天数智芯WAIC发布新一代通用GPU旗舰天垓300,对标Hopper
相关推荐
SOON 战略投资 Phala TEE GPU 集群,以支持 AI Agent 隐私可验证计算
Foresight News 消息,SVM L2 SOON Network 核心开发团队宣布成为 Phala Network TEE GPU 集群的主要资助方。SOON 生态中的 AI Agent 可使用该算力,在隐私可信环境中运行自定义模型。 SOON 表示,这将为量化智能体提供私密策略执行与可验证计算能力,同时 SOON Stack 支持在多条 L1 上为第三方启动专用 SVM 链。后续将公布算力分成机制及首批 AI 资本市场项目接入计划。
Shaders开源200+WebGPU组件,AI写网页特效不用再从零写WGSL
动察 Beating AI 快讯,网页特效工具 Shaders 宣布开源。它主要用来制作渐变、流体、玻璃、金属、扭曲等 GPU 动态效果,让开发者不用自己从底层写图形代码,也能给网站加上复杂视觉特效。 这次 Shaders 把 200 多个 WebGPU 特效组件、核心渲染引擎和多种前端框架适配代码以 MIT 协议开放。开发者可以免费用于个人和商业项目。也可以先在它的网页编辑器里把效果调好,再免费导出 React、Vue、Svelte 等项目能直接使用的代码。 这套东西对 AI Coding 也很实用。Claude Code、Cursor、Codex 等 Agent 可以通过 MCP 直接搜索和调用这些组件。以前 Agent 想做复杂网页特效,往往需要临时生成底层 WGSL 代码,效果和性能都不稳定。现在可以直接在现成组件上修改,少掉大量从零写代码和调性能的工作。 不过 Shaders 没有把整个产品全部开源。可视化编辑器仍由官方运营,部分高级预设、完整网页区块和图片、视频渲染等能力继续放在付费 Pro 版。
MiniMax把OpenAI新Agents API做成开源版,Codex、Claude Code都能接
动察 Beating AI 快讯,MiniMax 开源 OpenAgentCore,做了一套兼容 OpenAI Agents API 的自托管实现。开发者可以继续使用 OpenAI 官方 SDK,只需要换掉 API 地址,后台运行的 Agent 可以选择 Codex、Claude Code 或 MiniMax Code。 Agents API 可以理解成一套「调用 Agent 的统一接口」。普通模型 API 主要负责一问一答。Agent 要连续干几个小时甚至几天,还要管理上下文、调用工具、协调子 Agent、保存任务进度。OpenAI 的 Agents API 把这些能力放到一个长期运行的 Session 里统一管理。 OpenAI 官方版本使用 OpenAI 托管的 Codex 执行框架。开发者可以自己选择代码在哪运行,但 Agent 的任务编排、上下文管理和运行状态仍由 OpenAI 负责。OpenAgentCore 则把这套后端也交给开发者自己部署。
Cua Driver给Agent补上「眼睛」:纯像素界面也能识别按钮和文字
动察 Beating AI 快讯,开源 Computer Use 工具 Cua 给 Cua Driver 加入可选的 Perception 视觉扩展。Driver 原本优先通过网页结构和系统无障碍树找按钮。遇到 Canvas、游戏、远程桌面或自绘应用时,这些结构可能为空。Perception 会直接读取截图,把画面拆成带文字、类型和位置的区域,供 Agent 继续操作。 首版用 OmniParser 识别图标和控件,用 PP-OCR 读取文字。整个解析过程在本机 CPU 完成,不需要 GPU,也不把截图发到网络。官方实测单张截图在 macOS 约需 2 至 2.5 秒,Linux 为 3.5 至 4 秒,Windows 为 8 至 9 秒。它主要在页面结构和无障碍树失效时兜底,不会默认每一步都跑视觉解析。 Cua 还限制了视觉操作对旧截图的复用。每次视觉识别都会绑定当前截图的 `capture_id`,随后点击必须来自同一张截图。截图超过 60 秒,或者已经执行过一次操作,Driver 就会拒绝继续使用,避免界面变化后还拿旧坐标误点。 Cua 过去其实已经能通过 `cua-som` 和 OmniParser 做视觉定位。现在这套能力被直接接进 Cua Driver,上层 Agent 可以通过统一接口拿到识别结果。即使模型本身不会看图,也可以根据这些文字和区域信息决定下一步操作。 Perception 不是默认组件,其中 OmniParser 检测器采用 AGPL-3.0;Cua Driver 仍保持 MIT 协议。
OpenScience自测75.7%超过Codex:科研Agent开始自己循环跑实验
动察 Beating AI 快讯,Y Combinator 2026 冬季批次(YC W26)公司 Synthetic Sciences 正式发布开源科研 Agent OpenScience。它能查论文、处理数据、写代码和调用科研数据库,新加入的 Autoresearch 还能让 AI 自己连续跑实验。 比如训练一个模型,研究者只需要告诉它「把验证集 loss 降下来」。OpenScience 会先跑基线,再自己提出修改方案,一轮轮执行实验。结果变好就保留,变差就回退,再根据前面的结果决定下一步试什么。用户也可以提前限制运行次数、总时长和停止条件,或者规定「接下来只改优化器」。 OpenScience 把原本需要研究者反复盯着做的实验迭代自动化了:提出方案、执行实验、比较指标、淘汰失败方案,再继续下一轮。实验可以在本机运行,也可以交给远程 GPU、SSH 服务器和 Slurm/PBS 集群。每轮实验的代码、结果和判断都会留下记录,方便后续检查。 它还支持直接登录 ChatGPT/Codex 订阅,也可以接入自己的 API Key、本地模型,或使用官方按量付费的 Ace。 官方自测中,OpenScience 在 70 道 Terminal-Bench Science 任务中完成 53 道,得分 75.7%。作为对比,Codex + GPT-6 Astra 的公开成绩为 68.1%。
144M参数就能做Agent决策,Julia-1连安卓平板都能跑
动察 Beating AI 快讯,AI 实验室 Supersonic Labs 发布一款只有 1.443 亿参数的轻量决策模型 Julia-1。它不生成长文本,而是接收上下文、问题和 2 到 20 个候选答案,直接完成分类、打分和是非判断,可以给 Agent 选工具、做路由或决定下一步动作。 Julia-1 基于多语言编码模型 mmBERT-small 开发,模型权重约 550MB,主打低硬件门槛。官方已经在 Apple M4、Intel i5-1235U 和三星 Android 平板上完成测试。M4 单次决策中位延迟约 33ms;三星平板只用 CPU 运行时约 203ms,进程峰值内存约 393MB。 在官方公布的 4 组 Jev 对比测试中,Julia-1 赢了 3 组。Typed Decisions 为 73.15%,Jev 参考成绩为 72.70%;AG News 为 94% 对 91%;情绪分类为 86% 对 48%。但在包含 72 个类别的 Banking77 上,Julia-1 只有 64%,明显低于 Jev 的 87%。官方称,候选类别太多且彼此相似时,目前的分组筛选可能提前丢掉正确答案。 Julia-1 的云端 GPU 训练和实验总成本只有约 104 美元。模型权重、运行代码、完整评测和来源记录均已开放,采用 Apache 2.0 许可。官方还在开发 API,计划按每百万输入 token 0.025 美元收费;由于模型只做判断、不生成长文本,输出 token 不收费。