Sulcus 推出 AI 智能体运行观察与控制工具,支持 Claude Code、Codex、Google ADK 等接入
Sulcus 开放 early access,用于在 AI 智能体运行时观察步骤、模型调用、工具活动、token 和故障,并在支持的环境中执行停止、重跑或审批。
Sulcus 开放 early access,用于在 AI 智能体运行时观察步骤、模型调用、工具活动、token 和故障,并在支持的环境中执行停止、重跑或审批。
Transformer 文章认为,美国 AI 数据中心用电预计将从 2025 年的 5GW 增至 2030 年的 50GW,若增速延续,2035 年可能需要 500GW。
Your AI is vaporware without deep integrations with your customers’ systems of record. Introducing @WithAmpersand: integration infrastructure for enterprise agents. We power 11x, Orb, and Square's ability to take agentic action in systems of record like Salesforce, SAP, NetSuite, and Workday. Ask anyone serious about building AI and they’ll tell you: - The SaaSpocalypse didn’t happen. The world depends on CRMs, ERPs, HRISs, and ITSMs. - Your customers customized their deployments beyond recognition. - Systems of record companies are basically monopolies. They never had to make their APIs and MCPs user-friendly. - Docs don't explain half the weird edge cases you'll hit. - One bad write can blow up your pilot or renewal. - Once you finally get it working, someone changes a field and it breaks again. The world's data lives in structured databases. AI needs a translation layer to work with it. So, for your AI to truly transform the way enterprises work, you'll need deep integrations built for: - scoped permissions - bi-directional actions - real-time speed for agents - custom objects, fields, and workflows for each of your customers We built Ampersand to power the future of software. AI didn't trivialize writing integrations. It made them the critical path. I believe that deeply, so I didn't make a launch video about Ampersand. Instead, it's the best builders I know explaining just how big of a challenge this is.
Parseable 是兼容 OpenTelemetry 的可观测性平台,可存储和查询可观测性数据,提供 AGPL 开源 Rust 实现(约 180MB 单二进制)、企业版和云托管选项。
AI 云计算公司 Lambda 正寻求融资至多 40 亿美元,投前估值 145 亿美元,Coatue Management 和 Blackstone 领投,可能是其计划 2027 年 IPO 前最后一轮私募融资。
Burn 0.22.0 发布,用户 API 不再携带后端类型参数,改为通过 device 选择执行方式,官方测试中模型编辑后的重建最高快 15×。版本还加入自适应内存管理、更智能的 autotuning、CUDA/HIP 图捕获与 replay、CubeCL Environment 缓存,以及 LoRA、QLoRA、ONNX 导出和扩展的远程计算支持。
Ubunye Engine 发布,用户用 YAML 配置和普通 Python 类定义数据管道,由框架处理连接、Apache Spark 计算和读写循环。
Pentad Labs 的 Kendall Clark 解释其智能体操作系统 WunderOS 采用 Gleam 负责 BEAM/OTP 协调、Zig 负责推理和存储等计算路径,而不使用 Python 或 Rust。
Muna 提出在单张 GPU 上动态共置多个模型,以协同式租约调度提升推理吞吐利用率,而不是只依赖更快的 kernel。文章估算单模型按峰值容量部署的平均利用率上限约为 35%,Qwen 3.8 27B 与 Kimi K3 在 OpenRouter 的加权市场利用率分别约为 28–33% 和 30–34%。
Cohere 发布 North 2,定位为面向企业的全栈 agentic AI 平台,强调安全、智能、成本与控制并重。
QA Wolf 复盘其 AI 智能体基础设施,从短生命周期云任务改为为每个智能体会话分配独立隔离云机器,机器内提供测试仓库、shell、git、gh、node、浏览器和 QA Wolf CLI。
Your AI is vaporware without deep integrations with your customers’ systems of record. Introducing @WithAmpersand: integration infrastructure for enterprise agents. We power 11x, Orb, and Square's ability to take agentic action in systems of record like Salesforce, SAP, NetSuite, and Workday. Ask anyone serious about building AI and they’ll tell you: - The SaaSpocalypse didn’t happen. The world depends on CRMs, ERPs, HRISs, and ITSMs. - Your customers customized their deployments beyond recognition. - Systems of record companies are basically monopolies. They never had to make their APIs and MCPs user-friendly. - Docs don't explain half the weird edge cases you'll hit. - One bad write can blow up your pilot or renewal. - Once you finally get it working, someone changes a field and it breaks again. The world's data lives in structured databases. AI needs a translation layer to work with it. So, for your AI to truly transform the way enterprises work, you'll need deep integrations built for: - scoped permissions - bi-directional actions - real-time speed for agents - custom objects, fields, and workflows for each of your customers We built Ampersand to power the future of software. AI didn't trivialize writing integrations. It made them the critical path. I believe that deeply, so I didn't make a launch video about Ampersand. Instead, it's the best builders I know explaining just how big of a challenge this is.
Docusign 内部智能体编排平台 Krew 已支撑 220 多个 Krewmates,数月内为工程师节省数千小时。员工无需代码或基础设施配置,通过系统提示词、技能文件、内置工具和触发器即可创建智能体。Krew 涵盖触发、编排、执行与结果持久化,可扫描错误日志、审查 feature flag、检查 pull request 并处理值班交接。
openTPU 是一个由 AI 参与开发的开源 AI 加速器项目,仓库包含 SystemVerilog 硬件设计、指令集、位精确模拟器、内核语言与编译器及 PCIe 主机软件。
AI Circuit Breaker 是一款可直接接入的反向代理,用于拦截 AI 智能体的无限工具调用循环,并按每小时 $2.00、每天 $10.00 的上限控制 API 支出。它基于 Python 和 FastAPI 构建,目标开销低于 35ms,请求检测使用易失性内存且不保存 payload;示例中可在第 3 次重复尝试时终止循环。
AWS 解读 ISO/IEC 42005:2025 标准,帮助客户将 AI 系统影响评估纳入企业风险管理与 AI 治理流程。该标准覆盖评估全生命周期,Annex D 支持整合既有评估,Annex E 提供独立模板。
Octri.dev 推出面向 API 生产交付的平台,用一份 OpenAPI、Swagger、Postman 或 AsyncAPI 规范生成文档站点、10 种语言 SDK、MCP server 和生产监控,并在规范变更后同步更新。
Alex Ellis 发布开源基准 RigMark,用代码、散文、结构化 JSON、缓存击穿与即时重放预填充,以及并发生成来测试 OpenAI 兼容的本地 AI 服务。
ctxfw v4.0.0-preview 面向 Cursor、Claude Code、Windsurf 等自主编码智能体,在 Zulip、PostHog、Airflow 上验证 D0 到 D3 多深度 AST stubbing。
AI Certification Council(AICC)提供多门 AI 与技术课程,涵盖 Python、Hugging Face、RunPod GPU、CUDA、PyTorch、Linux、Docker、PostgreSQL 及 AI Web 应用部署。
NVIDIA 报告显示,89% 的电信业受访者认为开源模型和软件对其 AI 战略重要,开放模型在成本、定制、可信治理和灵活部署上具备五重价值。NVIDIA 推出 30B 参数的 Nemotron 3 Large Telco Model(LTM),并发布基于 NVIDIA NeMo 的端到端微调方案。SoftBank、AT&T、Indosat 等运营商正借助开放模型构建网络运维与本地化 AI 服务。
一篇实践指南说明 Hermes Agent 在 Kubernetes 上没有官方 Helm chart,官方镜像的 s6-overlay 初始化阶段需要 root,并要求每个 HERMES_HOME 保持单写入者。
Tofu 发布通过 MCP 接入编码智能体的全栈应用部署服务,可在同一对话中配置托管、Postgres 数据库、域名、Google 登录、邮件和分析,官方称约 10 分钟完成。
IFCO 数据平台团队联合 Databricks Forward Deployed Engineering,将转换逻辑保留在 dbt 中并运行于 Databricks,通过调优增量设置与 Delta Lake 写入行为优化数据管道。核心语义层作业的每日运行时间缩短超过 60%,并停用了高成本的夜间全量刷新。该方案应对每日数十亿追踪事件、延迟数周至数月到达的数据及历史对账难题。
一项实测对比覆盖 SLayer、Malloy、Cube Core 和 MetricFlow 四款开源语义层,通过 54 项能力探针检验跨粒度聚合、时间转换、扇出安全、组合查询和错误提示。
开发者 Niko1221 开源推出 Strata 引擎,可在 12GB 及以上显存的消费级显卡上运行量化的 1250 亿参数 Qwen3.8-Flash-Next 模型。
Cohere 发布企业平台 North 2,用于编排可自主执行多步骤工作流并跨会话保留上下文的 AI 智能体。平台支持共享知识库、可复用技能及 Slack、SharePoint、Jira 等工具连接,也能通过文本提示词生成演示文稿、仪表板和简单应用。
一名开发者测试了多种面向编程智能体的 token 节省技术与工具,发现可降低 20-60% 成本。他在 Hacker News 提问用户是否愿意付费让他人代为降低 AI 账单,以及在信任付费前需要看到什么、愿意支付多少。
Thyme 发布面向 macOS、Linux 和 Windows 的原生逆向工程 IDE,支持 APK、DEX、JAR/WAR、IPA、dylib、.so、.dmg、.msi、.deb 和 AppImage 等输入。
KCoral 发布轻量级基准评测服务器,将 GPU 执行与智能体开发循环解耦,让多个智能体通过 HTTP 协议远程提交 kernel 评测并共享 GPU 池。它支持单 GPU、多 GPU 和多节点调度,提供请求级隔离、文件缓存、CPU 编译与 GPU 执行分离,以及封装 python、compute-sanitizer、ncu 等工具的 CLI。
LG 电子北美分支与 AIR Control Concepts 达成长期协议,将为北美超 5GW 人工智能数据中心供应先进冷水机组。该机组结合离心风冷结构与制冷剂自然冷却技术,LG 内部模拟显示其每年可比水冷技术节能约 30%。
我国下一代通信关键技术空心光纤已在宁夏中卫相距30公里的智算中心间投入商用,传输时延与损耗下降30%以上。该光纤直径不足0.4毫米,内嵌20根微型玻璃圆柱,让光信号在接近真空的空气通道中传输,速度达到光速的99.7%,高于传统光纤约69.5%的物理极限,可提升跨区域算力网络传输效率。
Anthropic 的 Felix Rieseberg 说明,新版 Cowork 会在云端运行模型推理和 VM,每个会话使用独立沙箱且不共享状态。旧版在云端进行模型推理,但工具调用在随桌面应用分发到本地计算机的 Anthropic VM 中执行,带来磁盘、电池和性能开销,合上笔记本后工作也会停止。
mainbrella 推出开源(GPL 3.0)的 AI 代码与 Agent 容器沙箱服务,对标 e2b.dev、daytona.io,无免费套餐,基础 builder 计划每月 $5,也可在自有 Cloudflare 账户运行。其全新沙箱获取可用 shell 仅需 381 ms,30 次测试速度一致;100 个沙箱并发启动平均 680 ms,100/100 成功。
Databricks Runtime 推出 NEAREST BY 连接语法,将批量向量搜索表达为原生 top-k ranking join,并在 Photon 中通过 SIMD 距离函数、融合 GEMM 算子和可选 IVF 索引执行。
推荐理由:文章把批量向量搜索拆解为 top-k ranking join,并说明 Photon、GEMM 与 IVF 索引如何共同提升大规模批处理吞吐。
文章演示用 Temporal 和 Oodle 构建自我改进的客服 AI 智能体循环:Temporal 工作流负责可恢复执行、重试和人工审批,Oodle 负责轨迹观测、洞察、Evals 与提示词管理。
Kai 发布视频,比较在本地以完整上下文运行 Qwen 3.8 27B 时获得 32GB VRAM 的多种硬件路径。视频指出最便宜的二手 Tesla 级卡约为 $19/GB,但当前驱动已不再支持;32GB Apple Silicon Mac 默认只给 GPU 21.3GB,两张 16GB 卡拆分模型约可用 28GB。
Volantis 完成 8800 万美元 A 轮融资,由 Lachy Groom 和 Abstract Ventures 共同领投,资金将用于开发并商业化 A-1 推理系统、扩充工程团队及推进客户部署。A-1 计划支持超过 20 万亿参数模型,目标达到每用户 10,000 tokens 每秒,并通过连接计算芯片与内存的光子互连同时扩展容量和带宽。公司预计在 2027 年向客户交付首批集成推理引擎。
Amazon SageMaker AI 推出 aws-ai-ml 技能,可通过 Agent Toolkit for AWS 接入 Kiro、Claude Code、Codex 等支持 MCP 的编码智能体。
Atlassian 发布 AI SDLC 转型指南,提出企业需同时投资上下文与度量两大平台基础,并推动规划、设计、开发、评审、维护等流程转向 AI 原生工作方式。指南将转型归纳为 7 大支柱,并介绍 Teamwork Graph、Jira、AI Reviewer 等工具如何支撑开发者与智能体协作。