相关文章
2252 篇高质量内容
Mistral 押注企业 AI 的核心是控制权，而非仅靠智能
Mistral AI 获35亿美元D轮融资，估值超240亿美元，聚焦主权AI：通过开源权重、区域推理与本地化算力，强化企业对数据、模型与基础设施的控制权，直面OpenAI等性能领先者的竞争。
DeepSeek Harness 实战手册：一切皆插件到底怎么玩？
DeepSeek Harness（DSH）是一个开源 Agent 运行环境，核心理念是'一切皆插件'。本文解析其内核哲学，区分插件与 Skill 的本质差异，介绍视觉、Auth 登录、Token 统计三类关键插件，并通过云端多人聊天室案例展示多 Agent 协作能力。最后说明插件开发六步法及云端部署必要性。
基于阿里云 AgentLoop 的 DeepSeek Harness 评测实践
本文基于阿里云AgentLoop平台，对DeepSeek开源的Agent运行框架Harness开展工程化评测，采用terminal-bench 2.1的10任务子集，以容器终态为判定依据，构建任务完成度、红线规则合规性与执行过程可靠性三个正交评估维度，全部通过规则化脚本实现，规避LLM打分偏差，验证了Harness架构中Session Log事件溯源、极简模式可控性及插件化可观测性的评测适配价值。
DeepSeek Harness 0.1.2-rc.1 实测:首个候选版,离 1.0 还有多远
DeepSeek 开源 Agent 运行时 DeepSeek Harness 于 9 月 3 日发布 0.1.2-rc.1 候选版本，标志功能冻结、进入质量攻坚阶段。实测显示其具备完整‘写-跑-验’闭环、自我纠错能力及接口兜底逻辑；rc.1 版本强化透明度、多 Agent 编排与跨平台支持，但破坏性变更仍存、插件生态尚处早期。
阿里开源 TTS 新一代：CosyVoice 3.0，0.5B 参数吊打一众大模型
2025 年 12 月，阿里 FunAudioLLM 团队发布 CosyVoice 3.0：0.5B 参数、支持 9 种语言与 18 种以上中文方言、零样本声音克隆、延迟低至 150ms，开源协议为 Apache 2.0。其 RL 版本中文 CER 降至 0.81%，说话人相似度达 77.4%，在多项指标上超越参数量更大的开源及闭源竞品。
刚刚，GPT-6 Astra背后的Loop技术全被挖出来了
OpenAI新发布的GPT-6 Astra核心采用recurrent depth（循环深度）架构，其技术根源可追溯至Universal Transformer，并由多篇关键论文系统推进：2025年《Scaling up Test-Time Compute》正式命名并验证该范式；《Training-Free Looped Transformers》证明开源模型可免训练套用循环提升性能；而《LoopCoder-v2》则揭示循环次数存在非单调瓶颈——两次最优，三次反降；《Loop the Loopies!》进一步通过layer-loop粒度突破扩展性限制。这些工作共同构成Astra推理能力跃迁的技术底座。
英伟达收购Hugging Face与Stripe收购OpenRouter：开源AI基础设施的中立性危机
英伟达以129.3亿美元收购Hugging Face，Stripe收购OpenRouter，两起交易凸显模型分发与路由平台的战略价值。开发者面临基础设施锁定风险，需关注中立性、可移植性与治理机制。
DeepSeek Harness 保姆级使用教程
DeepSeek Harness保姆级教程，照做即通「装→配→跑→写插件」全流程，0.1.2-alpha.1版本官方源码实操指南。 核心内容： 1. DeepSeek Harness的定义与架构（Agent=Model+Harness，插件化设计） 2. 环境准备要求（Node.js/pnpm版本、API key、DSH_HOME配置） 3. 安装启动双路径（npm快速入门与源码运行）
Google重磅发布Teamwork，最新的多智能体研究！
Google开源Teamwork框架，聚焦多智能体协作难题，提出生成-测试-组合的迭代循环、协作模式与Agent解耦、动态团队规模三大设计。针对不可拆任务、可并行任务、数学开放问题等五类场景提供差异化协作模式，并强调失败路线中保留有用片段的价值。
在 Codex 中原生集成其他厂家的 Harness
CodexHost 是一个开源项目，可在 Codex 桌面客户端中无缝集成 Claude Code、DeepSeek Harness、Pi、Oh My Pi、Grok Build 等第三方 Harness。它通过启动器中间层机制，在不修改官方 Codex 的前提下实现多 Harness 统一调用，并提供图标标识、Token 统计、缓存命中率、模型配置继承及原生权限模式复现等功能。
洞见｜吴恩达最新访谈拆解大模型时代的“上下文优势”与产品新机会
吴恩达指出，部分大模型巨头借制造恐惧推动有利于自身的监管；人类不可替代的核心在于上下文优势；软件工程正催生全流程复合岗位；个人自主性成为AI时代招聘核心指标；当前大模型主流使用方式对长效知识吸收效果极差；本地开源模型是高敏感数据场景的必然选择；商业瓶颈已从技术实现转向产品定义。
我为什么愿意在 Pi 上折腾：一个极简 Agent Harness 的真实价值
本文剖析 Pi 作为开源 Agent Harness 的核心价值：它不提供开箱即用的完整产品，而是提供轻量、透明、可理解的运行内核。通过默认仅加载必要工具、按需加载 Skill、精简系统提示词等设计，显著降低每轮模型调用的固定 Token 开销；但总成本仍取决于任务复杂度与执行轮次。文章基于 Databricks 和 PointFive 等实测数据，强调其优势在于可控性与可积累性，而非绝对性能领先。
吐槽一下Codex harness的假开源
文章对比OpenAI Codex Harness与DeepSeek Harness的开源实践，指出Codex虽采用Apache 2.0许可证、代码公开，但禁止外部代码贡献、核心能力接口不开放、模型协议锁定，仅支持外围MCP通信；而DeepSeek Harness奉行‘一切皆插件’，开放Discussions与插件生态。二者分别代表‘大教堂’与‘集市’式开源范式。
腾讯混元Hy4 preview开源，WorkBuddy实测：有了小型团队交付实力，但还得有人盯
腾讯发布混元Hy4 preview（770B总参数、49B激活参数、1M上下文），聚焦Agent、Coding与生产力场景。WorkBuddy实测显示：其在四端网页开发、季度复盘等长链路任务中表现强劲，具备小型产品团队式交付能力；但在AI编程工具采购等需高精度事实核查与数字自检的任务中，仍存在关键性错误，需人工最后一道核验。
腾讯混元 Hy4 preview 发布，稳居开源模型第一梯队
8月28日，腾讯混元发布并开源Hy4 preview大模型：总参数770B、激活参数49B、上下文长度突破1M。在163名内部专家、203个工程任务的盲测中均分2.99/4，略优于GLM 5.3与Kimi K3。该模型定位‘为生产力而生’，已在WorkBuddy/CodeBuddy等产品首发，并支持API调用。
DeepSeek Harness 更新-v0.1.2-alpha.1：体验全面打磨，子代理也能"点菜"选模型
DeepSeek Harness v0.1.2-alpha.1 版本实现能力与体验双升级：子代理首次支持按任务指定模型（含 Claude Code、Codex 等外部提供方），多模态图片回显与 Token 计入修复、持久终端等待状态精准识别、工程层统一 Remote 网关与 dsh profile 启动模式，并完成页面加载、会话交互、折叠导航等系统级体验优化。
DeepSeek Harness 与 Codex Harness：同名 Harness，根本不是一路人
DeepSeek Harness 与 OpenAI Codex Harness 虽同名，实为两类架构：前者是 TypeScript 实现的微内核插件平台，强调可扩展性与生态共建，将 Agent Loop、模型、工具等全部抽象为可热替换插件；后者是 Rust 编写的生产级控制引擎，聚焦高并发长程任务执行，暴露经内部高强度验证的 Runtime 与 Loop 设计，不鼓励外部重写核心逻辑。二者代表 Agent 架构的‘平台范式’与‘引擎范式’二次分化。
Qwen3.8-Flash 来了，100万上下文、Agent、Coding 都加强了
Qwen 团队于 8 月 26 日发布 Qwen3.8-Flash-Next 模型，原生支持 26 万 Token 上下文，可扩展至 100 万；Qwen Cloud 生产版本 Qwen3.8-Flash 默认启用 100 万上下文。模型在 Coding（SWE-bench Pro 62.5）、Agent 工具调用（Toolathlon 73.5）等能力上显著增强，并采用 125B 主模型、每 Token 激活约 6B 参数的高效架构，训练成本约为 Qwen3.7-Plus 的 1/9，API 定价为输入 0.16 美元 / 百万 Token、输出 0.47 美元 / 百万 Token。
Hy4 preview 发布
腾讯发布 Hy4 preview 模型，总参数 770B、激活参数 49B、上下文长度 1M，在代码、办公、科学等生产力任务中表现卓越。模型通过与腾讯内部多领域专家共建数据训练，在软件工程、办公分析、游戏开发、科学研究等场景取得显著进步，并已开源上线多个平台。
我把企业内部「造技能」的方法论，开源成了一个技能：enterprise-skills-studio
作者将企业级技能（Enterprise Skills）方法论开源为一个可执行的AI技能 enterprise-skills-studio（ESS），覆盖学习理解、构建设计、安全审计、跨平台适配等8阶段全生命周期管理。该技能内置24个能力模式、5大类别、16类安全审计，遵循agentskills.io开放标准，支持WorkBuddy、Codex等桌面Agent，强调可治理、可审计、零依赖与离线可用。