2026-07-02
来源: oschina.net
42
GitHub 终于开始把 stacked PRs 做进平台里了。官方第一方功能叫 ，目前还在 private preview，需要申请启用。对长期在一个大分支里憋功能、或者靠第三方工具维护 PR 链的团队来说，这件事的意义很直接：把一个大改动拆成一串有顺序的小 PR，并让 GitHub 原生理解它们之间的依赖关系。 一个 stack 可以理解为一条有序...
2026-07-02
来源: oschina.net
34
葡萄牙正式推出首个国家级大型语言模型 Amália，并以开源平台形式向政府、企业、大学和研究人员开放模型、数据集与源代码。这件事的重点不只是“又有一个大模型”，而是一个国家在语言、文化和公共技术能力上，开始把 AI 基础设施握在自己手里。 大型语言模型的能力高度依赖训练语料。对英语、中文这类高资源语言来说，通用模型通常已经有不错表现；但对欧洲葡萄牙语这...
2026-07-02
来源: oschina.net
23
73.7 万亿个 token，30 天。这个数字来自 Meta 面向约 6000 名员工的内部备忘录：仅内部员工用大模型写代码，一年账单就可能逼近数十亿美元。CTO Andrew Bosworth 把这种现象称为 “tokenmaxxing”，也就是为了刷 token 量而使用模型。他提醒团队：不是所有动作都等于进步，token 消耗本身不是生产力。 ...
2026-07-02
来源: oschina.net
40
TeamCity 2026.1.2 和 2025.11.6 已发布，这两个版本都属于错误修复更新。它们不是功能型大版本，但对日常 CI/CD 稳定性很关键：构建停止语义、Perforce 个人构建、AWS 凭证生命周期、S3 bucket 前缀处理等问题，都可能在流水线高频运行时放大成真实事故。 修复版本容易被团队低估，因为它们通常没有新的 UI、没有...
2026-07-02
来源: my.oschina.net
33
推荐业务里的 AI 代码生成，最怕的不是“写不出来”，而是写出来以后直接撞进复杂线上链路：召回、粗排、精排、重排、特征、实验、策略，每一层都有性能、稳定性和业务指标约束。得物推荐 AI Harness 工程化实践系列的开篇，重点不是炫耀模型能生成多少代码，而是把“狂野代码”纳入一套从生成、防护校验到安全上线的工程体系。 这类体系的核心价值很直接：让 A...
2026-07-02
来源: oschina.net
26
福特这次的动作很有现实感：生产线上装了大量 AI 摄像头，希望用机器视觉替代一部分资深工程师的质量判断，结果发现效果不够稳，于是三年里重新找回、招进、提拔了大约 350 位技术专家。内部把这些人称为 “gray beard”，也就是经验很深的老工程师、老专家。 这件事的重点不是“AI 没用”，而是质量控制这种工作不能只靠识别缺陷。真正难的是判断缺陷从哪...
2026-07-02
来源: tech.meituan.com
41
海报生成看起来像是“输入一句话，出一张图”，但真正落到外卖营销、品牌 IP、活动运营场景里，难点远不止模型会画图。美团智能创作团队围绕海报生成 AIGC 构建了“生成-编辑-评判”的完整技术闭环，并已在美团外卖、品牌 IP 等场景落地和开源。这个方向的价值不只是省几张设计图，而是把创意生产变成可迭代、可审核、可规模化交付的系统。 营销海报通常同时包含商...
2026-07-02
来源: tech.meituan.com
29
LongCat 开源 VitaBench 2.0，把智能体评测的重心从“单轮答得好不好”推向“长期相处中是否真正理解用户”。它面向真实生活场景，关注长期、动态用户建模，系统评测大语言模型在持续互动里的个性化与主动性能力。 很多智能体 demo 看起来很聪明，因为它们只需要处理一次明确请求：写邮件、查日程、总结文档、生成计划。但真实用户不是静态 prom...
2026-07-02
来源: oschina.net
31
ApiGo 5.1 的重点不是“再做一个接口工具”，而是把企业里分散的数据源、接口开发、文档、脱敏、运维治理和 AI Skill 生成放到同一条流水线上。对需要快速开放数据能力的团队来说，这类平台的价值在于：少写重复 CRUD，多把精力放在数据口径、安全边界和服务治理上。 企业 API 开发里最耗时的部分，往往不是写一个 ，而是处理这些细节： 数据源类...
2026-07-02
来源: tech.meituan.com
36
美团发布 LongCat-2.0 的关键信息，不只是“参数更大”：它是一个总参数 1.6T、平均激活约 48B、动态激活范围 33B~56B 的万亿参数模型，并且在五万卡国产算力集群上完成了从训练到推理的全流程。更值得开发者关注的是，它的设计目标一开始就对准了真实的 Agentic Coding：让模型在代码理解、生成、执行和多步修复中更高效、更稳定。...