搜索
COCO Matrix CEO高宇翔在访谈中提出，真实世界不可能被提前穷举，具身智能应将In-Context Learning作为核心范式，让机器人通过现场示范和纠正直接适应新任务与新环境，而非每遇到新任务都依赖重新采集大量数据并训练模型，从而显著降低部署门槛和适配成本。
Perplexity推出本地优先智能体Portable Computer，通过专为端侧模型设计的Harness配合Qwen3.8-27B实现近零成本的本地推理，并在多项基准测试中超越Hermes和Pi等开源通用框架。
FDE 是什么，这个最近在硅谷走红的岗位，怎么就突然成了 AI 公司招聘页面的热门。Forward Deployed Engineer 是 FDE 的全称，常译作前沿部署工程师或前线部署工程师。这类工程师既要写生产代码，也要懂 Agent、评测和安全；既要进入客户现场，又要决定什么问题值得解决。
Qwen4还没出，架构先开源了。
业务覆盖企业私有化算力部署与自营Token工厂。 作者 | 杨京丽 编辑 | 李水青 智东西8月27日报道，昨日，北京AI基础设施创企博伦智汇宣布完成千万级天使轮融资。本轮融资由专注AI及AI Inf
今天，飞象老师正式发布3.0版本。这次升级最值得关注的变化，是新增了“教育应用生成”能力。用户只需要在对话框里说清楚自己的需求和想法，几分钟后，就可以得到一个能够直接访问、调用AI、保存数据，并持续修改迭代的教育应用。整个过程中，不需要写代码，也不需要理解数据库、服务器和部署。
Agent-Reach，一句指令就能搞定全平台适配，15个主流平台最新一手资料随便读、随便搜，关键是还免费！该项目在GitHub上狂揽66k Star，热度还在一路暴涨！
本周五，AI 社区热烈讨论的是一个端侧大模型部署技术，它能让笔记本 RTX 4060 跑 Qwen 3.6-35B，桌面 RTX 5090 跑得起 DeepSeek-V4-Flash 284B。而且都是单卡，模型都是满血的。Codex 生产 trace 的中位 decode 速度是 33 token/s
视觉 - 语言 - 动作（VLA）模型已成为端到端自动驾驶的主流技术路线，但基于自回归（AR）解码的现有架构面临双重结构性瓶颈：其一，逐 Token 串行生成导致推理延迟随序列长度线性增长，严重制约实时部署；其二，训练阶段依赖真实前缀的 teacher forcing 机制，使模型在推理时暴露于自身生成的误差之上，引发长时序累积的曝光偏差（exposure bias）。
今日，蚂蚁百灵大模型开源了一款轻量级混合推理MoE模型——Ling-3.0-tiny。该模型总参数量为7.9B，推理时激活参数量为1.3B，主要面向高效本地部署而设计。其同步提供BF16、FP8和INT4三个版本，已在DGX Spark、MacBook、Mac mini等设备上完成验证，兼顾性能、效率与可部署性。