LlamaIndex v0.14.15 发布：多模态支持与 AgentMesh 集成
LlamaIndex 发布 v0.14.15 版本，核心库新增多模态类型支持、多模态提示模板及格式化功能，并引入 AgentMesh 信任层集成。同时，Anthropic 和 Bedrock Converse 新增 Claude Sonnet 4.6 支持，Mistral AI 集成 Azure SDK，OCI Data Science 支持流式端点。此外，
Anthropic / Claude
公司与模型 · Anthropic 的全部动态：Claude 系列模型、Claude Code、安全研究路线与公司进展
关联由结构化实体与正文位置共同判定 · 最近刷新 2026-09-27 08:14
顺带提及正文出现过，但不是文章的主要讨论对象，当前共 629 条。
2月19日周四 · 1 条
正文顺带提及命中实体：anthropic
1月30日周五 · 1 条
正文顺带提及命中实体：mcp
百度千帆发布新图生视频模型及多项工具更新
百度千帆平台于2026年1月30日发布新模型MuseSteamer-2.1-Turbo-I2V和MuseSteamer-2.1-Lite-I2V，提供图生视频服务。同时，工具广场新增百度学术检索、百度AI搜索独立控制台、可视化配置、实时Curl命令生成、聚合监控与管理等功能，并推出与百度文库联合研发的指令智能生成PPT（MCP版）工具，提升用户效率。
1月9日周五 · 1 条
正文顺带提及命中实体：mcp
百度千帆更新：模型服务与工具广场新增多项功能
百度千帆平台在2026年1月9日更新了模型服务，包括Qwen3-30B-A3B-Instruct-2507支持混合TPM配额，DeepSeek-V3.2开启分段计费并支持前缀缓存（白名单内测），以及自定义接入点功能。同时，工具广场新增了智能商品搜索、商品生动化标题生成MCP和百度彩票走势MCP等工具。
1月7日周三 · 1 条
正文顺带提及命中实体：anthropic
DSPy 3.1.0 正式版发布：新增推理捕获与文件类型支持
DSPy 发布 3.1.0 正式版，将之前的 beta 版本转正。新版本引入了 dspy.Reasoning 以捕获推理模型的原生推理过程，新增 File 类型处理文件数据，并支持 Python 3.14。同时增强了安全防护，防止加载 pkl 文件，并修复了多个 bug，更新了文档和教程。
12月11日周四 · 1 条
正文顺带提及命中实体：anthropic
Google DeepMind与英国AI安全研究所扩大安全研究合作
Google DeepMind宣布与英国AI安全研究所（AISI）扩大合作伙伴关系，签署新的谅解备忘录，将合作范围从模型测试扩展到基础安全研究。合作内容包括共享专有模型、数据和想法，联合发布报告，以及围绕AI推理过程监控、社会情感影响和经济系统评估等关键领域开展研究。此举旨在推动AI安全发展，并惠及更广泛的行业和社会。
11月17日周一 · 1 条
正文顺带提及命中实体：mcp
smolagents v1.23.0 发布：新增对话模式与远程执行支持
Hugging Face 发布了 smolagents v1.23.0，新增了对话模式 CLI、Blaxel 远程代码执行支持、指数退避重试、自定义 Python 执行器等功能，并修复了多个 bug。该版本还改进了文档翻译，并将默认推理模型改为 Qwen3-Next-80B-A3B-Thinking。
1月7日周二 · 1 条
正文顺带提及命中实体：anthropic
智能代理：定义、能力与评估框架
Chip Huyen 在其博客文章中概述了智能代理的概念，将其定义为通过传感器感知环境并通过执行器采取行动的系统。文章强调基础模型的新能力使得构建自主代理成为可能，并讨论了工具和规划对代理能力的关键作用，以及代理的失败模式和评估方法。文章还指出，该领域缺乏成熟的理论框架，并参考了 Anthropic 的相关博客。
7月25日周四 · 1 条
正文顺带提及命中实体：anthropic
构建生成式 AI 平台：通用架构与关键组件解析
Chip Huyen 在博客中概述了构建生成式 AI 平台的通用架构，从最简单的查询-模型响应开始，逐步添加上下文增强（如 RAG）、护栏、模型路由、缓存等组件，并强调可观测性和编排的重要性。文章指出上下文构建类似于经典机器学习中的特征工程，RAG 是常见的上下文增强模式，并介绍了基于术语和基于嵌入的检索方法。该架构旨在帮助企业高效部署生成式 AI 应用，提
2月28日周三 · 1 条
正文顺带提及命中实体：anthropic
预测性人类偏好：从模型排名到模型路由
Chip Huyen 在博客中探讨了预测性人类偏好（Predictive Human Preference）的概念，旨在预测用户对特定提示词更偏好哪个模型，并应用于模型路由和可解释性。她使用 LMSYS Chatbot Arena 的公开数据（2023年7月，33K 比较）作为基准，评估了 Bradley-Terry 等排名算法的准确性，并构建了一个玩具偏好