阿里云联三框架办 Agent 沙龙:行业重点从'搭'转向'养'
AgentScope、LangChain、Dify 三家主流 Agent(能自主执行任务的 AI 助手)开发框架联合阿里云,在北京、深圳、上海连开三场开发者沙龙,把主题从'怎么搭'换成了'怎么评'——我们注意到,Agent 行业重心正在从能不能做出来,转向能不能稳定用。官方一句话说得直接:'Agent 上线只是开始,持续改进和可信赖的交付才是终点'。
相关推荐
基于 #LangChain 推荐
LangChainRAG
AI 工程师的真门槛不是 LangChain——一个开源项目讲透了底层
calmrocks 在 GitHub 开源的零框架 Colab 教程这周走红,戳中 AI 项目从 demo 到生产反复卡壳的痛点。我们关心的是更深一层的信号:'AI 工程师'这个岗位正在分层,懂底层的人比只会调框架的人更值钱。
8月29日·juejin.cn
QwenGLM
阿里和智谱同时押注小模型 — 本地 AI 圈开始陷入选择困难
阿里 Qwen Flash 和智谱 GLM Flash 几乎同时推出,让本地部署用户陷入"留一个还是都要"的纠结。这背后是中国开源大模型从"卷参数"转向"卷同档位"的信号。
8月29日·www.reddit.com
llama.cppMoE
llama.cpp 还有 50 个 PR — 本地跑 AI 不必靠显卡
开源项目 llama.cpp 攒 50+ 性能优化待合并,部分让 CPU 推理提速 3 倍。「本地跑大模型」正摆脱对高端显卡的依赖 — 敏感行业的私有部署和普通用户的离线 AI,都会因此更便宜。
8月29日·www.reddit.com
DeepSeekNVIDIA
DeepSeek 在两台几万元小机器上跑出 67 token/s — 本地大模型门槛正在塌方
本周一位 Reddit 用户用两台 NVIDIA DGX Spark 工作站(约 6 万元)跑出 DeepSeek V4 Flash 67-84 token/s 的稳定输出,配 100 万 token 上下文。我们关心的是这份民间复刻印证了一个被低估的趋势:开源大模型本地部署的成本正在快速下沉,企业
8月29日·www.reddit.com
TenstorrentQwen3
Tenstorrent 跑通 Qwen3.7-27B — 非英伟达 AI 芯片商用破冰
Tenstorrent 用户晒出 QuietBox 2 工作站跑 Qwen3.7-27B 的推理数据。这是非英伟达阵营首次拿出接近商用的实测成绩,但距离撼动英伟达生态还很远。
8月29日·www.reddit.com
Ling金融大模型
金融大模型跑分争议:每家都穿自己的装备上场,这榜还公平吗
本周 Reddit 技术圈拆解了一张国内金融大模型 Ling 的官方跑分卡:不同模型在不同测试里用了完全不同的推理设置、Agent 框架甚至工具,所谓的榜单排名更像一场「测试方案」的比拼。这事对所有用 benchmark 选模型的企业和投资人都值得警惕。
8月29日·www.reddit.com