iFeeling Daily

每天精选值得关注的 AI 动态

每天精选值得关注的 AI 动态

前沿技术

电信行业有张自己的“考卷”，通用大模型几乎得零分。GSMA和AT&T用谷歌的Gemma开源模型做了一次教科书式的示范：用行业私域数据微调出的小模型，准确率碾压通用巨无霸，还把幻觉控制住了。这条路径对所有垂直行业都有直接参考价值。

作者手拿128GB内存的NVIDIA GB10，硬是用gemma和qwen跑出了一套能实时过滤开源项目几百个Issue/PR的本地分类系统。核心思路是半智能体架构：分类走LLM推理，告警走确定性规则，再用vLLM的NVFP4量化把吞吐拉到每秒400+ token。一条7.

推理API的利润正被疯狂挤压，想保住30%毛利率？答案是用价值定价替代成本加成，把定价权从算力成本中解耦。文章用Sierra按消单收费、Devin卖计算单元等案例，讲透了从卖Token升级为卖工作成果的生存逻辑。

PP-OCRv6带来三个规模（1.5M ~ 34.5M参数）的轻量OCR模型，支持50种语言，用PPLCNetV4统一骨干和RepLKFPN模块提升了检测准度。

Ronak Malde 之前在 Windsurf 做 AI coding agent，公司被 Google DeepMind 收购后，他创立了 Trajectory.ai，目标是让企业 AI 系统在生产中持续学习，而不是一次训练就放着不管。

终于有人解决了AI Agent产出的协作难题。Claude Code新功能能让Agent调试、重构的完整发现自动变成一个实时更新的网页，分享链接给团队就能同步所有上下文。从事故分析到架构复盘，省去一遍遍“带我过一遍”的沟通成本。直接可用的团队协作升级。

企业用AI最怕钱花得不明不白。OpenAI给ChatGPT Enterprise加了信用额度分析，把消耗拆到用户、产品和模型三个维度，还升级了分层限额控制。以前是盲人摸象，现在是实时仪表盘。AI从实验工具走向可管理的基础设施，这才算真正开始。

Anjney Midha 直指 AI 计算其实被浪费到荒唐——Google 的 95% 利用率竟是事故。他主张建独立计算市场，像电网调度电力一样调度 FLOPs。还透露 DeepMind 内部囤研究是负外部性、Anthropic 从第一天就以编码为 P0。

Google Cloud 和 Anyscale 联手优化 Ray Serve LLM，通过 HAProxy 集成、直接 token 流和 v2 Ray executer 三招，实现最高 5 倍吞吐、8 倍延迟改善，性能逼近原生 vLLM 且无需改代码。