Replit：AI 落地始于真相，语义层是基础
Replit 认为 AI 落地受限于信任，企业需先建立语义层，明确哪些表是真相来源及其关系。Replit 自 2025 年底构建数据含义与修正的系统记录，把错误及修正方式沉淀为可复用知识。Anthropic、OpenAI 和 Meta 的相关工作也指向同一方向：持久价值在于模型周围经过验证的知识层。
匹配字段摘要、正文
←搜索结果
搜索“Meta”
Lilian Weng 长文梳理 harness engineering 与自我改进
Lilian Weng 在 Lil'Log 发布长文，围绕 harness engineering 如何推动递归自我改进，梳理了工作流自动化、文件系统持久记忆、子智能体与后端任务三类设计模式。文章进一步综述 ACE、MCE、Meta-Harness、ADAS、AFlow、STOP、Self-Harness、AHE、AlphaEvolve、Darwin Gödel Machine 等自改进与进化搜索工作，并指出评测器模糊、上下文与记忆生命周期、负面结果、多样性崩塌、奖励攻击等瓶颈，认为人类应在合适抽象层提供监督。
匹配字段摘要、正文
CPU 在智能体 AI 基础设施中日益重要的角色
Arm 认为，随着智能体 AI 部署在云和企业环境扩张，CPU 正成为整个系统的控制平面，负责数据在存储、内存与加速器之间的协调搬运、工作负载安全隔离以及分布式调度。Arm 与 Meta 合作打造的 Arm AGI CPU 基于 Arm Neoverse V3 平台，面向机架级密度和机密计算等需求。AWS Graviton、Google Axion、Azure Cobalt 以及 NVIDIA Grace Hopper、Grace Blackwell 和 Vera Rubin NVL72 均采用 Arm Neoverse CPU 设计。
匹配字段摘要、正文
Ollama 更新 MLX 引擎，在 Apple Silicon 上性能创新高
Ollama 更新 MLX 引擎，称这是其在 Apple Silicon 上的最高性能表现，模型响应更快、占用内存更少。新引擎支持 NVIDIA 的 NVFP4 格式，在 Gemma 4 12B 上相比 q4_K_M 约将量化质量损失减半，同时通过 Metal kernel 融合等优化使输出速度最高提升 20%。此外新增快照系统，为多智能体、思考型模型和分支重试保存模型状态，避免重复处理相同上下文。
Ollama 更新 MLX 引擎，称这是其在 Apple Silicon 上的最高性能表现，模型响应更快、占用内存更少。新引擎支持 NVIDIA 的 NVFP4 格式，在 Gemma 4 12B 上相比 q4 K M 约将量化质量损失减半，同时通过 Metal kernel 融合等优化使输出速度最高提升 20%。此外新增快照系统，为多智能体、思考型模型和分支重试保存模型状态，避免重复处理相同上下文。
匹配字段摘要、正文
Google I/O 2026 将 Gemini 智能体嵌入工作流，AI 行业一周动态汇总
Google I/O 2026 发布 Gemini Spark，将 AI 智能体嵌入 Gmail、Docs、Calendar 和 Drive，并推出 Daily Brief、Docs Live 和 Gemini 3.5 Flash。同期 OpenAI 为 Pro 用户推出个人理财功能，Anthropic 与 KPMG、PwC 达成合作并推出 Claude for Small Business，Meta 裁员约 8000 人并取消 6000 个岗位以投入 AI 基础设施。
匹配字段摘要、正文
Together AI Voice Finder 可搜索 10 个 TTS 模型的 600+ 种语音
Together AI 推出 Voice Finder，开发者可通过自然语言描述或上传音频样本，搜索并比较 10 个 TTS 模型中的 600+ 种语音。系统使用 omni-model 为每种语音生成涵盖音高、口音、语言、情绪等 15+ 个维度的元数据，支持排序推荐、试听和筛选；其语音智能体平台端到端延迟低于 500ms。
成涵盖音高、口音、语言、情绪等 15+ 个维度的元数据，支持排序推荐、试听和筛选；其语音智能体平台端到端延迟低于 500ms。 · Together AI launched Voice Finder, enabling developers to search and compare 600+ voices across 10 TTS models using natural-language descriptions or uploaded audio samples. An omni-model generated metadata for every voice across 15+ dimensions, including pitch, accent, language, and emotion, powering ranked recommendations, inline playback, and filtering; Together AI’s voice agent platform maintains end-to-end latency under 500ms.
匹配字段摘要、正文
Prime Intellect 发布 Lab 智能体训练平台正式版
Prime Intellect 宣布 Lab 结束 beta 并正式开放，这是一个面向自我改进智能体的训练平台，把任务定义、harness、评测、奖励信号训练、rollout 检查、adapter 部署和推理整合到一处。平台以环境为基本单元，Hosted Training 负责大规模强化学习，按 token 计费而非按集群小时计费，正式版首批支持来自 NVIDIA、OpenAI、Meta 和 Qwen 的 14 个模型，参数规模在 1B 到 70B 之间。beta 期间已有数百名用户运行超过 10,000 次训练任务，训练完成的 LoRA adapter 可通过 Prime Inference 以 OpenAI 兼容 API 部署。
匹配字段摘要、正文
MiMo-V2.5 开源首日完成多芯片平台适配
MiMo-V2.5 在开源发布首日即完成多个芯片平台的 Day-0 适配。 非常感谢我们的硬件生态合作伙伴，帮助 MiMo-V2.5 在更多环境中更易部署、高效运行：@awscloud、@AMD、T-HEAD、KUNLUNXIN、Enflame、MetaX、Iluvatar CoreX 从云端 AI 芯片到国产加速器，我们正与生态携手，在 day zero 将 MiMo-V2.5 带给更多开发者和企业。
MiMo-V2.5 在开源发布首日即完成多个芯片平台的 Day-0 适配。 非常感谢我们的硬件生态合作伙伴，帮助 MiMo-V2.5 在更多环境中更易部署、高效运行：@awscloud、@AMD、T-HEAD、KUNLUNXIN、Enflame、MetaX、Iluvatar CoreX 从云端 AI 芯片到国产加速器，我们正与生态携手，在 day zero 将 MiMo-V2.5 带给更多开发者和企业。
匹配字段摘要、正文
Chelsea Finn 将在 ICLR 做三场研讨会演讲
我明天（周日）将在 ICLR 做三场研讨会演讲！ - 无奖励瓶颈的自我改进，包括 meta-harness（上午 10:30，RSI 研讨会） - 涌现式物理泛化，包括 π0.7（上午 11:40，多模态研讨会） - 用于鲁棒性的强化学习（下午 1:45，CAO 研讨会）
我明天（周日）将在 ICLR 做三场研讨会演讲！ - 无奖励瓶颈的自我改进，包括 meta-harness（上午 10:30，RSI 研讨会） - 涌现式物理泛化，包括 π0.7（上午 11:40，多模态研讨会） - 用于鲁棒性的强化学习（下午 1:45，CAO 研讨会）
匹配字段摘要、正文
Together AI 扩展微调服务，支持工具调用、推理和视觉
Together AI 扩展 Together Fine-Tuning，新增工具调用、推理轨迹和视觉语言模型微调支持。升级后的训练栈可更高效处理 100B+ 参数模型，吞吐量最高提升 6×，并支持最大 100GB 的数据集。服务还新增训练前成本估算和训练中 ETA；推理微调支持 Qwen 与 Z.AI，VLM 微调支持 Qwen、Google 和 Meta 模型。
Together AI 扩展 Together Fine-Tuning，新增工具调用、推理轨迹和视觉语言模型微调支持。升级后的训练栈可更高效处理 100B+ 参数模型，吞吐量最高提升 6×，并支持最大 100GB 的数据集。服务还新增训练前成本估算和训练中 ETA；推理微调支持 Qwen 与 Z.AI，VLM 微调支持 Qwen、Google 和 Meta 模型。 · Together AI expanded Together Fine-Tuning with support for tool calling, reasoning traces, and vision-language model fine-tuning. Its upgraded training stack handles 100B+ parameter models more efficiently, delivers up to 6× higher throughput, and supports datasets up to 100GB. The service also adds pre-training
匹配字段摘要、正文
2026 年最佳 AI 聊天机器人：ZDNET 实测 ChatGPT、Copilot、Grok 等八款免费产品
ZDNET 对 ChatGPT、Copilot、Grok、Gemini、Perplexity、Claude、DeepSeek 和 Meta AI 八款免费 AI 聊天机器人进行了 112 项实测，ChatGPT 以综合最高分成为整体最佳。测试涵盖摘要与联网、学术概念解释、数学分析、文化讨论、文学分析、旅行规划、情感支持、翻译、编程和长文故事等文本任务，以及四类图像生成任务。
匹配字段摘要、正文
前沿 AI 安全政策的共同要素（2025 年 12 月更新）——METR
METR 发布《前沿 AI 安全政策的共同要素》2025 年 12 月更新版，目前已有 Anthropic、OpenAI、Google DeepMind、Meta、xAI、Nvidia 等 12 家公司发布前沿 AI 安全政策。报告梳理了各政策中的能力阈值、模型评估、模型权重安全与部署缓解措施，并新增对 EU AI Act 通用 AI 行为准则和加州 Senate Bill 53 相关指引的引用。
匹配字段摘要、正文
Mistral AI 推出私有一体化 AI 基础设施 Mistral Compute
Mistral AI 宣布推出 Mistral Compute，为客户提供涵盖 GPU、编排、API、产品和服务的私有一体化 AI 基础设施，形态从裸金属服务器到全托管 PaaS。该服务支持训练和部署各类 AI 工作负载，并将提供 Mistral AI 训练套件及最新 NVIDIA 参考架构，规划供应数万块 GPU。其强调数据主权、欧洲法规合规与使用脱碳能源，并继续通过合作伙伴提供本地部署和全球云服务。
stral AI announced Mistral Compute, a private, integrated AI infrastructure offering spanning GPUs, orchestration, APIs, products, and services in configurations ranging from bare-metal servers to fully managed PaaS. It supports training and serving AI workloads and will offer Mistral AI’s training suite and the latest NVIDIA reference architectures, with tens of thousands of GPUs planned for availability. The offering emphasizes data sovereignty, compliance with European regulations, and decarb
匹配字段摘要、正文
Ollama 推出多模态模型新引擎，支持 Llama 4、Gemma 3、Qwen 2.5 VL 等视觉模型
Ollama 发布新的多模态引擎，开始支持 Meta Llama 4、Google Gemma 3、Qwen 2.5 VL、Mistral Small 3.1 等视觉模型，可进行多图理解、文档扫描与字符识别。此前 Ollama 依赖 ggml-org/llama.cpp 提供模型支持，新引擎让每个模型自包含并暴露自己的投影层，同时加入图像缓存、显存估算与 KV cache 优化，例如针对 Gemma 3 的滑动窗口注意力和 Llama 4 Scout 的分块注意力。后续计划支持更长上下文、思考/推理、流式工具调用和 computer use。
匹配字段摘要、正文
ChatGPT 记忆与聊天历史功能如何运作：一次系统提示词实测
Johann Rehberger 用 ChatGPT o3 和两个独立账号实测了 ChatGPT 的记忆与聊天历史功能，发现系统提示词中新增了 Model Set Context、Assistant Response Preferences、Notable Past Conversation Topics Highlights、Helpful User Insights、Recent Conversation Content 和 User Interaction Metadata 等区块。其中 Recent Conversation Content 保存约 40 条最近对话，包含时间戳、对话摘要和用户输入的全部消息，但不含 ChatGPT 的回复；作者尝试用一年前的特定话题提问，ChatGPT 无法检索到这些历史对话，说明该功能并非全文搜索或 RAG 检索。作者还指出用户无法查看 ChatGPT 具体存储了哪些信息，认为应提高透明度并允许删除条目。
匹配字段摘要、正文
Prime Intellect 融资 1500 万美元，打造开放超智能栈
Prime Intellect 宣布完成 1500 万美元融资，由 Founders Fund 领投，Menlo Ventures、Andrej Karpathy、Clem Delangue、Dylan Patel、Tri Dao、Emad Mostaque 等参投，累计融资超过 2000 万美元。公司称其 Compute Exchange 已连接开发者、创业公司、云厂商和数据中心，并用 PRIME 框架跨三大洲训练了 10B 参数模型，还发布了 INTELLECT-1、METAGENE-1、INTELLECT-MATH 以及基于 DeepSeek-R1 的合成推理数据集等成果。下一步将扩大算力接入、推出托管评测与专用推理，并继续建设 RL 基础设施。
匹配字段摘要、正文
Ollama 上线 Llama 3.2 的 1B 与 3B 端侧模型
Meta 的 Llama 3.2 现已可通过 Ollama 运行，其中 1B 和 3B 为纯文本模型，针对手机或边缘设备本地运行做了优化，可用于构建高度个性化的端侧智能体，例如总结 WhatsApp 最近十条消息或下月日程。Ollama 表示处理在本地完成，数据不发送给第三方或云服务，提示与响应接近即时。11B 和 90B 视觉模型即将推出，支持图表等文档级理解和图像描述。
匹配字段摘要、正文
Llama 3 上线 Ollama，提供 8B 与 70B 两个版本
Llama 3 现已可通过 Ollama 运行，首发包含 8B 和 70B 两个参数规模，命令分别为 ollama run llama3:8b 和 ollama run llama3:70b。相比 Llama 2，其训练数据集扩大七倍，上下文长度翻倍至 8K，token 词表扩大到 128K，误拒答情况不到 Llama 2 的三分之一。Meta 计划后续发布 400B 参数版本及支持多模态、多语言和更长上下文窗口的多个模型。
匹配字段摘要、正文
Ollama 博客：如何为 Code Llama 编写提示词
Meta 发布的 Code Llama 包含 Instruct、代码补全和 Python 三个版本，本文介绍针对不同版本编写提示词的方法。示例使用 7B 参数 4-bit 量化模型，13B 和 34B 版本也已提供，并借助开源项目 Ollama 下载和调用。代码补全版本支持 fill-in-the-middle（infill）特殊提示格式，可在已有代码块之间插入代码；Python 版本额外在 100B Python token 上微调。
匹配字段摘要、正文
Ollama 上线 Code Llama，提供 7B/13B/34B 本地运行
Meta 发布基于 Llama 2 的 Code Llama，Ollama 同步上线可供本地试用。提供 7B、13B（需 16GB 以上内存）和 34B（需 32GB 以上内存）三种参数规模，包含基础模型与 Python 专用版本，分别面向代码生成与补全任务，可通过 ollama pull 命令拉取。
匹配字段摘要、正文