产品更新 最新动态

把屏幕编译成带置信度的元素 id 树再按名字调用，能替掉截图式 computer use 的坐标猜测；代价是要接 MCP 并做 consent 授权，canvas 类应用仍得回落到截图。

可借鉴其长会话防退化设计，压缩时安全切点不拆工具调用与结果，重复调用按 3/5/8 次逐级提醒、12 次硬停，超长输出落文件留指针；代价是需自建摘要与规范化逻辑。

自托管 Firecracker microVM 沙箱，冷启动 10.5–10.9ms、exec 往返 220–250µs，可替换容器跑 AI 生成代码；代价是需 KVM 与单节点自建，预暖池、出网防火墙等仍属计划中。

可把仓库转成每 agent 独立 worktree、端口和数据库的隔离槽位，用统一 verify 步骤留下日志与树哈希证据，替代手写脚本和 CLAUDE.md 散落约定，代价是要先 har onboard 生成 .har/ 契约并维护模板漂移。

DeepSeek 把内部推理框架 DeepInfer 开源，可替换自建推理服务栈；但材料只有一句摘要，没有部署方式、硬件要求和性能数字，落地前得自己去仓库摸。

能直接拿走 output_config.format 传 JSON Schema 和 strict tool use 两套写法，换掉现在靠重试和正则兜底的解析层；代价是 schema 必须 additionalProperties:false，新 schema 首次请求要编译语法，缓存 24 小时且改结构即失效。

能拿走按 segment_definitions 定义字段、一次请求返回带起止时间的 JSON 分段，直接接进视频产线做切片和打标；代价是单请求最长 2 小时、S3 上限 2 GB，且需在 us-west-2 开通模型权限。

能拿走本地开发脚本 local-dev.sh，用 5 节点 Kind 集群加 8 张模拟 A10 跑通约 50 个 Go 服务，不用真卡就能验证 GPU 调度；代价是 Linux 需 16GB 内存和 100GB 磁盘，社区版没有企业支持。

能直接 ollama run beam:cloud 或 ollama launch claude/codex/opencode 接入，把编码与多步工具调用交给 501B MoE 模型，代价是限时免费且走云端、本地无法自托管。

能直接照抄 Together API 的调用示例和 meta-models/Muse-Spark-Open-816B-A42B 模型名接入，落到软件工厂的长任务编码线；代价是 1M 上下文按 $1.25/1M 输入、$4.25/1M 输出计费，缓存输入才降到 $0.15。

可拿走 bbox 布局控制写法（[y_min,x_min,y_max,x_max] 0–1000 归一化）和 src_bbox/tgt_bbox 局部搬移，落到视频产线与图像编辑；代价是参考图让耗时翻倍、显存约 24GiB。

四段式流水线可拆成文档分段、按信息密度分配算力、并行分段核查、全局汇总加外部 grounding，能落到知识沉淀和论文审读线，代价是每段都要独立推理调用。

把部署用的 harness 直接接进 RL 训练，只需把模型端点指向 LLM proxy，省去在训练框架里重写 agent；代价是重分词、样本合并与优势/损失归一化要按 rollout 级处理。