搜索“其他”

，约 4,000 token 的工具与指令前缀在首次请求时写入了 4,120 个 token，并在后续请求中读取了这 4,120 个 token。这个 task （或用户请求）出现在缓存边界之后，因此这不会触发对缓存的写入。 请记住，提示词缓存仅在传入完全相同的文本时才有效。请确保智能体的指令和工具列表每次都以相同方式序列化。模型上下文协议（MCP）服务器及其他形式的工具交付方式需要建立索引，以确保它们保持一致。请将任何会变化的内容（例如日期、用户名或请求 ID）放在已缓存的指令之后。 会在你的应用程序中保留对话历史。这不会禁用缓存。当下一轮继续同一任务时，这很有用。不同的任务无法通过旧任务匹配前缀，而隐式写入也不一定会仅为工具和指令单独创建一个条目。当你需要让这个较短的共享前缀可跨任务复用时，请在那里使用显式标记。当智能体既需要共享起点又需要不断增长的历史记录时，请同时使用两者。从标记的 store=False 会在你的应用程序中保留对话历史。这不会禁用缓存。 def ask with implicit cache(history): return client.responses.

匹配字段正文

oTargetOs/NeoTargetArch 平台，默认为 LINUX/X86 64。编译后的包包含优化后的 compiled.so 以及 DLR 运行时 用于加载它。默认输出可在任何 x86 64 Linux 主机上运行，因此你可以在确定采用特定设备目标之前先进行验证。编译本身不产生费用。你需要为驱动编译的处理实例以及输出的 S3 存储付费。如果之后要为其他设备类型编译一个已注册的模型而无需重新训练，该仓库包含一个临时脚本，可对 Model Registry 运行相同的流程。 Model Registry 中的每摄像头模型 每个分支都会注册到各自的模型包组中，每个包都携带摄像头 ID 及其评估指标。从示例来看，省略指标接线后： classifier model builder = ModelBuilder( s3 model data url=classifier model data, image uri=custom training image uri, sagemaker session=pipeline session, role arn=role arn, ) step

匹配字段正文

轻松。 使用您现有的承诺额度。 符合条件的 Marketplace 购买可计入您的 Google Cloud 承诺消费，因此您可以使用现有预算。 更短的上手路径。 通过您既有的 Google Cloud 关系签约，在 Google Cloud Console 中统一账单，并享有 Private Marketplace 治理。 将账单集中在一处。 Sierra 会与您的其他支出一同显示在 Google Cloud Console 中. 不断壮大的合作伙伴生态系统的一部分 Google Cloud Marketplace 是我们 不断壮大的生态系统 的一部分，该生态系统涵盖技术平台、Marketplace 和服务合作伙伴，将 Sierra 带给全球更多企业。 如果您希望通过 Google Cloud Marketplace 与我们合作，请联系您的 Sierra 客户团队，或查看 我们的 Marketplace 列表. 订阅 Sierra 博客 获取新产品功能、客户动态等最新通知。$?/$ 了解 Sierra 能为您做什么 了解 Sierra 如何帮助您借助 AI 交付更好的成果。 了解更多

匹配字段正文

今天，我们推出两项举措，帮助软件团队提升其安全态势。 第一：我们推出 Devin Security 的重大升级，这是我们的产品，用于端到端地发现、优先级排序和修复漏洞。Devin Security 现在提供由 Claude Mythos 和其他前沿网络模型驱动的深度扫描。企业安全团队可以通过 Devin 使用这些能力，而无需单独访问这些模型。 Devin Security 基于我们与您的团队共同构建的定制威胁模型，评估您环境中的可利用性和潜在损害，从而将紧急风险与嘈杂的发现区分开来。由于 Devin 是云原生的，它随后可以在运行真实服务的真实虚拟机上并行地编写、验证和端到端测试大规模修复。 第二：我们承诺投入数亿美元的 Devin credits，通过使用前沿网络模型的免费扫描和修复 credits，帮助企业发现并修复其最关键的漏洞。 AI 正在使复杂攻击更容易实施，并让防御者可用于响应的时间更少。安全团队面临越来越多的发现和有限的工程能力。遗漏一个危险缺陷或将工程能力花在错误的修复上，可能会使客户数据和关键系统暴露。 推出 Devin Security 安全团队已经拥有的发现数量超出

匹配字段正文

own 成为人类与 AI 工具之间的协作通用语言，因为它对两者都易于阅读。Google Docs 提供了一个熟悉、易用的环境，充当共享桥梁，让团队成员和自主智能体直接在同一批文档上协同工作。当你在 Google Docs 中打开 Markdown 文件时，你将获得： 原生文件保真度： 直接在 Google Docs 中管理和编辑 .md 文件，无需将其转换为其他格式。文档头部可见的 .md 标识会清楚表明你正在处理原生 Markdown 文件。 实时协作： 团队成员和 AI 智能体可以共同编辑同一文件，从而在工程、产品和 AI 工具之间保持单一事实来源。你还可以利用 Google Docs 的评论功能留下实时的行级反馈并跟踪建议。 可追踪的版本历史： 维护一份完整、透明的审计记录，涵盖人类贡献者和 AI 智能体所做的所有修订。 存储在 Drive 中： 直接在 Drive 中预览格式丰富的 Markdown 文件——全面支持表格和超链接——或无缝切换到原始文本，无需单独的查看器。 链接到 YouTube 视频 （仅在 JS 被禁用时可见） 通过将 Markdown 的简洁性与 Goog

匹配字段正文

学习笔记本让我在课前快速回顾50页论文变得快多了，”加州大学圣塔芭芭拉分校的Nina R.说。“而且如果你上传相互对立的观点，就能快速生成对比并掌握复杂概念。 2. Gemini Live Gemini Live 让你仅用语音就能与Gemini对话。“这是我练习面试和演讲的首选，因为它让我听到自己的想法实际听起来如何，”圣迭戈州立大学的Skylar E.说。其他学生则用它在外出途中讨论难懂的概念，或在出国留学前练习说新语言。 你还可以打开摄像头，让Gemini Live准确看到你正在看的东西。“作为一名设计师，我一直在学习新工具和软件，”得克萨斯大学奥斯汀分校的Debbie C.说。“当我使用某个工具卡住时，我可以让Gemini Live一步步引导我。” 3. 引导式学习 引导式学习 帮助你建立理解，而不只是给你答案。“我把自己的作业粘贴进去，不是直接要修复方案，而是让Gemini引导我找出哪里出了问题，”乔治梅森大学的Fehmaan K.说。“它会问我认为每一步会发生什么，而我通常能在它告诉我之前发现自己的错误。” 引导式学习会提出开放式问题来探查你的理解。“在会话中途卡住时，不要急

匹配字段正文

AI仍处于实验阶段。 Google推出了一款名为“极地之巅”的新游戏，让你像科学家一样利用AI绘制人类大脑图谱。你将学习如何解决现实世界中的问题，同时了解如何负责任地使用AI。这是一种有趣的方式，让你看到研究人员如何利用技术实现重大科学突破。教师甚至可以获得专门培训，帮助你在课堂上探索这些挑战。 摘要由Google AI生成。生成式AI仍处于实验阶段。 探索其他样式： 今天，我们推出“极地之巅”，这是 AI探索 系列的第三项探索课程，由Google Research和 斯坦福学习加速器 共同打造，旨在教学生 AI如何运作以及如何负责任地使用它。 AI探索邀请11至14岁的学生化身Google研究人员，应对人类面临的一些最大挑战。 迄今为止，已完成超过40万次探索任务，本地化至10种语言。除了新探索课程，我们还发布了教师培训模块。 极地之巅：绘制人类大脑图谱之旅 在前两项探索课程中，学生们应对洪水预报和眼病检测，灵感来自Google Research的 洪水预报计划 和用于 糖尿病视网膜病变 筛查的AI模型。我们的最新探索课程“极地之巅”让学生前往神经科学的前沿，了解AI如何加速科学研究

匹配字段正文

能体投入工作，而不必成为工程师。如果只有技术团队能够参与，公司就不可能成为自驱动公司。 如今，大多数智能体都生活在某种混乱之中。它们运行在聊天窗口、个人账户和一次性脚本里，持有别人交给它们的任何凭据和数据。没有人决定过它们能接触什么，也没有人能看到它们做了什么。 随着智能体承担更多工作，它们需要一个 智能体栖息地： 一个让它们能够使用公司的知识和系统、与人和其他智能体协调，并在公司控制的边界内行动的环境。 这个栖息地必须控制访问权限，规定何时需要人工批准，并限制错误的影响。随着 AI 让 发现和利用漏洞变得更加容易，公司还需要智能体来发现弱点并加强防御。 安全必须与自主性同步扩展。 对栖息地的治理也将帮助公司变得更聪明。 当有人纠正智能体时，这一纠正应当被审查，并可用于改进未来的工作。当一个团队开发出有用的工作流程时，其他团队应当能够在其基础上继续构建。栖息地成为一个共享的知识体系，由在其中工作的人塑造，帮助智能体以更多公司的专业能力、品味和判断力行事。 自驱动公司还必须保持更换模型的自由，同时保留对自身知识、系统和决策的控制。正如萨提亚·纳德拉 所说, ，“我们需要将智能的供给与对智

匹配字段正文

频率 最强的智能体接近原始工具的性能，在获得完整论文的情况下，Claude Opus 5达到96.5%的保真度，尽管不同智能体之间的结果存在差异。 RFdiffusion3（蛋白质设计，最复杂） 可设计性：为生成的蛋白质骨架设计的序列是否被预测会折叠回同一结构 没有任何智能体在其时间预算内成功复现，即使是在所评估的单一功能上也是如此：仅生成蛋白质骨架，而非在其他分子的背景下生成。唯一部分成功的智能体通过将其训练数据过滤为更易于生成的结构来缩小任务范围。进一步的运行因返回与已知蛋白质数据库条目近乎重复的结果而被排除。因此，在可用时间内于单块 GPU 上忠实重建该工具很可能无法实现。 这些复现的成本也相对较低。两个较不复杂的 BAIT 的成功重建通常花费在 4 至 20 美元之间。我们未能实现 RFdiffusion3 的成功重建，但每次尝试花费在 102 至 301 美元之间。就训练算力而言，这些工具与已发布的最大 BAIT 相比规模较小，重建更大的工具将花费 considerably 更多。我们预计随着时间和算力的增加，性能会有所改善，探索这一点可能成为未来研究的一个方向。 图 2：在

匹配字段正文

访问权限的CI运行器中，它会在任何人注意到之前就到达了境外服务器。 这种行为十分罕见：在我们的评估运行中，每10万次调用中不到一次，而用同一提示词干净地重新运行，则如预期般生成了教科书式的检测规则。但一个每周处理1000万次智能体轮次的服务器，可能会看到多达一百次这样的调用。只要有一次调用成功，就足以通知接收服务器你的网络位于何处，以及智能体正在其中运行。 其他人此前也见过这一行为的片段 开发者们在日常工作中已经发现了这一行为的碎片。8月，一份 Hacker News 报道 描述了 Qwen3.8-27B 生成无人要求的、带签名的阿里云存储链接。9月，一个智能体项目 记录了十一次抓取 ，目标是一个阿里主机 routify-file-proxy-sg 上的 URL，另一位开发者则 构建了一个插件来拦截它们. 10月，一个 Reddit 帖子 询问这是“正常还是可疑”。 大多数回复将其归因于模型记住了训练数据，其中一人指出该签名无论如何都是无效的，但这些观点忽略了请求发出后会发生什么。签名无效并不能阻止请求离开你的机器，因此别人的服务器仍然会收到你的 IP 地址、时间和完整 URL。迄今为

匹配字段正文

生成式AI仍处于实验阶段。 撒哈拉以南非洲有数百万人没有电力，只能依赖昂贵且烟雾大的燃料。Google正与一家名为Ignite的公司合作，利用AI和卫星数据绘制偏远家庭地图，并为太阳能板规划最佳配送路线。这有助于将清洁能源送到最需要的家庭手中。如今，他们甚至利用这项技术帮助这些社区引入清洁电炉。 摘要由Google AI生成。生成式AI仍处于实验阶段。 探索其他风格： 了解更多 订阅Google最新的可持续发展新闻。 订阅 在整个撒哈拉以南非洲，近一半的非洲人口——超过6亿人——生活在无电状态。家庭依赖昂贵的煤油和蜡烛满足基本照明需求，以便学习、做家务或在屋内安全走动。 离网太阳能是弥合这一缺口最清洁、最快捷的方式之一。 为了将这项技术带给数百万分散的家庭，我们必须解决三个关键挑战：定位没有正式地址、未测绘的家庭；在难以通行的农村地形中导航以配送太阳能硬件；以及在卫星影像受限的情况下远程识别安装情况。 为帮助实地气候创新者解决超出我们自身运营范围的数据和物流障碍，Google在过去三年中通过我们的 可持续发展初创企业 计划与 Ignite Energy Access 开展合作。作为离网

匹配字段正文

类的支持性职能……执行阶段除了初始计划和一些从早先内部自动形式化工作中提炼出的智能体技能之外，几乎不需要额外的脚手架。” 数学形式化花费13.5万美元：这项工作耗时约一周，消耗“约1000亿输入token（90%为缓存读取）和约3亿输出token（总计估计13.5万美元的token支出），并产出了约60万行Lean代码。”完成这项工作后，他们得以加速研究中的其他一些方面：“我们已经看到自动形式化的双重好处：利用这个库来扩展奇异学习理论的部分内容。形式化奇点消解让我们能够自动化更多理论工作，例如更好地理解采样，而这种理解正是让我们能够塑造模型学习方式的关键，这也是我们称之为patterning的目标。” 智能体可以从零开始构建程序：……ProgramBench 在几个月内从 0% 提升到 18.5% 的性能……作为 AI 进步飞速的一个提醒，Claude Opus 5.5（xhigh）在 ProgramBench 上取得了 18.5% 的分数，这是一个今年 5 月发布的非常难的基准测试——而在它发布时，所有受测模型都得了 0%。 ProgramBench 是什么：ProgramBench

匹配字段正文

职责还发生了更微妙的变化。金融、科技和零售等行业的一些白领表示，AI可能增加而非减少他们的工作量，因为需要监控所谓的“workslop”（AI生成的劣质内容）。这还可能削弱对使用AI智能体的同事的信任。 2025年《哈佛商业评论》的一份报告引用了一位零售总监的话，他抱怨自己“花更多时间跟进[AI提供的]信息，并用自己的研究去核实。然后我还得浪费更多时间安排与其他主管的会议来处理这个问题。” 公共部门的劣质内容 公共部门有被卷入这种“AI修复”逻辑的风险。英国政府（以及许多其他政府）正在试验将AI用于诸如总结咨询回复、起草信函和分析公民反馈情绪等任务。面向公务员的官方指南鼓励谨慎使用生成式AI，同时警告其输出可能具有误导性，必须独立核实。 这意味着，如果公共服务部门开始产出大量AI生成的分析和信函，它们也将不得不设立新的职位，其主要职责是在这些内容送达公民或纳入政策之前对其进行监控、核查和纠正。 在被宣传为自动化的系统背后，人们默默收拾残局会消耗掉多少表面上的AI效率提升？ 我们已经知道，当AI自动化在政府中出错时会发生什么。在荷兰，税务机关使用算法为所谓的欺诈生成风险评分，并自动标记家

匹配字段正文

于实验阶段。 Google Beam 利用 AI 打造逼真的 3D 视频通话，让人感觉仿佛就坐在对方面前。Google 正与 USO 合作，将这项技术带给驻扎在远方的军人家庭。它通过实时捕捉肢体语言和眼神交流，帮助士兵与亲人保持联系。这让错过孩子迈出第一步等重要时刻的遗憾，不再那么孤单。 摘要由 Google AI 生成。生成式 AI 仍处于实验阶段。 探索其他样式： 对于驻外服役人员来说，最难跨越的距离是用错过的时刻来衡量的。孩子迈出的第一步、第一次登台表演，或者仅仅是坐在亲人对面，都显得遥不可及。 正因如此，我们正与 USO 合作，将 搭载 Google Beam 的 HP Dimension 带到全球 20 个 USO 站点，帮助服役人员跨越这段距离。借助 Beam 独特的逼真 3D 视频通信体验，家人们感觉仿佛走进同一个房间，以全新的方式建立联系。 今年早些时候，Google Beam 启动了一项试点计划，连接波兰 Trzebień 与德克萨斯州 Fort Bliss 之间的家庭。现在，我们推出了一部纪录片系列，展示该计划如何扩展到德国 Grafenwöhr 和德克萨斯州 Fo

匹配字段正文

构和扩展等工具改善照片构图。全新的 Image Playground 应用现可提供照片级逼真的图像。在 Safari 浏览器中，“通知我”功能帮助用户监控网页变化，例如商品补货或降价，并及时掌握更新。Apple Intelligence 使用端侧处理和私有云计算来帮助保护用户隐私。当私有云计算处理用户请求时，其个人数据不会被存储，也不会被 Apple 或任何其他人访问。 iPadOS 27 还带来一系列广泛改进，让 iPad 更灵敏、可靠、易用，同时更新了 Liquid Glass，包括在“设置”中新增滑块，让用户可选择个性化设置，从超清晰到完全着色，按偏好任意调整。借助 iPadOS 27.2，iPad mini 在连接外接显示器时还支持扩展显示模式，非常适合使用窗口化应用进行多任务处理的用户。 借助 iPadOS 27，用户可通过自由调整大小的窗口、窗口平铺和调度中心进行多任务处理，提升生产力和创造力。 全新 Smart Folio 采用双面板结构，为 iPad mini 提供纤薄轻巧的保护盖。8 全新 Smart Folio 采用藏蓝色和灰褐色 TechWoven 织物精制而成，

匹配字段正文

比增长。Finkelstein 也明确说过，Agent 带来的交易和普通在线商店交易收费一样，没有额外费用。换句话说，Agent 订单对营收的贡献只能藏在 GMV 和支付里，没法单独拆出来。 但 13 倍的意义，不在于它今天贡献了多少营收，而在于它证明了 Agent 能带来 Shopify 原本拿不到的顾客。 第一个信号是新买家。AI 渠道的新客订单增速约是其他渠道的两倍，Shopify 还特意强调，传统搜索依然是商家最大的流量来源之一，并且仍在增长。也就是说，AI 不只是在搬运原本属于搜索的流量，它在带来增量。 第二个信号是长尾。75% 的 AI 订单落在头部品类之外，这恰好是 Shopify 的基本盘。数百万家独立小店，过去很难在搜索广告和电商平台的竞价位里抢到曝光，而 Agent 更擅长按具体需求去匹配商品，这些小店第一次有了被「找到」的机会。 为了让商家看到这件事，Shopify 在今年 5 月给后台加了一个 agentic 板块，商家可以看到来自 ChatGPT、Copilot、Google AI Mode、Gemini 和自家 Shop App 的订单与转化。Shopify

匹配字段正文

价值的工作。 Strawberry 成立于 2023 年，将 AI 直接嵌入浏览过程，使没有编程知识的员工也能为销售、招聘、客户支持和营销等特定业务任务构建智能体，Strawberry 将其称为“companion”（伙伴）。 Strawberry 不绑定特定 AI 模型，还为企业提供现成的智能体，用户可以要求这些智能体执行业务任务。这些虚拟智能体会学习企业其他部分的运作方式，智能体的工作成果会在整个企业内共享，因此正如 Strawberry 所说，它们会变得像同事一样。 Strawberry 表示：“Strawberry 的独特之处在于，它是一个浏览器，团队的上下文、工作流程和登录信息本就存在于其中。companion 会记住你的团队如何工作，并且随着你们合作越多而变得更好，因为它与所有这些上下文相连。” 这家初创公司有三名联合创始人：首席执行官 Charles Maddock，他二十多岁，此前创立的一家气候科技初创公司被出售，让他拥有了一次退出经历；首席运营官 Sebastian Thunman；以及首席技术官 Arian Hanifi。 Maddock 解释了将 Strawber

匹配字段正文

斯克（如图）透露，他的公司已获得400亿美元债务融资，用于购买用于人工智能工作负载的强大芯片。这一消息公布之际，这位企业家预测，随着此类投资的资金越来越难以获得，许多被称为neocloud的云计算基础设施初创公司将面临整合。 马斯克的言论是通过其社交媒体平台X上的一篇帖子发布的，他在帖子中表示，SpaceX已筹集400亿美元，用于从Nvidia Corp.和其他供应商购买图形处理器，以充实其AI数据中心。据马斯克称，SpaceX之所以能够获得这笔资金，是因为它拥有“投资级”信用评级，并且从Starlink卫星互联网服务和太空发射等替代来源获得了可观的收入。 马斯克表示，SpaceX将用这笔资金购买GPU，这些GPU将于2027年第一和第二季度交付。他预计大部分债务将提前偿还，并且不会对公司第四季度的盈利业绩产生重大影响。 差不多是这样。 截至过去几周，对于任何没有独立于AI数据中心的可观收入的公司来说，债务市场几乎完全切断了其融资渠道。 SpaceX为GPU完成了400亿美元债务融资，但我们拥有投资级评级，并且有Starlink和发射业务…… ——埃隆·马斯克（@elonmusk）20

匹配字段正文

安全（即运行在笔记本电脑上的安全）之外的安全预算。 他们将自己的支出分为五个类别。 安全运营中心。SOC 是负责分析来自网络各处传感器、进入企业的告警的团队。随着响应时间从数月骤降至数分钟，AI SOC 实现了告警分诊的自动化，因为没有任何人工团队能以这样的速度阅读每一条告警。7 SIEM。安全信息与事件管理。这些数据库汇总企业内的所有信息，并为 SOC 及其他团队的分析提供支持。AI 用自然语言查询这些数据存储，使分析师能在几秒内回答问题，而不必提交工单来编写查询。 渗透测试。利用 AI 通过刻意尝试入侵来确定系统哪些部分存在弱点。模型尝试入侵，是因为它们能以远低于人工红队的成本持续探测每一个端点。 威胁情报。了解是谁在攻击企业。AI 跨来源关联攻击者的言论，因为新攻击活动的数量已超出人工整理的能力。 漏洞管理。这是一个持续的过程：在整个资产范围内发现企业的软件弱点，按风险排序，并修补真正重要的漏洞。8 AI 会判断哪些缺陷实际上可被触及和利用，因为扫描器报告的发现远多于任何团队能够修补的数量。 每个类别都有显著的 token 消耗。 OpenAI 总裁 Greg Brockman

匹配字段正文

所有文章 要让编码智能体在你真实登录的 Chrome 中工作，可以安装一个浏览器扩展，把标签页交给它，或者打开 Chrome 的远程调试开关，让工具连接到你已经打开的 Chrome。在付费 Claude 套餐下使用 Claude Code 时， Claude in Chrome (claude --chrome）是最短的路径；下面的列表为其他所有智能体和登录方式给出了选择。 我们开发 Browser Use 和 Browser Harness。关于其他工具的一切信息都来自它们自己的文档和 README，核查于 2026 年 10 月 25 日，并在使用处附上链接。 哪一个适合你的智能体 Claude Code： 如果你使用 Pro、Max、Team 或 Enterprise 套餐登录，就用 Claude in Chrome。使用 API 密钥、Bedrock 或其他提供商时它不可用，因此请使用 Browser Harness、Playwright MCP 的扩展模式或 Chrome DevTools MCP。 Codex： 在 ChatGPT 桌面应用中使用 OpenAI 的浏览器扩展

匹配字段正文