AWS 推出用于 Bedrock 自动推理策略的 Agent Skills 套件
AWS 发布了用于 Amazon Bedrock 自动推理策略的 Agent Skills 套件，包含六个技能，覆盖策略生命周期中的构建、审查、测试、调试、部署和验证阶段。该套件基于 Anthropic 的开放 Agent Skills 格式，使编码代理能够通过脚本调用 Bedrock API，以代码方式管理策略，确保 AI 响应符合正式逻辑。文章还演示了从
Cursor
公司与模型 · Cursor 编辑器的产品迭代与生态动态——AI 编码工具竞争中最受关注的玩家之一
关联由结构化实体与正文位置共同判定 · 最近刷新 2026-11-10 14:45
顺带提及正文出现过，但不是文章的主要讨论对象，当前共 96 条。
8月7日周五 · 1 条
正文顺带提及命中实体：cursor
8月5日周三 · 2 条
正文顺带提及命中实体：cursor
LiteLLM v1.97.0-dev.1 发布：Docker 镜像签名验证及多项功能更新
LiteLLM 发布了 v1.97.0-dev.1 版本，该版本的所有 Docker 镜像均使用 cosign 签名，并提供了通过提交哈希或发布标签进行验证的方法。更新内容涵盖多项功能改进和修复，包括支持 Cursor 模型名称后缀、团队回调日志修复、JWT 认证用户邮箱回填、Playground 非流式响应切换、MCP 服务器组件重命名、Rubrik 护栏
正文顺带提及命中实体：cursor
Ponytail 技能修正自身基准，回应质疑并推动技能评估标准
开源技能 Ponytail 通过注入规则集，指导 AI 编码代理遵循 YAGNI 原则，避免过度工程化，自发布以来已获超 8.2 万 GitHub 星标。其原始基准声称减少 80-94% 代码，但遭质疑后作者重建基准，公开修正为平均减少约 54% 代码，并补充了行为测试框架。该事件凸显了 AI 技能缺乏评估标准的问题，Ponytail 的回应被视为更持久的贡
8月4日周二 · 1 条
正文顺带提及命中实体：cursor
灵光App闪应用创作者超400万，AI原生应用生态加速形成
灵光App宣布其“闪应用”创作者已超过400万人，其中大多数为无编程背景的普通用户。平台数据显示游戏化应用最活跃，模拟器类应用成为热门，同时AI应用正从效率工具延伸至情绪陪伴与生活决策场景。灵光App近期更新多项功能，包括热榜、文档导入、接入LingBot-World 2.0，并开放一键部署，支持通过Codex等工具生成的应用发布到平台，加速AI原生创作者生
8月3日周一 · 6 条
正文顺带提及命中实体：cursor
Together AI 用 AI 代理自动化复杂工程任务的经验
Together AI 通过博客分享了使用 AI 代理自动化复杂工程任务的经验，重点介绍了开发高效 LLM 推理系统（如推测解码）的案例。他们提出了六个构建自动化代理的模式，分为基础设施模式和行为模式，强调工具质量、文档完善、任务可验证性等原则。该代理系统显著减少了人工干预，提高了工程效率。
正文顺带提及命中实体：cursor
Together AI 发布 FlashAttention-4 等七项创新，强化 AI 云全栈能力
Together AI 在首届 AI Native Conf 上发布了七项研究和产品，涵盖内核、强化学习和算法推理优化。其中 FlashAttention-4 针对 NVIDIA Blackwell GPU 优化，速度比 Triton 快 2.7 倍；Together Megakernel 将实时语音代理的首 token 延迟从 281ms 降至 77ms；
正文顺带提及命中实体：cursor
Together AI 在 GTC 2026 发布多项创新：集成 Dynamo、Nemotron 3 Super 等
Together AI 在 NVIDIA GTC 2026 上宣布多项合作与产品更新，包括采用 NVIDIA Dynamo 1.0 优化推理、通过 NVIDIA OpenShell 集成 NemoClaw、支持 NVIDIA Nemotron 3 Super 模型用于多智能体工作流，并在模型库中新增 NVIDIA Parakeet TDT 0.6B V3 语
正文顺带提及命中实体：cursor
什么是 AI 原生云？Together AI 定义新一代云基础设施
Together AI 在博客中提出“AI 原生云”概念，认为 AI 公司需要不同于传统 CPU 时代云的基础设施，以支持快速迭代、大规模 GPU 训练和推理。文章阐述了 AI 原生云的五大特征，包括全栈集成、研究到生产的快速路径、开发者速度等，并强调其对于 AI 公司保持竞争力的关键作用。
正文顺带提及命中实体：cursor
Together AI 强调推理效率是 AI 生产系统的关键
Together AI 在 NVIDIA GTC 2026 上强调推理效率对 AI 生产系统的重要性，指出推理成本占系统总成本的 80-90%。该公司通过 FlashAttention、ThunderKittens 和 Aurora 等开源技术优化推理性能，并利用 Blackwell 硬件实现全栈优化，帮助客户降低单位经济成本。文章还引用斯坦福 AI 指数，
正文顺带提及命中实体：cursor
Together AI 解读推理服务 99.9% 可用性的真实含义
Together AI 发布博客文章，解释推理服务中 99.9% 可用性的实际含义，指出不同可靠性等级对应不同的故障域和架构要求。文章强调，99.9% 需要跨数据中心部署和实时流量路由，而非冷备。Together AI 为 Cursor 等客户提供推理服务，并分享了其架构选择和运维经验。
8月2日周日 · 3 条
正文顺带提及命中实体：cursor
Together AI 与 YC 合作推出首个专用 GPU 集群
Together AI 与 Y Combinator 宣布合作，为 YC 投资组合中的 AI 初创公司提供首个专用 GPU 集群，以解决计算资源获取难和成本高的问题。该集群支持短期灵活使用和长期优惠价格，初创公司可通过自助门户直接管理 GPU。目前集群已满负荷运行，双方计划未来扩展集群规模。
正文顺带提及命中实体：cursor
Together AI 完成 8 亿美元 C 轮融资，推动开源 AI 普及
Together AI 宣布完成 8 亿美元 C 轮融资，投资方包括 NVIDIA、Salesforce Ventures 等，并额外获得超过 500 兆瓦计算能力承诺。该公司提供开源 AI 全栈平台，客户包括 Cognition、Cursor 等，其平台通过优化推理栈帮助客户降低 6 至 20 倍成本。CEO 表示将继续推动开源 AI 的普及和高效推理。
正文顺带提及命中实体：cursor
Anthropic 发布 Claude Opus 5，性能提升且成本减半
Anthropic 发布了 Claude Opus 5，这是 Opus 系列的新一代模型，在编码、知识工作和智能体任务上表现优异，接近 Fable 5 的智能水平但价格减半。该模型在多个基准测试中创下新纪录，如 Frontier-Bench 和 GDPval-AA，并在成本效率上优于前代 Opus 4.8。早期客户反馈显示其在调试、自动化工作流和科学分析中表
7月30日周四 · 1 条
正文顺带提及命中实体：cursor
使用 NVIDIA NeMo Guardrails 自托管验证型 AI 编码助手
NVIDIA 技术博客发布教程，介绍如何利用 NVIDIA NeMo Guardrails 和 StarCoder2-7B NIM 自托管一个经过验证的 AI 编码助手。该方案解决了源代码不能离开网络、模型幻觉包名导致供应链风险以及缺乏审计追踪三个问题。教程详细说明了部署架构、NIM 端点配置、NeMo Guardrails 策略以及 CI 验证和指标监控的
7月26日周日 · 1 条
正文顺带提及命中实体：cursor
ABBEL：通过信念评分提升 LLM 长时程交互效率
Berkeley AI Research 博客介绍了 ABBEL 框架，用于提升 LLM 在长时程交互中的信念更新效率。该框架通过将摘要视为信念状态并引入信念评分（如重建评分）来监督摘要内容，在 CollabBench 协作编码任务中，相比传统递归摘要，将性能差距缩小约 50%，并减少 50% 的训练步数。在 Combination Lock 任务中，结合领
11月19日周三 · 1 条
正文顺带提及命中实体：cursor
Google 发布 Gemini 3 模型，强化代理式编码与多模态能力
Google DeepMind 发布了 Gemini 3 系列模型，其中 Gemini 3 Pro 在推理、编码和多模态理解上超越前代，并在 Terminal-Bench 2.0 等基准上取得领先成绩。该模型通过 Gemini API 提供预览，定价为每百万输入 token 2 美元、输出 token 12 美元，并集成于 Google Antigravit