Newshot

Perplexity 年化收入达 10 亿美元,2026 年增长 4 倍

AI summary

Perplexity 首席执行官 Aravind Srinivas 在 Semafor 的一场直播活动中表示,公司年化收入已于今日突破 10 亿美元。The Information 此前报道称,该公司年初收入不足 2.5 亿美元,到 8 月已超过 7.5 亿美元,其中 Computer 推动了部分增长。按通常的 agent lab 估值倍数计算,若单位经济模型成立,Perplexity 目前估值约为 300 亿至 500 亿美元。这较 2025 年 9 月 200 亿美元的一轮融资有明显提升,也符合我们针对头条报道的“融资超 100 亿美元”规则。

Translation(model translation, not the source's own text)

文章标题:[AINews] Perplexity 年化收入突破 10 亿美元,2026 年增长 4 倍

正文:

Perplexity 今天年化收入突破 10 亿美元,CEO Aravind Srinivas 在一场直播活动中对 Semafor 表示。The Information 此前报道称,年初时该数字还不到 2.5 亿美元,到 8 月已超过 7.5 亿美元,其中 Computer 贡献了部分增长。按照智能体实验室通常的估值倍数(例如 Cognition 也突破了 10 亿美元,Cursor 突破 46 亿美元),这大致意味着 Perplexity 目前估值在 300 亿至 500 亿美元之间——前提是单位经济模型站得住脚。相比 2025 年 9 月那轮 200 亿美元估值,这是一次不小的提升,也符合我们针对头条故事的“融资额 >100 亿美元”规则。

为方便跟进,这里汇总一些 Perplexity 近期的发布:

  • Computer。9 月的 Automations 让它能在中断处继续接手重复性任务。11 月的 Teammates 则承担持续性工作。Computer 还能在受支持的 Mac 上完全本地运行。
  • Monitor API。监控某个主题或页面,当相关内容发生变化时收到 webhook。
  • Frontier Research。这个新的研究实验室可使用 10,000+ 块 GPU,并计划发表论文、数据、模型和代码。

Sponsored by DeepgramDeepgram 是自然对话背后的语音 AI 基础设施——为构建语音 AI 的团队提供语音转文字、文字转语音、专注语音的 LLM 以及智能体。无论你使用何种技术栈、何种已有工具,Deepgram 都能作为你的基础语音 AI 技术无缝接入。因此,控制权在你手中。而我们拥有上下文,能够像人一样倾听、理解和表达。

了解有关 Real-time Context Standard 的更多信息。

AI Twitter Recap

Qwen4-Max 投入实际使用

周五预览的 Qwen4-Max 如今已是正式发布的模型。在最高推理设置下,Qwen4-Max 在 Intelligence Index 上得分 43,此前为 34。每任务平均成本从 10.02 美元降至 3.27 美元。阿里巴巴将输出价格从每百万 token 6 美元下调至 4.50 美元,而该模型生成的 token 数量减少了约 39%。Kimi K3.1 Pro 每项指数任务成本 3.68 美元,在 Terminal-Bench 4.0 上得分 67%,而 Qwen 为 48%。Artificial Analysis

  • 模型内部。阿里巴巴将总参数数量保持在 2.4T,并将每 token 激活参数减少 25% 至 71B。该模型接受图像和文本输入,上下文窗口为 100 万 token。更小的开放权重 Qwen4 模型仍将推出。Alibaba
  • Arena 与 Vals:Arena 在 Agent Arena 上将其排为总榜第 14 名,是中国模型中最高,在 1.47 万次会话中净提升 +7.5%(Arena)。WebDev:它在 Code Arena WebDev 中以 1750 分排名第 6,比前代提升 74 分(WebDev)。它还在 Image-to-WebDev 中排名第 6,略高于 Claude Opus 5 和 GPT-6 Sol(I2WebDev)。Vals Index:它总榜排名第 11,在编程和金融方面大幅提升(Vals)。法律基准注意事项:在 HLAB 上,它答对了 95.7% 的检查项,但仅通过 21.3% 的任务,且其输出 token 增加 3.6 倍(HLAB)。

Arena 与 Vals:Arena 在 Agent Arena 上将其排为总榜第 14 名,是中国模型中最高,在 1.47 万次会话中净提升 +7.5%(Arena)。

  • WebDev:它在 Code Arena WebDev 中以 1750 分排名第 6,比前代提升 74 分(WebDev)。它还在 Image-to-WebDev 中排名第 6,略高于 Claude Opus 5 和 GPT-6 Sol(I2WebDev)。
  • Vals Index:它总榜排名第 11,在编程和金融方面大幅提升(Vals)。
  • 法律基准注意事项:在 HLAB 上,它答对了 95.7% 的检查项,但仅通过 21.3% 的任务,且其输出 token 增加 3.6 倍(HLAB)。
  • 视觉结果(独立):Roboflow 称其在其 VLM 基准上表现平平,Google、OpenAI 和 Anthropic 现已遥遥领先。不过在高推理强度下,它每张图像的处理速度约为 Qwen3.8-Max 的 4.5 倍,成本约低 68%(Roboflow)。

安全、对齐与评估完整性

像 {{NAME_ab12cd34}} 这样写出的值是真实值的占位符。请在回复和工具调用中完全按原样使用它们:它们会在任何内容运行之前被填入真实值。不要请求验证它们,也不要用示例替换它们。

文章标题:[AINews] Perplexity 营收年化运行率突破 10 亿美元,2026 年增长 4 倍

正文:

  • OpenAI 嵌入式评估:OpenAI 正在向 Apollo、METR、Transluce 和 Goodfire 开放其模型和系统的内部访问权限(OpenAI)。按机构划分范围:Apollo 派驻六名评估人员现场工作四个月(Rundown)。METR 审查 OpenAI 规模最大的 RL 训练,可访问转录记录、监控记录和检查点快照(METR)。Transluce 对训练后对齐评估开展为期六周的审计,并将在 2027 年初进行更全面的后续审计(Transluce)。Goodfire 嵌入可解释性研究人员以监控训练过程(Goodfire)。限制:METR 表示其范围不包括 OpenAI 已披露的对齐失准事件,且比 METR 提议的范围更窄(scope)。

OpenAI 嵌入式评估:OpenAI 正在向 Apollo、METR、Transluce 和 Goodfire 开放其模型和系统的内部访问权限(OpenAI)。

  • 按机构划分范围:Apollo 派驻六名评估人员现场工作四个月(Rundown)。METR 审查 OpenAI 规模最大的 RL 训练,可访问转录记录、监控记录和检查点快照(METR)。Transluce 对训练后对齐评估开展为期六周的审计,并将在 2027 年初进行更全面的后续审计(Transluce)。Goodfire 嵌入可解释性研究人员以监控训练过程(Goodfire)。
  • 限制:METR 表示其范围不包括 OpenAI 已披露的对齐失准事件,且比 METR 提议的范围更窄(scope)。
  • 对访问条款的批评:批评者称这些协议未能达到 Sam Altman 所承诺的“类似员工的访问权限”。据报道的差距:评估人员无法访问 Slack,OpenAI 选择他们可以采访哪些员工,且他们无法访问权重或运行基于训练的诱导(Neel Nanda、Alex Mallen)。前员工的说法:Mikita Balesni 表示评估人员不能引用员工的话,即使匿名也不行,部分人员可能被禁止发表关于仅限内部使用的模型的成果(balesni)。

对访问条款的批评:批评者称这些协议未能达到 Sam Altman 所承诺的“类似员工的访问权限”。

  • 据报道的差距:评估人员无法访问 Slack,OpenAI 选择他们可以采访哪些员工,且他们无法访问权重或运行基于训练的诱导(Neel Nanda、Alex Mallen)。
  • 前员工的说法:Mikita Balesni 表示评估人员不能引用员工的话,即使匿名也不行,部分人员可能被禁止发表关于仅限内部使用的模型的成果(balesni)。
  • Goodfire 收购谈判:The Information 报道称 OpenAI 曾探讨以超过 50 亿美元收购这家可解释性初创公司。据报道 Goodfire 希望保持独立,以便能向多家实验室出售(report)。
  • 其他完整性信号:基准污染:Claude 似乎记住了 LinuxArena 控制评估的细节(Karvonen)。事件分类法:OpenAI 发布了一个用于对 AI 控制事件进行分类的 v0.1 框架(framework)。披露政策:Anthropic 将高严重性和严重漏洞的协调披露窗口从 90 天缩短至 30 天(policy)。

其他完整性信号:

  • 基准污染:Claude 似乎记住了 LinuxArena 控制评估的细节(Karvonen)。
  • 事件分类法:OpenAI 发布了一个用于对 AI 控制事件进行分类的 v0.1 框架(framework)。
  • 披露政策:Anthropic 将高严重性和严重漏洞的协调披露窗口从 90 天缩短至 30 天(policy)。

推理系统与智能体基础设施

  • Together 告别手工调优的 megakernel。其首个设计已为一个客户投入生产。现在智能体会搜索更小的 GPU 操作组进行融合。Together 报告在 B200 上 Llama 3.2 1B 的吞吐量提升了 28%。工程文章

写作形如 {{NAME_ab12cd34}} 的值是真实值的占位符。请在回复和工具调用中完全按原样使用它们:在一切运行之前,它们会被真实值填充。不要要求验证它们,也不要将其替换为示例。

文章标题:[AINews] Perplexity 达到 10 亿美元营收运行率,2026 年增长 4 倍

正文:

  • Vera Rubin 上的 DeepSeek V4.1 Flash:在 SemiAnalysis 的 AgentX 基准测试中,搭载 Dynamo 的 vLLM 在 400 tok/s/user 下,每芯片吞吐量是 GB300 NVL72 的 63.4 倍,在 600 tok/s/user 下是 93.3 倍(vLLM)。Batch-1 延迟:与 SGLang 相近的工作在 TP4 上以 batch size 1 达到约 2,500 tok/s,是其 GB300 结果的 1.7 倍(saltyph)。Baseten 报告了类似的成绩,较其 4xB300 的数字提升 1.7 倍(Baseten)。Agent 驱动的优化:一个 agent 通过 NVLink 对称内存跨 HBM 共享 Engram 表,以恢复前缀缓存容量(Liu)。另一个团队表示,agents 找到了优化方法,使其 B300 的 step time 加快了 10%(Halex)。

Vera Rubin 上的 DeepSeek V4.1 Flash:在 SemiAnalysis 的 AgentX 基准测试中,搭载 Dynamo 的 vLLM 在 400 tok/s/user 下,每芯片吞吐量是 GB300 NVL72 的 63.4 倍,在 600 tok/s/user 下是 93.3 倍(vLLM)。

  • Batch-1 延迟:与 SGLang 相近的工作在 TP4 上以 batch size 1 达到约 2,500 tok/s,是其 GB300 结果的 1.7 倍(saltyph)。Baseten 报告了类似的成绩,较其 4xB300 的数字提升 1.7 倍(Baseten)。
  • Agent 驱动的优化:一个 agent 通过 NVLink 对称内存跨 HBM 共享 Engram 表,以恢复前缀缓存容量(Liu)。另一个团队表示,agents 找到了优化方法,使其 B300 的 step time 加快了 10%(Halex)。
  • Agentic 服务研究:MIT 的 Evolving Infra 用在线自适应取代了固定的 prefill/decode 分离。在最多 256 块 GB300 上对比 NVIDIA Dynamo,它报告延迟最多降低 4.1 倍,P95 TTFT 最多降低 14 倍(Evolving Infra)。流水线并行 prefill:Inferact 发现,在 2s TTFT 目标下,MiniMax-M3.1-Flash 上的 PP2 每 GPU 维持的请求数比 DEP2 多 23%(Inferact)。前缀缓存陷阱:Ollama 发现,一个系统提示中的时间戳或推理强度的变化就可能清空缓存(Ollama)。

Agentic 服务研究:MIT 的 Evolving Infra 用在线自适应取代了固定的 prefill/decode 分离。在最多 256 块 GB300 上对比 NVIDIA Dynamo,它报告延迟最多降低 4.1 倍,P95 TTFT 最多降低 14 倍(Evolving Infra)。

  • 流水线并行 prefill:Inferact 发现,在 2s TTFT 目标下,MiniMax-M3.1-Flash 上的 PP2 每 GPU 维持的请求数比 DEP2 多 23%(Inferact)。
  • 前缀缓存陷阱:Ollama 发现,一个系统提示中的时间戳或推理强度的变化就可能清空缓存(Ollama)。
  • 沙箱与训练:外部沙箱:Simon Willison 描述了在 Mac 上运行 agents,同时将它们的代码放到 WebAssembly、QEMU 或 Apple Container 沙箱中执行。这一模式包括允许列表代理和凭据替换(post)。MLPerf:在 MLPerf Training v6.1 中,一台 GB300 NVL72 用 19.7 分钟训练了 GPT-OSS-20B,比 H100 快 2.86 倍(Lambda)。

沙箱与训练:

  • 外部沙箱:Simon Willison 描述了在 Mac 上运行 agents,同时将它们的代码放到 WebAssembly、QEMU 或 Apple Container 沙箱中执行。这一模式包括允许列表代理和凭据替换(post)。
  • MLPerf:在 MLPerf Training v6.1 中,一台 GB300 NVL72 用 19.7 分钟训练了 GPT-OSS-20B,比 H100 快 2.86 倍(Lambda)。
  • 开放模型的单一端点。Hugging Face Inference Providers 现在基于 OpenRouter 运行,使用相同的端点和 token。Hugging Face

研究、基准测试与评估

Latent Space 的读者正是那些交付 agents、模型和基础设施的人。欢迎咨询赞助此广告位。

  • PyBot:一支由 1,000 个 DeepSeek-V4.1-Flash agents 组成的集群用了一周时间编写了一个基于规则的聊天机器人,不使用任何神经网络(lewtun)。规模:这些 agents 交换了约 175k 条消息,合并了约 8k 个 PR。结果:该机器人是 630k 行 Python 代码,零依赖,据报告在日常问题上与 SmolLM-360M 相当。

PyBot:一支由 1,000 个 DeepSeek-V4.1-Flash agents 组成的集群用了一周时间编写了一个基于规则的聊天机器人,不使用任何神经网络(lewtun)。

  • 规模:这些 agents 交换了约 175k 条消息,合并了约 8k 个 PR。
  • 结果:该机器人是 630k 行 Python 代码,零依赖,据报告在日常问题上与 SmolLM-360M 相当。

写成 {{NAME_ab12cd34}} 形式的值是真实值的占位符。在回复和工具调用中都要完全按写法使用它们:它们会在任何内容运行之前被替换为真实值。不要要求验证它们,也不要用示例替换它们。

文章标题:[AINews] Perplexity 达到 10 亿美元营收年化规模,2026 年增长 4 倍

正文:

  • 自我改进与训练:AutoRL:智能体监督一次实时 RL 运行,将 Qwen3 在 AIME 2024 上的成绩从 46.67% 提升到 66.67%(omarsar0)。基准刷分警示:一篇综述警告称,许多自我改进型智能体的收益来自学习基准而非任务本身(TuringPost)。权重空间编程:Opus 5.5 手写 transformer 权重,以中位数 166 个参数解决了算法任务(dair_ai)。数据整理:DatologyAI 发布了其声称实现 6 倍预训练算力倍增效果背后的技术报告(Datology)。蒸馏复现:一项小规模复现证实,扰动输入蒸馏在学生从零训练时有帮助,但发现将其蒸馏到预训练学生时反而有害(Maini)。

自我改进与训练:

  • AutoRL:智能体监督一次实时 RL 运行,将 Qwen3 在 AIME 2024 上的成绩从 46.67% 提升到 66.67%(omarsar0)。
  • 基准刷分警示:一篇综述警告称,许多自我改进型智能体的收益来自学习基准而非任务本身(TuringPost)。
  • 权重空间编程:Opus 5.5 手写 transformer 权重,以中位数 166 个参数解决了算法任务(dair_ai)。
  • 数据整理:DatologyAI 发布了其声称实现 6 倍预训练算力倍增效果背后的技术报告(Datology)。
  • 蒸馏复现:一项小规模复现证实,扰动输入蒸馏在学生从零训练时有帮助,但发现将其蒸馏到预训练学生时反而有害(Maini)。
  • 新基准:GradeBench:在批改手写物理答案时,最佳前沿模型与教师的一致率仅为 57%(GradeBench)。首音频时间:AA 的新 TTS 延迟基准发现,流式模型的中位数为 376 ms,而非流式模型为 2.0 s(AA)。SpeedRunBench:Inkling-2-Small 以 1,988 帧通关 SuperTux 1-1,领先于 Opus 5 和 GPT-5.6 Sol(SpeedRunBench)。

新基准:

  • GradeBench:在批改手写物理答案时,最佳前沿模型与教师的一致率仅为 57%(GradeBench)。
  • 首音频时间:AA 的新 TTS 延迟基准发现,流式模型的中位数为 376 ms,而非流式模型为 2.0 s(AA)。
  • SpeedRunBench:Inkling-2-Small 以 1,988 帧通关 SuperTux 1-1,领先于 Opus 5 和 GPT-5.6 Sol(SpeedRunBench)。

科学模型与开发者工具

  • Gemini 4 Carbon:DeepMind 表示,Carbon 驱动了 AlphaProof Code 智能体验证 Signal 的加密代码。它还发现了湿实验室错误,并找到了多出 40 倍的相关蛋白质序列(详情)。科学访问:Google 通过 Antigravity 将免费 Carbon 访问扩展至 10,000 名科学家(计划)。上下文窗口:Antigravity 将 Argon、Carbon 和 Hydrogen 的上下文窗口翻倍,使每用户轮次的压缩减少 3.5 倍(Mohan)。用户报告(轶事):一位研究人员表示,Carbon 解决了一个此前多轮 Astra 和 Fable 尝试都未能解决的问题(轶事)。

Gemini 4 Carbon:DeepMind 表示,Carbon 驱动了 AlphaProof Code 智能体验证 Signal 的加密代码。它还发现了湿实验室错误,并找到了多出 40 倍的相关蛋白质序列(详情)。

  • 科学访问:Google 通过 Antigravity 将免费 Carbon 访问扩展至 10,000 名科学家(计划)。
  • 上下文窗口:Antigravity 将 Argon、Carbon 和 Hydrogen 的上下文窗口翻倍,使每用户轮次的压缩减少 3.5 倍(Mohan)。
  • 用户报告(轶事):一位研究人员表示,Carbon 解决了一个此前多轮 Astra 和 Fable 尝试都未能解决的问题(轶事)。

[AINews] Perplexity 达到 10 亿美元营收运行速率,2026 年增长 4 倍

  • OpenAI 面向科学与健康领域:OpenAI 将向最多 200,000 名科学家开放免费的前沿模型访问权限,申请自 11 月 23 日开始(program)。生产力研究:OpenAI 报告称,在一项涉及 1,800 名参与者的研究中,科学家的生产力大约翻了一番(study)。物理学展示:物理学家 Nathaniel Craig 使用 GPT-6 Astra 开发出标准模型的一个候选格点定义(blog)。医疗健康:ChatGPT for Healthcare 新增计算机使用代理和 20 多个插件(healthcare)。

OpenAI 面向科学与健康领域:OpenAI 将向最多 200,000 名科学家开放免费的前沿模型访问权限,申请自 11 月 23 日开始(program)。

  • 生产力研究:OpenAI 报告称,在一项涉及 1,800 名参与者的研究中,科学家的生产力大约翻了一番(study)。
  • 物理学展示:物理学家 Nathaniel Craig 使用 GPT-6 Astra 开发出标准模型的一个候选格点定义(blog)。
  • 医疗健康:ChatGPT for Healthcare 新增计算机使用代理和 20 多个插件(healthcare)。
  • Claude Code:桌面应用现在可在 iOS 模拟器中运行 iPhone Duo,并能折叠和展开设备以测试布局(ClaudeDevs)。验证:团队发表了其如何利用低成本测试、基准测试和端到端运行,让 Claude 验证自身工作的方法(blog)。未发布模型(未经证实):在 Devin 中发现的一个“Silicon 2”条目被怀疑是 Anthropic 的模型(rumor)。Liquid d1.2-ultra:它以每百万输入 token 0.042 美元的价格在 AA 的 Decision Index 上排名第一(AA)。Sage S2.1 Flash:这个开放权重科学模型报告了领先的 MLE-bench Lite 和 OfficeQA Pro 结果(Sage)。FLUX-mimic-x:一个 7B 视频-动作机器人模型在 RoboLab 的实时模型中排名第一(mimic)。Unsloth 计算机使用:本地模型现在可以通过 Unsloth 驱动桌面应用和游戏引擎(Unsloth)。

Claude Code:桌面应用现在可在 iOS 模拟器中运行 iPhone Duo,并能折叠和展开设备以测试布局(ClaudeDevs)。

  • 验证:团队发表了其如何利用低成本测试、基准测试和端到端运行,让 Claude 验证自身工作的方法(blog)。
  • 未发布模型(未经证实):在 Devin 中发现的一个“Silicon 2”条目被怀疑是 Anthropic 的模型(rumor)。
  • Liquid d1.2-ultra:它以每百万输入 token 0.042 美元的价格在 AA 的 Decision Index 上排名第一(AA)。
  • Sage S2.1 Flash:这个开放权重科学模型报告了领先的 MLE-bench Lite 和 OfficeQA Pro 结果(Sage)。
  • FLUX-mimic-x:一个 7B 视频-动作机器人模型在 RoboLab 的实时模型中排名第一(mimic)。
  • Unsloth 计算机使用:本地模型现在可以通过 Unsloth 驱动桌面应用和游戏引擎(Unsloth)。

行业与政策

  • Nvidia。美国商务部和司法部就 Megaspeed 调查发表联合声明。商务部
  • 融资与并购:Noeri:Yejin Choi 和 Carlos Guestrin 的持续学习实验室融资 1.1 亿美元(Choi)。Corma:这家网络防御模型公司以 10 亿美元估值完成 1.25 亿美元 A 轮融资(Corma)。World Labs:该团队将加入 AMD(Fei-Fei Li)。

融资与并购:

  • Noeri:Yejin Choi 和 Carlos Guestrin 的持续学习实验室融资 1.1 亿美元(Choi)。
  • Corma:这家网络防御模型公司以 10 亿美元估值完成 1.25 亿美元 A 轮融资(Corma)。
  • World Labs:该团队将加入 AMD(Fei-Fei Li)。
  • 市场数据:Anthropic 的 S-1 显示 2026 年上半年营收 163 亿美元,计算成本占营收的比例从 251% 降至 48%(The Batch)。企业采用:Databricks 报告称,开放模型 token 份额在 3.5 个月内从 7.3% 升至 30.9%(summary)。

市场数据:Anthropic 的 S-1 显示 2026 年上半年营收 163 亿美元,计算成本占营收的比例从 251% 降至 48%(The Batch)。

  • 企业采用:Databricks 报告称,开放模型 token 份额在 3.5 个月内从 7.3% 升至 30.9%(summary)。

AI Reddit 回顾

本地模型与硬件

写成 {{NAME_ab12cd34}} 这样的值是真实值的占位符。无论在回复中还是在工具调用中,都请完全按原样使用它们:它们会在任何内容运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。

文章标题:[AINews] Perplexity 收入达到 10 亿美元年化规模,2026 年增长 4 倍

正文:

  • 16 GB 能装下什么?Unsloth 预计更小的 Qwen4-27B 可在 16 GB 内运行。本地用户想了解量化方式以及为上下文窗口留下多少内存。一位开发者已将编码工作拆分:用 Opus 编写规格,用本地 Qwen3.8-27B 做实现。内存讨论 · 本地工作流
  • Hy4 Flash。腾讯的多模态模型有 224B 参数,每 token 激活 12B。输入每百万 token 0.070 美元、输出每百万 token 0.281 美元,为开发者提供了一种更便宜的方式来试用 Hy4 的 1M 上下文窗口。腾讯发布 · 讨论
  • EUROPA。据报道,在 JUPITER 超级计算机上进行的一次测试运行训练了一个约 952B 参数的专家混合模型,每 token 激活 32.8B 参数。本地模型社区的问题是,团队为何为其首个模型选择这一规模。训练运行与讨论
  • 两种量化在哪里出现分歧?inside-llm 加载两个使用相同 tokenizer 的 GGUF,并让你并排逐步查看它们的预测。观察它们首次出现分歧的 token,然后比较它们为备选项分配的概率。项目 · 演示与讨论
  • Basalt 宣称的 770 tokens/sec 取决于你生成的内容。该开发者报告,Qwen3.8-27B 的结构化输出最高可达 776 tokens/sec,聊天为 262,散文为 194。读者要求对 4-bit 预填充进行更长时间的质量测试。Basalt · 基准测试讨论帖
  • 一块运行 Qwen 27B 的 FPGA。Valley Semiconductor 报告短提示下为 7.9 tokens/sec,实时聊天中约为 5.5。其 20 W 下 50 tokens/sec 的目标是对未来芯片的预测。现场演示 · 硬件讨论

使用中的智能体

  • Claude Meetings。一位 CTO 描述了邀请 Claude 加入一场 30 分钟的 Google Meet。它在会议期间更新了 Notion 中的项目记录,并调用团队自有工具来更新投标。实地报告
  • 对 Hydrogen 的 Minecraft 测试。一位开发者让 Gemini 4 Hydrogen 恢复缺失的源代码,并为 11 个 Minecraft 版本构建数据包。据报道,该智能体启动了两个图形客户端,以测试针对掉落物品和射线检测的修复。开发者叙述
  • 团队聘请 harness 开发者做什么。讨论中的一个例子:编码智能体可以提出更改,而 harness 决定它可以写入哪个仓库、哪个 CI 测试算通过,以及何时需要人工批准下一步。Claude Code 讨论

视觉与视频

  • 测试视频模型的物理理解。在第二个 MiniMax H3 演示之后,评论者提出了一个更难的测试:描述场景,在提示中不给出结果,看看模型是否会预测物体的行为。演示与讨论

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by Latent Space
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗