WhatsApp MCP 推出自托管服务,让 AI 智能体读取和搜索聊天记录
WhatsApp MCP 可部署在用户自己的 Cloudflare 账户,让 Claude Code、Claude Desktop 等 MCP 客户端读取和搜索 WhatsApp 聊天,但不能发送消息。
WhatsApp MCP 可部署在用户自己的 Cloudflare 账户,让 Claude Code、Claude Desktop 等 MCP 客户端读取和搜索 WhatsApp 聊天,但不能发送消息。
Netflix 发布新一代 VMAF 感知视频质量评估模型 v1,旧版 v0 模型文档继续保留,官方表示将持续根据用户反馈改进模型。VMAF 是曾获艾美奖的多方法融合视频质量算法,软件包包含 C 库 libvmaf 与 Python 封装库,并集成 PSNR、SSIM、MS-SSIM、CIEDE2000 等指标。
Browser Use 讲解浏览器智能体如何通过模型、运行框架和浏览器协作,循环观察页面、选择动作、执行并检查结果。任务有可用 API 时优先使用 API,流程可预测时使用脚本,需要灵活判断时使用智能体。智能体存在结果不一致、网站拦截、提示词注入和成本波动等限制,应设置运行上限,并核验任务是否实际完成。
大模型 API 的 ZDR 承诺有适用范围,文章梳理了应用状态、反滥用监控、缓存及法律保全可能保留数据的路径。文章结合 OpenAI、Anthropic 的政策说明,区分不用于训练与零数据保留,并强调部分端点和高级功能可能不受 ZDR 覆盖。工程应对包括检查调用链与第三方处理者、在数据出网前脱敏,以及为供应商切换或本地模型部署保留退路。
卡兹克实测华硕 ProArt 创16 RTX Spark 笔记本,128G 统一内存+1T 版本京东售价 37999 元,开售几分钟内被抢空。他受邀参加英伟达 RTX Spark 全球开售活动,并深度使用一周。
Codex Desktop 用户报告,Crashpad 转储持续积累至 ~323 GB、~4.04 million 个文件,占用 926 GB 磁盘的约 35%。
Mihai 提出将 AI 代码审查、自动化测试、安全扫描与人工复核结合,验证 AI 编码智能体生成的代码。文章比较 RoboRev、Claude Code Review、Codex、GitHub Copilot 和 Cursor Bugbot 的审查流程,并给出按提交、PR、部署及生产阶段分配检查的 GitHub Actions 示例,明确示例不能直接作为完整 CI 配置使用。
SGLang 推出 Low-Latency Mode,通过插件框架将专用 kernel 引入 SGLang,在 NVIDIA 和 AMD GPU 上显著降低推理延迟。
Neuralwatt 分析云端流量与实验请求发现,智能体运行框架修改既有提示词会破坏缓存,增加重复计算与能耗。相同模型、相近输入输出长度下,缓存基本未命中的请求能耗约为缓存命中请求的2倍,GLM-5.3约为2.5倍;上下文超过128k tokens时,一次大范围重读的预填充计算量约相当于600次普通轮次。
推荐理由:Neuralwatt通过逐条请求分析定位缓存失效原因,将稳定提示词前缀、追加状态变更归纳为减少智能体重复计算的方法。
中国商务与科技部门发布技术出口目录修订草案,拟对涵盖大模型、智能体、计算集群和数据处理的23项关键AI技术实施出口管制。大模型核心技术达到10^26 FLOPs训练计算量、至少2 trillion参数或全球前10任一条件即受管制,使用中国“重要数据”训练并据此提供服务的模型也受限制。
推荐理由:中国拟对大模型核心技术出口设置许可门槛,海外本地服务器部署与自有海外云部署将适用不同流程,直接影响模型出海的部署路径。
NVIDIA RTX Spark 笔记本今日全球开售,最高提供 128GB 统一内存和 1 petaflop FP4 AI 性能,起价 $2,599。产品结合 Blackwell RTX GPU、Grace CPU 与 CUDA,支持本地运行大语言模型和 AI 智能体,并提供智能体权限控制及家庭网络推理服务。
推荐理由:NVIDIA RTX Spark 将本地模型运行、编码和测试整合到 Windows 笔记本中,让开发流程减少对云端测试环境的依赖。
商务部、科技部发布2026年第48号公告,拟在《中国禁止出口限制出口技术目录》中增列23项人工智能关键技术并公开征求意见,同时实施出口前登记临时管理措施。拟列管范围涵盖大模型、智能体、算力集群和信息处理,已通过开源或学术论文进入公共领域的相关技术拟不纳入出口管理。
推荐理由:商务部、科技部明确限制类大模型海外部署与境外调用的管理边界,技术转移与服务提供的区分直接关系企业出海合规。
SGLang 为 Muse Spark Open 提供 Day-0 支持,加入序列并行、NVFP4 MegaMoE、多模态处理优化及 DFlash V2 推测解码。
推荐理由:SGLang 将序列并行与 MegaMoE 联用于长提示词预填充,在七档并发测试中将 p90 首 token 延迟降低 28.3–41.9%。
Meta 发布 Muse Spark Open,拥有 816B 总参数、42B 激活参数和 1M tokens 上下文窗口,权重以 Muse Model License 在 Hugging Face 提供。
推荐理由:Meta 为 Muse Spark Open 配套可自动调优的跨硬件内核与后训练支持,降低专用内核的开发维护成本。
Meta 用 AI 智能体参与 Forum 的规划、实现、测试和验证,小团队在 8 周内实现了与 Facebook Groups 核心功能的对齐。团队通过可读取的应用状态、自动化验证和构建隔离支持智能体执行任务,部分阶段仍需工程师参与迭代,所有上线结果都由工程师签字确认。
推荐理由:Meta 将自动化测试、界面检查和验证记录接入智能体开发流程,让工程师依据可核查的结果审核代码并保留上线签字责任。
Meta 发布 Muse Spark Open 权重,Baseten 在发布当天通过 Model APIs 和 Dedicated Inference 提供服务,支持编码智能体工作流。
推荐理由:Baseten 用 NVFP4 部署 Muse Spark Open,将权重体积从约 1.6 TB 降至 540 GB,为并发智能体会话释放显存。
Meta 发布 Muse Spark Open 并开放权重,与 Apple 合作使其能通过最新 MLX 框架在两台 Apple M5 Ultra Mac Studios 上运行。Meta 称该模型原生支持多模态,总参数量为 816 billion,擅长长周期任务、复杂软件工程和多步推理。双方已合作数月,Apple 也发布了涉及 MLX、Muse Spark Open 和另外两个开放模型的技术文章。
推荐理由:Meta 与 Apple 将持续数月的合作落实到模型与框架适配,让大规模开放权重模型能在两台桌面设备上运行。
vLLM 与 Meta Superintelligence Labs 合作,为 Muse Spark Open 提供发布首日推理和 LoRA RL 支持。该开放权重 MoE 模型面向长周期智能体编码工作流,拥有 816B 总参数、每个 token 激活 42B 参数及 1M 上下文窗口,支持图像、视频和音频感知。
推荐理由:vLLM 将 Muse Spark Open 接入多种硬件平台并提供预构建镜像,部署方无需等待常规安装包合并即可启动模型服务。
Black Forest Labs 发布 5.6B 参数的开放权重模型 FLUX 3 Image Klein,支持文生图、图像编辑及最多 10 张参考图的多参考生成。
推荐理由:FLUX 3 Image Klein 通过 INT8 量化支持低至 8GB 显存的设备运行,降低本地图像生成与编辑的硬件门槛。
NVIDIA 发布 Nemotron 3.5 Super VL 和两款 Bolt 边缘模型,覆盖企业服务器到本地设备的智能体部署。Super VL 为 120-billion-parameter 多模态模型,开放权重、数据集和训练配方,支持理解图像、网页及 PDF,并可用组织自有数据进行后训练。
推荐理由:NVIDIA 为服务器和边缘设备推出开放模型,组织能按硬件条件选择部署层级,并用自有数据定制智能体任务。
Black Forest Labs FLUX.3 Image Klein 发布并同步支持 Diffusers,在同一模型中提供文生图、多参考图生图与边界框布局控制。
推荐理由:FLUX.3 用归一化边界框指定生成区域及参考图内容的移动位置,让布局指令在不同图像尺寸下保持一致。
Modal 年化收入运行率突破 $1B,并完成由 Accel 领投的 $750M D 轮融资,估值达到 $15.75B。其使用量同比增长超过 15x,标题称使用量和估值在 5 个月内均增长至 3x。Modal 在 2023 年推出的 Sandboxes 已达到 $300M 年化收入运行率,累计启动接近 3 billion 个沙盒,支持百万并发,用途包括后台智能体、强化学习和自然语言编程平台。
推荐理由:Modal 的沙盒业务达到 $300M 年化收入运行率,后台智能体、强化学习与编程平台构成了其基础设施需求的具体来源。
AI-DLC 通过工具无关的核心,将 AI 编码助手接入结构化、可验证的软件交付流程,支持 Claude Code、Kiro CLI、Kiro IDE、Codex CLI、Cursor、opencode 和 GitHub Copilot。
推荐理由:AI-DLC 将需求、实现、测试和运维串入带审批门与审计记录的统一流程,让跨编码工具的软件交付保留决策依据。
OpenCode 2.0 发布重大更新,将 TUI、网页界面和桌面应用统一连接到自动运行的本地后台服务,并重构 API。Code Mode 默认将 MCP 工具转为可由脚本组合调用的函数,新增后台子智能体与异步 shell 命令,TUI 插件转为稳定功能,并提供仍在开发中的 @opencode/sdk。
推荐理由:OpenCode 2.0 将多种客户端接入同一后台服务,并让子智能体与耗时命令在后台运行,减少主智能体等待任务完成时的交互阻塞。
Anthropic 自建源码版本控制系统 Scion 替代 Git,由7人团队在5个月内完成迁移,以应对代码变更量的快速增长。每日合并的代码变更从2026年5月约2,500次增至9月超过30,000次,CI 每天约执行2,500万次代码检出,按朴素方式获取将产生超过600 PB的Git流量。
Character.ai 在破产文件中称,高昂的运营开支和法律费用推动公司走向破产,即使没有法律问题,其业务也难以持续。2025 年每月算力开支为 $10 million,而包括广告在内的总收入峰值仅为每月 $5.3 million;截至 2026 年 8 月,削减成本后仍每月亏损约 $8-9 million。
推荐理由:Character.ai 披露破产前的算力开支与收入差距,降低推理成本、裁员和引入广告后仍持续亏损。
GitHub 详解秘密凭据扫描的两阶段流程,用正则生成候选,再由微调的 ModernBERT 结合上下文区分真实凭据与误报。相比此前的 LLM 流程,离线评估的精确率提高 13%、召回率提高 19%,客户 A/B 实验中按仓库所有者加权的告警接受率提高 11.5%。推送后扫描执行时间中位数降低 86%,服务成本降低超过 98%,效率提升也使通用秘密凭据检测能够扩展到推送保护。
推荐理由:GitHub 用正则筛选候选凭据,再让小型分类器结合上下文排除误报,将确定性扫描与机器学习分工用于边界明确的检测任务。
Anthropic 用五个月建成自研版本控制系统 Scion,并将 monorepo 从 git 完整迁移,以应对每日合并代码变更从 5 月约 2,500 次增至 9 月超过 30,000 次。
推荐理由:Anthropic 将版本控制计算集中到服务端,并用按需获取和分层缓存减少智能体任务维护本地仓库的负担。
ChatGPT 订阅接入外部开发工具有官方 API key、Sign in with ChatGPT 和复用 Codex 客户端身份三条路径,文章比较了各自的计费与使用限制。
推荐理由:文章比较 ChatGPT 订阅授权、API key 与复用 Codex 身份三条接入路径,区分了计费方式、功能限制和协议保障。
Anthropic 成本指南建议按每个成功任务的成本比较模型,并优先测试调整 effort,再衡量多模型分层是否更划算。文中指出,会话中切换模型可能破坏提示词缓存,调整 effort 则不会;SWE-bench Pro 测试中,先用 low、失败后用 high 重跑,准确率为 97.0%,每题成本为 0.17 美元,全量 high 则为 95.3% 和 0.29 美元。
推荐理由:Anthropic 指南将单模型低 effort 的每任务成本设为分层方案的比较基线,让调度架构的成本收益有了具体衡量标准。
Vapi 自研的 Pedantic Review Bot 已审查工程师提交的每个 PR,平均合并时间从超过 130 小时降至 65 小时。机器人在报告问题前可追踪调用、运行测试或编写复现,分析任务移除 Git 凭据,由独立任务校验结果并发布评论,不能批准或推送代码。
推荐理由:Vapi 将代码审查智能体的分析与评论发布任务分离,并要求运行测试或复现后再报告问题,为自建审查机器人提供权限隔离方法。
Anthropic 的实验显示,小型 AI 模型已能完成自我复制的多项步骤,但尚未形成完整的失控自我复制系统。研究在 15 台 Android TV 盒子上运行 Gemma4-26B-A4B,达到 0.39 tokens per second,Qwen3.5-9B 能在 9 类受测硬件中的 8 类上部署推理。
推荐理由:Anthropic 将推理部署与端到端复制分开测试,明确了小模型适配陌生硬件的能力与完成整条复制链之间的差距。
AI 即时生成界面的具体设计方向依赖外置规则,文章将基础模型、规则文档与组件库及编译器归纳为界面的生成内核。文中以 Anthropic 的 frontend-design 技能文档为例,介绍先输出色彩、字体、布局和设计原则,再编写前端组件的流程,并对比 OpenAI Intelligent UI 的标准化组件与流式渲染路径。
推荐理由:Anthropic 将界面设计流程写入技能文档,先确定色彩、字体与布局再生成组件,为按品牌方向约束模型输出提供了可迁移方法。
Piotr Sarnacki 分析并复测 Campfire Once 的 AI 重写版本,指出开发者仍需审查代码、明确约束,不能凭单一指标判断语言优劣。
推荐理由:Sarnacki 检查 Campfire Once 的 AI 重写代码,指出吞吐量比较受到各版本兼容性与队列设计差异的影响。
Yandex Cloud 通报,位于 Vladimir 的数据中心因无人机袭击受损并完全停运,无人员伤亡,云平台进入应急模式。ru-central1-a 和 ru-central1-b 不可用,平台建议使用其他平台的灾难恢复方案。
推荐理由:Yandex Cloud 数据中心受袭后进入应急运行模式,计算服务在其他可用区运行,但存储写入和部分数据库仍受影响。
项目团队历时 3 个月,用 AI 智能体重建一款第一人称射击游戏的 C++ 源码,已覆盖 99% 的函数,其中 83% 达到字节精确匹配。早期代码虽可运行却存在语义错误,团队随后采用原版编译器和字节匹配校验,并每小时刷新指令,约束智能体偏离任务及修改验证脚本的行为。作者估计实际消耗为 600-700 billion tokens,认为项目已完成,代码将保持私有。
推荐理由:项目团队用字节匹配校验约束反编译智能体,将正确性转化为机器可检查的验收条件,减少审查智能体被代码注释中的辩解误导。
Microsoft Execution Containers(MXC)现已正式可用,通过容器执行文件、网络及界面访问策略,限制 AI 智能体工作负载的权限。开发者可用统一 JSON 配置和多语言 SDK 接入 Windows、macOS 或 Linux 的隔离后端,Windows 进程容器还支持记录资源访问以调整策略。
推荐理由:Microsoft MXC 将智能体权限交由运行环境独立执行,通过学习与宽松模式记录资源访问,为最小权限策略提供调整依据。
Prime Intellect 发布 Rust 重写版 Prime Agent,由超 2,000 个智能体在两周内完成端到端迁移,并新增原生 Windows 支持(beta)及 homebrew 安装。
推荐理由:Prime Intellect 将规划、实现、审查和验证拆给不同智能体,以差分测试约束迁移进度,减少大规模代码重写中的人工审查。
Google 开源 AQuA(Ambient Quality Agent),在 Google Cloud 项目内旁路分析生产会话,并结合部署时源码快照诊断智能体故障。
推荐理由:AQuA 将生产会话中的失败聚类与部署时源码快照结合,通过逐簇核验和代码行引用,为智能体故障排查提供可追溯证据。
GPT-6 指南解读梳理了长时运行智能体的工程实现,将重点从自建记忆管理转向任务不中断时的协作与授权。文中依据 OpenAI 文档整理了压缩与持久推理、mid-turn steering、异步工具调用和多智能体委派,并给出模型选择、缓存安排、技能规则和人工审批的落地步骤。文章同时指出纠偏指令断线丢失、部分 API 参数互斥及加密压缩难审计等限制,强调这套机制尚缺独立消融实验与跨模型对照。
推荐理由:这篇 GPT-6 指南解读把长任务工程拆成记忆托管与协作控制,明确了异步执行、运行中纠偏和人工审批各自承担的职责。