跳到正文

#产品更新

今日 13 条
今天9月30日周三
  1. Google Developers · AI62

    Antigravity SDK 新增本地 AI 模型支持

    Google 宣布 Antigravity SDK 支持本地模型与多种执行选项,初始支持通过 LiteRT 运行 Gemma 4 26B A4B,开发者可在离线环境下使用与云端相同的 agentic 能力。

    推荐理由:本地 Gemma 4 26B 与云端 Gemini 3.8 Flash 协同的混合编排示例,帮助开发者在隐私与成本约束下设计本地 agent 工作流。

  2. AWS Machine Learning Blog21

    Amazon Quick Prompt Engineering 基础指南

    summary_zh: Amazon Quick 的提示词工程决定 AI 功能响应自然语言请求的准确性和可靠性。核心原则包括:通过具体性消除歧义、提供业务上下文提升相关性、用示例(few-shot)替代抽象描述,以及使用 CRISPE 等结构化框架确保复杂请求的完整性和一致性。

  3. GitHub Changelog74

    GPT-6.1 Sol 在 GitHub Copilot 中正式可用

    OpenAI 的 GPT-6.1 Sol 模型已在 GitHub Copilot 中正式推出,支持智能体编码和终端工作流。早期测试表明,相比 GPT-6 和 GPT-5.6 系列,它能以更少的 token 和步骤可靠完成任务。

    推荐理由:早期测试显示该模型在多步编码任务中能以更少的 token 和步骤完成工作,用户可据此评估是否切换模型以优化成本与效率。

9月29日周二
  1. Microsoft Research72

    Microsoft 推出 Quine 生物 AI 研究系统

    Microsoft Research 发布 Quine,一个面向生物学的多模态世界模型与交互式实验框架,连接模型、工具、文献和研究人员。与 Broad Institute 合作在胰腺癌细胞状态转换中预测并验证了数千种化合物,整个筛选与验证过程在一个周末完成,部分化合物出现意外表型。Quine Fellows 计划现已开放申请,系统目前仅限研究用途。

    推荐理由:原文展示了跨模态生物世界模型的实际验证路径,读者可据此评估计算实验与湿实验闭环对研发效率的潜在影响。

  2. Ollama Blog73

    Ollama 0.35 新增 Jev 风格决策模型支持

    Ollama 0.35 推出 /v1/systemone 端点,支持 Jev 风格的决策模型,本地运行无额外成本且延迟更低。今日上线三个模型:nimble(9B,Bespoke Labs)、tev1(4B,Together AI)和 tev1:0.8b(0.8B,Together AI)。

    推荐理由:本地低延迟决策模型开放调用,对实时分拣、路由与审核场景有直接迁移价值。

9月28日周一
9月26日周六
9月25日周五
  1. GitHub Blog · AI & ML58

    GitHub Copilot 推出 Canvas 自定义 UI

    GitHub Copilot 推出 Canvas 功能,允许用户在应用内构建无浏览器边框的全栈应用界面,与 Agent 双向通信。Canvas 可调用第三方 API、在本地执行代码,用于构建游戏、管理 Winget 包、操作 SQLite 数据库或自动化开发工作流。

  2. AWS Machine Learning Blog36

    Aderant 使用 Amazon Nova Lite 构建智能工单分诊系统

    Aderant 基于 Amazon Nova Lite 和 Amazon Bedrock 构建智能工单分诊系统,自动化上下文收集、分类、路由与知识增强。系统每小时处理未分配工单,前 2.5 周审查 109 个工单,路由准确率约 96%,每周节省 8–14 工时,月运营成本低于 $30。低于置信度的工单仍由人工复核,团队通过 CloudWatch 监控并每周优化提示词与路由逻辑。

9月24日周四
  1. Hugging Face Blog62

    Liquid AI 发布 LFM2.5-VL-3B DSpark 草稿模型加速视觉语言推理

    Liquid AI 为 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型,通过推测解码在不改变输出质量的前提下加速推理。草稿模型增加 280M 参数(+8.9%),在 M5 Max 上解码加速 2.30x-3.13x、端到端加速 1.56x-2.62x;在 H100 上解码加速 20.4x-2.66x、端到端加速 1.64x-2.27x。

    推荐理由:原文给出了具体加速数据和多框架支持,读者可据此评估在边缘设备或 GPU 上部署该草稿模型的性价比。

  2. NVIDIA Blog62

    NVIDIA 与合作方通过 AlphaFold 数据库开放 2800+ 病毒蛋白质复合物预测结构

    NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构通过 AlphaFold Database 开放超过 2800 种病毒的蛋白质复合物预测结构,约 30% 为科学界全新发现的相互作用。

    推荐理由:开放预测结果与推理流水线为研究者提供了可复用的基础设施,降低未来疫情中蛋白质结构解析的门槛。

  3. Nature · Machine Learning72

    Anthropic 推出 Model Hardware Standard 平台,让实验室设备与 AI 智能体协同工作

    Anthropic 与霍华德·休斯医学研究所 Janelia 校区合作推出 Model Hardware Standard(MHS),通过软件框架连接不同厂商的实验室设备,并让 AI 智能体直接控制仪器、协调实验。MHS 可集成到任何具备可编程接口的设备,消除定制化代码需求;研究团队将原本需要数月的实验搭建缩短至数小时。

    推荐理由:平台大幅缩短设备互联与实验搭建时间,为实验室自动化提供了可迁移的集成方法。

  4. GitHub Blog · AI & ML59

    GitHub Copilot 应用渲染超大 Pull Request

    GitHub Copilot 应用重写了 Pull Request 视图,以支持单文件变更量极大的 Pull Request。方案将代码几何与评论块几何分离,用惰性测量、滚动锚定和单通道调度避免跳动,并配合流式数据管道与缓存策略;实测在 2,200 文件、超百万行变更、400+ 行内评论的极端案例上仍保持流畅。

  5. Microsoft Research67

    Microsoft Research 发布 Physical AI Toolchain 推理卸载功能

    Microsoft Research 在 Physical AI Toolchain 中新增行业首个机器人推理卸载能力,可将 SO-101、UR10e 等机器人的推理从机载 GPU 卸载至边缘或云 GPU。实验显示,卸载改善了移动操作任务的成功率、响应精度和电池续航,并支持通过 Kubernetes 自动容器化与编排。

    推荐理由:首次系统量化了机器人推理卸载的收益,为物理 AI 基础设施选型提供可对比的实测依据。

  6. Google DeepMind50

    Google DeepMind 推进 Private AI Compute 安全端侧持久记忆架构

    Google DeepMind 为 Private AI Compute 平台新增安全端侧持久记忆层,通过硬件隔离飞地与设备持有密钥实现跨设备连续协助。新架构在加密通道连接的隔离环境中临时解密处理请求,数据用完后立即重新加密;配套发布技术白皮书、系统架构与安全证明,并公开第三方审计结果供社区验证。