AMD 以 82 亿美元收购 World Labs,Atlas 攻克稀疏重建问题
Latent Space AI News 汇总:AMD 以 82 亿美元收购 World Labs,其新发布的 Atlas 全模态架构可从 2D 图像预测下一个视角,结合生成模型与多视角几何解决了稀疏重建问题,应用于机器人、设计和工程领域。
Latent Space AI News 汇总:AMD 以 82 亿美元收购 World Labs,其新发布的 Atlas 全模态架构可从 2D 图像预测下一个视角,结合生成模型与多视角几何解决了稀疏重建问题,应用于机器人、设计和工程领域。
Latent Space 邀请 Anthropic 的 Thariq Shihipar 深谈 Claude Code 的现状与演进,覆盖提示词这门高杠杆技能、artifacts 作为持久生成界面、Claude Tag 与 Projects 的多人协作,以及刚曝光的 Claude Mods 系统对执行循环和 UI 的自定义。
Anthropic 发布 Claude Sonnet 5.5,官方称运行快 30%+,多数工作成本最高降 30%,价格与 Sonnet 5 持平且基准全面领先。
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用,主打聚焦编码和知识工作,多数任务成本更低、速度更快。
推荐理由:原文说明了 Sonnet 5.5 的能力变化、与 Opus 5.5 的分工方式,以及在 Amazon Bedrock 上的具体接入步骤。
Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5,输出速度快 30% 以上,因每任务消耗更少 token 而最多节省 30% 成本,多项基准接近 Opus 5.5。
推荐理由:原文汇总了 Sonnet 5.5 的基准分数、成本结构和新增安全机制,读者可以据此与 Opus 及竞品做成本效益比较。
OpenAI 正在征集正在使用 Codex 的开发者、研究者与创作者的真实故事,邀请他们加入下一期 Codex Originals 计划。有意者可提交自己的故事和项目信息参与。
Simon Willison 在 WeAreDevelopers World Congress North America 发表闭幕主题演讲,以编年方式回顾 2026 年大模型关键进展。
推荐理由:作者以亲历视角梳理2026年大模型与编程智能体的演进脉络,涵盖本地模型、Claw类智能体与多起训练智能体安全事件。
Simon Willison 为 WeAreDevelopers World Congress North America 闭幕演讲制作互动像素艺术页面:三张鸮鹦鹉照片加一段提示词交给 Claude Opus 5.5,生成了 20 多只鸮鹦鹉开派对、点击触发彩带的 HTML5 canvas 动画。
Proaction 使用 Codex、GPT-Live-1 和 GPT-6 Astra 更快地构建、运营并销售现代车队管理产品,销售额提升 60%,并节省超过 75 小时。
GitHub 官方教程介绍 GitHub Copilot app 的 canvases 功能,用户在 agent 会话中运行 /create-canvas 并用自然语言描述工作流,即可生成看板、发布清单等可共享的双向界面。canvas 支持人与 agent 同时操作、状态实时同步,还能保存为扩展供个人或团队复用;社区已通过 Awesome Copilot 分享了现成的 canvas 扩展。
Latent Space 宣布即将升级 AINews 至 v3,合并 Latent Space Discord 的职能,并计划迁移至 Beehiiv、改版主页,重新开放赞助与 PR/线索通道。
GitHub Copilot 团队作者认为聊天并非与 AI 交互的正确 UI,介绍了 app 内的 canvas 功能,它是能运行完整前后端应用、与智能体双向通信的定制界面。
推荐理由:作者以多个实例说明何时该让智能体生成定制界面而非反复对话,给出可迁移的工作流自动化思路。
GitHub Security Lab 的 Antonio Morales 发布 Fuzzing Taskflow,面向 C/C++ 项目的自主模糊测试流水线,只需给出 GitHub 仓库即可自动识别入口点、编写 harness、运行 AFL++、读覆盖率、改进 harness 并分诊崩溃、生成漏洞报告。
推荐理由:作者亲述用 LLM 智能体自动化 C/C++ 模糊测试全流程的设计取舍,覆盖覆盖率反馈循环和崩溃分诊等可借鉴的工程细节。
GitHub Podcast 最新一期拆解了五个常见 AI 热观点:AI 生成代码仍需审查但风险程度有别;求职者对 AI 的态度关键是判断力而非全面依赖或拒绝;Skills 与 MCP 解决不同问题,前者提供打包知识、后者提供工具接入标准;RAG 并未过时,检索可让模型更快接近答案;微调需求往往暴露代码库可维护性问题。
GitHub 团队用 AI 智能体把 Copilot 智能体运行时从 TypeScript/Node.js 原地重写为 832,378 行生产 Rust,128 个 pull request 在约十四周半内增量合入并随主分支发布,8 月 21 日完成 100% Rust。
推荐理由:作者亲述用 AI 智能体把 Copilot 运行时原地迁移到 Rust 的完整过程,迁移策略、会话数据和踩坑经验都可迁移到类似工程。
GitHub Copilot app 内置 diff、终端和浏览器三个面板,无需在编辑器、终端和浏览器之间切换即可完成 AI 编码的审查、运行和验证闭环。
Berkeley AI Research 提出 ABBEL 框架,将摘要建模为自然语言信念状态并对其内容进行监督,解决传统递归摘要(context compaction)在长程交互中的性能损失。