技术方向
把模型跑起来的工程实践：推理优化、显存与成本、Serving 架构与基础设施选型。
量子位精选8080DeepSeek 宣布正式开放全家桶应用 API，联网搜索、深度思考搜索、文件上传、链接阅读等 App 内功能均提供独立接口，可单独调用、分别计费。语音能力首次加入开放行列，包含 ASR 和 TTS 接口，语音识别原价 0.78 元/小时、现五折 0.39 元/小时，语音合成每万字符 1.5 元。
推荐理由: 原文列出 DeepSeek 开放的工具接口清单与五折语音定价，读者可据此估算语音助手、文档处理类应用的调用成本。
IT之家 · AI精选7272Cloudflare 宣布开源今年 8 月推出的 AI 智能体浏览器 Kitesurf，代码已发布在 GitHub。Kitesurf 运行在 Cloudflare Workers 上，无需 Chromium 进程或容器即可完成 HTML 解析、CSS 应用、执行页面 JavaScript 和截图渲染，并支持 Chrome DevTools Protocol。
推荐理由: Cloudflare 开源了专为智能体设计的浏览器，并给出与 Chromium 的资源对比，读者可据此判断高并发智能体任务的部署成本。
Google Research精选8888Google 在 Antigravity 中向外部研究者和开发者开放 /teamwork 多智能体工作流，可与 Gemini 4 Argon、Carbon、Hydrogen 配合使用，/boost 和 Deep Review 也已可用。
推荐理由: Google公开了/teamwork在多智能体科研与工程任务上的具体结果，并开放给外部研究者使用。
LangChain Blog精选6060LangChain 宣布完成 3 亿美元 C 轮融资，估值 30 亿美元，由现有投资方 CapitalG 领投，GIC、DFJ Growth 等新投资方参与。公司称已有超过 7000 家机构使用 LangSmith，Clay 用它每月监控数亿次 Agent 运行，Workday 将新 Agent 部署时间从五个月缩短到一天以内。
推荐理由: LangChain 公布 3 亿美元 C 轮融资，并给出 LangSmith 在运行时、改进与治理三层的产品结构，可据此判断其 Agent 平台的定位。
Hugging Face Blog精选6565llama.cpp 与 ggml 发布 v1.0.0，将公共 C API 的破坏性变更与主版本号绑定，后续两者都按语义化版本规则发布。项目已支持超过 150 种模型架构和主流投机解码方法，并提供 Linux、macOS、Windows、Android、iOS 的预发布产物及 Docker、Homebrew、conda-forge 等分发渠道。
推荐理由: llama.cpp 与 ggml 同步发布 v1.0.0，并明确主版本号对应 C API 破坏性变更，下游依赖者可据此规划升级节奏。
vLLM Blog精选6060vLLM 在 Inkling 2 Small 发布首日提供支持。该模型是文本与视觉输入的多模态 MoE，总参数 594B、激活参数 17B，上下文最长 1M tokens，并自带 DSpark 推测解码器。
推荐理由: 原文给出了 vLLM 对 Inkling 2 Small 的 Day-0 支持细节与多项内核优化，读者可据此了解该模型的部署路径与吞吐表现。
Databricks Blog精选6060Databricks 发布 Lakehouse//RT，用于在湖仓上直接承载 AI 智能体带来的高并发实时查询，目前处于 beta 阶段。官方称可在 12,000 QPS 下提供低于 100 毫秒的延迟，并通过高并发、快速执行、小步扩容和单一系统四条路径让成本增速低于查询量增速。
推荐理由: 原文给出四个降本机制和三家客户的迁移数据，可据此判断实时分析层是否值得替换。
vLLM Blog精选6060vLLM-Omni 团队将 MiniMax H3-Image 接入 NVIDIA Vera Rubin，四卡 SP4 配置下原生 4096×4096 文生图短提示词基准中位延迟 0.87 秒，四副本 SP1×DP4 吞吐达 6115 张/小时。
推荐理由: 原文给出 H3-Image 在 Vera Rubin 上的实测延迟、吞吐与跨硬件部署配置，可据此判断 4K 图像生成的部署成本。
AWS Machine Learning Blog精选6060AWS 发布开源框架 UAEF，用适配器将 LangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore 和 Langfuse 的执行轨迹统一为 AgentTrace，再用 7 个维度 36 项内置指标打分。
推荐理由: 原文给出跨框架统一评测的适配器与指标设计，读者可据此判断多框架智能体版本对比的落地方式。
Databricks Blog精选7676Databricks 宣布 Genie One 成为企业 AI 协作的统一入口，将搜索、产物生成和跨工具操作集中到一处，并基于 Genie Ontology 提供企业上下文，由 Unity Gateway 统一治理。
推荐理由: 原文给出 Genie One 从问答扩展到产物生成、跨工具执行与治理的具体能力，可据此判断企业 AI 工作台如何落地。
Databricks Blog精选6666Databricks 宣布 Genie Ontology 正式可用，由智能体从仪表盘、SQL 查询、notebook 和语义模型中持续学习业务上下文，再由人通过 Unity Catalog 治理关键定义。
推荐理由: 原文给出与 Turing 共建基准的通过率、耗时和 token 对比，可据此判断企业上下文层对智能体准确率的影响。
Databricks Blog精选8080Databricks 发布新版 Genie，定位为自主 AI 同事，可持续跟踪进度、追问缺失输入并在新信息到达时采取行动，用户设定护栏并审批关键环节。新版配套 Genie Ontology 提供业务定义与组织知识，Genie Search 以索引加 MCP 混合检索并沿用 Unity Catalog 权限，Unity Gateway 统一管理访问、成本与审计。
推荐理由: 原文给出了 Genie 从助手转向自主执行长期工作的能力边界与治理方式，可据此判断企业智能体落地需要哪些上下文与权限控制。
OpenRouter Blog精选7070OpenRouter 发布了教程，讲解如何读取 429 响应头并按 limit_source 判断限流来源，给出了重试、模型回退、供应商故障转移三种修复方式。
推荐理由: 作者用同一批 60 条请求实测三种 429 处理方式，给出耗时与成本对比，可直接迁移到自己的重试逻辑。
量子位精选7272百度文心首次披露自动研究系统 ERNIE Evolve，该系统可自主提出研究方向、开展实验并验证结果，已用于文心 5.5 Flash 的推理优化。在昆仑芯 P800 低时延场景优化中，ERNIE Evolve 历时约 168 小时、经过 4 轮方向探索，最优版本生成速度提升至基线的 623.6%；确定性推理吞吐优化用 3 天将吞吐提升至基线的 133.7%。
推荐理由: 百度公开了自动研究系统 ERNIE Evolve 的架构与生产环境优化数据，可观察 RSI 在推理优化上的实际落点。
NVIDIA Newsroom精选7878NVIDIA 在 CoRL 上发布开源世界动作模型 GR00T 2，基于 NVIDIA Cosmos 构建，使用 10 万小时 NVIDIA 开源人类第一视角数据训练，可在无任务专属演示的情况下完成 50 项评测任务中的 40 项。
推荐理由: 原文给出 GR00T 2 在少样本任务上的成功率与 Isaac Lab 3.0 的训练吞吐提升，可据此判断仿真训练对机器人落地的推进程度。
IT之家 · AI精选8282美团龙猫将面向长程智能体任务的原生多模态模型 LongCat-2.5 正式开源，采用 MIT 协议，支持商用推理部署与二次训练且无需额外授权。模型总参数 1.6 万亿，每个 token 激活约 480 亿参数，支持一百万上下文，并针对显存与带宽受限的国产算力芯片在架构、芯片适配与部署策略上做了协同优化。
推荐理由: 原文给出总参数、激活参数、上下文长度与开源协议，读者可据此判断长程智能体任务的开源模型选项。
Google Developers Blog精选6565Google 宣布 Pathways 在 Google Cloud Platform 上正式可用（General Availability），这是 Google 用来训练 Gemini 等自家大模型的分布式系统。
推荐理由: Google 工程师解释 Pathways 的单控制器执行模型，并给出它与 Ray 的分层差异，便于判断大规模训练编排的选型。
量子位精选7272量子位作者用 LobeHub 组建 AI 编辑部实测：主管 Agent Sienna 在不到 8 分钟内分派三位小编产出 6 条选题简报，随后自行新建网页开发和 QA 两个 Worker，沿用上一轮成果在约 30 分钟内做出可筛选的资讯看板。
推荐理由: 作者用两轮实测展示主管 Agent 如何派活、临时招人并接力交付，可观察多 Agent 协作的实际边界。
llama-modchip 发布了一组 ggml/llama.cpp 内核补丁与量化转码工具，将 284.33B 的 DeepSeek-V4-Flash 压缩到 56.56 GiB（1.71 bpw），可在 64 GB 内存的纯 CPU 机器上运行，256K 上下文下峰值内存 57.61 GiB 且无需 swap。
推荐理由: 项目给出了在 64 GB 内存上运行 284B MoE 的量化方案与内核补丁，并附各硬件实测数据，可据此判断纯 CPU 部署的可行边界。
量子位精选7272AI写代码速度加快导致GitHub多次故障，OpenAI拟收购代码托管工具Pierre，并已公开内部Git后端Pando，一次推送的中位耗时降了近八成。Anthropic因日均合并改动从5月约2500项增至9月超3万项，由7名工程师用5个月自研版本控制系统Scion并迁移主代码库；Cursor则推出代码托管服务Origin，允许开发者在Cursor内完成提交、审查与合并。
推荐理由: 从GitHub故障切入，串起OpenAI、Cursor、Anthropic自建代码基础设施的动因与做法，可看清AI写代码对开发工具链的实际压力。
