# 腾讯开源 Tencent Hy4 preview，Anthropic 分享 Claude 实践，携程推出 Lumos

- 来源：ginobefun (@hongming731)
- 发布时间：2026-08-30 09:19
- AIHOT 分数：41
- AIHOT 链接：https://aihot.virxact.com/items/cmtf5cfy501rcro07i1lflqmc
- 原文链接：https://x.com/hongming731/status/2093871203983446425

## AI 摘要

腾讯开源 Tencent Hy4 preview，总参数 770B、激活 49B，上下文超 1M tokens，端到端吞吐较基线提升 31.8%。Anthropic 详解员工使用 Claude 的一线实践。携程机票推出「代码即文档」工程 Lumos，已接入 74 个业务仓库。

## 正文

BestBlogs 早报 · 08-30

Tencent Hy4 / Claude 团队实践 / 代码即文档 / Lumos / 推理工程

[1] ★ 精讲｜腾讯发布并开源 Tencent Hy4 preview
腾讯开源 Hy4 preview，总参数 770B、激活 49B，上下文超 1M tokens，并接入 WorkBuddy 和 CodeBuddy。它面向编码、办公、科研等生产力任务，还参与训练和推理优化，使端到端吞吐较基线提升 31.8%。这提供了可落地的模型，也呈现了产品反馈反哺模型迭代的路线。
来源：Hacker News
https://www.bestblogs.dev/article/0a3208063b

[2] ★ 精讲｜Anthropic 员工如何使用 Claude：一线团队实践
Anthropic 展示了 Claude Tag 的内部真实用法：从 Slack 讨论生成待审文档、汇总分散的客户请求，到预审营销法律材料。案例保留了人工核验、补充权威来源、权限受限和结果复查等环节。读者可借鉴的重点，是如何定义搜索范围、匹配标准、输出样例与持续反馈，而不只是把任务交给模型。
来源：Claude Blog
https://www.bestblogs.dev/article/31b41593e8

[3] ★ 精讲｜携程机票「代码即文档」：让隐性知识随代码更新
携程机票前端团队把 CI/CD、Dify 工作流和向量知识库连成 Lumos，让代码变更自动触发文档生成、检索与影响分析，并已接入 74 个业务仓库。其工程拆解尤其可复用：以事件驱动保证同步，以标准化 MR 提升输入质量，再用人工调整和效果度量收敛准确性，为团队治理隐性知识提供了一条可迁移路径。
来源：携程技术
https://www.bestblogs.dev/article/064a3cbd23

[4] 自动化研究人员可以可靠地缓解对齐失败
Anthropic 的自动化对齐研究人员成功缓解了 10 种不同的对齐失败，在不降低模型能力的情况下缩小了显著的安全性差距，并且在速度和效率方面优于人类研究人员。
来源：Anthropic Research
https://www.bestblogs.dev/article/00d4969292

[5] 哪些 AI 创业公司真正拿下企业合同？Brian Lewis 谈 Millennium 的采购标准 [视频]
Brian Lewis 解释，企业 AI 合同的关键不在于展示效果多惊艳，而在于能否证明产品有效、安全、可控，并具备支持客户安全部署 AI 的治理基础。
来源：AI Engineer
https://www.bestblogs.dev/video/fbead0c14

[6] Infer-forge：围绕 SGLang 构建推理工程体系
Infer-forge 是一个内部工程系统，使用 MonoRepo、Task Loops 和 Task Graph，使推理优化工作具有可重复性、随时间保持一致，并可跨项目扩展。
来源：LMSYS Blog
https://www.bestblogs.dev/article/b00fee2323

[7] 一个人、两周、数百美元，如何训出登顶 Hugging Face 的模型 | 对谈研究员逯雨鑫 [播客]
研究员逯雨鑫分享以个人身份、数百美元成本在两周内后训练出登顶 Hugging Face 的小模型，强调数据洞察力是真正卡点，并探讨主权 AI、Local AI 与应用公司自训模型的趋势。
来源：42 章经
https://www.bestblogs.dev/podcast/8ceeaba71

[8] Z Tech｜专访清华教授徐梦迪：物理世界无法穷举，In-Context Learning 成为下一个解法
徐梦迪教授认为，面对开放、多变的物理世界，机器人必须具备从少量示范或反馈中快速学习的能力，而 In-Context Learning（ICL）是实现这一目标的关键路径，它允许模型在部署环境中动态适应，而无需重新训练。
来源：Z Potentials
https://www.bestblogs.dev/article/d79245fcc9

[9] 我意外地把 LLM 记忆变成了程序分析 :: http://pwning.systems
本文介绍了 Lemmalog 的开发，这是一个基于 Datalog 的 LLM 记忆系统，旨在通过跟踪依赖关系并在底层事实改变时失效结论，在复杂的漏洞研究中保持一致的知识状态。
来源：Hacker News - Newest: 「LLM」
https://www.bestblogs.dev/article/e2883f75d3

[10] AI 需求引爆全球供应链危机：内存短缺与超万亿投资潮
AI 需求正在同时挤压内存芯片、电力和数据中心等环节。超大规模云服务商正大幅增加资本开支，创业公司则探索新的硬件、散热和融资模式来应对供应约束。
来源：a16z(@a16z)
https://www.bestblogs.dev/status/2093420984200261647

---
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/2026-08-30

### 引用推文

> ginobefun：https://x.com/i/article/2093870842107293696