千问团队启动校园招聘，开放25类岗位
相关推荐
无问芯穹夏立雪：AGI基础设施决胜点是“AI原生的Agentic Infra”
火星财经消息 7月20日，2026年世界人工智能大会上，无问芯穹联合创始人兼CEO夏立雪提出，从Pre-training（预训练）到Post-training（后训练）、从Test-time（推理时扩展）到Agentic scaling（智能体扩展），在四条Scaling Law的作用下，模型训练和推理的超级市场正在互相孕育。当下的人工智能基础设施（AI Infra）必须以极致的效率服务更大规模。未来，无问芯穹能将跨域计算资源的支撑规模，持续拓展至十万卡级以上，支撑下一代Agentic AI的在线进化。（广角观察）
谷歌云从OpenAI挖走Harness engineering作者，押注企业Agent工作流
据动察 Beating 监测，OpenAI 前工程师 Ryan Lopopolo 宣布加入谷歌云，担任 Agentic Google Cloud Platform 首席工程师。 Lopopolo 是 OpenAI《Harness engineering》文章作者。这套方法强调给 Agent 配好上下文、工具、权限、评测和反馈回路，让 Agent 真正参与软件开发。 他在 OpenAI 参与过一个内部实验：团队用 Codex 从空仓库开始做产品，5 个月生成约 100 万行代码。代码、测试、CI、文档和内部工具都由 Codex 完成，人类主要负责目标和验收。 这次跳槽说明，谷歌云不只想卖模型和算力，也在补企业 Agent 工程化能力。
千问发布Qwen-AgentWorld
火星财经消息 6月24日消息，千问正式发布原生语言世界模型Qwen-AgentWorld，能够在七大领域中模拟智能体交互环境。同步发布的还有覆盖七大领域的语言世界模型评测基准AgentWorldBench，模型与评测基准可从Hugging Face和ModelScope获取。（广角观察）
X-Agent：构建面向个人创作者、开发者和社区的Agentic AI应用层
火星财经消息，6 月 13 日，X-Agent 与 Sentient、Alibaba、复旦大学等多家合作伙伴，在上海复旦科技园共同举办 Open AGI 开发者日。 会上，X-Agent Engineering Director Prime Xiao 分享了公司的产品理念：X-Agent 致力于构建面向个人创作者、开发者和社区的 Agent Application Layer，让 Agent App 能够被创建、部署、执行、分发和变现。在团队看来，Agent App 不仅要能连接业务状态、调用外部工具、在明确边界内完成任务，更要在生成之后被真实用户发现和使用，并围绕 usage 与 task 形成商业闭环。 他进一步强调，X-Agent 并非单纯的 AI coding tool，而是打通 Builder、Runtime、Payment 与 Distribution 的完整链路，帮助 Agent App 从 demo 走向真实产品，从生成走向分发与变现。 此次活动汇聚 了 AI 创业者、开发者、研究者及生态伙伴，围绕开源 AI、Agent Infra、AI Apps 等方向展开交流，现场设有主题分享、项目 Demo、圆桌讨论与自由交流等环节。
Oracle推出Fusion Agentic Applications与AI智能体
Odaily星球日报讯 Oracle 宣布推出面向人力资源领域的全新 Oracle Fusion Agentic Applications 和 AI 智能体，旨在帮助企业加速员工发展、优化人才决策，并更快响应不断变化的业务和技能需求。 Oracle 表示，新一代 Fusion Agentic Applications 由多个专业化 AI 智能体协同驱动，具备目标导向、自主推理和企业级执行能力，可通过安全访问企业统一数据、工作流、政策、权限体系及业务上下文，在 HR 流程中辅助企业制定并执行决策。 此次发布的 AI 能力基于 Oracle Cloud Infrastructure（OCI） 构建，并深度集成至 Oracle Fusion Cloud HCM 平台，覆盖岗位架构、学习发展、管理者辅导、员工成长、内部流动以及 workforce planning（劳动力规划）等多个领域。
Liquid AI发布2.6B参数端侧模型，3项评测超过Qwen3.5-9B
据动察 Beating 监测，Liquid AI 发布 LFM2.5-2.6B，并开放模型权重。这款端侧 Agent 模型只有 26 亿参数，量化后内存占用约 2.5GB，在手机端也能达到每秒约 30 Token 的生成速度。 官方评测中，它在工具调用、多轮指令遵循和结构化输出三项测试上超过 Qwen3.5-9B。后者有 97 亿参数，接近它的 4 倍。不过，Qwen3.5-9B 在代码和部分复杂 Agent 任务中仍然领先。