Databricks据悉洽谈新一轮融资,估值有望达到2250亿美元
相关推荐
AWS、Cloudflare、Databricks都跟进Jev,决策模型快成标配了
动察 Beating AI 快讯,Jev 发布后,AWS、Cloudflare 和 Databricks 最近都跟进了决策模型。 AWS 推出开源的 Strands Decider 2B。它基于 Qwen3.5-2B,去掉文本生成模块,换成专门负责选答案的决策模块,再用 LoRA 微调。官方测试中,它在 RTX 3090 上单次决策中位延迟约 115ms,完整训练约 11 小时。 Cloudflare 一口气发布 Clef 和 Clef-flash,分别基于 Qwen3.8-27B 和 Qwen3.5-9B 改造,并全部开源。在 Cloudflare 对 Jev 官方评测集的测试中,Clef 系列在 4 类任务中的 3 类超过 Jev;Clef-flash 的中位延迟为 38.8ms,Jev 为 524.1ms。 Databricks 则把这套能力直接做进了平台。新上线的 ai_decide 可以在 SQL 或 REST API 中调用,对数据做分类、打分和 Agent 路由,接口还直接兼容 TypeSafe AI API。官方称一次决策可以在不到一秒内返回。 从开发者自己复刻,到 AWS、Cloudflare、Databricks 跟进,决策模型正在迅速从一个新概念变成 Agent 基础设施里的常见组件。
Databricks用AI横扫英伟达Kernel榜:235项测试四个赛道第一,Token花费约7万美元
动察 Beating AI 快讯,Databricks 团队称,他们把 GPT-6 Astra 和 Opus 5 放进自动优化循环,让模型持续重写、测试和改进 GPU kernel,最终在 NVIDIA SOL-ExecBench 的四个赛道全部排到第一。这个基准包含 235 个 GPU kernel 任务,覆盖基础算子、复杂融合算子、低精度计算和真实大模型推理。团队称,整个过程的模型 Token 花费约 7 万美元。 这套系统建立在 KDA 和 Humanize 之上,让 AI 自己写 kernel、跑正确性和性能测试,再根据结果不断修改。KDA 团队近期还把类似方法用在 Kimi Delta Attention 上,在 NVIDIA B300 上做到月之暗面官方 FlashKDA 的 2.96 倍速度。 两项成果属于同一套 Agent 内核优化体系的不同应用。Kimi 展示的是一个高难度注意力内核能被 AI 重写;Databricks 这次则把这种方法扩展到了数百个不同 kernel。
Databricks CEO:网络安全是人工智能面临的最大风险所在
PANews 9月17日消息,据金十数据,人工智能软件公司Databricks首席执行官:人工智能对人类的风险接近于零。网络安全是人工智能面临的最大风险所在。