返回
原文
ginobefun@hongming731
57AI 编辑部评分，满分 100
2026-08-12 07:49· 25分钟前
AI 导读

NVIDIA 发布 Nemotron 3.5 Lightning，30B MoE 每次仅激活 3B 参数，面向常驻智能体高频任务。LangChain 测试 Switchyard，30B 模型承担 93% 调用，比 Claude Opus 4.8 便宜 74%。Gemini 应用月活突破 10 亿，成为第 14 款达此里程碑的 Google 产品。

BestBlogs 早报 · 08-12

open-code-review / Nemotron 3.5 / Switchyard / GitHub Trending / FDE

[1] ★ 精讲|连续五天登上 GitHub Trending 首页的思考 据阿里技术团队原文,open-code-review 在两个月内获得 20k star,并连续 5 天登上 GitHub Trending。更值得借鉴的是,团队用 All in Code 让 Agent 参与开发、评审和发版,同时以 200 个 PR 的评测集与人工决策守住核心链路;README 也从千行压到两百行,把上手路径缩至五分钟。 来源:阿里技术 https://www.bestblogs.dev/article/5845d4ab79

[2] ★ 精讲|NVIDIA Nemotron 3.5 Lightning 为长期运行的智能体提供快速、精准的专用任务执行 Nemotron 3.5 Lightning 不是替代前沿模型,而是面向常驻智能体执行层的 30B MoE:每次仅激活 3B 参数,处理工具调用、结果校验等高频任务。NVIDIA 还开放权重、数据和训练配方,为专用小模型的本地部署与成本评估提供了可复现起点与路径。 来源:NVIDIA Technical Blog https://www.bestblogs.dev/article/e208e4e5b5

[3] ★ 精讲|您的智能体有多少次调用实际上需要前沿模型? LangChain 在 145 个多步任务上测试 Switchyard:30B 模型承担 93% 的调用,路由方案比全用 Claude Opus 4.8 便宜 74%,准确率低约 6 个百分点。文章还将判别器成本和模型价差写进计算公式,给出五次运行的波动,并提醒约 700 毫秒的判别延迟不适合短任务;是否划算仍要用自己的工作负载验证。 来源:LangChain Blog https://www.bestblogs.dev/article/93f5148c03

[4] E248|一个「催发货」AI 要跑通 260 步,和阿里瓴羊朋新宇聊聊中国式 FDE [播客] 阿里巴巴副总裁朋新宇深度拆解中国式 FDE 的务实路径:不讲个人英雄主义、不迷信 SOTA 模型,而是以「多快好省」为标准,为企业打造可量化的业务增长 Agent。 来源:硅谷 101 https://www.bestblogs.dev/podcast/977c7f4ab

[5] Gemini 应用月活用户突破 10 亿 Sundar Pichai 宣布 Google 的 Gemini 应用如今月活用户超过 10 亿,使其成为有史以来增长最快的 Google 产品,也是第 14 款达到 1B-user 里程碑的 Google 产品。 来源:Sundar Pichai(@sundarpichai) https://www.bestblogs.dev/status/2087222656819241292

[6] 考虑使用 ACE?我们可以用更少的 Token 实现同样的效果 本文对比了 ACE 与 ALTK-Evolve 智能体记忆系统,证明了选择性指南检索在显著降低 Token 成本的同时,能够达到与全量剧本注入相当甚至更高的准确率。 来源:Hugging Face - Blog https://www.bestblogs.dev/article/95a0bc431d

[7] AI 评测还在看准确率?数据科学早就用因果推断做归因分析了 本文针对传统 AI 评测仅关注准确率、忽略因果性的局限,引入因果推断与博弈论方法,提出可落地的归因分析框架,帮助精准量化 LLM 及 Agent 系统中各组件对结果的真实贡献,定位优化瓶颈。 来源:大淘宝技术 https://www.bestblogs.dev/article/b2f4760bda

[8] 100 万美元 Token 不限量实验:团队更累、AI 成本超人、组织 0→1 是效率突破点 宝玉团队在硅谷 AI 大厂进行的 100 万美元 Token 不限量实验发现,人员负担加重、AI 使用成本高于人力,只有组织从 0 到 1 开始使用 AI 时才能看到显著效率提升,而现有以人为中心的架构成为瓶颈。 来源:宝玉(@dotey) https://www.bestblogs.dev/status/2086989769955811633

[9] 华为 AI 芯片来时的路 本文通过整理《昇腾崛起》一书的 100 条细节,详尽记录了华为昇腾 AI 芯片从 2016 年战略觉醒到 2026 年破局突围的完整研发与生存历程。 来源:腾讯科技 https://www.bestblogs.dev/article/5bf7aa1d3e

[10] 智能体循环中的 TDD:形式主义还是实际价值? 评估 AI 智能体循环中的 TDD,发现在小型实验中并不比非 TDD 有明显优势。 来源:Martin Fowler https://www.bestblogs.dev/article/e8145a3de6

--- http://BestBlogs.dev · 发现真正适合你的高质量内容 BestBlogs 是 AI 驱动的私人阅读助手,帮助你发现真正适合你的高质量内容,关注你感兴趣的来源和主题,每天生成一份更适合自己的「我的早报」,欢迎体验和关注我们。 在线阅读:https://www.bestblogs.dev/explore/brief/2026-08-12

ginobefunhttp://x.com/i/article/2087324205360820224
开源生态行业动态

来源：ginobefun · x.com

导出 Markdown
同一事件 · 2
返回
57在 X 查看原推
导出 Markdown
ginobefun · @hongming731 · X·2026-08-12 07:49·25分钟前
AI 导读

NVIDIA 发布 Nemotron 3.5 Lightning，30B MoE 每次仅激活 3B 参数，面向常驻智能体高频任务。LangChain 测试 Switchyard，30B 模型承担 93% 调用，比 Claude Opus 4.8 便宜 74%。Gemini 应用月活突破 10 亿，成为第 14 款达此里程碑的 Google 产品。

BestBlogs 早报 · 08-12

open-code-review / Nemotron 3.5 / Switchyard / GitHub Trending / FDE

[1] ★ 精讲|连续五天登上 GitHub Trending 首页的思考 据阿里技术团队原文,open-code-review 在两个月内获得 20k star,并连续 5 天登上 GitHub Trending。更值得借鉴的是,团队用 All in Code 让 Agent 参与开发、评审和发版,同时以 200 个 PR 的评测集与人工决策守住核心链路;README 也从千行压到两百行,把上手路径缩至五分钟。 来源:阿里技术 https://www.bestblogs.dev/article/5845d4ab79

[2] ★ 精讲|NVIDIA Nemotron 3.5 Lightning 为长期运行的智能体提供快速、精准的专用任务执行 Nemotron 3.5 Lightning 不是替代前沿模型,而是面向常驻智能体执行层的 30B MoE:每次仅激活 3B 参数,处理工具调用、结果校验等高频任务。NVIDIA 还开放权重、数据和训练配方,为专用小模型的本地部署与成本评估提供了可复现起点与路径。 来源:NVIDIA Technical Blog https://www.bestblogs.dev/article/e208e4e5b5

[3] ★ 精讲|您的智能体有多少次调用实际上需要前沿模型? LangChain 在 145 个多步任务上测试 Switchyard:30B 模型承担 93% 的调用,路由方案比全用 Claude Opus 4.8 便宜 74%,准确率低约 6 个百分点。文章还将判别器成本和模型价差写进计算公式,给出五次运行的波动,并提醒约 700 毫秒的判别延迟不适合短任务;是否划算仍要用自己的工作负载验证。 来源:LangChain Blog https://www.bestblogs.dev/article/93f5148c03

[4] E248|一个「催发货」AI 要跑通 260 步,和阿里瓴羊朋新宇聊聊中国式 FDE [播客] 阿里巴巴副总裁朋新宇深度拆解中国式 FDE 的务实路径:不讲个人英雄主义、不迷信 SOTA 模型,而是以「多快好省」为标准,为企业打造可量化的业务增长 Agent。 来源:硅谷 101 https://www.bestblogs.dev/podcast/977c7f4ab

[5] Gemini 应用月活用户突破 10 亿 Sundar Pichai 宣布 Google 的 Gemini 应用如今月活用户超过 10 亿,使其成为有史以来增长最快的 Google 产品,也是第 14 款达到 1B-user 里程碑的 Google 产品。 来源:Sundar Pichai(@sundarpichai) https://www.bestblogs.dev/status/2087222656819241292

[6] 考虑使用 ACE?我们可以用更少的 Token 实现同样的效果 本文对比了 ACE 与 ALTK-Evolve 智能体记忆系统,证明了选择性指南检索在显著降低 Token 成本的同时,能够达到与全量剧本注入相当甚至更高的准确率。 来源:Hugging Face - Blog https://www.bestblogs.dev/article/95a0bc431d

[7] AI 评测还在看准确率?数据科学早就用因果推断做归因分析了 本文针对传统 AI 评测仅关注准确率、忽略因果性的局限,引入因果推断与博弈论方法,提出可落地的归因分析框架,帮助精准量化 LLM 及 Agent 系统中各组件对结果的真实贡献,定位优化瓶颈。 来源:大淘宝技术 https://www.bestblogs.dev/article/b2f4760bda

[8] 100 万美元 Token 不限量实验:团队更累、AI 成本超人、组织 0→1 是效率突破点 宝玉团队在硅谷 AI 大厂进行的 100 万美元 Token 不限量实验发现,人员负担加重、AI 使用成本高于人力,只有组织从 0 到 1 开始使用 AI 时才能看到显著效率提升,而现有以人为中心的架构成为瓶颈。 来源:宝玉(@dotey) https://www.bestblogs.dev/status/2086989769955811633

[9] 华为 AI 芯片来时的路 本文通过整理《昇腾崛起》一书的 100 条细节,详尽记录了华为昇腾 AI 芯片从 2016 年战略觉醒到 2026 年破局突围的完整研发与生存历程。 来源:腾讯科技 https://www.bestblogs.dev/article/5bf7aa1d3e

[10] 智能体循环中的 TDD:形式主义还是实际价值? 评估 AI 智能体循环中的 TDD,发现在小型实验中并不比非 TDD 有明显优势。 来源:Martin Fowler https://www.bestblogs.dev/article/e8145a3de6

--- http://BestBlogs.dev · 发现真正适合你的高质量内容 BestBlogs 是 AI 驱动的私人阅读助手,帮助你发现真正适合你的高质量内容,关注你感兴趣的来源和主题,每天生成一份更适合自己的「我的早报」,欢迎体验和关注我们。 在线阅读:https://www.bestblogs.dev/explore/brief/2026-08-12

ginobefunhttp://x.com/i/article/2087324205360820224

来源：ginobefun· x.com

开源生态行业动态
同一事件 · 2