Altera 發布 Agilex 2X,涵蓋 FPGA 與 SoC 的完整產品組合
Altera 宣布推出 Agilex 2X,稱其為覆蓋 FPGA 與 SoC 的完整產品組合。官方新聞稿目前只給出系列名稱與定位,未披露具體型號、製程工藝、邏輯密度、功耗或上市時間等資訊。該訊息在 Hacker News 上僅獲得 4 分、暫無評論。
依意思最接近的 24 筆
Altera 宣布推出 Agilex 2X,稱其為覆蓋 FPGA 與 SoC 的完整產品組合。官方新聞稿目前只給出系列名稱與定位,未披露具體型號、製程工藝、邏輯密度、功耗或上市時間等資訊。該訊息在 Hacker News 上僅獲得 4 分、暫無評論。
Agility 將通過 SPAC 反向合併登陸美股,成為首家純粹的人形機器人上市公司,並新募資 4.65 億美元。其 Digit 機器人已在 GXO、舍弗勒、豐田加拿大等 9 家客戶的物流場景搬運重物,但 2026 年上半年收入僅 17.4 萬美元,同期虧損 3.62 億美元。新一代 Digit 5 不再需要隔離工作間、可在人身旁安全作業,已獲得 30 家客戶共 3 億美元的計劃合同,原型將在 CES 2027 展示、當年年底正式發售。
具身智慧公司 Microagi 公開亮相,推出面向工業場景的機器人產品 Atlas 與資料產品 shift。Atlas 把自主機器人直接部署到工業企業現有硬體與產線上執行閉環作業,無需更換裝置;shift 在不使用遙操作、不中斷產線的情況下記錄真實物理作業過程,並轉化為可直接用於訓練的資料。該公司稱自身為資料研究與部署實驗室,團隊分佈在慕尼黑、蘇黎世、倫敦和伊斯坦布林。
A2UI 支援可切換推理格式,新增的 A2UI Express 會把緊湊的 Python 風格語法經 Agent SDK 編譯成標準 A2UI JSON,token 用量最多減少 3 倍,延遲同步下降。開發者還可以結合 TypeSafe 的 Jev 系統決策模型進行受控生成,在 300ms 內渲染出已知結構的介面,同時讓較小模型流式輸出文字。前端渲染器與元件目錄無需改動,Python、TypeScript、Dart 均可使用。
AegisKernel 發布面向 AI agent 的零信任 POSIX 執行時,用確定效能力邊界取代機率性的 LLM 護欄,宣稱可 100% 攔截自主工具劫持,攔截耗時低於 0.016 毫秒。接入方式是兩行程式碼:用 AegisShield 按 strict 策略包裝工具函式,官方稱相容 LangChain、CrewAI 與 AutoGen。專案頁面還提供攻擊向量生成器,可注入 payload 並即時檢視攔截遙測與取證雜湊。
Google 等團隊發布 T2J-Bench,用 63 個整倉任務評測 Coding Agent 把 PyTorch 程式碼庫遷移到 JAX 的品質。任務覆蓋 18 個模型家族,含 45 個 LoRA 微調任務和 18 個 paged-attention 推理服務任務,從規範、數值、行為三層檢查。
Agility Robotics 於 11 月 5 日在納斯達克上市,成為美國首家上市的人形機器人開發商。其證券檔案坦承,人形機器人大規模應用尚未驗證、也未實現廣泛商業化,而工業機器人已有數十年倉庫和工廠的驗證記錄。公司計劃出租或銷售人形機器人執行體力勞動;聯合創始人稱機器人即服務按接近人力成本收費,讓客戶從第一天就有投資回報。該公司曾在 2024 年首次在客戶倉庫實現人形機器人全職商業部署。
Hacker News 上有人發帖徵集討論:Agentic AI 進入生產的主要瓶頸在哪裡。發帖者引用兩項資料作對照——agent 產生的流量已超過人類流量,但已建置的 agent 中只有 10% 真正上線生產,他覺得這很諷刺。他由此追問是什麼卡住了這些 agent,以及要讓 agent 流量繼續增長還缺哪些基礎設施。帖子目前 3 分、5 條評論。
Google 開源了 Harness²,這是一套雙層遞迴框架,讓 Agent 在執行時自行修改腳手架、系統提示詞、工具鏈與技能庫。它在沒有標準答案時,用 Propose–Probe–Compose 對改動做行為對比篩選,並把除錯經驗寫進經驗庫,供後續任務檢索複用。實測 GLM-5 在 OpenCode 下執行 WorkBuddy-Bench,得分從 64.2 升到 75.7(+11.5 分),反超未改腳手架的 Gemini 3.5 Flash(72.4);
Bluesky 在 TechCrunch Disrupt 2026 上宣布擴充套件其 AI 實驗平台 Attie,讓普通使用者無需程式設計就能建置網站、測驗、遊戲、投票等互動體驗。這些作品執行在支撐 Bluesky 的 AT Protocol 上,使用者可自帶 AI 模型或使用開放權重模型,Attie 還會根據其公開 Bluesky 資料推薦可做的專案,並借 Bluesky 的分發觸達受眾。Bluesky 目前有 4700 萬註冊使用者但互動量下滑;
NVIDIA Factory Operations Blueprint(FOX)已在 GitHub 開放早期訪問,開發者可據此建置常駐工廠管理智慧體,協調機器作業,並派生視覺檢測、根因分析、報告生成等專用智慧體。這些智慧體可接入 Cosmos、Nemotron 開放模型,並通過上下文學習用文件與樣例完成適配,無需微調。西門子已把它接入 Intelligence Center X,預計節省 20% 成本,並在埃爾朗根工廠將檢測流程校準時間縮短 40%。
蘋果 Xcode 26.3 已整合 Claude Agent SDK,開發者可在 Apple 平台用 Claude 執行自主、長時間執行的編碼任務。Anthropic 同期還宣布三年投入 1.5 億美元參與美國 Genesis Mission,與 Accenture 預計五年內投入至少 10 億美元建設前沿 AI 獨立評估能力,並與 Gates Foundation 達成 2 億美元合作。
Tenex 聯合創始人 Alex Lieberman 與 CJ Hess 在 AIE New York 介紹,這家按交付產出而非工時給 AI 工程師付酬的公司已擴張到 75 人,客戶覆蓋財富 2000 與中端市場企業。其內部工具 MetaHarness 把技能、專案文件與 CLI 連同計劃和決策一併提交進 Git,agent 接手任務時能讀到「為什麼這樣建」。
Ai2 把原先基於優先順序的 GPU 排程器換成了由 GPU 時間預算、層級化公平分配和時間切片契約組成的新系統。它管理數千塊 NVIDIA H100、B200、B300,叢集規模從 88 到 1024 塊 GPU,服務約 150 名內部研究者,GPU 需求長期是供給的 2 到 3 倍。舊方案導致 GPU 蹲坑佔位、優先順序通脹(最終 100% 工作負載都標為 HIGH)以及值班工程師大量時間用於協商關閉不可搶佔任務。
xAI 於 2026 年 10 月 20 日在官網新聞頁發布了一篇題為 incident-sweep 的公告。該帖僅給出全文連結 x.ai/news/incident-sweep,未在正文中說明事件性質、影響範圍或處理進展。具體內容需要開啟原文檢視。
開源安全運營平台 Argus 發布,採用 MIT 許可、免費自託管,核心是讓 AI 代理以機器速度檢測並自動阻斷攻擊。它接入 AWS、Azure、GCP、Kubernetes、Okta、Entra、CrowdStrike 等服務,提供 27 個一鍵修復,並支援在 Slack 中一鍵批准或回滾。新版新增自主回應(未人工確認則按定時器自動回滾)、統一 AI 閘道器(用公司持有的金鑰代理 OpenAI 與 Anthropic 呼叫,含模型白名單與預算)以及影子 AI 發現。
《紐約時報》前記者、Hard Fork 前主持人 Kevin Roose 出版新書《The AGI Chronicles》,寫的是前沿實驗室在 AI 全面商業化過程中的轉變。他與 Casey Newton 已離開時報,上週推出與 NPR 合作的新播客 Machine Gods,以影片為主。他在 Decoder 訪談中談了新書的報導過程、離開大機構做獨立創作者的選擇,以及 AGI 之後的走向。
Ai2 更新氣候模擬系統 HiRO-ACEv2,新的降尺度模型 HiROv2 可同時預測降雨、風與氣壓等多種高解析度變數,極端事件精度提升。整套系統生成全球 3 公里氣候資料的成本約為高解析度全球大氣模型 X-SHiELD 的 1/300,若只需單個區域,節省可再高百倍以上。官方稱其高解析度統計量與 X-SHiELD 的偏差在 3% 以內,可復現百萬分之一量級的罕見事件,並生成帶颱風眼與雨帶的颶風。
阿里 Qwen 發布 QwenGyre,把彈性強化學習引入超長週期(XLong)agent 訓練,核心是彈性排程器與軌跡處理器兩項設計。彈性排程器按需求在 rollout 與訓練間動態重分配 GPU,執行不中斷,相比 Colocate 最高提速 1.85 倍、比 Async 快 1.78 倍;軌跡處理器把分支執行整理成字首共享的軌跡樹,去重並限制訓練樣本量,超時後的部分進度也能評分。
OpenAI 表示,歐洲企業正在迅速擴大 AI agent 的使用。在其歐盟企業及商業客戶中,超過一半的 AI 使用已涉及這類工具,小企業使用者數量在整個地區增長了 8 倍。其最新經濟研究報告探討歐洲向 agentic AI 的轉變,以及把更廣泛採用轉化為更深入使用的機會。
螞蟻靈矽大模型應用平台團隊開源自動最佳化框架 AntOmniEvo,使用者只需提供可修改的檔案目錄、評估資料、打分標準和系統定義,框架就會驅動 coding agent 在「改檔案—打分」迴圈中 7×24 迭代。核心演算法 Mara Chain 讓未達標的候選帶著診斷記錄繼續修復,配合逐題 Pareto 過濾,避免過早淘汰有潛力的候選。
Google Cloud 介紹 Project Chrysalis:一套可治理、可自我進化的 AI agent 架構,能在 1.8 秒內修復線上生產故障。它組合 Gemini Enterprise Agent Platform、Agent Development Kit(ADK)和 BigQuery,併疊加 Model Armor、Cloud KMS、Binary Authorization、OPA 四層縱深防禦,分別對應模型防護、金鑰管理、映象授權與策略執行。
Agents CLI 提供一套評估迴圈,通過持續測試與評分來系統化提升 Agent 表現。該流程可捕捉提示詞迴歸,並利用並排 trace 對比評估模型後端替換的效果,同時支援自動執行評估。開發者還能將評估接入每夜定時執行,並設定基於閾值的告警,以便長期跟蹤 Agent 的品質變化;原文以完整範例演示了從測試、評分到告警的評估閉環。
Google A2UI 團隊與 CopilotKit 聯合給出方案:Agent 以宣告式 JSON 描述介面,應用用已有元件渲染,而不是執行模型生成的程式碼。A2UI 是框架無關的開放標準,載荷為可增量流式渲染的小型 JSON 訊息,客戶端只渲染受信任元件目錄內的元件;基礎目錄含 18 個通用原語,生產應用可自訂目錄。