确定性 AI:LLM 为何不满足确定性以及如何构建确定性产品
Thinking Machines 在 temperature 0 下运行同一 prompt 1000 次得到 80 种不同结果,证明 LLM 在 API 调用中即使设置 temperature 0 和固定 seed 也不具备确定性,主要受 batching、模型更新和输入漂移影响。
Thinking Machines 在 temperature 0 下运行同一 prompt 1000 次得到 80 种不同结果,证明 LLM 在 API 调用中即使设置 temperature 0 和固定 seed 也不具备确定性,主要受 batching、模型更新和输入漂移影响。
Workhorse 与 RHAELM 签署制造规格单位采购协议,RHAELM 向 Workhorse 支付 1000 万美元,用于在印第安纳州 Union City 工厂制造全尺寸 TerraPod 规格单位。 双方签署非约束性意向书,目标在 2026 年 12 月 31 日前签署最终供应协议,包含首批 150 套 TerraPod 系统的订单条款。
Memgraph 发布 Context Graph,作为 Memgraph AI Toolkit 的一部分,旨在解决 Agent 工作流中上下文随会话或工具切换而丢失的问题。
乌克兰Sky Sentinel AI炮塔现已投入实战,成功击落俄罗斯喷气式无人机。基辅仅部署了超过12套该系统。 该系统由12.7mm M2重机枪、雷达数据和自研软件构成,单套成本约$150,000。其可全天候监测,操作员可远程控制,解决了以高价值导弹拦截低成本无人机的经济痛点。 该系统已纳入乌克兰“私人防空”体系,在复杂环境下提供有效的近程自动火力支持。
OpenClaw 2026.9.36 发布,为网关扩展稳定版,整合 2026 年 9 月底版本、关键安全更新、可靠性与性能修复及新模型支持。 更新涵盖 28 个 PR,重点修复 npm 回滚可恢复性、微软 Teams 允许列表解析漏洞及 xAI 模型推理配置兼容性。 该版本作为当前 LTS 等价物,通过 Docker 镜像信任修复与架构构建优化提升部署可靠性。
Epsilon 采用 Amazon Nova Act 与 Amazon Bedrock AgentCore Browser 构建意图驱动的 UI 测试服务,支持自然语言指令测试。 该方案通过 CDP WebSocket 协议执行步骤,结合 S3 存储截图及结果,解决了多团队浏览器基础设施维护难题。 作为托管平台服务,该架构允许各产品团队通过统一 API 复用测试能力,降低了接入配置负担。
Kinoloom 是一款可在单台 Windows PC 本地运行的 AI 电影工作室,支持在仅 8GB 显存的 NVIDIA 显卡上生成短片。 该系统兼容 LTX-2.5(22B 参数)和 MiniMax H3 模型,通过“无缝链”引擎在潜空间拼接短片,解决了传统剪辑在接点处的跳帧问题。
作者使用 Rust 重构了 AI 网关,新实现的速度达到原有系统的 41 倍。 该项目通过替换核心语言与架构,显著降低了请求处理延迟。
AWS Batch 推出配额管理,支持在 SageMaker 训练任务中跨团队共享 GPU 资源。 管理员可将算力划分为配额份额,配置 LEND 或 LEND_AND_BORROW 策略,自动借出闲置容量。 内置跨份额抢占机制可回收借出资源,结合优先级抢占提升高优任务调度效率。
MotherDuck 正式推出 Dive Apps,支持用户利用 AI Agent 构建可执行回写操作的完全自定义数据应用。这些应用运行在 MotherDuck 数据仓库之上,允许将报告升级为应用,自动化业务流程或保持人类对 Agent 的控制。
NVIDIA Nemotron 3.5 Super VL 已在 AWS 上线,该 120B 参数的多模态 MoE 模型支持文本、图像、文档和视频理解,并融合了推理与工具使用能力。
Luma 发布 Linux 智能启动器,支持按内容搜索应用、文件及照片,并向 AI 代理开放索引。 Claude Code 测试显示,使用 Luma 查找“熊的照片”耗时 11 秒,未使用则需 1 分 26 秒。 该工具本地运行,提供 MCP 服务器和 CLI,集成 CLIP 语义搜索与 PaddleOCR 功能。
在 Oxide 云平台上运行自托管 AI Agent 时,应优先使用虚拟机而非容器以获得强隔离性,避免 Agent 干扰其他任务。 推荐架构是将 Agent 编排器部署在长期运行的虚拟机中,并为每个 Agent 会话动态创建临时虚拟机,任务结束后自动关机以简化清理。
Simantic 推出固件仿真层,让 AI 智能体无需硬件即可在秒级完成测试,成本仅为 100 美元开发模块的百分之一。 团队用 Rust 自研仿真引擎,支持 STM32、ESP32 等芯片,并通过 24/7 运行 Claude 校准精度。 其服务覆盖卫星等安全关键系统,提供云端模拟器及本地二进制文件。
FusionAuth 1.70 推出 Client ID Metadata Document (CIMD) 和 OAuth Token Exchange,解决 AI 智能体权限过大的安全问题。 88% 的组织承认 AI 应用速度超过身份权限架构。新功能包括 CIMD 注册、RFC 8693 令牌交换及记录意图审计,限制 MCP 服务器权限范围。
华为不直接做药物研发或管线,而是为药企、科研机构及 AI 制药企业提供算力、存储、网络、工具链和数据治理能力,定位是 AI 制药产业的技术底座与生态支持者。 华为称具备三大优势:先进算力与存力、集群化与超节点能力、生态协同。
Otium 团队发布了一款支持图工程的 AI 流水线编译器与调度器,主张将 AI 流水线建模为图而非循环。该工具通过解析提示词自动推导任务依赖,能在执行前预估成本与耗时,并支持在闲置 GPU 上调度任务。
Deriv 以 MIT 许可证开源自托管 AI 平台 Deriv One,旨在解决企业内部 AI 使用的权限治理难题。该平台包含多窗口 Workspace、经过审查的技能注册表、可注册的 Slack Agent 以及无代码应用构建器 Lab,所有功能均运行在用户自有基础设施和模型网关上。
AQVEN 是一款 Python 框架和本地 Studio,用于构建多步骤 LLM 工作流。它通过 `aqven check` 在消耗 token 前验证连接、模拟流程并检测类型错误。
面壁智能 ForgeKernel 在直播中基于 DeepSeek-V4.1 真实负载生成算子,正面挑战官方开源的 FlashMLA Prefill。该算子驱动 DeepSeek-V4.1 旗舰模型,代表手写算子顶尖水准。活动将于 10 月 29 日上午 10:00 在直播间进行。
Deepsense 团队提出构建 Agentic AI 基础设施的五个控制平面:Context(上下文)、Containment(限制)、Validation(验证)、Rollout(发布)和 Accountability(问责)。文章主张通过风险分级管理 AI 生成的代码变更,例如在高风险领域使用特征标志和回滚计划,并强调人类在高风险决策中保持最终控制权,而非盲目信任自治智能体。
企业AI开发中代码生成速度提升导致质量验证瓶颈,NVIDIA NemoClaw通过策略护栏解决OpenClaw等系统的安全隐私问题。 AI将代码成本降低使工程判断力价值上升,质量缺陷集中在集成、信任边界及重试等深层交互层而非基础脚手架。 速度指标如PR数量在AI辅助下失效,需转向审查系统设计、不变量及可观测性以确保生产级可靠性。
一款追踪 AI 基础设施融资风险的数据可视化项目上线,旨在监测数据中心建设中的过度投资信号。 项目基于公开数据,显示五大科技公司近 12 个月资本支出达 566 亿美元,AAA 级垃圾债息差升至 13.21 个百分点,Nvidia H100 租赁价降至 6.88 美元/小时。 该项目提供早期预警,帮助识别信贷风险与硬件贬值趋势,作为独立研究参考而非投资建议。
亚利桑那州因新建大型数据中心面临水资源短缺挑战。TSMC 的芯片工厂每日消耗近 500 万加仑水,而超大规模数据中心如 Google 设施日均用水约 150 万加仑。 当地社区及环保团体正联合反对新数据中心项目,担忧其对水、电、土地的巨大需求。该州即将失去科罗拉多河近 30% 的供水量,加剧了水资源紧张。 这场争论反映了当地居民对追求繁荣与传统生活方式之间的深层矛盾。
Endlesstokens 推出按时间计费的大语言模型 API,在有效期内无 Token 限制。3 天服务定价 $36,支持 128K 上下文窗口及每请求 5 张图像。 平台支持 Qwen3.8-27B 等开源模型,每密钥允许 2 个并行会话。兼容 OpenAI、Anthropic 等接口协议,用户需通过 API 直连访问。
欧盟委员会在官方公报发布了首个支持AI Act实施的协调标准EN 18286,该标准由CEN和CENELEC制定,为高风险AI系统提供商遵循AI Act第17条的质量管理体系要求提供了法律合规路径。
Intel Robotics AI Suite 提供预验证组件与参考应用,支持在 Intel CPU、GPU 和 NPU 上运行 AI 与确定性控制。 该套件包含支持 ROS2 的边缘计算平台,具备 CAN-FD 和 EtherCAT 接口,支持从原型到生产的部署。 预训练模型库针对边缘部署优化,可通过 Physical AI Studio 进行微调。
Waters 在其 Empower 平台中推出 AI 驱动的 Peak Integration 功能,旨在减少药物质量分析和质量控制中的手动干预。 该功能在拥有 50 万用户的平台上线,声称可减少 95% 的手动操作,提升 76% 的准确性,并加快速度 50%。 开发耗时 1.5 年,期间主要与一家前十大制药公司进行数据共享协议谈判,之后才进行模型训练。
开发者在 GitHub Gist 报告称,Claude Code 每隔约30秒将后台代理的完整转录记录发送给模型(通常为 Opus),仅为了生成 3-5 个字的简短状态。一项团队遥测数据表明,该状态摘要调用占 Claude Code 开销的 16.4% 和请求量的 19.7%。此功能自 2024 年 8 月 v2.1.232 起默认开启且无法通过设置关闭,该 Gist 提供了一款预加载绕过工具。
OAP 发布了一种在自有集群安全运行企业级 AI 智能体的构建模块,强调平台在执行前检查每个操作,确保 AI 无法自行决定其权限。系统包含 Agent 定义、安全工具、身份凭证中介、授权、通道连续性和记忆等六个核心原语,并支持 Anthropic、OpenAI 等模型以及 Kubernetes 等基础设施。
新芯航途 X7 Ultra 大模型芯片在 XHEART 发布会上亮相,拥有 700 TOPS 算力,量产模型实测对齐率达 99.99%。 该芯片基于“大模型定义芯片”路线设计,通过倒推真实模型需求重新组织计算与数据流转,并预留模型演进空间。 此举旨在解决端到端大模型对算力、能耗及未来适配性的挑战,让模型进步转化为产品进步。
Core 4 Solutions 在 eBay 上以 5970 万美元出售一台拥有 300 个机架的 AI 超级计算机。 该集群包含 9,600 个 Nvidia A100 加速器和 4,200 个 AMD EPYC Rome 64 核处理器。 选择 FedEx Ground 运输可享受免运费,否则需支付 50 美元运费。
Shellfirm 是一款拦截危险 Shell 命令的安全工具,专为 AI 智能体提供护栏。它内置 496 项检查,支持 8 种 Shell 钩子,并可通过 MCP 协议集成 Claude Code 和 Cursor。工具具备上下文感知升级、团队策略同步及审计日志功能,能在执行前识别高风险操作并建议更安全替代方案。
南方电网与华为签署全面深化战略合作协议,围绕电碳算协同、人工智能应用、电力鸿蒙及产业生态构建深化合作。双方面向新型能源体系和“六网”协同发展需求,电鸿已形成覆盖能源全产业链的技术解决方案体系,并纳入开放原子开源基金会孵化培育体系。此举旨在为新型电力系统大规模物联设备接入提供支撑,填补国内相关领域空白。
Altera 发布 Agilex 2X 系列 FPGA,旨在支持边缘物理 AI 及数字 AI 基础设施。 该系列包含 Agilex 27、25、23、22 四个器件,共用同一软件堆栈,并引入增强型 AI 张量 DSP 模块与最新 Arm 内核。 Agilex 27 率先推出,采用第三代 HyperFlex 互连,能效提升 1.8 倍,工程样品预计 2027 年下半年推出。
华为昇腾 950 千卡超节点智算集群在武汉正式点亮,全国首个昇腾 950DT 1024 卡液冷超节点上线。该集群单节点搭载 1024 张 NPU 加速卡,FP8 算力达 1EFLOPS,配备 256TB 全局统一内存,全面支撑万亿参数大模型训练与智能体推理,为湖北省补齐高端算力供给短板。
韩国政府计划到 2030 年投入 5 万亿韩元,通过“3X 战略”推动中小制造企业引入物理 AI,将 AI 应用率从 1% 提升至 10%。 战略涵盖数字化转型、AI 及机器人应用,目标将采用 AI 的企业从 600 家增至 6000 家,并向 1000 多家企业推广制造机器人。 政府将实施“全民 AI 厂长”系统以实现工厂无人化运营,并升级 KAMP 平台为“制造 AI24”。
GitHub Copilot 在 Azure Cosmos DB 中为每个编码任务提供隔离的模拟器环境,避免多智能体共享数据库导致的状态冲突。该工作流在 GitHub Actions 中运行,使用 `uv run` 启动独立的模拟器容器,确保数据 fixture 和清理过程互不干扰。Ollama 仅用于本地测试,不用于运行或评估 Copilot 智能体。
甲骨文在投资者活动上承诺,截至2030财年为AI业务新增的融资不超过200亿美元,并预计2028财年下半年实现自由现金流转正。公司旨在缓解因建设数据中心及满足OpenAI数千亿美元订单带来的资金担忧,预计2029财年起无需再依靠外部融资支持增长。
作者使用Chrome扩展在本地运行Gemma 4 E2B自动填写求职申请,模型输出了提示词中未提供的工作经历,且将其自身证据误判为64/64次支持。作者尝试修改提示词无效,最终通过代码逻辑拦截模型建议,只允许白名单内容填入表单才解决了问题。