小米开源0.8B文档理解模型Xiaomi-OCR-0
小米发布并开源轻量级文档理解模型Xiaomi-OCR-0,仅0.8B参数,将文档解析、关键信息抽取与OCR视觉问答三类能力融于一体。该模型在OmniDocBench v1.6等基准中取得领先成绩,1B以下模型排名第一,并逼近Qwen3.5-4B等更大模型。小米同步公开模型权重、推理代码、MCP服务与Agent Skill工具包,相关技术已融入小米手机与超级小
技术方向 · 让模型自主规划、调用工具、完成多步任务的技术方向 · 共 4221 条
只展示置信度达到公开门槛且每篇排名前三的主题标签,降低泛化误贴。
小米发布并开源轻量级文档理解模型Xiaomi-OCR-0,仅0.8B参数,将文档解析、关键信息抽取与OCR视觉问答三类能力融于一体。该模型在OmniDocBench v1.6等基准中取得领先成绩,1B以下模型排名第一,并逼近Qwen3.5-4B等更大模型。小米同步公开模型权重、推理代码、MCP服务与Agent Skill工具包,相关技术已融入小米手机与超级小
快手在技术沙龙上结合企业级AI生产力平台iWork的实践,分享了AI从辅助编程走向团队协作与组织级提效的路径。快手专家沈浪提出AI生产力建设四阶段,并推出MyFlicker 2.0/3.0;王东旭介绍从超级个体到液态组织再到臭鼬工厂的组织变革,团队需求吞吐率提高133%、交付周期缩短79%。同济大学朱少民、OPPO郝刚、快手吕冬冬分别从工程方法论、AI Na
百度智能云在武汉超级智能体大会上推出AI Infra与Agent Infra双层基础设施,面向企业智能体落地提供沙箱、计算、网络、存储、可观测和安全等能力,并发布百舸AI计算平台6.0。百度副总裁石清华称百度搭子月活已达千万级,杭州松鲜鲜、武汉硚口基层治理等案例显示智能体已进入企业业务与治理现场。文章认为智能体规模化运行的核心缺口正从模型转向运行底座,云厂商
DeepSeek Harness团队于10月31日晚开源了Super-agent(超级智能体)的底层架构原型,该架构并非新产品,而是将计算机系统中的调度、缓存、存算分离、看门狗等经典思想引入Agent设计。架构包含双层架构(常驻Router层负责交互与分派、隔离Worker层并发执行)、事件驱动、异步多信道交互、存算分离与外部Watchdog五大模块,目标是
另有 1 家信源报道
The Verge 记者花 50 美元购买 Waveshare ESP32-S3 开发套件,借助 Claude Code 将其改造成可对话、带虚拟宠物养成玩法的 AI 吊坠,功能上对标 Meta 即将推出的 Muse Charm。文章指出 Meta 官方 Muse Gadget 方案存在响应慢、无语音输出、功能单一等问题,但作者也表达了对 Meta 隐私安全
AI 原生财富管理公司 Arca 的 AI 工程负责人 Aman Singh 在 AI Engineer New York 上分享了该公司使用智能体的方式:智能体承担大部分后台分析工作,但交易和资金流动仍由人类顾问最终决策。Arca 自建了模型调度 harness,主要使用 Anthropic 的 Claude,并配合 OpenAI 等前沿模型,还开发了跨长
Arca 的 AI 负责人 Aman Singh 在 AI Engineer New York 活动上,与 Latent Space 编辑负责人 Richard MacManus 对谈,介绍 Arca 如何构建一家 AI 原生财富管理公司。Singh 讲解了 Arca 的架构,包括自研 harness 和持久记忆,以及如何运行跨越数天而非数小时的 agent
DeepSeek 开源了 Personal Agent 的底层架构思路 Super-agent,目标是让 AI 在无人 @、无人下指令的情况下自主发现 Bug、定位问题并提交修复 PR,同时跨 IM 群聊与 GitHub 等平台持续跟进同一任务。该架构采用 Router 与 Worker 双层设计,并引入投机执行、两级事件过滤、异步 ReAct Loop 与
另有 1 家信源报道
在10月20日的Zoho北京媒体沟通会上,Zoho展示了企业级AI全景三层架构:底层提供数据与自研中小模型,中间层通过MCP协议连接内外生态,上层以AskZia、Zia Agents和Agent Studio覆盖从信息获取到任务执行。Zoho高管指出企业AI的症结在于数据孤岛与AI孤岛,强调AI需从“懂回答”走向“能执行”。Zoho主张AI融入产品体系而不额
Google 披露其 AI 安全智能体 PageBreak 自 1 月全面运行以来,已在自家 Web 应用中自主发现 500 多个 XSS 漏洞。该系统基于 Gemini 模型提出漏洞假设,但只有在确定性验证器于运行环境中成功复现利用后才上报,因此误报率接近零。Google 还计划将其与 CodeMender 等智能体安全项目集成,自动生成修复方案,不过 5
研究团队提出 WebAnything 框架,可从真实 URL 全自动重建可执行、可重置的网站环境,无需逐站人工实现。该框架通过 Explorer–Builder 采集浏览器可观测结构与交互结果,并由独立验证器检查冻结候选、指导局部修复或定向重采集。团队构建了覆盖 14 个领域、53 个类别的 244 个网站工件,支持 12,984 个已执行任务;在盲审中对比
10月26日,第八届智能驾驶大会暨2026环秀湖物理AI产业发展推介会在苏州相城举行,讨论边界从智能驾驶延伸至物理AI。Momenta、曹操出行、面壁智能等企业及高校嘉宾围绕世界模型、强化学习、端侧大模型、虚拟仿真、车路云一体化等方向分享判断。会议反映出高阶辅助驾驶进入规模化上车、Robotaxi走向商业化,同时AI进入汽车、机器人、飞行器等物理设备面临数据
XHToken 在 Hugging Face 发布 Spark-X2.6-4B,这是面向端侧部署的紧凑型通用语言模型,沿用 Spark-X2.5-4B 的架构,仅通过改进后训练来提升能力。官方称其在编码、智能体、长上下文、多语言和推理等任务上明显提升,在同等规模开源模型中达到领先水平,部分基准可匹配或超过约 9B 参数模型,并提供 none、low、high
Claude Code 发布 2.1.316 版本更新,新增多个环境变量开关(如禁用 ultrathink 关键词、设置子代理努力级别),并为 Claude apps gateway 引入池化组预算、分层策略模式和 Bedrock 护栏输入标记。同时弃用 Opus 4.8 的 fast mode(2026 年 11 月 30 日移除,建议迁移至 Opus 5
OpenAI 发布 openai-java SDK v4.95.0,新增 agent 上下文压缩设置、会话审查与工具设置、实验性 agent 时间感知、按元数据过滤 agent 会话等 API 能力,并补充图像编辑标记覆盖、组织外部密钥管理、SIP DTMF 命令与 Responses 文本格式支持。该版本还修复了 Java union 值身份保留、认证令牌
OpenAI 发布 openai-node SDK v7.46.0,新增多项 API 能力,包括 agent 上下文压缩设置、agent 会话审查与工具设置、实验性 agent 时间感知、图像编辑标记叠加、组织外部密钥管理、SIP DTMF 命令与投递事件、Realtime 类型化引用及 WebSocket 投递改进,并在 Responses 中暴露托管工具
OpenAI 发布 Python SDK v3.42.0,新增多项 API 能力:agent 上下文压缩设置、agent 会话审查与工具设置、实验性 agent 时间感知,以及图像编辑标记叠加、组织外部密钥管理、SIP DTMF 命令与投递事件等。同时改进 WebSocket 恢复与投递上报,并修复 WebSocket 辅助函数中拒绝输出与认证的保留问题。这
PydanticAI 发布 v2.64.0,新增 ModelFallback 能力、按尝试执行的 prepare model request 钩子与 RetryModelRequest,使模型请求失败时可自动回退。该版本还加入 ArtifactScanner 对 Memory 和 Skills 进行安全扫描、BoxdSandbox 沙箱工作区,以及实时语音词
隐私优先的AI助手初创公司Ollie宣布将在11月6日关闭,距其9月披露由Khosla Ventures领投的750万美元种子轮融资仅约两个月。CEO Bill Lennon在X上表示,公司虽接近成功但无法跟上竞争,Muse、Instinct等对手进入后更难脱颖而出、增长和融资。Ollie主打家庭场景,连接邮件与日历并提供预约、膳食规划、账单支付等功能,且是
AWS 发布面向 FinOps 与平台团队的 Amazon Bedrock 成本管理操作手册,提出「归因、观测、强制、优化、运营」五步循环。文章强调 Amazon Bedrock 可自动将推理成本归因到发起调用的 IAM 主体,并写入 CUR 2.0 的 line item iam principal 列;同时指出共享角色(如 LLM 网关)会导致归因丢失,