Perplexity 宣布更新 Perplexity Computer，使其可在受支持的 Apple silicon Mac 上完全本地运行，模型基于 Qwen 3.6 或 PPLX Pro（Qwen 的后训练版本）。本地模式下模型、任务规划、推理和文件处理都在设备端完成，代码与工具执行在隔离沙箱中进行，官方建议 36GB 以上内存，并称可跨 Notes、Messages、Mail、Keynote、Numbers 等原生应用完成任务而无需上传个人数据。对于性能不足的设备，Perplexity 还提供 Hybrid Compute，以云端前沿模型配合本地模型处理信息，最低 24GB 内存即可使用；任务需要实时信息或云端应用时可授权云端访问，也可调用 15 个以上前沿模型。
#产品更新#端侧#Agent
Grafana Labs 在 ObservabilityCON 2026 上宣布扩展 Grafana Cloud，新增用自然语言描述监控目标的 Assistant Watchers、可检查仓库代码并提交 pull request 的 Grafana Managed Sandboxes，以及连接基础设施故障与受影响用户的知识图谱。Assistant Watchers 和支持 OpenTelemetry 的 Agent Observability 已正式可用，Grafana Managed Sandboxes 处于公开预览，代码修复只提交到可供人工审批的变更。Grafana 还引入基于 Logline 技术的日志全文搜索增强和商业插件市场，并引用覆盖 300 位 IT 与工程负责人的调查称 68% 已将可观测性 AI 用于试点或生产。
#产品更新#Agent#部署/工程
Gemini 的 Personal Intelligence 功能开始向 Android Auto 推送，开启后可连接 Gmail、Google Calendar、Google Photos 和 Google Search 中的用户数据，提供更个性化的回答。该功能在 Gemini 设置中完全由用户主动选择开启，未来几个月还将登陆直接运行 Google 车载系统的内置 Google 汽车。Google 高级产品经理 Karan Daryanani 表示，该功能的两项核心能力是从邮件、照片或 Google Maps 收藏地点中提取具体细节，以及跨复杂来源进行推理。
#产品更新#Google#Agent
微软在 OneDrive + Copilot 活动上宣布 OneDrive 重大升级，Copilot 已在 OneDrive 和 SharePoint 中正式可用，支持跨多个文件分析、把现有文件转成 HTML 报告、从可重复流程创建个人技能，并提供 OneDrive Prompt Gallery。OneDrive 现可打开、编辑和协作处理 HTML 与 Markdown 文件；Windows 和 Mac 版同步上限提升至 100 万个项目，并可在 8 GB 内存下运行。OneDrive CLI 已进入私有预览，Hero Links 可在不改 URL 的情况下更新共享权限，照片方面新增自然语言查找、地图视图和 Edit with AI。
#产品更新#Microsoft#Agent
Beam 是一款新 Mac 应用，能把另一台 Mac 上的单个窗口拉到自己桌面，像本地应用一样使用，目标是方便访问放在角落常驻运行 AI 智能体的 Mac Mini。该应用由 Hiten Shah 与 Sam Asante 以 Noats 公司名义开发，周二在 Product Hunt 上线，两台 Mac 均需 Apple Silicon、macOS Sonoma 或更高版本并安装 Beam，可通过同一 Wi-Fi 或 Tailscale 发现彼此。托管 Mac 和加入分享链接免费，使用自己的 Mac 每天免费 20 分钟，之后为每月 12 美元、每年 84 美元或 199 美元终身授权。
#产品更新#部署/工程#Agent
DeepSeek 开源了用于生产环境服务其模型的自研推理框架 DeepInfer，采用 Apache 2.0 许可，可让开发者在自有基础设施上运行 DeepSeek-V4.1-Flash，并计划支持后续模型。该框架包含 FlashMLA、DeepGEMM、DeepEP 等优化计算内核与通信库，支持投机解码、异步调度和结构化输出，同时开源了处理请求与响应转换的 deepseek-recipe 库（提供 Rust 和 Python 版本）。硬件方面首日支持 Nvidia SM100（Blackwell）架构和华为昇腾 950 NPU 系列，Hopper 等旧架构未列入；批量不变推理与确定性采样仅在 Nvidia 硬件上可用，公开性能数据也基于 Nvidia GPU。当前版本支持离线推理，但缺少 KV cache 管理、跨机推理阶段分离和副本负载均衡等完整生产服务组件。
#开源/仓库#推理#部署/工程
ElevenLabs 发布 Eleven Realtime，提供 Mini 和 Max 两个托管语音智能体模型，整合语音识别、推理、轮次切换与语音生成，但开发者无法单独选择或配置底层模型。外部测试机构 Artificial Analysis 的数据显示，Max 在 Big Bench Audio 上得分 98.8%，Mini 为 75.9%；工具调用任务完成率 Max 为 87.1%，Mini 为 60.3%，而 Mini 在 Full-Duplex-Bench 上以 95.8% 略高于 Max 的 94.1%。该接口沿用 OpenAI Realtime API 的协议和 WebSocket 传输，但仅支持 WebSocket，WebRTC 应用需先更换传输方式并自行处理 24kHz PCM16 音频的采集与播放。
#模型发布#语音#Agent
Respan 发布用 Rust 编写的开源 AI 网关，用一个精简内核加插件替代此前围绕 LiteLLM 构建的 10 万多行封装代码。转折点是 2026 年 1 月一次常规 LiteLLM 升级引发间歇性连接失败，回滚后原因仍未查明，此后团队不再直接升级 LiteLLM。新网关借鉴 Nginx 思路，把模型供应商、路由、MCP 工具、实时语音和安全控制拆为插件，Mistral 供应商插件仅 22 行代码；自定义插件需编译进网关二进制，且按注册顺序执行，缓存若排在安全检查之前可能绕过检查。网关目前仍为 pre-alpha，可从 GitHub 下载预构建二进制运行。
#开源/仓库#部署/工程#MCP/工具调用
Zoom 在 Zoomtopia 大会上发布 Unified Context Layer，把会议、通话和客户互动信息与 Salesforce、ServiceNow、Workday 等系统数据整合成实时更新的关系图谱，供 AI 智能体共享记忆和协同工作，该层已可用。Zoom 称内部基准显示这一方式比独立智能体各自解析信息降低成本 45% 至 65%，但未提供独立验证。同期还推出 ZoomMate Agent Teams、扩展到 40 多个第三方应用的智能体搜索、支持多语言广播的翻译与语音克隆，以及通过 MCP 服务器和 Search、Ask API 向外部应用开放上下文，多数功能计划在 2027 年初前陆续发布。
#产品更新#Agent#MCP/工具调用
DeepSeek 开源了支撑其生产服务的推理框架 DeepInfer，采用 Apache 2.0 许可证发布在 GitHub 上。目前该框架只支持 DeepSeek-V4.1-Flash 一个模型，默认加载周末发布的 1017 版本，可运行在 Nvidia SM100 Blackwell GPU 和华为昇腾 950 NPU 上，不支持 Hopper 等较旧的 Nvidia 架构。DeepSeek 称单个集群每天服务 155 万亿 token，并暂未开源与内部基础设施强耦合的 KV cache 管理和负载均衡代码。
#开源/仓库#推理#部署/工程
Perplexity 为 Mac 应用加入本地优先模式，让 Computer 完全在设备上运行，包括无网络连接时执行任务。该模式下规划、推理和文件处理都在本地完成，文件仅在用户批准后才上传云端，模型和智能体均运行在 Mac 上。本地模型选项包括 Qwen 3.6 和 PPLX Pro，需 Apple silicon Mac 且至少 36GB 统一内存以获得最佳体验，Hybrid Compute 模式仍保留。
#产品更新#Agent#端侧
Cloudflare 宣布为 AI 业务平台 Cloudflare OS 提供托管服务，目前开放等待名单登记。Cloudflare OS 于今年 8 月开源，可部署在 Cloudflare 环境、本地或云端，支持接入 Cloudflare Workers AI 以及 Anthropic、OpenAI、Google 等 AI 服务，并具备安全访问企业内部数据的能力。此次新增两项功能：一是连接 GitHub 仓库，让 AI 智能体基于仓库代码完成功能追加、调试、查看 PR、创建提交和推送代码；二是强化 Google Workspace 集成，智能体可读取和搜索 Gmail 会话、起草和发送邮件，并可连接 Google Drive、Docs、Sheets。
#产品更新#Agent#MCP/工具调用
DeepSeek 以 Apache License 2.0 开源内部推理框架 DeepInfer，该框架是支撑 V4.1-Flash 模型大规模快速生成回答的服务软件。DeepInfer 基于 vLLM 构建，包含优化的计算内核、多芯片分布式处理和更快的文本生成技术，未来 DeepSeek 模型的代码也将开源。DeepSeek 同时发布 deepseek-recipe，可复现官方 API 的 token 处理，使自托管部署行为保持一致，官方称目标是帮助社区降低算力成本与能耗。
#开源/仓库#部署/工程#DeepSeek
Sierra 宣布与 Stripe 合作，让智能体在同一通电话里完成对话、支付和收据确认，无需跳转其他系统或发送支付链接。支付时智能体切换到安全支付模式，客户在键盘输入卡号后由 Stripe 处理，完成后智能体回到通话确认交易。Cedar 的智能体 Kora 在患者发起支付的电话中，71.3% 最终支付成功。Sierra 已上架 Stripe App Marketplace，企业可直接把智能体接入 Stripe 账户，双方还在与 Meta 等伙伴推进 Personal Agent Protocol 中个人智能体代付的规范。
#产品更新#Agent#MCP/工具调用
DeepSeek 以 Apache 2.0 协议开源了其生产服务所用的推理框架 DeepInfer，该框架目前只支持 DeepSeek-V4.1-Flash，运行在 NVIDIA SM100 和华为昇腾 950 上。官方称单个集群每天可服务 155 万亿 token，在 131,072 上下文、64 卡解码配置下解码吞吐超过 25,000 tokens/s/GPU。此次发布仅覆盖离线推理，KV cache 系统、P/D 分离和负载均衡未包含在内，DeepSeek 表示这些组件与内部基础设施紧密耦合。
#开源/仓库#推理#部署/工程
Google 开源 TorchTPU，这是与 Meta 的 PyTorch 团队共同开发的 Cloud TPU 原生 PyTorch 后端，在 PyTorch Conference 2026 上宣布，现有代码通过 torch.device("tpu") 即可指向 TPU。Google 团队称 TorchTPU 取代 PyTorch/XLA，建议所有新工作负载使用；它基于 PrivateUse1 接口，提供 Strict、Debug、DeferAndFuse 三种 eager 模式，torch.compile(backend="tpu") 经 StableHLO 和 OpenXLA 编译。TorchTPU 在 PyPI 上为 v0.2.0，要求 Python 3.11+，Apache 2.0 许可，配套 vLLM-TorchTPU、SGLang-TorchTPU 和 TorchTitan 仓库；Google 自报 TorchTitan 在 Ironwood 上训练 Qwen 3 8B 达到 52% MFU，可扩展至 8,192 颗芯片。
#产品更新#开源生态#部署/工程
Fireworks 在发布当天上线了 Meta 的开源权重模型 Muse Spark Open，这是一个 816B 参数的 MoE 模型，每 token 激活 42B 参数，上下文窗口为 1M token，面向长程编码与智能体任务。Fireworks 称其在 Vals AI 的 Harvey Legal Agent Benchmark 排行榜上以 25.4% 位列 75 个模型之首，约为 Claude Opus 5（6.7%）的近 4 倍；在 Rogo Big Finance Bench 上各难度级别均超过 Claude Opus 5.5。该模型在 Fireworks 上默认启用零数据保留，仅使用美国境内算力且不额外加价，并支持用无服务器 LoRA 进行微调。
#产品更新#模型发布#开源生态
Hugging Face 发文介绍 TorchTPU，它为 PyTorch 增加 TPU 后端，在 TPU VM 上一条命令即可安装，不再需要经 PyTorch/XLA 或 Optimum TPU。Transformers v5 传入 device_map="tpu" 即可加载模型，Diffusers 支持 pipe.to("tpu") 和 TensorParallelConfig 分片加载。文中称在 batch size 64 下，Hub 上的 Tokamax ragged-dot kernel 让 Qwen3-30B-A3B 解码快 21.5 倍、Gemma 4 26B-A4B 快 12.8 倍；TPU 上运行的测试通过率 96.5%，已向 TorchTPU 仓库提交 34 个 issue，其中 19 个已修复。
#产品更新#部署/工程#开源生态
NVIDIA 发布 Cosmos3-H-Dreams，基于 160 亿参数的 Cosmos3-H-Embodied-Nano 专门化，用于胆囊切除术的动作条件视频生成。模型使用 28 个动作维度、832 x 480 视频和 10 Hz 动作对齐训练，通过蒸馏得到四步与两步两个学生检查点，两步版本单独训练，推理更快但画质更低。官方同时提供 FlashDreams 流式运行时和适配自有数据与控制器的方法，并说明该模型是研究用模拟器，并非经过验证的临床系统。
#模型发布#视频#开源生态
前两天全网还在猜 DeepSeek V4.1 Flash 是怎么把每百万输入压到 0.15 美元、输出压到 0.6 美元的，今天他们自己就把谜底掀了，DeepSeek用 Apache 2.0 协议把支撑自家线上服务的推理框架 DeepInfer 和 API 同款编解码组件全给开源了出来。 这次放出来是他们自己线上跑大模型用的核心底座，里面直接塞进了高性能算子、分布式推理、投机解码、SWA Bounded Replay 和结构化输出，甚至连官方承诺以后新模型的推理代码也会持续往这个仓库里合入。 以前企业在本地私有化部署开源模型，最头疼的痛点就是官方放了权重，但你自己用通用框架搭出来的服务，不仅吞吐慢、显存炸，最要命的是同一个提示词跑出来的格式和工具调用行为，总是跟官方线上 API 对不上号。 而这波开源里最容易被外行漏看、但对工程落地最值钱的宝贝，其实是那个顺手附赠的 deepseek-recipe，它把官方线上 API 正在用的 Token 编解码逻辑原封不动交了出来，直接替所有做私有化部署的团队抹平了本地环境和官方接口之间的行为温差。 这就像一家米其林餐厅，以前开源模型权重只是把菜谱免费印给你，你自己在家炒总是差一口锅气， 现在 DeepSeek 连自家后厨定制的高压猛火灶台 DeepInfer，外加主厨切配摆盘的标准化工序 deepseek-recipe 一块打包送你了。 不过我顺手去扒了一遍 GitHub 仓库的 README，发现对着全网欢呼的完全开源也得留个清醒，仓库文档写得很实在， 这次放出来的其实只是离线推理引擎，真正撑起完整线上高并发服务最核心的三块基建：KV 缓存系统、预填充与解码分离部署、多副本负载均衡这次并没有放出来；而且硬件门槛极高，目前只认英伟达最新的 Blackwell 架构 SM100 和华为昇腾 950 两款顶级算力卡，支持的模型也只限刚发的 V4.1-Flash，普通玩家手里的消费级显卡压根跑不起来。 但恰恰是 README 里这行只支持英伟达 SM100 和华为昇腾 950 的硬件限定，暴露了比框架本身更狠的产业信号，头部国产大模型已经不再等芯片厂商来缓慢适配自己，而是亲自下场写底层算子，一边吃透硅谷最顶级的 Blackwell，一边把国产昇腾 950 直接焊进第一梯队的生产标准里。 说白了，这对不同的人意味着完全不同的动作，如果你是做企业级私有化部署或国产算力适配的架构师，赶紧去把 deepseek-recipe 的编解码对齐逻辑和底层算子吃透，那里藏着省下大把调优工时的真金白银， 至于手握单卡的个人开发者，这趟就不必跟着去凑部署的热闹了，老老实实调它家几毛钱的 API 比自己搭集群划算得多。 当一家公司连自己压箱底的印钞机图纸都敢往外送时，它图谋的早就不是赚你那点差价，而是让整个行业的生产线都长成它的形状。 我把 README 里没在推文上明说的硬件门槛和缺失组件全拆在一楼了，准备拿它做私有化部署的兄弟先对照看一眼。
#开源/仓库#推理#DeepSeek