Logo
菜单
孤本网 科技资讯 聚焦人工智能模型、AI 工具、智能应用与开发实战，提供经核验的发布动态、产品评测、教程与行业观察。

归档

2026 年 09 月

阿里云在 2026 云栖大会发布 AgentCore 等新品，全面构建 Agentic Cloud 技术体系
行业应用 #AI Agent#云计算
一句话结论 阿里云推出 AgentCore、CPFS 存储及 Tair KVCM 等新品，构建 Agentic Cloud 全栈体系，将企业级智能体任务完成率提升至 99%。 关键要点 阿里云发布企业级 Agent 构建治理平台 AgentCore，提供安全执行与资产统一管理，使智能体任务完成率提升
千问在云栖大会宣布加速构建Personal Agent，开放生态扩容至20余领域
行业应用 #AI Agent#技术生态
一句话结论 千问通过升级模型能力并开放平台生态，将个人智能体服务扩展至理财、健康及办公场景，实现个性化任务代理。 关键要点 千问依托Qwen 3.8系列模型的Agentic能力，正构建全新的Personal Agent形态，旨在为3亿用户提供持续、个性化的智能服务。 千问开放平台覆盖领域已扩大至20
千问在2026云栖大会宣布加速打造Personal Agent，面向3亿用户提供智能服务
行业应用 #AI Agent
一句话结论 千问在2026云栖大会宣布加速打造Personal Agent，以提供持续、个性化的智能服务。 关键要点 千问宣布加速打造Personal Agent形态，服务于3亿用户，目标是让每个人拥有专属AI助理 依托Qwen 3.8系列模型，千问正构建具有Agentic能力的个人智能体系统 在用
25 年前的索尼 VAIO SRX 系列回顾：轻薄时尚与性能妥协的早期尝试
工具与产品 #人工智能
一句话结论 索尼 2001 年发布的 VAIO SRX 系列以 1.26 公斤轻薄机身开创时尚潮流，但受限于早期 Wi-Fi 协议与 BIOS 限制，连接性与现代系统兼容存在显著短板。 关键要点 索尼于 2001 年底发布 VAIO SRX 系列，包含 PCG-SRX3、PCG-SRX3/BD 和
非技术开发者凭十年记账经验推 Coast App，引入 FIRE 财务模型与 AI 代码管理策略
工具与产品 #人工智能#本周精选
一句话结论 Coast 记账 App 将财务独立提前退休（FIRE）模型植入个人理财工具，并披露非技术开发者利用 AI 高效构建复杂应用的实践路径。 关键要点 Coast 应用基于 FIRE 理念设计，核心功能包括根据资产与消费数据自动计算财务自由时间，提供敏感度滑块以实时展示收支变化对退休日期的影
阿里平头哥首次公布 CPU 规划：将推倚天 720、730、750 三代芯片
快讯 #算力芯片
一句话结论 阿里平头哥首次公开倚天服务器 CPU 路线图，2027 年第三季度将推出 720 与 730 两代芯片，730 单核性能最高达倚天 710 的 1.4 倍。 关键要点 阿里巴巴在 2026 云栖大会（9 月 22 日至 24 日，杭州）上首次公布平头哥倚天服务器 CPU 的多年规划。 倚
vivo X500 Ultra 确认正常迭代，预计明年 3-4 月发布
快讯
一句话结论 vivo 确认 X500 Ultra 正常迭代，预计明年 3-4 月发布，影像将与 Pro Max 拉开差距，主打先锋用户与专业创作者。 关键要点 vivo X500 系列手机于 9 月 21 日晚正式发布，首发仅有标准版与 Pro 两款机型。 该系列全球首发天玑 9600 Pro 与天
MOUD医疗机器学习模型公平性评估：亚组性能差距与偏差缓解的权衡分析
评测 #行业应用#人工智能
一句话结论 MOUD治疗保留率预测的机器学习模型存在亚组性能差距，偏差缓解技术可减少但无法完全消除该问题。 关键要点 基于美国TEDS-D数据集（2015-2019年出院记录），训练4个ML模型预测门诊MOUD患者180天后保留及早期中断 按种族、民族、年龄、性别定义的亚组中存在算法公平性差异，整体
PRQuant框架通过排列残差量化降低模型推理开销
评测 #技术生态
一句话结论 PRQuant提出免训练量化方案，将低比特线性层推理的在线动态开销转化为静态离线补偿，提升低比特精度。 关键要点 PRQuant为免训练、低开销框架，结合通道重排与权重侧静态残差补偿，规避现有平滑、旋转或残差法引入的新精度瓶颈。 方法在AWQ式缩放后识别对权重量化误差贡献最大的输入通道，
通用多模态基础模型：跨模态因果学习范式实现“任意模态组合+任意任务”预测
评测 #大模型#多模态
一句话结论 通用多模态基础模型以“大规模合成多模态数据+因果结构”为训练范式，在18个真实数据集上对12种模态、11类任务实现无需任务适配的竞争性性能。 关键要点 模型目标：覆盖“任意模态组合”与“任意预测任务”的统一多模态融合基础模型，摆脱预定义模态与单一任务的绑定。 训练范式：基于大规模合成多模
上一页 下一页