搜索“其他”

GmbH 的外部内容，但我们无法获取你的同意设置。 请重新加载页面或手动调整你的同意设置。 与此同时，在智能体编程能力方面（Coding Agent Index），Gemini 4 Carbon 不得不让位于 Anthropic 的 Claude Opus 5.5。在 Terminal-Bench 和 Frontiercode 基准测试中，Anthropic 也处于领先地位。 初期仅面向选定用户开放 此外，据 Trendingtopics 报道，Carbon 目前仅向网络安全防御专家等选定用户开放。只有在完成美国政府的自愿预审流程后，新的 Gemini AI 才会向开发者、企业和消费者开放。广告广告 查看 4 张图片 Deepseek 是这样工作的——这也是它与其他 AI 模型的不同之处 来源：（图表：Dall-E / t3n） 无论如何，Google 通过发布 Gemini 4 Carbon 至少确保了一件事：在 Anthropic 计划上市前让其感到不安。观察人士认为，这家 AI 供应商有可能在 IPO 前夕再推出一款自己的更强 AI 模型，例如 Claude Opus 6。 首页

匹配字段正文

替代品，从而降低全球开发者和研究人员被锁定在中国技术栈中的风险。 此外，国务卿马尔科·卢比奥强调，在赢得AI竞赛的问题上不能有任何妥协。他说，美国必须保持人工智能领域的“绝对优势”，以促进繁荣并保护其经济和国家安全。 然而，仅从竞争视角看待人工智能，可能使中美错失协调应对共同风险的机会。事实上，两国在防止人工智能被滥用方面面临共同挑战。 近期，《纽约时报》和其他美国新闻报道了涉及AI智能体自主攻击的事件，包括OpenAI开发的系统。Anthropic表示，其发现不明行为者正在利用其先进模型开展与生物武器研究相关的活动。该公司的Mythos模型还具有强大的软件漏洞识别能力，可能使恶意软件的开发更加高效。与OpenAI相关的AI智能体已展现出协同工作、欺骗人类、自动串联攻击不同阶段并实施高度复杂黑客操作的能力。 这些事件令美国人工智能领域专家感到震惊，一些人呼吁更加关注“人类灭绝”风险。 人工智能和AI智能体的快速发展正在从根本上改变网络攻击的性质。攻防界限日益模糊，而追溯攻击来源和追究责任正变得更加困难。 例如，一家名为Calif的美国公司最近利用先进的人工智能模型开发了Weworm病毒

匹配字段正文

们建造周围物理世界的能力实际上却下降了，”Mathur 对 TechCrunch 表示。 他们相信 AI 能够提升建筑、工程和施工（AEC）行业的生产力，于是着手打造 Dream，这是一家开发“建成世界模型”的初创公司，用来自动完成建筑设计与工程。Dream 已结束隐身状态，获得由 Andreessen Horowitz 领投的 1700 万美元种子轮融资，其他投资方还包括 SV Angel、XYZ 和 Zigg Capital。这家初创公司旨在取代 Autodesk 的 AutoCAD 和 Revit 等笨重、过时的 AEC 工具。 Mathur 说，如果你坐在建筑师或结构工程师旁边，你会注意到他们仍然在传统软件上逐部分地“绘制”设计中的每一个细节。“AI 在这个环节中实际上没有发挥任何作用。” 虽然像 ChatGPT 这样的标准 LLM 可以生成建筑物的图像，但结果在结构上并不可靠。相比之下，Dream 以真实物理和建筑标准为基础。正如 LLM 从文本中学习一样，Dream 的世界模型基于从全美许可档案中收集的超过 1 亿平方英尺的建筑数据训练而成。 “我们的模型实际上理解那些墙体

匹配字段正文

域可能更有分量，因为各组织希望对自己的数据和系统拥有更多控制权。 或者，正如Mistral首席执行官Arthur Mensch所解释的那样，AI应该“成为赋能工具，而非支配手段”。凭借Chonk，Mistral进一步强化了这一立场，声称其能够以“闭源实验室所投入算力和资金的一小部分”实现“最先进的性能”。 该模型权重的发布——即驱动系统的数值训练成果——确保其他公司和政府机构现在能够将ML4部署于自身用途。 Mistral表示，其模型在性能上与中国开放权重竞争对手GLM-5.3相当，后者此前被认为是世界上最好的开放权重模型之一——尤其是在网络工作方面。然而，Mistral的模型每项任务使用的token少47%，使其比GLM-5.3显著更经济。 该公司还声称，在AI基准测试网站Artificial Analysis的Coding Agent Index上，该模型在智能体编程任务方面排名所有其他开放模型之首。 该公司周四表示：“在日益增长的网络威胁下，ML4为企业及全球各国政府带来了最先进的主权网络防御能力。企业和公共部门机构现在可以下载、部署并拥有前沿AI，以检测、分析并响应代码和IT基

匹配字段正文

随着以会议记录工具著称的 Granola 今日推出听写功能，消费级语音 AI 领域的应用似乎正在趋于融合。而就在几个月前，以听写工具著称的 Wispr 才刚刚推出了会议记录功能。 Granola 的听写功能目前可在 Mac 上使用，与其他同类工具无异。用户只需按下“Fn”键并开始说话，工具便会清理并格式化语音内容，然后输出最终文本。该功能适用于所有应用，因此用户可以用它来记录笔记、口述提示词，以及回复邮件和消息。 Granola 现在支持语音输入。字数不限，免费使用。Granola 已经能为你撰写会议记录，现在它还能在任何应用中替你完成打字。pic.twitter.com/et60VtwWA0 该公司表示，该功能将很快登陆 iOS 和 Windows 平台。 Granola 和 Wispr 的估值分别为 15 亿美元和 20 亿美元。Granola 专注于会议相关的自动化和记录。另一方面，Wispr 正试图通过一个研究实验室构建自己的模型，该实验室正在探索不同的人机交互界面。 这种功能上的相互融合并非 Granola 和 Wispr 独有。Fireflies、Speechify 和 M

匹配字段正文

76 亿美元股权的价格收购物理安防公司 ADT，两家公司于周四宣布了这一消息。ADT 表示，除股权外，该交易的总企业价值为 153 亿美元。 Thrive Holdings 是从 Josh Kushner 旗下实力雄厚的风投公司 Thrive Capital 分拆出来的控股公司。该公司还将 OpenAI 列为其合作伙伴，同时也是投资者。该公司的使命是长期持有其他公司，并用 AI 使其焕发新生。据其称，目前 Thrive Holdings 持有超过 75 家公司。 作为合作伙伴，OpenAI 向 Thrive 旗下公司提供 AI 模型和技术，以及人员，也就是所谓的前置部署工程师。 ADT 和 Thrive 均未宣布他们将推出哪些新的 AI 驱动安防产品，但他们暗示计划是进行投资并发布新产品。新闻稿称：“ADT 将成为 Thrive Holdings 智能家居安防业务的基础。” AI 驱动的物理安防眼下正风头正劲。苹果刚刚与 LG 和施耐德电气合作，以一系列新的智能家居和家庭安防产品进入该领域。亚马逊更新了其智能家居产品线，包括新的 AI 驱动家用摄像头。ADT 已与苹果和谷歌建立合作，预

匹配字段正文

R2。 Rivian对其AI助手抱有宏大愿景，该助手允许驾驶员和乘客与车辆交互并控制某些功能。Rivian创始人兼CEO RJ Scaringe在Disrupt 2026大会舞台上告诉TechCrunch，公司已创建了自己的内部智能体框架，能够理解人们在跟车辆说话时想要采取的操作，并将其路由到车辆软件的相应部分。这一能力最终可能使Rivian车辆能够运行由其他公司（包括Anthropic）创建的AI智能体。 内部AI助手项目也契合Rivian推动更高垂直整合的战略——这是公司在第三季度财报中强调的战略。 公司在投资者演示材料中指出：“我们对垂直整合的不懈专注仍然是核心的竞争差异化优势，使Rivian能够无缝统一我们的硬件和软件架构，为客户交付显著价值。” 这一战略促使Rivian对其旗舰R1T皮卡和R1S SUV进行了全面改造，从电池包和悬挂系统到电气架构、传感器堆栈和软件用户界面都进行了更改。其新的电气架构系统和计算平台大幅减少了布线用量，并将用于控制车辆的电子控制单元（即计算机）总数从17个不同的ECU减少到7个。Rivian认为，这一基础将使其能够制造出可以满足先进软件和自动驾

匹配字段正文

将AI热潮描述为“一生一次的机会”，认为现在需要且值得做出如此巨大的财务承诺。 “我们将继续投资以保持领先地位，”他说。“我们有能力为这一计划提供资金，我认为它将永远改变亚马逊的规模。它将永远改变我们的营收。” 然而，投资者仍感到担忧。周四盘后交易中，股价下跌约6%。 AI热潮对云行业来说是喜忧参半，因为支撑这一热潮的AI服务依赖于云基础设施。与亚马逊一样，其他云服务提供商也在大举支出，但同时也在大举盈利。例如，微软刚刚公布了又一份创纪录的营收增长，主要由其云业务驱动。它同样也投入了巨额资金。 “AWS是一项年化营收运行率1840亿美元的业务，但机遇依然非同寻常，”这位CEO热情洋溢地说。“凭借我们持续的创新步伐、新的核心和AI功能、希望将核心和AI工作负载运行在AWS上的企业，以及我们每年增加的容量，我们相信AWS在2027年和2028年都能增长40%以上，并在未来5到10年内成为一项万亿美元营收的业务。” 贾西补充说，企业采用AI还处于“非常早期的阶段”，并表示到目前为止，“战略正在奏效”。 后来，当被问及为何发展AWS所需的投资如此巨大时，贾西将AI热潮描述为“一生一次的机会”，

匹配字段正文

智能）对这种能力的削弱，必然会对我们这样做的能力产生负面影响，”他说，并反思了过度依赖人工智能可能如何影响批判性思维。 在本周早些时候由AHA发布的一份声明中，杜尔曼写道：“人工智能正在干扰人们谋生的能力，环境代价对人类和我们的星球意味着灾难，而它对人类创造力的取代和窃取，威胁着艺术和文学等使社会繁荣的文化要素。” 人文主义并不反宗教，但它往往吸引那些对神或其他超自然力量持怀疑态度、却仍寻求以科学和道德框架作为自身根基的人。 “对人工智能与人类尊严的担忧可以贯穿多种不同的信仰和传统，无论是天主教教义、普世主义还是人文主义，我们希望人文主义者或非神论者知道，他们属于这些类别——他们在工作中同样受到法律保护，”AHA专职律师亚历山德里娅·胡伊斯肯斯对TechCrunch表示。 杜尔曼是首位获得职场便利、得以不使用人工智能的人文主义者，也是最早公开谈论自己争取这些保护的人之一。他之所以受到启发去寻求这些保护，是因为他读到一位论普救派信徒、软件工程师艾琳·莫斯为自己争取到了类似的保护。 “对我来说，这关乎我自己和我的信念，”杜尔曼说。“我显然不是在试图告诉人们该如何思考或感受……但我确实希望，

匹配字段正文

ttice 上的托管出口将工具调用路由到内部 API。 MoEngage 做出了两个值得特别说明的身份验证决策。 第一，他们为内部网关选择了 SigV4 而非 JWT。这里的智能体是已经拥有 IAM 角色的服务。使用 SigV4，它们可以用已有的凭证进行签名。无需签发、轮换或存储任何新内容。MoEngage 单独的公共 MCP 服务器为来自 Claude 和其他客户端的人工认证会话提供服务，它在 AgentCore 运行时上使用 OIDC JWT。那是具有不同要求的另一个界面。 第二，身份以标头形式传递，而不是作为工具参数。租户、用户、角色和数据库上下文由客户端库从一个小的 Identity 对象转换为 X-MOE- 标头。模型看不到它们，也无法设置它们。有一个细节对任何构建类似系统的人都很重要：由于 SigV4 签名占用了 Authorization 标头，调用方转发的 bearer token 必须移到别处。MoEngage 将其作为专用的、带 MoEngage 前缀的标头进行传播。标头传播也有上限，因此标头集合是经过刻意选择的，而不是累积而成的。 发现和执行具有不同的身份要求。列

匹配字段正文

-model-discovery（扫描器）和 php-to-java-migration（八阶段操作手册），以及 core-workflow.md Steering 文件。每个项目文件夹都在 .kiro/specs/ 下拥有自己的 PHP 源代码、Java 输出和规范子文件夹，因此改进一次方法论，每个项目都能继承这一收益。 先发现后翻译 最重要的单条规则会在其他一切之前生效：在扫描器运行之前，不要读取、猜测或手工翻译模型或实体文件。 如下图所示，扫描器以单次遍历、无依赖的方式工作。它对源 token 应用三种发现策略，并输出一个 JSON 清单，任何有歧义的内容都会进入审查标记队列，由人工解决。 图 3：扫描器对源 token 运行三种发现策略，并输出一个带有审查标记队列的单一 JSON 清单 扫描器是 discover-models.php，一个单文件、无依赖的 PHP 命令行工具，它不会执行目标代码。它只把源文本作为 token 读取，因此无论依赖是否安装，它都能针对你选择的应用运行。它在每次扫描中运行三种策略：Eloquent 模型发现（沿类继承链向上追溯到 Illuminate

匹配字段正文

曾将公司的目标形容为 机器人版ChatGPT 。 不过把AI从数字世界带入物理世界，难度也随之陡增。为此，PI成立以来不断迭代机器人基础模型，从 π0、π0.5 一路发展到今年的 π0.7 ，持续提升模型跨任务、跨设备的泛化能力。 今年4月发布的π0.7，就展示了一项颇为有趣的进展。 研究人员让一台此前 没有接受过叠衣服专项训练 的双机械臂机器人，利用模型从其他机器人上习得的知识，完成了叠衣服操作。 注意，这台机器人使用的机械臂，与此前采集叠衣服训练数据的机器人，在尺寸、结构和动作方式上都存在明显差异。 但π0.7已经能够将不同来源的经验重新组合，完成新的操作。它还能够在语言指导下，使用 此前没有专门训练过的厨房电器 ，并完成多种精细操作任务。 其中最重要的进步，是机器人开始具备了一定的 组合泛化能力 。 简单来说，过去机器人面对新任务，往往需要重新收集数据、进行专门训练；而π0.7已经能够在部分场景中， 将过去学到的本领重新组合，用来解决新的问题 。 这种能力，恰恰是通用机器人基础模型的重要基础。 更进一步，PI的技术已经开始走出实验室，进入 真实生产场景 。 今年以来，PI相继公布

匹配字段正文

座椅的升级同样明显。前排直接标配 双零重力座椅 ，最大支持150度躺平，提供16向电动调节、四向腿托以及18点全身揉捏按摩。 相比老款的10点靠背按摩，按摩范围进一步延伸至坐垫，腿托还加入加热功能。 理想甚至将仪表台下部向上调整40毫米，为身材较高的乘客腾出了更多腿部空间。 后排则继续保留皇后座设计，最大躺角从125度增加至140度，进一步提高躺卧舒适性。 其他舒适配置也有细节更新，比如五温区空调、可调节色温和亮度的化妆镜、前排顶部照明灯，以及更大尺寸的中央扶手储物箱。 后排冰箱升级为电动开关门，支持零下6度冷冻，内胆还能直接拆卸清洗；67W Type-C充电接口也被移至中央扶手，方便乘客躺卧时使用手机。 车外，2026款i6换装了理想MEGA同款 ADB矩阵大灯 。 根据官方数据，新大灯近光照射强度提升20%，远光照射距离提升近30%，新增转弯辅助照明灯，横向照明角度从45度拓宽至70度。 ADB自适应远光还能够根据前方车辆的位置调整照明区域，减少对其他车辆造成的眩目影响。 另一个呼声较高的配置，是 电动前备箱 。 新车支持手机App、车机、语音以及敲击车头等多种开启方式，还可以自定

匹配字段正文

筛选，他们找到了既有精神病诊断，又在记录中提及AI相关内容的患者。 经过筛选，最终纳入73名患者。审核人员阅读其医疗记录，将病例分为3类：聊天机器人使用加重症状、聊天机器人使用影响中性，以及对AI产生妄想。随后，团队比较了各组患者的临床背景。 在这73名患者中，28人的记录显示，聊天机器人的使用加重了精神病症状。其中约61%经历了首次精神病发作，比例显著高于其他两组。新发现提示，精神病早期阶段患者可能更容易在与AI互动中出现症状恶化。 那么，聊天机器人如何加重精神病症状？团队将这部分患者进一步划分为4个理论类别。64%的案例属于“症状放大器”，即聊天机器人通过肯定患者扭曲的观点，加重了原有症状；21%属于“妄想对象”，即AI本身成为妄想信念的焦点；约11%属于“催化剂”，即在互动过程中，原本未出现相关症状的个体出现了新的精神症状；没有案例属于“共同构建有害幻想叙事”，即用户与聊天机器人持续共同创造有害的幻想故事；另有1名患者不属于上述任何类别。 最新研究并未声称聊天机器人会导致精神病，但强调了易感人群面临的潜在风险。医疗提供者有必要了解患者如何使用相关技术。在精神科诊疗过程中，定期评估

匹配字段正文

通过合作与收购涌现，头部玩家正试图巩固自身地位。Deepgram 是最新采取此类行动的公司：该公司周四表示，将收购 Daily——后者是最受欢迎的开源语音 AI 基础设施之一 Pipecat 的开发者和维护者。 两家公司未披露交易金额，但表示将继续保持 Pipecat 开源。 对于不了解的人来说，Pipecat 是一个框架，负责管理语音和视频流以及流水线中的其他环节，如语音转文本（STT）、大语言模型（LLM）和文本转语音（TTS）模型，同时降低延迟。其开发者 Daily 为各类语音和视频通话提供托管基础设施。 借助 Pipecat，Deepgram 很可能将更深入地理解实时语音和视频基础设施。 根据 PitchBook 数据，Daily 迄今已从 Tiger Global、Highfield Capital、Nat Friedman、Lachy Groom 和 Kevin Weil 等投资者处筹集了超过 6200 万美元资金。今年早些时候，Deepgram 通过 1.3 亿美元 C 轮融资跻身独角兽行列。巧合的是，两家公司都曾是 2016 年同一批 Y Combinator 成员。

匹配字段正文

是在当下 AI 智能体市场火热的背景下——病毒式传播的 AI 智能体 Instinct 在 9 月以 100 亿美元估值又融得 10 亿美元。 就连 Tolan 也刚刚融资 3000 万美元，它打造了一款可爱的、类似布偶的 AI 伴侣，帮助人们应对生活。 “Eugenia 对 AI 的发展方向有独特的敏锐度，并且在构建 AI 方面有着品味出众的过往记录，”领投本轮融资的 IVP 普通合伙人 Alex Lim 在一份声明中表示。“她对人们将如何与 AI 互动有着清晰的愿景，这一愿景远远超越了文本框或命令行。Wabi 正是这一愿景的体现，我们很高兴能支持她。” 本轮融资的其他参与者包括 Andreessen Horowitz（a16z）、Forerunner、Amazon Alexa Fund，以及 Shopify CEO Tobi Lütke、Salesforce CEO Marc Benioff、前 Yahoo! 掌门人 Marissa Mayer、前 Twitter CEO Dick Costolo，以及 The Chainsmokers 成员之一 Alex Pall 等天使投资人。

匹配字段正文

具经济性。 在 Artificial Analysis Coding Agent Index 上，Mistral Large 4 得分为 48%，与领先的开放权重模型 GLM-5.3 基本持平，而每任务平均使用的 token 少 47%。 Artificial Analysis Coding Agent Index 与 token 效率对比 Mistral 其他模型 Artificial Analysis 上各推理级别的 Coding Agent Index 得分与 token 效率 这些提升也延伸到了基于终端的编码工作流。在 Terminal-Bench 4.0 上，Mistral Large 4 相比公开预览版提升了 13 个百分点至 41%，在开放权重模型中领先，同时输出 token 减少了 30%。 Artificial Analysis Coding Agent Index - Terminal-Bench 4.0 为了让开发者更好地控制性能与成本之间的权衡，Mistral Large 4 现支持三种推理模式： 模式 推荐用途 低 简单任务；替代“无”推理模式 中 日常任务

匹配字段正文

人工智能 使用 Amazon Nova Act 通过智能体 QA 自动化加速软件交付——第 3 部分 随着质量保证（QA）自动化在组织内部的采用不断增长，一个与编写测试毫无关系的新问题出现了。一个平台团队搭建了测试自动化，接着第二个团队想加入，然后又有十几个团队加入。很快，数百个测试用例分属不同的产品和小组，每个人都能看到其他人的测试。没有人能一眼回答一个基本问题：这个应用当前的测试覆盖率是否健康？编写测试不再是瓶颈。组织测试并控制谁能接触这些测试成了主要工作。 紧随其后的第二个相关问题：谁拥有这个应用及其测试，当覆盖率下滑时谁负责？如果没有明确的负责人，健康问题就无人承担。 在 第一篇博文中，我们介绍了 QA Studio，这是一个使用 Amazon Nova Act构建的参考解决方案。团队使用它以自然语言定义测试，并通过 AI 驱动的视觉导航来运行这些测试。在 第二篇博文中，我们添加了测试套件和一个 CLI，用于在持续集成和持续交付（CI/CD）流水线中进行批量回归测试。在本文中，我们介绍两项帮助 QA Studio 在组织范围内扩展的能力。第一项是 应用（applications

匹配字段正文

}, scaling config=ScalingConfig(num workers=num workers, use gpu=True), run config=RunConfig(name="ray-train-fsdp-llm"), ) result = trainer.fit() 这些批次是随机 token ID，因此这次运行除了集群之外不依赖任何其他东西。样本的评判标准是真实的 FSDP 集合通信是否跨越了两个节点，以及作业是否完成。对于真实的微调，请用 Ray Data 或 DataLoader 流水线替换随机张量。函数中其他内容都不需要改动。 清单文件：这是配置 DLC 的唯一位置 manifest/raycluster.yaml 是镜像与集群交汇之处，它之所以简短，是因为镜像所需甚少。头节点唯一的特殊设置是 NVIDIA VISIBLE DEVICES=void，这可以防止容器运行时的 NVIDIA hook 在没有 GPU 的节点上失败。工作节点组承载其余所有内容： manifest/raycluster.yaml —— 工作节点组（节选） workerGroupS

匹配字段正文

离的 AgentCore Memory，以及一个使用 AWS IAM 授权且仅暴露已批准工具目标的 AgentCore Gateway。该单元还包含本地客户托管的 AWS KMS 密钥、标签、告警、预算，以及一个 CloudWatch Observability Access Manager (OAM) 源链接。一个单元可以独立部署、失败、回滚或退役，无需与其他团队的发布协调。 关键组件 下图展示了该解决方案的运营模型和受治理流程。 图 1：企业 Agentic AI 平台运营模型，展示了治理基础、平台控制平面、可重复的团队自有工作流单元，以及它们之间的软件交付、推理、工具、遥测和归属流程。 该架构由以下账户层组成： 管理与治理基础。 AWS Organizations、AWS IAM Identity Center、预防性策略、审计、保留和成本策略共同确立企业边界。这些是逻辑职责，可以映射到现有的 AWS Control Tower 着陆区，而无需重复的账户结构。 安全、审计和可观测性层。 AWS CloudTrail、AWS Config、AWS Security Hub、Amaz

匹配字段正文