AI 日报

了解 OpenAI 如何改进 ChatGPT 在低资源编程语言方面的表现，并推出面向软件工程、SQLite 和 COBOL 迁移的新评测。

— OpenAI Blog

Kling AI 发布了其视频生成器的 4.0 版本，支持生成最长 30 秒的片段、输入最多十张关键帧图像，并将提示词理解能力扩展至 8,000 个 token。与 Wan 3.0 和 Seedance 2.5 的对比显示，Kling 4.0 表现不俗但并未领先，这可能是一个早期信号，表明 AI 视频模型突飞猛进的发展速度开始趋于平缓。该文章最先发表于 The Decoder。

— The Decoder

Deepgram 与 AWS Forward Deployed Engineering 团队合作，将其 Nova-3 语音转文本模型移植到 AWS Trainium2，以进行离线批量推理。本文介绍了移植到 AWS Neuron 技术栈、内核级调优、数据并行 Rust 运行时，以及批量转录的吞吐量和成本结果。

— AWS Machine Learning Blog

MiniMax 的 M3.1 Flash 在 Artificial Analysis Intelligence Index 上比前代产品高出 13 分，达到 42 分，而成本仅为其一半。在 DeepSWE v1.1 编程基准测试中，它也以每项任务低于 0.30 美元的成本取得了 73.7% 的成绩，在性能和价格两方面均与 Deepseek V4.1 Flash 1017 持平。文章《MiniMax M3.1 Flash 显示中国的 AI 价格战似乎没有下限》最初发表于 The Decoder。

— The Decoder

— Hacker News 熱門

大家好，我是来自 doubleAI 的 Gal。我们构建了 Maxwell，这是一种新型前沿模型，我们称之为 Code Execution Model。它位于你的代码与硬件之间。整个过程中无需人工介入！Maxwell 会在代码运行的同时让它运行得更快，而且从不改动任何一行代码。Maxwell 从内部观察程序：包括执行轨迹、性能分析信息，以及其中流动的数据。它会根据环境动态调整，包括硬件、同时运行的其他任务，以及输入数据的特征。Code Execution Model 改变了我们处理编码的方式。如今，Claude/Codex（以及人类）会针对每种不同的使用场景、硬件和数据流反复优化代码（想想 LLM 推理引擎，比如 vLLM！）。我们的判断是，这种做法没有必要、并非最优，而且无法扩展。相反，我们认为正确的答案是让代码成为一种有生命、会思考的事物。heymaxwell.ai 现已开放早期访问。欢迎在这里提问，我很乐意回答。评论链接：https://news.ycombinator.com/item?id=50152466 点数：13 评论数：7

— Hacker News 熱門

TwelveLabs Pegasus 1.5 现已在 Amazon Bedrock 上线。这款视频语言模型可将长篇视频转换为结构化的带时间戳元数据：定义重要时刻，即可通过 JSON 获取所有匹配片段，并支持全新的视频分割、结合参考图像的多模态提示，以及对最长两小时视频的即时处理。

— AWS Machine Learning Blog

vLLM 的 prefill-decode 非聚合式架构将大语言模型推理拆分到多个引擎实例中，但必须在实例之间传输 KV cache。本文介绍了一种基于推送的 NIXL 连接器，将传输协调移出关键路径；在配备 AWS EFA 的 Amazon EC2 P5en 实例上进行的基准测试中，TTFT 最多提升 3 倍，TPOT 提升 30%。

— AWS Machine Learning Blog

Amazon Bedrock 现已在 bedrock-runtime 和 bedrock-mantle 端点上支持所有 Anthropic Claude 模型的结构化输出。使用 JSON Schema 输出格式和严格工具使用，无需自定义解析、重试逻辑或后处理，即可接收符合定义结构且符合架构的 JSON。

— AWS Machine Learning Blog

新的 Amazon SageMaker AI 客户只需几步即可进入完全配置好的 SageMaker Studio 环境。使用您已有的身份注册，例如 Amazon、Apple、GitHub 或 Google；大多数客户无需高级 AWS 账户或信用卡，还可获得 100 美元的 AWS Free Tier 积分。

— AWS Machine Learning Blog

大家好，HN，我们是 Laminar 的 Robert 和 Din（https://laminar.sh）。自 2024 年以来，我们一直在为 AI 智能体构建开源可观测性工具。最近，我们发布了 flow-1，这是一个通过 RL 训练、用于发现智能体追踪记录中错误的模型。在我们的基准测试（https://laminar.sh/blog/flow-1）中，它的检测质量与 GPT-6-sol 相当，但成本低 23 倍。这使得分析生产环境中的每一条智能体追踪记录成为可能，而无需抽样。这里有一个一分钟的演示：https://youtu.be/KJa3h6ZJNLQ 我们还发布了一篇文章，展示 flow-1 和其他模型的示例追踪记录与分析结果：https://laminar.sh/blog/flow-1-in-action 智能体可观测性领域竞争激烈，因此我们不会列出 Laminar 与 X 的逐条差异，而是从第一性原理出发，解释我们如何解决智能体可观测性问题。如今，智能体会运行许多步骤，并以隐式方式失败。智能体可能点击错误的按钮，或引用错误的文档，但每次调用都成功完成。这些错误最值得被发现和理解。要找到它们，你需要理解智能体试图完成什么，并检查它的 LLM 调用和工具结果。仅仅查看智能体的最终输出是不够的。 单独收集追踪记录并不能解决问题。许多智能体可观测性平台的核心仍然只是数据收集器。最终，你可能花钱存储了大量追踪记录，却没有人有时间阅读或从中提取价值。使用另一个 LLM 检查追踪记录是解决这一问题的关键，但能力强的模型大规模运行成本高，而更便宜的模型往往会漏掉错误，或标记出无关内容。 因此，我们构建了专门解决这一问题的模型。我们对一个小型 OSS 模型进行了微调，随后使用数千个针对软件、法律、客户支持等领域真实智能体工作流的合成调查案例，通过 RL 对其进行后训练。最终得到的模型既擅长分析智能体追踪记录，运行成本也非常低。 flow-1 运行在我们称为 Signals 的执行框架中。它表现得像一个编码智能体，把智能体追踪记录当作代码仓库，其中每个 span（LLM 调用、工具调用等）都相当于一个文件。它从完整智能体追踪记录和用户提示词的压缩字符串表示开始，然后在各个 span 中进行 grep，并完整读取相关 span。 Signals 的优势在于，它能够响应通用提示词。你可以让它识别用户的挫败情绪，检查浏览器智能体是否完成了结账，等等。它并不局限于原始错误检测。它会以 JSON 形式返回发现结果，其 schema 可以由用户自由定义。我们称这些结果为 signal events。 当你分析每一条追踪记录后，单独的事件数量也会多到无法逐一阅读。因此，我们会自动将相似的 signal events 分组成集群。你可以看到反复出现的问题及其发生频率，然后深入查看单个事件以及其背后的追踪记录。你还可以使用某个集群中的追踪记录，为该类故障构建评估数据集。接着，你可以使用自己喜欢的编码智能体，在这些评估上进行 hillclimb，并在将修复发布到生产环境之前，检查它是否适用于这些案例。 追踪记录 → 分析 → 捕捉错误并形成集群 → 修复 → 发布。我们构建 Laminar，就是为了让这个循环变得简单。 我们也以同样的思路打磨了 Laminar 的其他部分。我们的博客（https://laminar.sh/blog）介绍了我们如何通过深入观察智能体的实际工作方式，构建出 20 倍追踪记录压缩、自定义 SQL 查询引擎和自动任务提取功能。 Laminar 采用 Apache 2.0 许可并支持自托管（https://github.com/lmnr-ai/lmnr）。我们的收入来自托管云服务。 我们很想了解你们目前是如何跟踪智能体性能的。你们从用户反馈中获得的信息，与通过自有监控获得的信息相比，各有多少？当你修复某个问题后，如何确认没有因此引入另一种故障？ 评论链接：https://news.ycombinator.com/item?id=50154029 积分：6 # 评论数：0

— Hacker News 熱門

— Hugging Face Blog

Amazon SageMaker JumpStart 在 2026 年前三个季度从 30 家提供商引入了超过 100 个新模型。本次回顾涵盖模型引入亮点和 JumpStart 的增强功能，包括简化的 Model Hub、预配置的部署选项，以及 Hugging Face 深层链接集成。

— AWS Machine Learning Blog

OpenCode 是一款开源 AI 编程代理，已成为 Claude Code 和 Cursor 的热门替代品。但黑客入侵了其在线平台的部分区域，窃取了一些用户的 API keys，而它求助的 AI 工具却不断拒绝查看恶意代码。

— TechCrunch AI

在柏林一座名为 Kraftwerk 的前发电站宽敞大厅内，德国总理 Friedrich Merz 与 NVIDIA 创始人兼 CEO Jensen Huang 坐下来讨论德国的 AI 路线图，尤其是 AI 的工业应用。Huang 首先回顾了 NVIDIA 与德国工业界由来已久的关系，起初涉及游戏系统、工作站和汽车 […]

— NVIDIA Blog

— Hacker News 熱門

Multi-turn agentic workloads reprocess growing conversation context each turn, driving up latency. See how bi-directional KV cache transfer lets prefill and decode nodes reuse previously computed context across turns, cutting time to first token by up to 1.6x for Qwen3-32B and 3.3x for GLM-5-FP8 on Amazon EC2 P5en instances with EFA.

— AWS Machine Learning Blog