跳到正文

全部动态

今日 324 条
8月28日周五
8月27日周四
  3. Lee Robinson54

    Lee Robinson 分享使用 Grok Bot 的体验，称从怀疑转为认可，认为常驻运行的智能体是未来计算机工作的方向。他接受看不到回复流式输出、不选模型、信任长对话自动压缩等新交互方式，并引用产品分析称其采用极简 UI、客户端薄而服务端厚的架构、bot 连接各自的持久化云端电脑且能使用浏览器，支持录制任务并转为可重复流程。

    引用Lee Robinson@leerob

    Grok @Bot has made a few simple yet powerful technical decisions that I believe make it easy and enjoyable to use. 1. The best UI is none at all. The product interface is dramatically simpler than alternatives without sacrificing functionality. How is this possible? It's one of the first products designed for current frontier model capabilities and has a UI restrained enough to remain easy to use as models improve exponentially. Everyone knows how to text. 2. A thin harness for the client, a thick harness for the server. You might have noticed the app feels very fluid to use, even for a beta product. This is primarily because of everything we didn't have to build. The app harness is essentially a single tool to send messages between the client and server. The complexity moves to the server, where you can still use the coding agent harness with specialized tools as needed. This helps make the UI fast and responsive on desktop and mobile. 3. An always-on computer. Most coding agents and assistants today start fresh with every question you ask. Some of these sessions are on your local machine and others happen in the cloud. We believe strongly that cloud is the future, which is why it's the only option. Further, rather than spinning up virtual machines for every conversation, your bots connect to their own computer. This means you can still run agents on the bot's persistent filesystem. It's closer to what programmers have been doing by using Tailscale from their phones to connect to a remote computer and run an agent TUI. You get those capabilities without the hassle. 4. Your bots can use the browser. Coding agents have shown that most work on a computer can be expressed and run as code. You can ask for a task in natural language and the agent will decide to write a script to complete it. This is amazing, but there's still many tasks which can't be completed without logging into a website and clicking around the browser. Models and harnesses are now good enough to reliably handle this. The combination of writing code and using browsers means you can automate almost any task on a computer. Further, you can ask Grok Bot to record you doing the task, and then turn it into something repeatable.

  4. Google Developers Blog43

    用深度学习和 Keras 解码宇宙信号

    Google 开发者博客介绍深度学习在天体粒子物理中的应用：Pierre Auger 天文台用 1500 多个探测器站覆盖 3000 平方公里，IceCube 以约 1 立方公里南极冰探测中微子，这些观测设施的空间分布传感器记录波形数据，结构类似图像，适合用深度学习分析。文章聚焦深度学习如何提升仪器灵敏度、发现隐藏模式并搜寻信号异常。

  5. Linear Now64

    Linear 用 1000+ 个 PR 将 React 应用从 styled-components 迁移到 StyleX

    Linear 宣布完成从 styled-components 到 StyleX 的迁移，历时逾 1000 个 PR。迁移动机包括 styled-components 进入维护模式、React 18 并发渲染下的性能回归，以及团队希望为 Agent 参与代码库建立更清晰的样式边界。

    推荐理由：Linear 团队亲历者复盘超千个 PR 的迁移过程，给出可迁移的确定性工具加 Agent 加人工判断的方法和降险步骤。

  7. Michael Truell65

    Michael Truell 宣布 Grok Bot 现已向所有标准 Grok 或 Cursor 订阅用户开放，并表示其增长快于他们见过的任何产品。引用内容提到所有 SuperGrok 和 Cursor Pro 订阅者已可用 Grok Bot，且为所有用户重置了每周使用限额。作者称用户把电商运营（支持、广告、库存、财务）、协调客户活动、测试生产软件等任务交给 Grok Bot。

    引用Grok Bot@bot

    All SuperGrok and Cursor Pro subscribers now have access to Grok Bot. We're also resetting weekly usage limits for all users. Enjoy!

    推荐理由：作者列出用户实际交给 Grok Bot 的任务范围，读者可据此判断它在真实工作流中的落地程度。

  8. Lee Robinson39

    我们也没忘了 @Bot…… 现在所有付费用户都可以使用了。每月 $20 就能改变你用电脑工作的方式！ 我们已为所有 Bot 用户重置了每周使用限额。试试看吧！

    引用Lee Robinson@leerob

    We just increased the included usage of Grok models in Cursor! Demand has been increasing with the launch of Grok 4.6. We already doubled limits last month with more compute. And now we're raising limits again permanently. Enjoy!

  11. Google DeepMind65

    Google DeepMind 发布语音转写模型 Gemini 3.5 Transcribe

    Google DeepMind 推出语音转文字模型 Gemini 3.5 Transcribe，定位为更精确的实时转写模型，已在 Gemini API（Google AI Studio 和 Gemini Enterprise Agent Platform）开启公开预览。

    推荐理由：官方给出了两个 API 入口、WER 数字和与 Chirp 3 的对比，读者可据此评估其语音转写与语音交互场景的可用性。

  13. Anthropic Newsroom60

    Anthropic 开启 Model Hardware Standard 研究预览，让 AI 智能体安全操控实验与制造设备

    Anthropic 开放 Model Hardware Standard（MHS）研究预览，这是让 AI 智能体安全操作物理设备的标准规范，首批面向科研实验室和先进制造商，可将原本需数周至数月的硬件集成缩短到数小时或数分钟。

    推荐理由：官方介绍 MHS 标准化驱动如何把硬件集成从数周缩到数分钟，并给出多家机构实测用例，对关注智能体操控实体设备的读者有参考。

8月26日周三
  1. Z.ai72

    智谱（Z.ai）发布 GLM-5.3-Flash，称具备有竞争力的价格与原生多模态能力，上下文窗口为 1M token，为 320B-A18B 模型并以 MIT License 开源权重。该模型此前曾以 Ox Alpha 名义预览，完全运行于中国 AI 芯片；现已在官方平台提供权重、API、Coding Plan、ZCode、Chat 和 AutoClaw 入口。

    推荐理由：官方公告同时给出价格定位、开源权重和芯片适配信息，读者可以据此评估它在现有工作流中的替换可能。

  2. Linear Now69

    Linear 完成 9900 万美元回购，估值翻倍至 25 亿美元，ARR 突破 1 亿美元

    Linear 完成 9900 万美元回购，估值 25 亿美元，是去年 12.5 亿美元的两倍，Accel、01A、Salesforce Ventures 和 S32 参与其中；公司现金流为正，账上现金超过历史融资总额。

    推荐理由：官方披露 2.5B 估值回购与 100M ARR 等关键数据，读者可借此了解 Linear 的经营现状与智能体业务进展。

  3. Google Developers Blog35

    Google Cloud 在 Cloud TPU 上为 vLLM 带来企业级长上下文多模态嵌入推理

    Google Cloud 将原生 TPU 支持集成进 vLLM，用于在 Cloud TPU 上服务 Qwen3-Embedding 系列嵌入模型，支持 4K+ token 文本与 15K+ token 多模态输入的长上下文。团队针对 TPU 做了词表 padding、懒加载初始化与 StepPool 长上下文等优化，并以余弦相似度验证数值一致性，文本目标阈值 ≥0.999、多模态 ≥0.995。

  4. Hugging Face Blog74

    Sentence Transformers 教程：用 MultiVectorEncoder 训练与微调多向量嵌入模型

    Hugging Face 发布 Sentence Transformers v6.0 教程，介绍第四种模型类型 MultiVectorEncoder 的完整训练方法，支持 ColBERT 风格的 late interaction 检索微调与从零训练。

    推荐理由：作者用实测对比给出多向量模型微调的完整配方，包括起点选择、损失函数和索引压缩的量化取舍。

  5. Google Research44

    Google 研究 AgentHands：为 XR 中的智能体对话生成同步手势

    Google 在 CHI 2026 发布研究原型 AgentHands，可将 LLM 的推理输出映射为 XR 中与语音同步的手势，让 AI 智能体在 3D 空间里用手演示而非仅靠语言描述。系统包含环境感知、手势事件库、手势嵌入推理和 XR 同步执行四个模块，手势按左右手、空间锚定、时序动效等维度分类。在 N=12 的用户研究中，AgentHands 相比纯语音基线在空间指向上取得显著提升。

  10. Claude Blog73

    Claude Cowork 桌面端内置浏览器上线

    Anthropic 在 Claude Cowork 桌面应用中内置浏览器，Claude 可自主导航网页、阅读、点击、填表，本周起向 Pro、Max 和 Team 计划推送，Enterprise 管理员即日起可开启。

    推荐理由：官方说明了内置浏览器与 Claude in Chrome 的分工、登录方式和安全边界，读者可据此判断网页类任务该交给哪条路径。

8月25日周二
  3. Hugging Face Blog63

    IBM 发布 Granite 4.2 推理模型家族并详解构建过程

    IBM 发布 Granite 4.2 密集 decoder-only 推理模型家族，含 3B、8B、30B 三个规格，基于 Granite-4.1 基座（约 15T tokens 预训练，上下文窗口扩至 512K），经 SFT 与多阶段 GRPO 强化学习训练，全部以 Apache 2.0 许可开源。

    推荐理由：IBM 官方详解 Granite 4.2 训练全程，从五阶段预训练到多阶段 RL 课程，可复用的训练细节较完整。

  5. Sierra Blog38

    Sierra 在韩国首尔设立办公室，正式进军韩国市场

    Sierra 宣布在首尔开设办公室，正式进入韩国市场。其 Horizon 智能体可跨系统、跨渠道运行数周至数年，并借助 Context Engine 从每次交互中持续学习；Singtel 10 周上线后解决率超 70%，Next 6 周上线并覆盖 83 个国家 48 种语言，BBVA 30 天上线首个 Horizon 智能体。Sierra 按结果而非用量收费。

  6. OpenRouter Announcements60

    OpenRouter 发布 Video Generation API 代码指南，一个端点调用 Seedance、Veo、Wan

    OpenRouter 发布视频生成 API 教程，通过 POST /api/v1/videos 提交任务、轮询状态、下载 MP4，同一集成可用 Seedance 2.0、Veo 3.1、Wan 2.7，切换模型只需改 model 标识符。

    推荐理由：OpenRouter 官方教程给出完整的异步视频生成集成代码，包括轮询、失败状态处理和换模型时需注意的参数差异，可直接迁移到自己的项目。

  7. OpenRouter Announcements70

    OpenRouter 发布选型教程：如何用 MCP 服务器在编辑器内选最合适的 AI 模型

    OpenRouter 发布模型选型教程，提出六步框架：定义任务、用实时使用数据和第三方基准筛选候选、对比各提供商价格与延迟、用自己的提示词测试、按每次完成任务的成本而非每 token 成本衡量，再决定或改用 openrouter/auto-beta 按请求路由。

    推荐理由：OpenRouter 官方给出以成本每完成任务为核心的选型框架，并用自家 MCP 服务器让整个评测流程在编辑器内完成。

  8. Hugging Face Blog69

    Gradio 推出 gr.Workflow：把 AI 管线变成可拖拽、可部署的节点图

    Hugging Face 在 Gradio 中内置 gr.Workflow，将 AI 应用管线描述为带类型的节点图，在同一画布上提供可运行节点、可视化中间结果、REST API 和一键部署到 Hugging Face Spaces。

    推荐理由：官方介绍了 gr.Workflow 的节点图机制和多条可复制的示例工作流，读者可以据此评估它能否替代手工拼装 Python 管线。