跳到正文
今天10月16日周五3 条
  1. AWS Machine Learning Blog68

    Meta Muse Spark Open 上线 Amazon SageMaker JumpStart

    Meta 面向智能体编码工作流优化的开放权重模型 Muse Spark Open 现已上线 Amazon SageMaker JumpStart。该模型采用 MoE 架构,总参数量 816B、每个 token 激活 42B,支持 1M tokens 上下文,并提供 BF16 与 NVFP4 两种版本。

    推荐理由:文章给出两种权重格式的实例映射、SDK 调用与清理步骤,可用于评估部署成本和接入方式。

10月15日周四
  1. Figma Blog71

    Figma 推出代码层,将代码原型整合到协作画布

    Figma 开始开放代码层的公测,可把 GitHub、本地文件夹、第三方工具中的原型或网页导入协作画布,并支持并行原型、反馈和版本比较。用户还可通过 Figma MCP server 调用代码层,借助 Figma agent 调整交互、提取可编辑设计,并将更新推送到分支和拉取请求。代码层的创建和编辑将消耗 AI credits,付费方案在 2026 年 11 月 4 日前免费使用。

  2. Simon Willison33

    Claude Opus 5.5 打造 3D 找不同游戏 Tree Appreciator

    Claude Opus 5.5 用默认 Claude iPhone 应用构建了 3D 找不同游戏 Tree Appreciator。每轮从同一棵树生成两棵 3D 树,玩家通过点击、有限提示和拖拽缩放寻找缺失树枝、飞鸟等差异,并获得欣赏积分、树叶和植物标本记录。Claude 经过 3 小时 7 分钟调试,加入音乐、动画和成就机制。

  3. The Decoder58

    Google工程师称自我改进AI仍相距甚远

    Google DeepMind工程师Haydn Belfield表示,AI驱动AI研究加速尚未出现,Gemini能力指数显示增速没有显著变化。AI已编写超过75%的生产代码,但约88%的代码变更仍需人工监督或审查;在1,389次Argon智能体运行中,任务复杂度越高,完全自主完成的成功率越低。

10月14日周三
  1. Google DeepMind83

    Google 发布 Gemini 4 Argon 并面向全球开放

    Google 发布前沿模型 Gemini 4 Argon,面向开发者、企业和消费者全球开放。该模型在 Vals Index 中排名第一,支持 1M 输入输出 token 限制,发布价格为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入 token 享 95% 折扣。Google 还展示了其在代码优化、量子计算、罕见病研究、酶设计和机器人开发中的应用。

    推荐理由:Gemini 4 Argon 同时覆盖复杂编码、科研、网络安全和机器人任务,并公开了价格、访问渠道与多项应用案例。

10月13日周二
  1. NVIDIA Blog78

    NVIDIA RTX Spark 笔记本将上线并完善本地 AI 软件生态

    NVIDIA 与合作伙伴将在 RTX Spark 笔记本上市前推出本地 AI 智能体、模型、创作应用和开发者工具更新,相关笔记本计划于 10 月 16 日上市。文章还介绍 Nemotron 3.5 Bolt 74B、开源路由器 NVIDIA PAIR、Adobe 应用优化、Broadcast 2.3、llama.cpp Windows 应用及 DLSS 5 等更新。

    推荐理由:文章集中梳理 RTX Spark 发布前的软件生态、模型、创作工具、开发者环境和游戏支持,能帮助读者判断本地 AI 工作流的实际覆盖范围。

10月9日周五
  1. tldraw Blog63

    非技术员工如何通过 GitHub PR 将 AI 生成代码交付为团队应用

    tldraw 市场团队成员 Spencer Tasch 分享了非技术员工借助 Codex 将 AI 生成代码送入 GitHub PR 并交付为组织应用的完整流程。文章依次介绍自动化测试、公司代码审查、部署、身份与密钥管理、访问权限、数据持久化、日志监控及后续迭代。文章还强调,依赖建立后需要明确团队维护与应用所有权。

10月8日周四
10月6日周二
10月5日周一
10月2日周五
  1. GitHub Blog · AI & ML23

    GitHub:AI 正在改变开发者工作,三项技能亟待强化

    AI 正在改变开发者的工作方式,核心能力从亲自实现转向定义问题、协调多个 AI 智能体并审查输出。开发者应学会指导 AI、让第二个模型批评第一个模型,再结合自身判断评估方案。当 AI 承担更多实现工作后,开发者可将时间投入客户需求、架构权衡、可访问性与技术决策。

6月22日周一