Hacker News front page● 精選AI 評分83
Cockroach Labs 的 MOLT 用智慧體醫院兩天完成 Db2 遷移支援
Cockroach Labs 用名為 MOLT Sinai 的智慧體流水線，在不到兩天內為遷移工具 MOLT 加上 IBM Db2 源支援，token 花費 4172 美元；2024 年為 MOLT 加 Oracle 支援則用了 9 個月、約 16 萬美元工程時間，即快 164 倍、便宜 38 倍。
搜尋
找到 9 筆
Latent Space● 精選AI 評分85
TypeSafe 的 Jev 上線三週估值 75 億美元，首周 ARR 破 1 億
TypeSafe 的 Jev API 上線三週即獲 75 億美元估值，首周 ARR 突破 1 億美元，成為同日湧現的「決策模型」品類的對標基準。OpenAI 同日發布 Decisions API，基於 GPT-6 Luna，支援機率、選項與打分三類請求，輸入每百萬 token 收費 0.10 美元、不計輸出費用，官方稱最快可提速 10 倍；
Hacker News front pageAI 評分56
Rivet 發布基於 S3 的 agent 編排器，用 actor 替代沙箱
Rivet 發布開源、可自託管的 agent 編排器，用基於 S3 的輕量 actor 取代每個 agent 一個沙箱。每個 actor 提供常駐程序、記憶體狀態、WebSocket 服務、由 S3 支撐的 SQLite 持久化和空閒休眠，基線僅 72 KB，而最小沙箱為 512 MB；啟動延遲 4.9 ms p99，沙箱為 1.7 s p99。資料存 S3 比 EBS gp3 便宜 10 倍，持久寫入 1.07 ms p99；
Apple Machine Learning Research● 精選AI 評分67
研究質疑自主 MLE agent 是否需要複雜編排框架
一項研究指出，近期自主機器學習工程（MLE）agent 普遍依賴多 agent 編排器、專用檢索子 agent 等複雜框架，但更簡單、僅靠 read、write、bash 原語直接訪問執行環境的 coding agent 路線卻少有人研究。該工作正是要回答：強 agent 做自主 MLE 究竟需要多少這類外圍框架。
Hacker News front pageAI 評分54
Bernstein v3.23.0 發布，用確定性排程統一管理 53 個 CLI agent
開源 AI agent 治理層 Bernstein 更新至 v3.23.0，提供 53 個 CLI agent 介面卡，採用 Apache 2.0 許可並支援本地部署。它用不參與協調的確定性 Python 排程器並行執行 agent，同一個計劃可以逐位元組重放，流程依次為任務拆解、在隔離 worktree 中生成 agent、用測試、型別檢查和 lint 驗證，最後只合並通過驗證的 diff。
Latent Space● 精選AI 評分83
Anthropic 推出動態工作流，讓 Claude 自行編排多智慧體
Anthropic 在 AI Engineer New York 2026 上介紹了上週五發布的 dynamic workflows（簡稱 flows），由 Claude 自行編排整套多智慧體拓撲。此前 Claude Managed Agents 需開發者配置協調者與子代理名冊，現在 lead agent 自己制定計劃並編寫編排程式，負責啟動代理、收集結果與管理資訊流，功能在面向 API 開發者的 Claude Console 提供，也支援傳入預配置子代理。
OpenAI NewsAI 評分42
Grupo Boticário 用 OpenAI 智慧體平台自主解決 80% 運營請求
巴西美妝集團 Grupo Boticário 基於 OpenAI 模型搭建自研智慧體編排平台，對經銷商日常運營請求的自主解決率最高達 80%；自 2025 年 11 月起，appchat 與 WhatsApp Enterprise 中產生的對話已 100% 由該平台覆蓋。僅經銷商流程就有 30 多個智慧體，另有智慧體專門校驗回答內容與有效性。在直銷環節，AI 先接待並初篩 90% 的線索，確認有下單意向後再轉交人工，實現 24 小時回應。
Hacker News front page● 精選AI 評分76
GVS5H 讓五個 Qwen3.8-27B 例項協作，LiveCodeBench 達 92.4%
本地部署的開源 Qwen3.8-27B 用上 GVS5H 後，在 LiveCodeBench 最新 100 道 hard 題上的 pass@1 從 66.8% 升到 92.4%。該方法不需要訓練：同一模型開五個例項，通過共享檔案系統裡的計劃、筆記與當前解來拆解問題並協調，在固定後端上最多帶來 25.6 個百分點提升。雲端編排的 Qwen3.8 Flash Next 達到 93.0%，高於 Fable 5 的 90.4%，成本僅為其 9%。收益並不普遍，部分模型持平或變差；
Claude blog● 精選AI 評分63
Block 用 Claude Fable 編排遷移，單次數千 PR 由數十個小模型執行
Square 與 Cash App 母公司 Block 的 AI 負責人 Bradley Axen 介紹了用 Claude Fable 5 編排大規模程式碼遷移的做法：單次遷移涉及跨倉庫的數百到數千個 PR、數百萬行程式碼，由 Fable 負責資料模型、API 規格等高層設計，再排程數十個 Opus、Sonnet 等更便宜的模型完成具體檔案修改與測試，全程跑在其開源協作工作區 Buzz 上。早期結果顯示前沿 token 集中在前期規劃、執行更多交給小模型，品質沒有下降。