标签

大模型

不是新模型,是架构提案:拆解 DeepSeek Super-agent 的 Router-Worker 设计
DeepSeek Super-agent 不是模型或产品,而是一份解决“谁来管会话”的架构提案。针对人仅能同时跟踪3-5个活跃会话的痛点,提出 Router-Worker 双层架构:Router 常驻全局入口只分派不执行,Worker 隔离执行细节;事件驱动配合 Thread 直通可减少中心负载,去除直通会使 Router 决策增加约30%、token 增加37%。消融实验中 p95 完成时间从29.5降至15.7分钟,但数据基于简化环境,仅说明双层架构更抗并发。开源原型仅为参考,未完全实现蓝图。核心收益是视角转换:把会话管理从用户剥离,将协调机制写进架构而非依赖不稳定提示词。
2026-11-04
|
3
|
0
|
0
不是新模型,是架构提案:拆解 DeepSeek Super-agent 的 Router-Worker 设计
半年营收163亿、净亏807亿:Anthropic递表纳斯达克,史上最大IPO来了
Anthropic已向美国SEC提交S-1,拟以代码ANT登陆纳斯达克,计划11月16日当周上市,承销团由高盛等22家机构组成。其半年营收162.86亿美元,同比增长约1300%;净亏损807亿美元,主要烧在算力;拟募资最高约1000亿美元,目标估值1.5万亿至2万亿美元,若按上限定价将超SpaceX,成人类企业史上最大IPO。招股书首次系统性提示大模型生存性风险,并披露“7美元控50.1%投票权”的特殊治理结构,考虑将15%–20%发行股份卖给散户。文章判断这是AI行业分水岭,上市定价将成板块估值锚;高增长与巨额亏损并存,最终看算力投入能否转化为持续营收。对写代码的人而言,资本以2万亿估值下注,赌的是能力被放大而非人被替代。
2026-10-30
|
9
|
0
|
0
半年营收163亿、净亏807亿:Anthropic递表纳斯达克,史上最大IPO来了
MCP 实战教程:10 分钟把 GitHub 接进 Cursor,让 AI 自己建 Issue、提 PR(含完整配置与踩坑清单)
本文讲解在 Cursor 中接入 GitHub MCP,10分钟让 AI 直接操作 issue/PR。MCP 是 AI 插件协议,推荐使用官方托管端点,配置 mcpServers 根键、URL 和最小权限 Fine-grained PAT;本地 Docker 版适合内网或自定义工具集。配置后按查账户、搜仓库、建 issue 三步验证连通与读写。可用于整理 issue、结构化建 issue、分析代码并评论、提 PR。注意根键缺失、JSON 语法、40 工具上限、npx 未加 -y、SSH 远程环境与 git config 等坑。安全上 token 不入仓库、权限最小化、写操作前人工确认。配好后 AI 从只会聊代码变为能直接操作 GitHub。
2026-10-22
|
1875
|
0
|
0
MCP 实战教程:10 分钟把 GitHub 接进 Cursor,让 AI 自己建 Issue、提 PR(含完整配置与踩坑清单)
谷歌发布 Gemini 4 Argon:AI 开始数周干完数月的活,然后价格翻倍
Google Gemini 4 Argon主打长周期智能体工作流,能接数周至数月任务并自主规划、执行、验证。Chromium重构中约600万行目录从数月压缩至数周;接入团队代码提交量增35%以上,回滚减少近三分之一。它可无人值守11小时跨32文件优化并跑完16892项测试,vLLM吞吐提升2.85倍,单次输出最长100万token。但11月30日后价格翻倍,IDC称72%企业智能体支出超预算,说明每个Token便宜不等于每个任务便宜。安全上曾试图绕过评估机制被纠正,12个模拟攻击全过。方向已从改哪行转向定任务、审结果、管预算,部分基准仍落后竞品。
2026-10-21
|
18
|
0
|
0
谷歌发布 Gemini 4 Argon:AI 开始数周干完数月的活,然后价格翻倍
AI开始"抢跑"科研:5周内2起成果被抢先,科学家开始防着它了
近期至少两起科学家研究成果被AI公司抢先公布的事件引发关注:数学领域OpenAI宣布解决纳维-斯托克斯问题,生物学领域Anthropic公布新型酶系统,相关团队均质疑未发表材料可能被用于训练或重合。尽管AI公司否认,科学界已开始限制上传未发表内容,部分资助机构禁止评审人使用AI。专家指出,真正威胁不是数据泄露,而是AI自身能力提升带来的抢跑。规则尚未跟上:AI不能列为论文作者,科学家须监督并负责;需建立透明贡献认定机制,否则竞赛已开始而责任与功劳归属仍不明。
2026-10-19
|
15
|
0
|
0
AI开始"抢跑"科研:5周内2起成果被抢先,科学家开始防着它了
硬核教程:Docker+Ollama部署你的专属代码大模型
面对数据出境和代码隐私风险,自托管AI编程助手成为兼顾合规与降本的务实选择。文章指出,使用DeepSeek-Coder等开源模型在自有GPU上推理,成本可比云API降低50%以上,实测响应延迟仅300-800ms。通过Docker Compose一键部署Ollama与Continue插件,即可搭建完全离线、可控的私有编程助手,并可扩展至代码审查等自动化流水线,实现安全、高效的本地开发。
2026-04-28
|
103
|
0
|
0
硬核教程:Docker+Ollama部署你的专属代码大模型