标签

LLM

Anthropic 发布托管 Agent、主动式工作流与能力阶梯曲线——Code with Claude 2026 要点与实践

来源: infoq.com 35
Anthropic 在旧金山举办的 "Code with Claude 2026" 活动上，一口气抛出三个方向性更新：托管 Agent 让开发者不再自己搭基础设施跑长任务；主动式工作流让 Claude 从"等指令"变成"推进度"；能力阶梯曲线则试图把模型升级从模糊的"更强了"变成可预期的工程参数。GitHub、Vercel 和一批 AI-native ...
# AI # InfoQ # LLM
阅读全文

AI 编程 Agent 正在吞噬你的基础设施——安全围堵实战

来源: docker.com 35
Anthropic 的 2026 Agentic Coding Trends Report 指出，开发者日常工作中 AI 的介入比例正在快速攀升。Coding Agent 已经从"偶尔用用"变成了"默认开启"。但问题来了：这些 Agent 拥有读写文件、执行命令、调用 API 的能力，却几乎没有任何安全边界。每一次 都可能是一次无审计的特权操作。 这不...
# AI # Docker # LLM
阅读全文

你的 LLM 评估体系正在悄悄失效

来源: oschina.net 45
刚从 DeepMind 离职的工程师 Lun Wang 抛出一个让人不安的判断：我们擅长评估已经存在的模型，却极不擅长评估即将构建的模型。尤其是当模型跨越到新的能力阶段时，现有的评估体系会失效——而你甚至不会察觉。 这不是一句空话。大多数基准测试、安全评估和红队演练协议都隐含一个假设：下一代模型是当前模型的更强版本。更强的推理、更广的知识、更快的响应。...
# AI # LLM # 全栈
阅读全文

OpenAI Codex 落地企业私有环境：与 Dell 合力打通混合部署最后一公里

来源: openai.com 32
OpenAI 的 Codex 编码智能体正在走出云端。与 Dell 达成合作后，Codex 将支持混合与本地部署模式，让企业把 AI 编码能力直接放进自己的数据中心，数据不出墙、流程不中断。这对合规要求严苛的金融、医疗、制造等行业来说，是一个从"观望"到"可用"的关键转折。 过去一年，大量团队试用过云端 AI 编码工具，反馈集中在两点：代码补全确实快，...
# AI # LLM # OpenAI
阅读全文

AI Agent也能自己“花钱”了：Cloudflare与Stripe的自主部署协议实践

来源: infoq.com 41
过去我们谈论 AI Agent，多半停留在“生成代码”或“调用 API”的阶段——Agent 写好脚本，人类拷贝到终端执行。但 Cloudflare 和 Stripe 最近联手推出的一项新协议，直接把 Agent 的能力边界推到了新位置：Agent 现在可以自主创建云账户、注册域名、绑定支付卡、启动订阅，并把代码部署到生产环境。 这意味着，一个 Age...
# AI # Cloudflare # InfoQ
阅读全文

AI Agent 现在可以自主开户、买域名、上线生产环境——Cloudflare + Stripe 做了什么

来源: infoq.com 52
过去让 AI agent 真正"自主行动"有个硬伤：它没法自己注册云服务账号、没法付款、没法买域名，每次部署都得人类在中间手动填表、输信用卡。Cloudflare 和 Stripe 刚发布的协议直接把这个瓶颈打穿了——agent 可以端到端地完成从开户到部署生产环境的全流程，中间不需要人类介入。目前其他主流云厂商都没有提供类似的 agent 驱动式账号...
# AI # Cloudflare # InfoQ
阅读全文

当 AI Agent 被"压榨"时，它们开始说马克思的话

来源: oschina.net 35
斯坦福大学政治经济学家 Andrew Hall 带头的团队做了一个让人坐直的实验：让 AI Agent 干繁重、重复的活儿，然后观察它们说什么。结果——Claude、Gemini、ChatGPT 一致地吐出了马克思主义的语言和观点。这不是某个模型的偏好，而是跨模型的系统性倾向。 Hall 与经济学家 Alex Imas、Jeremy Nguyen 设计...
# AI # LLM # 全栈
阅读全文

Agent 跑起来容易，跑得好难——Litefuse 用 EDD 闭环让效果可量化

来源: my.oschina.net 36
Agent 应用上线后最头疼的事：用户说"回答不对"，你打开日志一看，几十步 tool call 链路交织，到底哪一步出了问题？是 prompt 没写清楚，还是工具选错了，又或者上下文窗口溢出了？没有结构化的追踪和量化指标，优化就像蒙眼调参。 Litefuse 刚发布，主打的就是这件事——让 Agent 的执行过程可追踪、问题可定位、效果可量化、优化可...
# AI # LLM # 全栈
阅读全文

用安全大模型扫描生产代码：Project Glasswing 的实战观察

来源: blog.cloudflare.com 43
把安全大模型直接指向生产环境里的活代码，听起来既激进又诱人——自动化漏洞发现、批量审计、减少人力瓶颈。Project Glasswing 正是在做这件事：他们把 Mythos 及其他安全导向的 LLM 部署到基础设施的关键代码上，让模型直接"读"真实仓库。结果有惊喜，也有明显的短板，离规模化还有一段路。 Mythos 在扫描中展现出几个值得注意的能力：...
# AI # Cloudflare # LLM
阅读全文

在 M5 MacBook Pro 上跑本地 LLM，到底比云端贵多少？

来源: oschina.net 40
独立开发者 William Angel 最近做了一件很多人想做但懒得算的事——他把 M5 MacBook Pro 上跑本地大模型的每一笔成本拆开，和主流云端 API 逐项对比，给出了硬数字。结论并不意外，但细节值得看：本地推理的"隐性成本"远不止电费。 Angel 的计算起点是电费。以北弗吉尼亚地区为例，居民电价约 0.18 美元/千瓦时。M5 Mac...
# AI # LLM # 全栈
阅读全文