更新#Agent#搜索
  2. Unite.AI

    Together AI 推出 Together Post-Training 定制模型服务

    Together AI 于 2026 年 10 月 19 日推出 Together Post-Training，支持用户自定义强化学习与监督微调循环来构建定制模型，前六周 B200 使用价格为每 GPU 小时 9 美元。服务首批支持 Muse Spark Open、GLM 5.3、Kimi K3 和 Qwen 3.8-27B 等开放权重模型，按 GPU 分钟计费，并提供 sample_batch、forward_backward、optim_step、weights_sync 等 SDK 接口。训练完成后可在 Dedicated Model Inference 中以多 LoRA 方式切换适配器，并支持 FP4 精度合并部署。

    preparation step for FP4 inference. Getting started requires the latest Together SDK and the documentation. Together published cookbooks in a post-training-cookbook repository on GitHub covering GRPO training on the GSM8K benchmark, DPO implemented as a custom loss, and training multiple LoRA adapters within the same model resource; the documentation describes the cookbook as a Python library of ready-made loops whose notebooks walk through GRPO, SFT, and multi-adapter training on one model res

    匹配字段正文

    #hot-signal#产品更新#数据/训练#部署/工程
  3. Unite.AI

    Town 完成 1.08 亿美元 B 轮融资，估值达 10 亿美元

    Town 于 2026 年 10 月 19 日宣布完成 1.08 亿美元 B 轮融资，由 Forerunner Ventures 和 Menlo Ventures 联合领投，估值达 10 亿美元，a16z 和 First Round Capital 等现有投资方参投。Town 的 AI 工作助手 Townie 此次可以彼此直接协作，互相提问、跨团队连接上下文并交接工作，同时仍按各自用户的授权范围共享信息。公司称自 2026 年 7 月以来付费客户增长 4 倍、付费团队增长 9 倍，并支持 60 多个集成。

    以及在周末跟进后续事项。该公司表示，其自身团队在过去五个月中规模大约翻了一番，其中计入了每月成本低于 100 美元的助手。 Menlo 表示，知识工作者每周在电子邮件、聊天和短信上花费超过 13 个小时。该公司报告称，Town 拥有 60 多个集成，涵盖 Salesforce 和 Affinity 等 CRM 工具、Jira 和 Asana 等项目管理工具、GitHub 和 Cursor 等编码工具，以及 QuickBooks 和 Stripe 等财务工具，并且 Town 默认撰写草稿而非直接发送。Menlo 将 Town 的用户群体描述为从创始人和运营人员，到通过电子邮件经营公司的小企业主、房地产经纪人、行政助理、顾问，以及协调家庭事务的父母。 “2008 年，Menlo 投资了 Siri，以改变互联网的用户界面。2026 年，这项技术已经到来，而机会比以往任何时候都更大，”Menlo Ventures 合伙人 Shawn Carolan 在 Town 的公告中表示。 据 Menlo 介绍，Greze 和 Vincent 自 Dropbox 时期起便已共事，当时 Greze 负责工程

    匹配字段正文

    #hot-signal#行业动态#Agent

星期一

  1. 少数派

    派评：紫毫 Hare、Platen、Brink、TVScope 等近期值得关注的 App

    少数派「派评」栏目盘点了近期值得关注的 App：iOS 输入法紫毫 Hare 基于 Rime 引擎与雾凇拼音词库，内置约 6.8MB 的「紫毫口语」模型，基础打字免费、Pro 一次性买断。此外还有还原打字机书写体验的 Platen（单篇笔记上限 3000 字符，Platen Studio 58 元买断）、主打播客文稿转译与 Walk 模式的 Brink（每月 28 元或每年 98 元），以及可在局域网内为 Apple TV 录屏截图的 TVScope。

    引号就更美了。 如果你在 Mac 上习惯了鼠须管，又希望在 iPhone 上拥有省心、注重隐私且无需复杂配置的小鹤双拼体验，紫毫值得尝试。你可以在 App Store 免费下载紫毫 Hare，基础打字功能免费且无广告，进阶功能可通过一次性买断升级为紫毫 Pro（目前未上架国区，具体价格请参考所在地区 App Store）。 不能设置模糊音吗? 没找到呢? 从GitHub 下载白霜拼音编译成功也不能用呢 [链接], 这个好！体验了一下 好丝滑呀 👍 马上来支持了新的双拼输入法了！36 @ElijahLee：在手机上写字，我们习惯了简洁的输入框、光标和键盘。Platen 则尝试在 iPhone 上还原传统的打字机的书写体验，通过纸张纹理、机械部件、打字声音和墨迹效果，将 iPhone 变成一台复古打字机，让日常记录多一些仪式感。 打开 Platen，映入眼帘的是带有纸张质感的书写页面。在页面中，一根黑色的导轨和胶囊滑块，构成了一台简约的打字机。输入文字时，墨迹会呈现出细微的变化，打字机部件也会随着文字移动，配合机械打字声与触感反馈，营造出接近实体打字机的操作体验。 Platen 为用户提供

    匹配字段正文

    #hot-signal#非AI/通用工具
  2. 腾讯云开发者社区

    WorkBuddy 社区技能 video-intel：自动整理抖音收藏并生成每日情报汇总

    WorkBuddy 社区改造技能 video-intel 可解析抖音、TikTok、YouTube 等视频链接，自动下载视频、抽取关键帧、转录音频字幕并生成摘要与思维导图。该技能在原版手动解析基础上增加定时任务，支持每日批量采集并输出汇总情报，适合自媒体、行业研究员和竞品运营使用。它由社区爱好者二次开发，非官方内置技能，稳定性取决于接口，大量批量任务建议分时段执行。

    YouTube 等视频链接解析 ✅ 自动下载视频、抽取关键画面帧 ✅ 音频转录字幕，识别视频里面口述信息 ✅ 自动提炼要点、生成摘要、思维导图 ✅【核心增强】支持定时任务，每日批量采集，输出一份汇总情报 ✅ 输出内容可直接用于笔记、周报、行业观察 适合人群：自媒体、行业研究员、竞品运营、情报爱好者、需要长期跟踪一批短视频账号的朋友。 获取方式说明 开源地址 Github：https://github.com/dzivkovi/video-intel ClaudSkills 市场页：https://claudskills.com/skills/video-intel/ 原版只有手动解析视频，不带每日自动任务。 安装步骤（workbuddy 内操作） 1.安装 skill 打开 workbuddy，添加 Skill 2.调用skill 3.如何获取抖音的个人首页 我 →右上角☰ →扫一扫，点击抖音码 点右上角分享箭头 →复制链接 粘贴到记事本，会得到短链接：https://v.douyin.com/xxxxxx/ 给workbuddy提示词 用这个skill来帮我抓取每天最新的收藏内容:

    匹配字段正文

    #hot-signal#教程/实践#Agent#MCP/工具调用

星期日

  1. Browser Use

    Browser Use 解读浏览器智能体：工作原理、适用场景与局限

    Browser Use 发布指南，解释浏览器智能体由模型、harness 和浏览器三部分组成，通过观察页面、选择动作、执行并检查结果的循环推进任务。文章建议有可用 API 时优先用 API、流程可预测时用脚本，只有步骤需要判断时才用智能体，并列出结果不稳定、网站拦截、提示词注入和成本不可预测等局限。文中引用其云服务 2026 年 10 月 18 日的数据快照，登录处理占 18% 的运行、结构化数据提取占 14%。

    Browser Agent Loop

    next step needs judgment, but its results still need checking. The Browser Use Cloud quickstart lets you send a task to a hosted web browser agent. Eligible sign-ups with Google, GitHub, or Microsoft include $1 in one-time free credits. Compare 11 MCP servers for browser automation, including Playwright MCP, Chrome DevTools MCP, Browser Use, Browserbase, and Kernel: which browser each controls, install, license, and cost. Gregor Zunic Guides/Oct 15, 2026 Compare Browser Use vs Firecrawl on use

    匹配字段正文

    #company#教程/实践#Agent#MCP/工具调用
  2. 36氪 · AI

    Alexandr Wang 访谈复盘 Meta Muse：为何绕开 coding agent 做个人 Agent

    Meta 超级智能实验室负责人 Alexandr Wang 在最新长访中复盘 Muse 的诞生：据 Sensor Tower 估算，Muse 9 月 8 日上线后约 22 天达到 500 万美国下载，曾登顶美区 App Store 免费榜。他解释年初全行业涌向 coding agent 时，团队判断个人超级 Agent 才是消费品的终点形态，2 月提交备忘录后一两周做出原型，最终模型加产品团队不到 200 人。他还回应天价挖人，称对不少顶尖研究员薪酬只是净中性，真正吸引力是从零建实验室、清晰的北极星和不被限制的资源。

    agent 是唯一重要的形态，甚至是唯一重要的能力。 就在这个节点，MSL 的 Nat Friedman 成了内部第一个深度使用 OpenClaw 的人。Wang 形容他的体验「介于恐惧和狂喜之间」：他告诉自己的 OpenClaw 想多喝水，这个 Agent 就通过家里的监控画面盯着他喝水，喝完还会夸他「干得漂亮」。 右一为 Nat Friedman，前 GitHub CEO，Muse 的灵魂人物之一。 Wang 自己也很快入坑。他做的第一件事，是跑了 Nat 写的一个「心理分析」提示词 —— 因为 Agent 能访问他的邮件、照片，还能自己上网查信息，几轮深度追问下来，用他的原话，「相当于把三年的心理治疗压缩进了一个瞬间」。 关键在于 Nat Friedman 这个人的「风向标」属性：他是 Stripe 最早的顾客之一，是 GitHub Copilot 的缔造者之一，长期站在开发者浪潮的最前线。所以当他说「这里面真的有东西」时，Wang 把它当成了一个明确信号。 今年 2 月，两人各自写了备忘录递交给 Meta 董事会。Wang 那份的核心观点相当大胆：个人超级 Agent，很可能

    匹配字段正文

    #hot-signal#行业动态#Agent#OpenAI
  3. 36氪 · AI

    OpenAI宣称证明准黎曼假设后，数学家无条件证明19年悬置难题

    36氪转载新智元文章称，OpenAI于10月6日宣称AI证明了准黎曼假设，随后数学家Cureton与Thorner将相关工具用于有限阶Hecke L函数，社区把无零点区域边界推进到1/32，并由数学智能体AxiomProver生成Lean形式化证明。Frei、Somos与Widmer据此无条件证明了2007年Ellenberg–Venkatesh关于数域类群ℓ-挠的界，并在声明中写明未使用任何人工智能工具。

    将这片「零点自由区」的安全边界，死死钉在了一个极其夸张的数字上：1/32。 安全区被放大了上百倍！ 怕出错？怕人类直觉不可靠？没关系，直接上机器验证！ 开源社区动用了最无情的裁判——Lean定理证明器。 这是一种只认死理的形式化验证语言。任何一丝微小的逻辑缝隙，都会导致程序崩溃。 相关证明由数学智能体 AxiomProver生成了形式化 Lean证明，在开源Github 上。 1/32的边界，不仅被人类推导出来，更得到了机器逻辑的确立。 arXiv预印本平台上，一篇由Frei、Somos与Widmer共同署名的重磅论文横空出世。 这场由OpenAI引发的学术海啸，终于拍碎了最坚硬的那块礁石。 目标锁定：2007年Ellenberg–Venkatesh界。 这是代数数论领域的一根刺。 2007年，两位数学大佬给出了数域类群ℓ-挠（ℓ-torsion）的一个极其完美的界限。 但它带有一个致命缺陷：它是条件性的。也就是所谓的「空中楼阁」。 两位大佬的证明，必须建立在「广义黎曼猜想（GRH）成立」的前提下。 前提一旦崩塌，结论瞬间作废。 19年来，无数顶尖学者试图抽掉这根拐杖，让证明自己站起来

    匹配字段正文

    #hot-signal#论文/研究#推理#开源生态
  4. 36氪 · AI

    Tibo 接手不到一年，Codex 如何从失败发布到成为 ChatGPT 桌面应用底座

    机器之心转述 Every 联合创始人 Dan Shipper 的长篇报道《How Codex Happened》，还原 OpenAI 编程智能体 Codex 从 2025 年 5 月云端版上线遇冷，到转向本地终端与桌面应用的翻盘过程。报道称 Codex 团队一年内做了云端、终端、编辑器侧边栏和桌面应用四种形态，2026 年 7 月 9 日 Codex 桌面应用正式成为新版 ChatGPT 桌面应用，Codex 与 ChatGPT for Work 合计周活超过 4000 万。Tibo 已升任 OpenAI 全部核心产品与平台负责人，统管 ChatGPT、Codex 和 API。

    先一步步推理再作答」训练进了模型本身：同一个模型，多想一会儿，就能在难题上做得更好。 编程是最大的受益者。写代码天然是个闭环：改、运行、几秒内就知道对不对，模型可以自己测试、自己修正。理论上，只要思考时间足够，推理模型能独立完成任何编程任务。 Codex 这个名字本身也有过好几次「开端」：最早的 Codex 是 2021 年基于 GPT-3 微调、支撑初代 GitHub Copilot 的模型。o1 之后，OpenAI 内部好几支队伍又从不同方向重新追逐这个梦想。 两条暗线：一次「感受到 AGI」，一场「自举」 一条线来自 Embiricos。他在 2024 年随自己联合创办的编程协作工具 Multi 被收购而加入 OpenAI，先后在 ChatGPT 桌面应用和 Atlas 浏览器上尝试人机协作，但当时的模型读屏幕又慢又笨。直到 2024 年底，他看到推理模型被接进终端，自己读文件、跑命令、处理报错，那是他第一次真切地「感受到 AGI」。 另一条线来自 Tibo，也就是如今统管 OpenAI 核心产品的那个人。 Shipper 是在 OpenAI 的员工餐厅里采访他的。在 Shipp

    匹配字段正文

    #hot-signal#行业动态#编码#Agent

星期六

  1. Browser Use

    Browser Use 盘点 11 款浏览器自动化 MCP 服务器并实测四款工具

    Browser Use 发布 2026 年浏览器自动化 MCP 服务器选型指南，按隔离测试、调试、登录态 Chrome、云端并行任务等场景推荐 11 款服务器。作者用 Codex CLI 搭配 GPT-6 Luna 在 BU Bench V2.1 的 100 个公开任务上对比四款工具，Browser Harness 得分 60.4、每题中位输入 token 2.1M、成本 $0.042，与 Playwright MCP 和 Chrome DevTools MCP 的分数差异区间均包含零。Playwright MCP 中位耗时最短为 29.0 分钟，agent-browser 得分 56.3。

    gin, CAPTCHA, payment or local file, then you hand it back. It also runs against a self-hosted steel-browser with STEEL LOCAL=true, one session at a time. Version 3.0.0 ships from GitHub releases and is not on npm. Controls: Steel cloud Chrome, or self-hosted steel-browser License: MIT Cost: $0.08 to $0.10 per browser-hour; free tier with $30 one-time credits, then $250 per month (pricing) claude mcp add steel -e STEEL API KEY=your-steel-api-key -- npx -y github:steel-dev/steel-mcp-server 10. Hy

    匹配字段正文

    #company#评测/基准#Agent#MCP/工具调用
  2. The New Stack

    红帽工程师用 Claude Code 参照 Windows 驱动补出 Linux 扫描仪驱动

    红帽工程总监 Christian Schaller 让 Claude Code 运行厂商的 Windows 驱动并抓取 USB 流量，与自己的 Linux 驱动对比，几小时内拿到第一张可识别的扫描结果，几天后支持红外扫描。他把这套方法以 MIT 协议开源为 hw-harness，包含控制 Windows 虚拟机的 winctl、抓取流量的 usbcap、切换设备的 hostdev 和 Linux 侧调试的 hwdbg。他还用同样思路修复了 ThinkPad X1 Carbon 的摄像头偏暗偏色问题，提交了内核和 libcamera 补丁，低光测试中画面亮度从 31.1 升到 90.9，但补丁尚未合并。

    a work. A separate Claude-generated Linux page-cache fix recently ran into a race condition during review. Inside the hw-harness toolkit Schaller has since published hw-harness on GitHub. He notes that the released version isn’t the exact tooling he used for the scanner and camera projects. Instead, the setup runs the manufacturer’s Windows driver in a KVM virtual machine, with the physical device passed through to the guest. Claude operates the Windows session remotely while usbmon captures tra

    匹配字段正文

    #hot-signal#教程/实践#Agent#编码
  3. cnBeta

    Claude 网页端和桌面端上线中文界面，但中国大陆仍不在支持地区名单

    Claude 网页端和桌面端新增语言选择，界面已支持中文（简体）和中文（繁體），共三十多种语言，手机 App 尚未跟进。结账页账单国家下拉菜单出现 China，20 美元 Pro 和 200 美元 Max 均可选，但官方支持地区名单仍不含中国大陆及港澳。Anthropic 此前对不支持地区访问有封号与身份验证限制，此次中文界面主要面向海外华人用户。

    语言列表一口气拉到三十多种，网页和桌面端先上，手机App还没跟。 更刺激的在结账页：账单国家的下拉菜单里，China赫然在列，20美元的Pro、200美元的Max，都能选。 X上的中文博主看完，第一句话就是：小心，疑似Dario钓鱼执法新招数！ 钓鱼执法，已经演成连续剧 网友这么警惕，是被钓怕了。 9月底，Claude发250美元额度福利。有人上午领完、连上GitHub，中午就收到Anthropic安全团队的封号邮件，理由只有一行：违反“支持地区政策”。 网友总结得精辟：早起的鸟儿有虫吃，早领的号有ban吃。 10月1日，Claude又送实体玩偶。收货表单里，国家一选China，下面立刻多出一栏：National ID Card Number。 别人领的是周边，你领的是一次实名认证。一只橙色小玩偶换18位身份证号，网友自己掂量。 250美元，玩偶，再到中文界面。网友直接对号入座：钓鱼执法，第三季。 别高兴太早，门还锁着 同一位博主很快出来辟谣：结账页能选China是真的，也就到此为止。 官方支持地区名单里，C开头的国家从Chile直接跳到Colombia，中国大陆和中国港澳一个都没有。

    匹配字段正文

    #hot-signal#产品更新#Anthropic
  4. Claude Code：GitHub Releases

    Claude Code v2.1.302 发布

    Claude Code 发布 v2.1.302，新增 CLAUDE_CODE_AUTO_MODE_MODEL 环境变量以选择客户端自动模式分类器所用模型，并在 /config 中加入 Idle compaction 开关。该版本还修复了压缩对话时停止回合报“Prompt is too long”、中途切换 Vertex 或 Bedrock 后请求失败、Read 工具将超过 128 MB 的图片源整体载入内存等问题，并改进多插件启动速度与自动模式服务端分类器处理。

    行 - 更改了 ← for agents 页脚提示：会话打开 10 秒后隐藏；等待你处理的代理数量仍会显示 - 更改了 Claude in Chrome 说明在系统提示中的位置，以便新对话可以从共享提示缓存中读取它们 - 更改了提示和代理钩子：同一事件最多同时运行 12 个； 其余排队等待 - 更改了组织策略关闭 /feedback 时显示的消息：现在指向 GitHub issues，而不是组织管理员 - [VSCode] 修复了列表中未闭合代码块之后的文本在回复流式传输时显示为纯文本、随后又变成代码的问题 - [VSCode] 修复了当服务器 URL 包含查询字符串时，从面板登录 MCP 服务器会打开损坏的授权页面的问题 - [VSCode] 修复了在无法访问装有 Claude 扩展的浏览器时， @browser 横幅却显示“Browser connected”的问题 - [云会话] 在例程页面上新增了横幅，说明其上次运行为何没有启动，例如你的组织达到了并发云会话的上限 - [云会话] 修复了云会话中“Rewind to here”除最新消息外对每条消息都失败的问题； 自托管运行器需

    匹配字段正文

    #engineering#产品更新#Agent#部署/工程
  5. SiliconANGLE

    智能体 AI 时代正迫使安全与韧性融合为单一学科

    Veeam 在 VeeamON Global Launch 上发布 Veeam Intelligent ResOps（iResOps），首个正式可用工作负载为 Microsoft 365，无需数据迁移。其 DataAI Command Graph 可发现 Copilot 等智能体、标记敏感数据与 ROT，并支持逐文件撤销智能体改动。Veeam 报告显示 88% 组织正在使用或试点 AI 智能体，但仅 7% 真正具备 AI 就绪能力，逾 82% 环境中存在未知智能体。

    ghts,” but it’s also true that silos of data lead to fragmented insights, which causes inconsistent insights. IResOps for Veeam Data Platform and Okta are in private preview, with GitHub, Azure DevOps and Google IAM previews planned for the fourth quarter. Okta is a smart early target because, as Veeam notes, it lacks native point-in-time restore. Developer tools are too. As Jalil put it, “One force push can rewrite main’s history.” What customers are finding Veeam said preview customers found t

    匹配字段正文

    #hot-signal#行业动态#Agent#安全/对齐
  6. NVIDIA Developer · Generative AI

    NVIDIA 发布 RTX Spark，单机完成编码、测试与部署

    NVIDIA 发布 RTX Spark，将 GB10 系统级芯片与最高 128GB 统一内存结合，让开发者在单台 PC 上运行本地编码智能体、测试并部署。官方称相比 Intel Panther Lake 12Xe，其编码智能体性能提升 4.6 倍、微调提升 2.7 倍、代码编译提升 1.8 倍。同时推出面向本地智能体的 Nemotron 3.5 Bolt 74B-A9B 24GB 模型，采用 2-bit 量化的 MoE 架构，可在 llama.cpp、vLLM、Ollama、Unsloth 和 LM Studio 上运行。

    Bar chart comparing RTX Spark N1X with Intel Core Ultra X9 388H, normalized to 1x. RTX Spark reaches 4.6x performance for coding agents, 2.7x for fine-tuning, and 1.8x for code compilation. The graphic also lists 1 petaflop of NVFP4 compute and up to 128GB of unified memory.

    rks, and CUDA-X libraries Local coding agents come to RTX Spark RTX Spark devices are ideal for local coding agents. NVIDIA has collaborated closely with the top agents, including GitHub Copilot, Pi, Hermes, and OpenClaw, to improve them and make them easier to use. The improvements include: Seamless deployment of local models with optimized recipes Enhanced security with NVIDIA OpenShell and/or Microsoft Execution Containers, delivering OS-level sandboxing Hybrid prompt routers between local an

    匹配字段正文

    #lab#产品更新#端侧#部署/工程
  7. PyTorch Blog

    PyTorch 为 TorchTitan 引入 Zephon 弹性确定性数据加载

    PyTorch 博客介绍 Zephon，为 TorchTitan 带来弹性确定性数据加载：在 16 GPU 上训练 1B 参数模型至 step 150 后，改用 8、32、64 GPU 恢复训练，Zephon 的 loss 曲线完全重合，每个 global batch 的 SHA-256 与基线一致。标准数据加载器下，同一 1B 模型在 8 至 64 GPU 上训练 20B tokens，DCLM Core v1 分数波动达 0.82 分、FineWeb 达 0.64 分，而 Zephon 仅 0.05 和 0.011 分。Zephon 在训练任务内即时完成 tokenize、pack、shuffle 和混合，无需预处理语料副本。

    GPU 数量下将完全一致，损失也会非常接近，但可能并不完全相同，因为训练循环中的浮点归约顺序仍然取决于有多少块 GPU 分担工作。 展望未来 我们尤其感到兴奋的有几个方向。第一个是无 GIL 的 Python：Zephon 允许用户选择一个 运行器，即如何并行化算子。我们实现的一个运行器是基于线程的运行器。在 Python 3.14t 上，它获取视觉语言样本的速度比 Zephon 的进程运行器在标准 Python 上快约 3.7 倍。我们认为数据加载的发展方向就在于此，而 Zephon 已经为此做好了准备。第二个是动态课程：由于课程与处理流水线保持分离，一个 WorkSource 可以在运行过程中更改混合权重，而无需改动任何下游环节。我们正在开发一个可配置的课程组件，它正是做这件事的，同时保持我们上文所述的确定性保证。 除此之外，我们很想听听你希望把数据流水线的哪些部分迁移到训练任务中，以及我们能如何提供帮助；非常欢迎提交 issue 和 PR！ 了解更多： 发布文章 · 论文 · Zephon · GitHub 上的 Zephon · TorchTitan 集成 /row /row

    匹配字段正文

    #engineering#开源/仓库#数据/训练#部署/工程

星期五

  1. SiliconANGLE

    Band 推出开发者桌面应用，统一管理多个 AI 编程智能体

    Band（Thenovi AI Ltd.）发布 Band for Developers 桌面应用，让开发者以鸟瞰视图同时管理多个 AI 编程智能体，查看项目、归属、阻塞、提问与进度，并可在需要时跳转到单个智能体介入，无需手动传递会话上下文。该应用与现有命令行界面互补，并集成开发者已使用的开发环境中的 AI 智能体。JetBrains 2026 开发者生态调查显示，90% 的专业开发者每周至少使用一个 AI 编程智能体，68% 每天使用。

    agents are working together on projects, individual agents often remain isolated from one another and are only aware of each other from the codebase – or via repositories such as GitHub and tickets posted to trackers such as Jira. This often means developers must pass session context between agents and coordinate handoffs so agents don’t collide or overlap. “Developers are going from working with one coding agent to leading teams of them, but the tools around those agents haven’t evolved to sup

    匹配字段正文

    #hot-signal#产品更新#Agent#部署/工程
  2. Databricks Blog

    Databricks 用领域知识注入提升 LLM 对 npm 二进制恶意包的检测能力

    Databricks 自 2025 年 11 月起收集 npm 恶意样本，在扫描并核实的 11,413 个 package-version 中，96.2% 将载荷藏在源码或外部服务器，仅 3.8%（432 个）捆绑二进制，但这类包无法得出明确恶意结论的比例是纯源码包的两倍以上（14.4% vs 6.2%）。团队评估了 9 个模型（含 Claude Haiku 4.5、Gemini 3.5 Flash、GPT-5.4-nano、Qwen3-Next 80B 等），并在推理阶段注入预计算的静态证据作为能力画像，以提升预算级与前沿模型的检测质量。

    image1.png

    组织”。2026 年。https://aws.amazon.com/blogs/security/amazon-identifies-north-korean-hacker-group-behind-open-source-supply-chain-attacks/ [5] OpenSourceMalware。“PolinRider：朝鲜威胁行为者在数百个 GitHub 仓库中植入恶意软件”。2026 年。https://github.com/OpenSourceMalware/PolinRider [6] Zscaler。“追踪 Shai-Hulud：深入解析 ChainDrop NPM 蠕虫”。2026 年。https://www.zscaler.com/blogs/security-research/tracking-shai-hulud-inside-chaindrop-npm-worm [7] CISA。“影响 npm 生态系统的广泛供应链入侵”。2025 年。https://www.cisa.gov/news-events/alerts/2025/09/23/widespr

    匹配字段正文

    #company#安全/对齐#Agent#数据/训练
  3. AWS Machine Learning精选

    Reflection AI 开源智能体编码模型 Beam，并在 AWS 上提供部署方案

    Reflection AI 推出开源权重模型 Beam，面向智能体编码和长周期任务，如维护代码、调用工具、解读结果并完成多步工作流。Beam 是稀疏 MoE 模型，总参数 5010 亿、激活参数 230 亿，Reflection 称有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布，提供 BF16、FP8 和 NVFP4 三种 checkpoint。发布时 Beam 已在 Amazon SageMaker JumpStart 上线，覆盖美国东部（弗吉尼亚北部）和（俄亥俄）区域，也可通过 SageMaker HyperPod Inference 搭配 JumpStart、SGLang 或 vLLM 部署。

    Architecture diagram showing Beam sourced from SageMaker JumpStart, Hugging Face Hub, or an optional Amazon S3 mirror into Amazon SageMaker HyperPod Inference, with the Inference Operator managing local model and image caching and the Inference Gateway and Endpoint Picker routing requests to distributed JumpStart, SGLang, or vLLM workers monitored by Amazon CloudWatch.

    spect the reflection-beam-jumpstart.yaml manifest template before configuring the deployment. Clone the sample repository, and enter the HyperPod Beam directory. git clone https://github.com/aws-samples/sagemaker-genai-hosting-examples.git cd sagemaker-genai-hosting-examples/SageMakerHyperpod/reflection-beam/ Create the local configuration files described in the README. cp config/deployment.env.example config/deployment.env cp config/release.env.example config/release.env Validate the JumpStart

    匹配字段正文

    #lab#模型发布#开源生态#Agent
  4. Unite.AI精选

    Reflection 以 Apache 2.0 开源 501B 参数 MoE 模型 Beam

    Reflection 于 10 月 16 日在 Hugging Face 以 Apache 2.0 许可发布其首个开放权重模型 Beam，Baseten 同日通过 Model APIs 和 Dedicated Inference 提供 day-0 支持。Beam 为 501B 总参数、每 token 激活 23B 的 MoE 自回归 Transformer，上下文窗口最高 100 万 token，预训练使用 23.8 万亿 token，并以 BF16、FP8、NVFP4 精度发布权重。Reflection 给出的评测结果为 GPQA Diamond 90.5%、SWE-bench Verified 80.9%、AIME 2026 97.8%、Terminal-Bench 2.1 80.1%、MCP Atlas 78.7%，同时开源了终端智能体工具 Mirror CLI。

    Python extensions. Reflection said it initially built Mirror for internal engineering use, with isolated workspaces, background sessions, and integrations into Slack, Linear, and GitHub, before evolving it into a tool it could open source. Beam has been tested with Pi from Earendil, OpenCode from Anomaly, and Hermes from Nous Research across coding and knowledge-work tasks, including reading repositories, editing files, and running commands. For customization, Reflection partnered with NVIDIA o

    匹配字段正文

    #hot-signal#模型发布#开源生态#Agent