独立 AI 资讯库
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
Google 推出 Gemini 3.5 Transcribe，称其为目前最精准的语音转文字模型，能够将原始音频直接转换为准确、润色且格式化的文本。该模型可处理背景噪声、复杂术语、口语停顿和自我修正，并支持自定义词汇、85 种以上语言及多说话人识别。开发者现可通过 Gemini API 中的 Live API 和 Interactions API，分别构建低延迟实时语音应用与录音转录、通话分析等工作流。根据 Artificial Analysis 的测量结果，该模型在流式和非流式场景中的平均词错误率分别为 4.0% 和 2.6%。
GLM-5.3 Flash
Natera 基于 Amazon Bedrock AgentCore 构建自动化语音 Agent，让患者可通过自然对话预约上门采血服务。该架构采用双 WebSocket 桥接、事件驱动的延迟掩蔽，以及会话中逐步提升认证等级的信任模型。验证结果显示，系统在 500 次端到端通话模拟中实现 100% 的工具调用准确率，感知延迟低于 7 秒，单次完成通话成本低于 0.01 美元。该案例说明，医疗服务开发者可通过托管式 Agent 运行环境、可观测性和持久记忆能力，降低实时语音 AI 的运维与集成复杂度。
点击查看原文>
数据准备决定了任何监督微调（SFT）项目的效果上限；在开始训练前，应先审查数据的准确性、多样性、一致性、重复率及安全性。文章指出，高质量、小规模的精选数据通常优于大量未经筛选的数据，并建议通过嵌入聚类发现生产场景覆盖缺口。对于格式化，现代 SFT 流程通常采用对话式 JSONL，并应让训练数据中的 system prompt、推理轨迹和工具调用结构与生产推理环境保持一致。文章还强调，推理数据应忠实、完整且与任务难度相称；若以启用 `reasoning_enabled: true` 的方式训练不含推理的数据集，模型可能丧失推理能力。
Lovable 正从 AI 驱动的网页应用构建平台，扩展为可将应用功能封装成 Agent 可调用「能力」的平台，并通过托管 MCP 服务器向 ChatGPT、Claude 等客户端开放。公司认为，未来企业用户将通过一个具备上下文的「公司大脑」统一访问工具与工作流，而非在大量 SaaS 标签页之间切换。Lovable 称其年化营收运行率已超过 5 亿美元，累计创建项目超过 6000 万个，Menlo Ventures 领投其 4 亿美元 C 轮融资后，公司估值达到 133 亿美元。对开发者和 SaaS 厂商而言，关键将不只是构建人类使用的界面，还要构建可靠、安全、可被 AI Agent 直接调用的垂直能力。
点击查看原文>
本文介绍如何让一个 AWS 账户中的 Amazon Bedrock AgentCore Agent，在不复制源数据的前提下，从另一账户中由 Amazon Redshift Serverless 支撑的 Amazon Bedrock Knowledge Bases 获取生成式答案。由于知识库资源策略不支持跨账户 `RetrieveAndGenerate`，方案通过在知识库账户中配置最小权限 IAM 角色，并由工具使用 AWS STS 跨账户担任该角色来调用该 API。文章对比了两种通用可用的编排模式：运行在 AgentCore runtime 上的代码式 Strands Agent，以及通过 AgentCore Gateway 和 AWS Lambda 实现的声明式 AgentCore harness。对于开发团队而言，选择重点在于自定义编排控制能力与托管式编排之间的取舍；若无需 Agent 的工具选择、多步推理或会话状态，则应优先考虑原生 `Retrieve` 或直接调用 `RetrieveAndGenerate`。
由前 Twitter 工程师创办的 AI 新闻阅读创业公司 Particle 推出播客情报平台 Radar，可转录并分析超过 13 万档播客，将对话内容转化为可搜索、可调用的数据。Radar 每日向索引新增约 2 万集节目，支持识别人物、公司、品牌、产品和话题等实体，并提供引文摘录、提醒及广告追踪功能。该产品的核心商业模式是 API 和 MCP 接入，使 AI Agent、对冲基金、AI 搜索平台及数据转售商能够以编程方式获取原本难以处理的音频信息。Particle 计划未来将服务扩展至 YouTube 视频、新闻片段等其他音频内容。
在Agent推理上，英伟达又把性能往前推了一大步。Hot Chips 2026期间，英伟达披露了Vera Rubin NVL72最新Agent工作负载测试结果：在DeepSeek V4-Pro、单用户每秒160 Token的测试条件下，相比GB300 NVL72，每兆瓦吞吐最高提升30倍。 但比30倍更值得关注的是，英伟达这次提升Agent推理效率，已经不再只依赖一颗更快的GPU。 面对长上下文、低延迟Token生成、工具调用和数据交互同时出现的Agent工作负载，英伟达正在把一次推理拆成不同类型的计算任务：Vera Rubin NVL72承担大规模模型计算，Groq 3 LPX专攻低延迟To
2026 年的 AI 正在吞噬一切，在线地图也在经历身份转变。 过去地图只是导航工具，现在已然成为 AI 时代的基础设施，给智能体和大模型应用提供位置感知能力。智能定位、路线规划、时空数据这些能力，正在从“给 App 调用”变成“给 AI 调用”。这个转变背后，是两个真实的需求场景。 一个是工业场景。工业数字化让工业园区...
检索系统返回了片段，只能说明此次查询并非空结果，不能据此证明检索质量达标。非空结果率无法衡量相关内容是否被完整找回，也无法反映关键内容是否排在前列。开发者应结合 Recall@K、Precision@K 与 MRR 等指标评估知识库检索效果，避免仅以“有返回结果”作为判断标准。
工作流中的并行节点可能会同时请求模型、HTTP 接口和数据库。将并发额度纳入节点调度阶段，可限制瞬时请求压力，避免下游服务被突发流量压垮。结合超时、限流与幂等机制，开发者可以更稳妥地保护真实业务系统，并提升工作流运行的可靠性。
Tata Communications 表示，企业部署 AI Agent、语音 AI 和自动化能力的速度，已经超过了底层 CX 架构的演进速度，许多项目只是将对话式 AI 叠加到旧有系统之上。该公司认为，企业当前的核心挑战已从单点自动化转向编排：让 AI、人工坐席、数据、工作流和各类渠道基于共享上下文协同工作。实现这一目标需要统一的企业本体、上下文图谱和能够低延迟同步数据的网络基础设施。对开发者和企业而言，这意味着 CX 建设重点将从接入更多模型与工具，转向构建云优先、API 驱动、具备实时上下文能力的统一架构。
雷峰网独家获悉，AI 基础设施公司基元律动（TokenRhythm）近日完成新一轮融资，截至目前累计融资金额达数千万美金。本轮融资由弘晖基金领投，聚合资本、尚势资本等机构参与。此前，公司已完成由 Granite Asia 领投，鼎晖 VGC、元璟资本、无限基金参与的种子轮融资。在技术战略上，基元律动押注的赛道是大模型与应用之间的全新基础设施层 —— Routing Harness（智能路由与调度底座）。伴随着大模型数量的爆发，各家模型在能力、价格和适用场景上加速分化，行业的关注点正在从“哪个模型能力最强” 转向“多模型协同如何优化”。如何根据任务阶段动态选择、切换模型，在保障效果的同时控制调用
RoboHarness用编排异构策略，让VLA、WAM、RL和TAMP不再各说各话，并零样本完成长时序任务。 作者丨邓哲敏 编辑丨齐铖湧 想象这样一个任务：打开柜门，找到藏在里面的积木，然后把它们搭成一座桥。对人来说，这是一件很简单的事，几个动作自然衔接，幼儿园小朋友也能顺利完成。但对机器人来说，这个任务横跨多种完全不同的能力：找积木，需要视觉理解和语言指令跟随；开柜门，需要与环境
将动作从输出端搬到调度端，推理速度提升1.79倍。 作者丨邓哲敏 编辑丨齐铖湧 机器人想要真正走进千行百业、千家万户，有一道绕不开的坎：它得足够快。不说快到能打羽毛球那，至少得快到让人觉得这玩意儿能用。一个机械臂每动一下都要停顿两三秒，哪怕成功率再高，在工业场景里算下来的投入产出比也很难说服人。VLA 模型是当前具身智能领域最受关注的技术路线之一。它把视觉感知、语言理解和动作生成整
从 harness 工程设计视角审视 MyCodeAgent 的控制流：为什么选择单一主循环而不是多循环、不可变状态机的工程价值、完成门的反馈回路设计、终止路径的完备性。
造芯片，是大模型公司的必备素养#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
《金融时报》拿到了一份数据，然后提了一个让 Anthropic 在 IPO 之前很难堪的问题：你的最强模型到底有没有人用？ 根据支付服务集团 Ramp 收集的 7 万家公司支出数据，Anthropic 最贵的模型 Fable 5 发布两个多月后，企业支出占比仅稳定在 11% 左右。旧款、更便宜的模型吃掉了其余 89%。 这不是小样本。7 万家公司的支出...
IBM 推出的 Granite 4.2 模型主打 Agent 能力以及可预测的企业部署体验，而非单纯追求速度或激进创新。相较于 Anthropic、OpenAI 等公司高成本、高算力需求的前沿云端模型，本地模型正被开发者和企业视为更具成本效益的替代方案。与此同时，能够根据任务在不同模型间进行分发、平衡性能、速度与成本的模型路由器也日益受到关注。本地模型还因可在本地硬件上进行调试、无需按 Token 支付 API 费用，而受到业余爱好者、AI 研究人员和个人开发者欢迎。
点击查看原文>
从 PoC 到生产环境，模型选型早就不是瓶颈。真正卡住 AI 应用的，是那条把业务事件送进模型的链路——上下文靠 T+1 批处理拼出来，Agent 拿到的永远是上一批次的业务事实，决策依据滞后、检索到
在 WebGIS 领域，Leaflet.js 凭借其轻量、高效、插件丰富等优势，成为最受欢迎的开源地图库之一。而 Vue3 的组合式 API 与 TypeScript 的类型系统，为复杂地理应用提供了
在 Web 自动化测试领域，Selenium 长期是行业标准，但稳定性差、等待机制笨拙、脚本维护成本高，一直是测试工程师的日常痛点。Playwright 凭借直连浏览器内核的架构异军突起，而 Cypr
原始页面仅提供标题、摘要和一条 JavaScript/Cookie 提示，未包含关于 Hugging Face 安全事件的具体技术细节、数据、时间线或处置措施。OpenAI 表示将分享该事件的调查发现，并说明其为强化 AI 模型安全、监控和对齐所采取的后续步骤。由于正文内容未加载，开发者和行业读者无法从当前原文获取可验证的事件影响范围或具体安全建议。
该研究聚焦于由单张肖像重建而成的 3D Gaussian 数字头部的源人脸真实性检测问题。单图像 3D Gaussian 头部重建技术已能够生成高度逼真且可自由渲染的数字头部，但重建与渲染过程可能削弱原始肖像中的伪造痕迹。论文提出了相应的基准测试与专用检测器，旨在识别用于重建的源肖像是否真实，为数字人、内容溯源和深度伪造防护提供支持。原文提供的摘要内容不完整，未披露具体实验数据或性能结论。
该论文提出一种面向乳腺超声（BUS）诊断的通才—专家模型协作自举与反馈框架。原文指出，乳腺超声虽被广泛用于乳腺癌诊断，但结果仍较依赖操作者。深度学习展现出应用潜力，但诊断可靠性与可解释性仍是关键挑战；多模态大语言模型（MLLMs）被视为相关技术背景。论文以 arXiv:2608.23974v1 形式发布，发布类型为 new。
论文《Luce：用于 3D 资产生成的可重光照高斯表示》已作为 arXiv:2608.23943v1 新论文发布。其目标是实现高保真图像到 3D 生成，并采用能够同时表达几何与外观的 3D 表示。论文强调，该表示应支持重光照，并能够接入标准渲染管线，其中涉及基于物理渲染（PBR）相关能力。这类方法有望帮助开发者将生成式 3D 资产更方便地用于游戏、影视、仿真及其他生产渲染工作流。
论文提出 GlanceWAM，一种用于世界—动作模型（WAM）的稀疏测试时想象方法。视频生成模型能够为机器人学习提供丰富的物理先验，但现有 WAM 面临关键权衡：以控制频率同步生成视频会带来难以接受的延迟，而完全放弃测试时视觉想象又会损失预测能力。该工作旨在通过稀疏地进行测试时视觉想象，在计算延迟与决策所需的环境预测之间取得平衡。对开发者而言，这一方向有望提升视频世界模型在实时机器人控制场景中的可用性。