←搜索结果

搜索“Agent”

按匹配度 · 共 6793 条结果 清除搜索

星期六

  1. Claude Code：GitHub Releases

    Claude Code v2.1.296 发布

    Claude Code 发布 v2.1.296，新增 Claude apps gateway 的 managed.policies[] code 键、subagent frontmatter 的 autoCompactWindow、CLAUDE_CODE_WORKFLOW_SUBAGENT_MODEL 与 CLAUDE_CODE_OVERLOADED_RETRY_MAX_DELAY_MS 环境变量，并为 Read 工具加入 allow_large 选项。该版本还修复了 managed-settings 钩子、headless 会话 MCP 服务器、网关登录、token 计数及非 UTF-8 文件编辑等多项问题。

    Claude Code 发布 v2.1.296，新增 Claude apps gateway 的 managed.policies[] code 键、subagent frontmatter 的 autoCompactWindow、CLAUDE CODE WORKFLOW SUBAGENT MODEL 与 CLAUDE CODE OVERLOADED RETRY MAX DELAY MS 环境变量，并为 Read 工具加入 allow large 选项。该版本还修复了 managed-settings 钩子、headless 会话 MCP 服务器、网关登录、token 计数及非 UTF-8 文件编辑等多项问题。

    匹配字段摘要、正文

    #engineering#产品更新#Agent#部署/工程
  2. The Decoder

    Anthropic 为 Claude 托管智能体加入动态工作流，单次最多并行 1000 个智能体

    Anthropic 为 Claude Managed Agents 新增动态工作流，由主智能体制定计划、把任务分发给子智能体并汇总结果，单次执行最多可并行运行 1000 个智能体。Anthropic 称在 116,000 行代码库中隐藏 70 个 bug 的测试里，单个智能体每次能发现 14 到 27 个，而动态工作流稳定达到 66 个。启用方式是选择 multiagent_20261001 智能体类型，由于会消耗大量 token，官方建议从小规模开始，可通过文档或 Claude Code 中的 /claude-api managed-agents-onboard 上手。

    Anthropic 为 Claude Managed Agents 新增动态工作流，由主智能体制定计划、把任务分发给子智能体并汇总结果，单次执行最多可并行运行 1000 个智能体。Anthropic 称在 116,000 行代码库中隐藏 70 个 bug 的测试里，单个智能体每次能发现 14 到 27 个，而动态工作流稳定达到 66 个。启用方式是选择 multiagent 20261001 智能体类型，由于会消耗大量 token，官方建议从小规模开始，可通过文档或 Claude Code 中的 /claude-api managed-agents-onboard 上手。

    匹配字段摘要、正文

    #ai-vertical#产品更新#Agent#Anthropic
  3. Databricks Blog

    从后训练到生产：TinyFish 如何在 Databricks AI Runtime 上运行其 web-native 模型

    TinyFish 在 Databricks AI Runtime 上训练和微调其 web-native 模型，用 MLflow 做评估、Databricks Model Serving 做生产推理。其内部 go/no-go 基准显示，该模型在 2,178 个 web-agent 任务中完成 1,691 个，任务成功率 77.6%。在近期 15 天内，该模型支撑 294,781 次 agent 运行、640 万次工具调用，模型服务成本约为每次运行 $0.088、每工具步 $0.0040。

    匹配字段摘要、正文

    #company#行业动态#数据/训练#部署/工程
  4. Claude Devs

    Claude 动态工作流建议从限定任务起步

    动态工作流功能强大且会消耗大量 token，因此我们建议从限定范围的任务开始，再逐步提升任务复杂度。 在 Claude Code 中可通过 /claude-api managed-agents-onboard bug-hunter 上手，或访问 https://t.co/hejk1rrben 获取模板。

    动态工作流功能强大且会消耗大量 token，因此我们建议从限定范围的任务开始，再逐步提升任务复杂度。 在 Claude Code 中可通过 /claude-api managed-agents-onboard bug-hunter 上手，或访问 https://t.co/hejk1rrben 获取模板。

    匹配字段摘要

    #company#产品更新#Agent#MCP/工具调用
  5. Claude Devs

    Claude 多智能体工作流配置与使用

    要使用它，请将你的智能体配置为 multiagent 类型：multiagent_20261001，然后让 Claude 运行一个工作流。Claude 将编写计划并处理每次运行最多 1,000 个智能体的编排。

    要使用它，请将你的智能体配置为 multiagent 类型：multiagent 20261001，然后让 Claude 运行一个工作流。Claude 将编写计划并处理每次运行最多 1,000 个智能体的编排。

    匹配字段摘要、正文

    #company#产品更新#Agent#MCP/工具调用

星期五

  1. AWS Machine Learning

    AWS 9 月回顾：Amazon Bedrock 上线 GPT-6 Astra、Claude Opus 5.5 与 Kimi K3

    Amazon Bedrock 在 9 月新增多款前沿模型：OpenAI 的 GPT-6 Astra、Sol、Luna 系列正式可用，其中 GPT-6 Astra 支持最多 100 万输入 token，Ultrafast 档位推理速度最高提升 6 倍、达 300 tokens/秒；Claude Fable 5.1、Opus 5.5、Sonnet 5.5 上线，Sonnet 5.5 相比 Sonnet 5 每任务成本降低 30%、速度提升 30%；Moonshot AI 的 Kimi K3 以 2.8 万亿参数、100 万 token 上下文窗口和原生视觉能力开放。AgentCore 运行时降低冷启动延迟并改为按用量计费，Strands 开源 harness 在准确率持平主流 harness 的同时减少 28% token 消耗，Strands Decider 2B 决策模型可在本地约 115ms 内完成选项判断。

    匹配字段摘要、正文

    #lab#行业动态#OpenAI#Anthropic
  2. Arena

    Arena 周报：Nano Banana 2.1 三项图像榜进前六

    Nano Banana 2.1 在 Image Arena 三个模式均进入前六：Multi-Image Edit 第 4（1431 分）、Text-to-Image 第 5（1328 分）、Image Edit 第 6（1428 分）。Mistral Large 4 在 Agent Arena 总榜第 43（-6.6%），比上一版 Mistral Medium 3.5（-12.60%）高 11 位，Mistral AI 由此进入前 15 实验室。Claude Haiku 5.5 (High) 在 Code Arena: WebDev 排第 30（1587 分），与 GPT-6 Luna 同为 $0.10/$0.50 每 1M input/output tokens 但高 6 分；Arena 同时推出 Alignment Index，并宣布 $200M B 轮融资、估值 $3.1B。

    匹配字段摘要、正文

    #editorial#评测/基准#图像生成#Agent
  3. Rohan Paul

    微软 TeleTune：从原始使用日志学习智能体技能

    微软论文提出 TeleTune，让智能体从原始使用日志中学习软件技能，只保留能更好预测用户下一步动作的技能编辑。该方法无需实时测试环境，因为旧日志上的下一动作准确率与线上成功率一致；它先猜测每个会话的目标，再用文本技能库预测日志中的每个动作，错误猜测触发库编辑，仅在留出日志上准确率提升时保留。此前 Agent Workflow Memory 等方法需要目标标注样本或实时环境。

    匹配字段摘要、正文

    #ai-news#论文/研究#Agent#数据/训练
  4. The New Stack

    Amazon ECS 现可自动修复故障 GPU 与实例，对 SRE 意味着什么

    Amazon ECS 新增 GPU 健康监控与 Auto Repair 能力，可自动检测并替换出现硬件故障的实例。它通过集成 NVIDIA 的 Data Center GPU Manager（DCGM）识别真实硬件错误，并监控 EC2 状态检查、ECS agent 与容器运行时；在 Fargate 和 Managed Instances 上，持续失去 agent 连接的实例也会被判定为受损并回收。

    匹配字段摘要、正文

    #hot-signal#产品更新#部署/工程#端侧
  5. 量子位

    TRAE 将 Code 与 Work 合并为统一工作台

    TRAE 将 TraeCode 与 TraeWork 双端融合升级为新 TRAE，Agent 模式提供全局工作台，可在同一窗口管理项目并把不同任务分给多个 Agent，IDE 模式保留 SOLO 和 IDE 两种玩法，右上角一键切换。实测中三个 Agent 分别负责策划、设计、开发，完成了 3D 地牢编辑器、老项目接手和 FeedbackDesk 迭代交付，测试报告、修复报告和交付说明等产物统一存入“我的产物”并可直接分享。新 TRAE 还提供模板库，绑定飞书或微信后可直接 @TRAE 跨平台工作，手机端同步。

    匹配字段摘要、正文

    #chinese#产品更新#Agent#编码
  6. ElevenLabs Blog

    ElevenLabs 在 ElevenCreative 中推出 Brand Kit

    ElevenLabs 在 ElevenCreative 中上线 Brand Kit，把品牌视觉规范从提示词中抽离为工作区里的一个对象，可保存颜色、字体、logo、参考图和规则，并在 Image & Video、Flows 和 ElevenCreative agent 中用 @ 标记调用。该功能面向团队与多品牌场景，每个品牌或客户可各建一套 kit 并随时切换，目前已可用。

    匹配字段摘要、正文

    #company#产品更新#图像生成#视频
  9. LlamaIndex 产品、工程与评测

    LlamaIndex 教程：用 LlamaParse Index 构建文档智能体工作流

    LlamaIndex 发布教程，演示如何用 LlamaParse Index 解析并索引非结构化文档，再接入 Claude Sonnet 4 与 FunctionAgent 构建可推理的文档智能体。示例以 JPMorgan Chase 存款账户披露文件为数据集，智能体可查询透支政策、补卡费与止付费并调用计算器工具汇总费用。

    匹配字段摘要、正文

    #engineering#教程/实践#RAG#Agent
  10. LlamaIndex 产品、工程与评测

    LlamaParse 推出 Granular Bounding Boxes：行、词、单元格级坐标追踪

    LlamaIndex 为 LlamaParse 推出 Granular Bounding Boxes，可在解析时按行、词、单元格三个粒度返回坐标，且只有页面上明确存在的文本才会获得坐标，推断值和 AI 摘要不生成边界框。该功能需在创建任务时传入单个参数开启，目前已在 LlamaParse 所有付费档位的 beta 中可用，Agentic Plus 会额外运行验证轮次以提升精度。

    Granular Bounding Boxes in LlamaParse

    匹配字段摘要、正文

    #engineering#产品更新#RAG#部署/工程
  11. LlamaIndex 产品、工程与评测

    模板 OCR 的真正替代方案不是更好的模板

    LlamaIndex 指出，模板 OCR（区域 OCR）把提取绑定在数据所在的页面坐标上，供应商改版、扫描旋转或表格行数变化都会造成静默错误，且每种版式都需单独维护模板。其替代思路是 Agentic OCR：LlamaParse 先用布局感知的计算机视觉把页面切分为表头、表格、签名等真实组件，再按组件类型分派给快速 OCR、视觉语言模型或表格模型，无需定义区域，并输出置信度信号以支持人工复核。

    匹配字段摘要、正文

    #engineering#产品更新#RAG#部署/工程
  12. LlamaIndex 产品、工程与评测

    AI 文档分类实用指南：从原理到落地

    LlamaIndex 发布《AI 文档分类实用指南》，梳理了 AI 文档分类的五阶段流程：摄取与预处理、特征提取、模型分类、打标与置信度评分、路由到下游工作流。文中以 LlamaParse 为例说明 agentic 文档解析如何用布局感知的计算机视觉重建文档结构，并对比了传统机器学习与大语言模型在文档分类上的适用场景。

    匹配字段摘要、正文

    #engineering#教程/实践#RAG#部署/工程
  13. TensorZero 工程博客

    TensorZero 工程博客：开源 LLM 基础设施文章列表

    TensorZero 工程博客汇总了其开源 LLM 基础设施的多篇文章，最新一篇为 2026 年 5 月 12 日 Alan Mishler 的《Even (very) noisy LLM evaluators are useful for improving AI agents》。此前文章涵盖 LLM API 隐藏成本、自动化 AI 工程师、LLM Gateway 中的 Bandit 自适应实验、OpenAI RFT 评估、5-30x 更便宜的蒸馏推理，以及逆向分析 Cursor 的 LLM 客户端等主题。

    匹配字段摘要

    #engineering#其他
  14. DeepSeek API 更新日志精选

    DeepSeek 发布并开源 V4 Preview，含 Pro 与 Flash 两个版本

    DeepSeek 发布并开源 DeepSeek-V4 Preview，包含 V4-Pro（1.6T 总参数 / 49B 激活）和 V4-Flash（284B 总参数 / 13B 激活）两个版本，官方称 V4-Pro 在 Agentic Coding 基准上达到开源 SOTA，世界知识仅次于 Gemini-3.1-Pro。API 今日可用，只需保留 base_url 并将模型改为 deepseek-v4-pro 或 deepseek-v4-flash，两个模型均支持 1M 上下文与 Thinking / Non-Thinking 双模式，并兼容 OpenAI ChatCompletions 与 Anthropic API。官方提示 deepseek-chat 与 deepseek-reasoner 将于 2026 年 7 月 24 日 15:59（UTC）后完全下线，目前请求会路由到 deepseek-v4-flash 的非思考 / 思考模式。

    DeepSeek 发布并开源 DeepSeek-V4 Preview，包含 V4-Pro（1.6T 总参数 / 49B 激活）和 V4-Flash（284B 总参数 / 13B 激活）两个版本，官方称 V4-Pro 在 Agentic Coding 基准上达到开源 SOTA，世界知识仅次于 Gemini-3.1-Pro。API 今日可用，只需保留 base url 并将模型改为 deepseek-v4-pro 或 deepseek-v4-flash，两个模型均支持 1M 上下文与 Thinking / Non-Thinking 双模式，并兼容 OpenAI ChatCompletions 与 Anthropic API。官方提示 deepseek-chat 与 deepseek-reasoner 将于 2026 年 7 月 24 日 15:59（UTC）后完全下线，目前请求会路由到 deepseek-v4-flash 的非思考 / 思考模式。

    匹配字段摘要、正文

    #company#模型发布#DeepSeek#开源生态

星期四

  1. 虎嗅

    OpenAI未公开模型一夜产出722篇数学手稿，25位菲尔兹奖得主联名批评

    OpenAI在GitHub发布openai/math仓库，一次性公开722份数学手稿、372个成果组，全部出自一个未公开的内部模型，涵盖准黎曼猜想、矩阵乘法复数域指数压至2.25、挂谷猜想四维版本等结果。作者称平均每个结果约花3小时ChatGPT Pro级算力，而9月攻纳维–斯托克斯方程时动用约一万个Agent、跑了88小时、耗资数百万美元。25位菲尔兹奖得主签署联名信《AI在数学中的严重错位》，批评AI公司把解题当作营销工具，普林斯顿高等研究院顾问组要求停止此类做法。

    匹配字段摘要、正文

    #hot-signal#现象/趋势#OpenAI#论文/研究