标签

AI

Kimi ARR 破 3 亿美元:开发者 API 正在改写大模型公司的收入曲线

来源: oschina.net 40
月之暗面 Kimi 的融资节奏和收入数据,让国内大模型公司的商业化讨论从“流量有多大”转向“开发者到底愿不愿意付费”。据报道,Kimi 上一轮 200 亿美元估值融资近日完成交割,新一轮融资已启动,投前估值升至 315 亿美元;其在融资沟通中披露,6 月中旬 ARR,也就是年度经常性收入,突破 3 亿美元。本轮收入增长的关键来源,是模型迭代带来的开发者...

PostgreSQL 表太多时,内存和元数据查询会先撑不住

来源: postgr.es 28
“表很多”听起来像是建模风格问题,但在 PostgreSQL 里,它也可能变成实打实的内存和 CPU 问题。一次故障排查中,Linux OOM killer 会偶发杀掉 PostgreSQL,另一些长查询则持续占用 CPU、拖慢应用;最后问题都指向同一个根因:单个数据库里有成千上万张表以及随之膨胀的元数据对象。 排查 PostgreSQL 内存问题时,...

SQL:202y 新草案看点:QUALIFY、按列名插入与更安全的 JOIN

来源: postgr.es 21
2026 年 6 月,负责 SQL 与 GQL 标准化的 ISO/IEC JTC1 SC32 WG3 在斯德哥尔摩开会,多个与 SQL 和 PostgreSQL 社区密切相关的提案进入工作草案。这里的“已接受”还不是最终国际标准发布,而是进入标准工作草案,后续仍可能经过编辑、审查和投票流程。 这次最值得开发者关注的,不是某个炫技函数,而是几类会直接改变...

LongCat-2.0 开源:1.6 万亿参数 MoE 模型背后的工程信号

来源: oschina.net 38
美团正式发布并开源 LongCat-2.0,把一个总参数量 1.6 万亿、每个 token 约激活 480 亿参数的 MoE 语言模型推到开发者面前。比起单纯刷新参数规模,这次更值得关注的是两个工程信号:模型架构继续向稀疏激活演进,完整训练流程和大规模部署全部跑在国产算力集群上。 LongCat-2.0 是 MoE,也就是 Mixture of Exp...

ACL v1.0:当 AI Agent 开始读仓库,商业许可证也要补课了

来源: oschina.net 30
AI 编程工具已经不只是“看几行代码给补全”了。Copilot 在 IDE 里联想,Codex 类工具能重构项目,企业内部 agent 还会轮询仓库、索引依赖、生成补丁。问题是:很多商业源码许可证诞生时,并没有认真描述“AI 可以拿这些代码做什么”。 ACL v1.0 的发布,正是冲着这个空白来的。它试图回答一个新问题:在 AI 时代,代码“可见、可用...

WSL Containers 预览版来了:在 Windows 上直接跑原生 Linux 容器

来源: oschina.net 38
微软发布了 WSL Containers(WSLC)的首个公开预览版。它把“原生 Linux 容器”这件事直接带进 WSL:开发者可以通过 命令行工具创建、运行、启动、终止、导出、清理和检查容器,也可以用 C++、C#/WinRT SDK 把容器能力嵌进自己的工具链。 这不是又一个容器概念包装。它真正值得关注的地方在于:Windows 开发环境里,WS...

TaiXu-Admin V0.1.1:把 Skill、RAG 和 Agent 的工程边界补齐

来源: oschina.net 41
TaiXu-Admin V0.1.1 的更新重点不在“又接了一个模型”,而在应用系统真正跑起来后会遇到的工程问题:技能怎么加载,知识库怎么重构,历史记忆怎么管,RAG 和 Agent 出错时怎么兜底。这些能力看起来不如模型参数醒目,却直接决定一个 LLM 应用能不能稳定交付。 这次发布实现了 skill 技能加载,并支持在 YAML 中配置全局 ski...

PostgreSQL 的 enable_indexonlyscan:为什么“只扫索引”仍然会碰堆表

来源: postgr.es 22
在 PostgreSQL 里,索引不只有一种用法。普通 Index Scan 会沿着索引找到行,再回表读取堆表;Bitmap Scan 会先收集一批 TID,再批量访问堆表;Index Only Scan 看起来最诱人:如果查询需要的列都在索引里,理论上就不用碰堆表。 但 最容易被误解的地方也在这里:“物理上可以使用 Index Only Scan”不...

Hugging Face 模型页展示 Every Eval Ever:选模型时少翻几张表

来源: huggingface.co 35
Hugging Face 模型页开始展示 Every Eval Ever 的评测结果,这件事对日常选型很实际:开发者不用只靠模型卡里的自述、排行榜截图或社区帖子来判断模型能力,而是可以在模型页面附近看到更多结构化评测信号。它不会替你做最终决策,但能把“先筛一轮候选模型”的成本降下来。 大模型选型最麻烦的地方,不是找不到模型,而是同名、同尺寸、同架构变体...

走进 Genebench-Pro:如何用更工程化的方式评测基因组 AI 工具

来源: openai.com 27
Genebench-Pro 这个名字透露出两个关键信号:它面向基因相关任务,且强调“Pro”级别的评测。由于来源摘要没有提供更多实现细节,本文不把具体能力包装成既成事实,而是从工程视角讨论:如果你正在引入基因组 AI、LLM 生物信息助手或自动化分析代理,类似 Genebench-Pro 的专业评测体系应该关注什么,以及团队可以怎样搭建一个可复用的最小...