LlamaCloud 文档解析、抽取、分类与拆分 API 使用指南
LlamaIndex 发布 LlamaCloud 文档处理 API 文档，支持用 Python、TypeScript 和 curl 调用解析、抽取、分类与拆分四类能力。
#部署/工程
#部署/工程
今日 41 条LlamaIndex：产品、工程与评测AI 评分3333 Liquid AI 模型与工程博客（网页）AI 评分6060 Liquid AI LFM 模型文档：模型系列、部署格式与量化选型指南
Liquid AI 官方文档介绍其 Liquid Foundation Models (LFM) 多模态模型家族，面向快速推理和端侧部署，统一支持 32K 上下文（LFM2.5-8B-A1B 为 128K）。
Liquid AI 模型与工程博客（网页）AI 评分3030 Liquid AI 发布五套 LFM 本地部署方案演示
Liquid AI 展示五套基于 LFM 的可运行系统，每套将微调后的 Liquid 模型部署在手机、边缘 GPU 或用户自控 VPC 中，支持断网运行。模型覆盖文本、视觉与音频，量化与推理引擎按目标硬件联合选型并在用户实际硬件上做性能剖析。训练在单张 GPU 上数小时完成，并以留出集评分。
Liquid AI 模型与工程博客（网页）AI 评分5858 Liquid AI 与 .txt 合作：用 LFM2-350M 加 dotgrammar 实现端侧可靠函数调用
Liquid AI 与 .txt 合作展示如何在边缘设备上实现可靠的 LLM 函数调用：LFM2-350M 无量化下内存占用低于 1 GB、常见边缘硬件推理时间低于 100ms，配合 .txt 的 dotgrammar 库用上下文无关文法保证输出语法有效且不增加推理延迟。
Liquid AI 模型与工程博客（网页）AI 评分4343 Liquid AI 将 LEAP 扩展至笔记本，原生支持 AMD Ryzen 处理器
Liquid AI 宣布其 Liquid Edge AI Platform（LEAP）原生支持 AMD 最新 Ryzen 和 Ryzen AI 处理器，基于 llama.cpp 推理引擎，可在本地运行 LFM 模型。
Liquid AI 模型与工程博客（网页）AI 评分5252 Liquid AI 发布 LFM2-2.6B，主打高效小模型
Liquid AI 发布 LFM2 系列目前最大的模型 LFM2-2.6B，共 2.6B 参数，训练使用 10 万亿 token，官方称性能超过 Llama 3.2-3B-Instruct、Gemma-3-4b-it 和 SmolLM3-3B 等 3B+ 级模型。
Liquid AI 模型与工程博客（网页）AI 评分5757 Liquid AI 发布 Liquid Nanos 系列端侧专用小模型
Liquid AI 发布 Liquid Nanos 系列 350M–2.6B 参数的端侧基础模型，主打在手机、笔记本和嵌入式设备上本地运行，并已在 LEAP 平台和 Hugging Face 上线。
Liquid AI 模型与工程博客（网页）AI 评分2727 Liquid AI 如何用 ExecuTorch 实现高效灵活的设备端智能
Liquid AI 在开发 LFM2 系列开放权重模型时选用 PyTorch ExecuTorch 作为推理引擎，看中其混合缓存支持与单条命令打包权重、元数据和执行图的自动化部署流程。
Liquid AI 模型与工程博客（网页）AI 评分6161 Liquid AI 发布 LFM2-24B-A2B 开放权重 MoE 模型
Liquid AI 发布 LFM2-24B-A2B 的早期 checkpoint，总参数 24B、每 token 激活约 2.3B，是迄今最大的 LFM2 模型，开放权重已上线 Hugging Face。
Liquid AI 模型与工程博客（网页）AI 评分5353 Liquid AI 实测 LFM2-24B-A2B 在消费级硬件上本地运行工具调用智能体，并开源 LocalCowork
Liquid AI 发布开源桌面智能体 LocalCowork，展示 LFM2-24B-A2B 完全在本地笔记本上执行工具调用，无云端、无 API 密钥、数据不出设备。
Liquid AI 模型与工程博客（网页）AI 评分5555 Liquid AI 发布 LFM2.5-350M：预训练扩至 28T tokens，主打边缘工具调用
Liquid AI 发布 LFM2.5-350M，基于 LFM2 架构，预训练从 10T 扩至 28T tokens 并加入大规模强化学习，Base 和后训练模型已在 Hugging Face、LEAP 和 Playground 开放。
Liquid AI 模型与工程博客（网页）AI 评分5353 Liquid AI 发布 LFM2.5-ColBERT-350M 与 LFM2.5-Embedding-350M 双向检索模型
Liquid AI 发布两款 350M 参数多语言检索模型 LFM2.5-ColBERT-350M 和 LFM2.5-Embedding-350M，是 LFM 家族首批双向模型，支持 11 种语言的跨语言搜索。
Liquid AI 模型与工程博客（网页）AI 评分5757 Liquid AI 发布 LFM2.5-230M 轻量开源模型，主打端侧部署
Liquid AI 发布其最小的模型 LFM2.5-230M，基于 LFM2 架构，预训练 19T tokens，Base 和 post-trained 版本已在 Hugging Face 开放下载。
Liquid AI 模型与工程博客（网页）精选AI 评分7272 Liquid AI 发布端侧智能体模型 LFM2.5-2.6B
Liquid AI 发布 LFM2.5-2.6B，一个可完全在设备端运行的 2.6B 参数智能体模型，Base 与后训练版本已在 Hugging Face 开放。
推荐理由：原文给出完整的四阶段后训练流程、多基准对比和 CPU 与手机端实测速度，读者可据此评估它对端侧 Agent 部署的适配度。
TechCrunch：AI（RSS）AI 评分5757 Restate 完成 2000 万美元 A 轮融资，AI Agent 推动持久化基础设施需求增长
柏林初创公司 Restate 获 2000 万美元 A 轮融资，由 Singular 领投，Redpoint Ventures 和 Capital One Ventures 参投。
Fireworks AI（网页）AI 评分5050 Trilogy 发布基于 Kimi K3 与 Fireworks 的开源权重网络安全实战手册
Trilogy AI Center of Excellence 围绕 Fireworks 上的 Kimi K3 发布公开 AI 网络安全手册与练习包，包含交互式手册、仓库和十个针对本地训练应用的练习。
Fireworks AI（网页）精选AI 评分8383 Kimi K3 开源发布并上线 Fireworks：2.8T 参数、Day-0 推理与训练支持
月之暗面的 Kimi K3 以开源权重发布，共 2.8T 总参数、104B 激活参数、896 专家、1M 上下文，并在 Fireworks 上线 Day-0 推理与训练。
推荐理由：原文汇总了 K3 的参数规格、多项第三方基准成绩和与 Opus 5 的成本对比，读者可据此评估开源模型在自有工作流中的可行性。
Fireworks AI（网页）AI 评分5555 Fireworks AI 通过三组受控实验给出从 LoRA 切换到 FullFT 前的测试方法
Fireworks AI 在 Qwen3.5-9B 上用 Placement、寄存器分配和 Nexa VM 三个可自动验证任务做对照实验，提出在把 LoRA 换成 FullFT 前先依次测试数据覆盖、学习率等训练配方和 adapter rank。实验显示单任务场景下调数据或配方基本消除 FullFT 优势，固定预算混合任务中 FullFT 仍领先 4.29 个百分点，并将进一步发布后续实验。
Fireworks AI（网页）精选AI 评分6767 Fireworks 实测 DeepSeek V4 Pro 0813：SWE-Bench 达 95.2%，单任务成本约为 Fable 5 的三分之一
Fireworks AI 发布对 DeepSeek V4 Pro 0813 的评测，SWE-Bench Verified 得 95.2%（Fable 5 为 85.4%），SWE-bench 单任务成本 $0.309 对 Fable 5 的 $0.808。
推荐理由：Fireworks 用自家同一套评测对比 DeepSeek V4 Pro 与 Fable 5，给出单模型与 oracle 路由的成本和准确率数据，可作选型参考。
Fireworks AI（网页）AI 评分5252 Fireworks AI 正式发布 Training API 并推出 Fireworks Lab
Fireworks AI 宣布 Training API 正式可用，并推出 Fireworks Lab 服务。
Fireworks AI（网页）精选AI 评分6565 Fireworks 上线 DeepSeek-V4.1-Flash，编码准确率媲美 GPT-6 Astra 成本仅 1/15
Fireworks 上线 DeepSeek-V4.1-Flash，在 DeepSWE 上以 74.34% 的 Pass@1 达到 GPT-6 Astra 水平，每任务成本 $0.43，约为 Astra 的 1/15。
推荐理由：原文给出 DeepSWE、Terminal-Bench 2.1 和 HLE 的具体成本与准确率数据，可帮助开发者评估智能体编码工作流的模型选型。
Cursor Blog精选AI 评分7070 Cursor 团队分享如何搭建云端智能体开发环境
Cursor 团队分享为云端智能体搭建开发环境的经验，核心思路是把开发环境当作用户是智能体的产品来做。他们让云端 VM 与本地开发环境对齐，构建 anydev CLI 简化智能体运行服务的流程，并通过 Cursor Cloud MCP 和 Cloud Doctor 自动化功能实现环境的自愈与持续改善。
推荐理由：Cursor 团队分享了自家云端智能体环境的搭建经验，包含 anydev CLI、Cursor Cloud MCP 等做法和可迁移的判断标准。
Cursor Blog精选AI 评分6363 Cursor 推出构建，云端智能体启动速度最快提升至 3 倍
Cursor 推出构建功能，在后台预先准备可直接使用的开发环境副本，智能体启动即可运行，无需额外费用。默认每小时创建一次新构建，环境损坏时智能体沿用上一次成功构建；Cursor 内部环境启动速度提升 10 倍、首个 token 生成速度提升 3 倍。8 月 17 日起所有新建和现有环境将默认启用构建。
推荐理由：官方原文给出启动速度倍数、构建频率和失败回退机制，读者可据此评估其对云端智能体工作流的影响。
Epoch AI：研究、数据与评测AI 评分2121 Epoch AI 发布领先 AI 公司数据与算力使用追踪
Epoch AI 更新了其 AI 公司数据库，涵盖前沿 AI 主要参与者的收入、融资、员工和算力数据，并推出 AI Chip Users Explorer，首次展示五家领先实验室的算力使用估算（以 Nvidia H100-equivalents 计）。
Epoch AI：研究、数据与评测AI 评分5151 Epoch AI 发布 AI 芯片所有权分布数据集与开放研究项目
Epoch AI 上线 AI chip owners 探索器，基于公司披露和第三方分析师估算全球 AI 算力在主要公司和客户类别间的分布，数据于 2026 年 5 月 12 日更新。该项目追踪的是芯片所有权而非使用情况，多数前沿 AI 开发者的训练和推理芯片并非自有；数据、方法论及按设计商、芯片类型划分的 CSV 数据集均公开可下载。
Claude：Blog（网页）精选AI 评分7575 Anthropic 发布 AI-native SDLC 实践手册，用 Claude 重构软件开发全流程
Anthropic 发布 AI-native SDLC playbook，主张在代码不再瓶颈后重构传统软件开发生命周期，将流程改为以提交工件驱动的闭环。
推荐理由：Anthropic 把内部 agentic 编码实践整理成六阶段方法论，覆盖从需求捕获到自动回环的每一步落地与治理细节。
Claude：Blog（网页）精选AI 评分8181 Anthropic 详解 Claude Opus 5.5 为何适配更长、更高上下文的编码会话
Anthropic 发文说明 Claude Opus 5.5 针对更长、上下文更重的编码会话做了成本优化，估计典型按 token 计费的工作负载运行成本比 Opus 5 低约 40%。
推荐理由：原文用 Claude Code 六个月聚合数据解释长上下文会话成本结构，并给出保护缓存读取的可操作建议。
Claude：Blog（网页）精选AI 评分6060 Claude 开放插件目录提交门户，开发者可提交并跟踪插件
Claude 推出插件目录提交门户，插件可打包 MCP 连接器、Agent Skills 或两者，经审核通过后上架 Claude 目录，成为第三方扩展的主要形式。
推荐理由：官方说明插件提交流程、审核与使用分析功能，开发者可据此了解如何为 Claude 构建第三方扩展。
Claude：Blog（网页）精选AI 评分7070 Anthropic 联合 NVIDIA 为 Claude Managed Agents 增加 OpenShell 安全层
NVIDIA 发布 Open Agent Safety Platform，Anthropic 与其合作，将 NVIDIA 开源软件 OpenShell 引入 Claude Managed Agents 的智能体安全体系。
推荐理由：Anthropic 官方说明与 NVIDIA OpenShell 的分层安全设计，读者可以据此评估企业智能体的权限控制方案。
Claude：Blog（网页）精选AI 评分6060 Claude Code 推出 Artifacts：把会话工作变成可共享的实时网页
Claude Code 推出 Artifacts，可基于会话完整上下文（代码库、连接器、对话）生成实时可共享的网页，如 PR 讲解、事故页、仪表盘和发布清单，页面随会话进展原地刷新，每次发布为新版本并支持历史回滚。
推荐理由：官方说明了 Artifacts 的构建方式、版本共享机制和权限策略，读者可以判断它能否替换团队现有的状态同步流程。
Cognition 模型 / Devin 博客（网页）精选AI 评分6565 Cognition 发布 SWE-grep 和 SWE-grep-mini，用 RL 训练快速并行上下文检索模型
Cognition 训练了 SWE-grep 和 SWE-grep-mini 两个快速智能体模型，专攻高度并行的上下文检索，检索能力匹敌前沿编码模型，耗时低一个数量级。
推荐理由：官方公布了模型设计、RL 训练细节和评测数字，读者可以借此了解并行上下文检索的实现路径。
Cognition 模型 / Devin 博客（网页）AI 评分6161 Cognition 复盘构建 Devin 云 Agent 的经验：为什么自建比想象中难
Cognition 基于两年多构建 Devin 的经验，指出容器化方案存在共享内核安全风险，也无法跨异步间隙保存状态，他们用 microVM 隔离和 hypervisor 级全机状态快照解决。
Cognition 模型 / Devin 博客（网页）精选AI 评分7070 Cognition 发布 Devin CLI：本地启动会话，可移交云端继续运行
Cognition 发布 Devin CLI，可把 Devin 作为本地编码智能体在终端运行，通过 curl -fsSL https://cli.devin.ai/install.sh | bash 一分钟内安装。
推荐理由：发布方自述了本地会话与云端接力的具体玩法，读者可以据此评估是否把它接入自己的终端工作流。
Cognition 模型 / Devin 博客（网页）AI 评分5252 Cognition 分享 Devin 在 HIL/SIL 工作流中自动化失败分诊与 10 倍测试生成的部署经验
Cognition 发布博客，总结过去一年在多家车企（包括 RV Tech 和 Mercedes）部署 Devin 处理 HIL/SIL 工作流的经验。
Cognition 模型 / Devin 博客（网页）AI 评分6363 Cognition 推出 Devin Auto-Triage 自动排查告警与事故
Cognition 推出 Auto-Triage，现已在 Devin Automations 中可用。Devin 可监控 Slack、Linear、GitHub、Sentry、Datadog 及 webhook 等来源的告警，自动检查代码库和可观测性工具、并行派出 sub-Devin 调查、关联重复事故、标注负责人，并在修复明确时直接开 PR。
Cognition 模型 / Devin 博客（网页）AI 评分6060 Cognition 分享 Devin 端到端自动测试能力的构建经验
Cognition 工程师分享 Devin 如何在云端虚拟机中自主验证自己的代码改动：Devin 通过截屏、点击、输入等 computer use 工具启动应用并点击测试，可 10 到 20 个并行运行。
Baseten 工程博客（网页）AI 评分2323 Baseten 发布 Dedicated Inference 与 Model APIs 服务等级协议（SLA）
Baseten 公布适用于 Dedicated Inference 和 Model APIs 的服务等级协议，承诺每月 System Availability 不低于 99.9%，按月度监控记录计算。未达标时客户可申请服务补偿，单月补偿上限为当月应付费用的 40%，且需自行发邮件申请。该 SLA 不适用于客户自托管部署的服务。
Baseten 工程博客（网页）AI 评分1515 Baseten 招聘：打造 AI 推理云
Baseten 正在招聘跨学科团队，构建其所谓的“推理云”（Inference Cloud），认为 AI 的未来是数百万个专用模型嵌入各类产品，而推理决定性能、可靠性、延迟与经济性。Abridge、Cursor、Lovable、Notion、OpenEvidence 等公司已依赖 Baseten 支撑生产环境的 AI 工作负载。
Baseten 工程博客（网页）AI 评分2626 Baseten 推出 AI 初创企业计划，提供最高 2.5 万美元推理额度
Baseten 面向 AI 初创公司推出 Startup Program，提供最高 25,000 美元 Dedicated Inference 或 Training 额度，以及最高 2,500 美元 Model APIs 额度。申请者须为 AI 为核心业务的种子轮到 A 轮公司、成立不满 5 年，且此前未获得过 Baseten 额度。入选者还可获得数小时响应支持、跨云自动扩缩容与 GTM 支持。
Baseten 工程博客（网页）AI 评分1313 Baseten 如何为生产级 AI 推理做全栈工程优化
Baseten 为生产级 AI 推理提供全栈工程能力，覆盖模型开发、服务、编排、可观测性与底层优化，目标是在真实流量下兼顾吞吐、延迟与可靠性。其基础设施支持跨云跨区域 99.99% 可用性，并通过内核、量化、批处理、路由与硬件选型等逐层调优，按模型与流量定制配置而非套用通用预设。公司 2019 年由工程师创立，以前向部署工程师（FDE）与客户在真实流量下共同调优，从原型一路做到生产规模。