> BitCPM-CANN不仅是全球首个在国产NPU上跑通的1.58比特模型，更是打破内存墙的工程学奇迹。通过极低比特量化技术，大模型的显存占用暴降六倍，手机直跑百亿参数不再是天方夜谭。

在大模型的狂飙突进中，算力瓶颈与显存墙一直是悬在所有极客头顶的达摩克利斯之剑。当动辄千亿参数的模型需要庞大的GPU集群来支撑推理时，边缘设备的智能化似乎永远只能是一个停留在云端的伪命题。

然而，由清华大学、OpenBMB社区与华为联合发布的BitCPM-CANN模型，硬生生地用数学的优雅与底层架构的暴力美学，撕开了这道屏障。这是全球首个完全基于华为昇腾910B NPU全栈训练的1.58比特开源大模型。

## 极简的数学之美与极致的瘦身

要理解这项技术的颠覆性，必须从枯燥的浮点运算说起。在传统的高精度模型（如FP16或BF16）中，每一个权重参数都需要占用16个比特的存储空间，这种高精度虽然保证了模型的聪明程度，但也让显存不堪重负。

BitCPM-CANN巧妙地采用了1.58比特的三元量化技术。它将原本复杂连续的权重参数，残暴地压缩成了只有三种极简状态　负一、零和正一。

打个通俗的比方，如果过去大模型的每一次思考都在进行极其精细的微积分计算，那么现在，它变成了一个只用拨动三向开关（左、中、右）的超级算盘。令人震惊的是，这种看似粗糙的“三值化”处理，在强大的量化感知训练（QAT）加持下，竟然保留了全精度模型百分之九十五以上的性能。而换来的，则是极其夸张的显存占用锐减，相比传统架构直接降低了约六倍。

![42.png](https://static.downly.cn/images/7cdc504e2dac06f76ac1e6778f320138.png) <center>图源备注 图片由AI生成</center>

## 全栈原生的底层革命

很多极客可能会反驳，低比特量化并非新鲜事物。但BitCPM-CANN的核心创新点在于“全栈原生”。它不是在英伟达的CUDA生态里训练好之后，再通过生硬的转码工具移植到国产硬件上。

这套系统从底层的量化算子、前向反向传播逻辑，到上层的训练框架，全部在昇腾NPU上原生构建。这意味着它彻底打通了国产算力硬件底层的指令集调用。在多节点集群上，它的系统级吞吐量达到了极其惊人的水准，完美避开了跨生态移植带来的性能损耗与不稳定因素。

这种全栈打通，解决了过去国产芯片“能算但不好用”的技术顽疾。

## 重塑端侧生态的涟漪效应

BitCPM-CANN的开源，将在下游开发者生态中引发一场剧烈的地震。

未来的智能终端将不再仅仅是云端API的传话筒。试想一下，一个拥有数十亿参数、具备强悍逻辑推理能力的模型，能够直接塞进普通智能手机的运行内存中，或者部署在极其受限的车机芯片内。它无需网络连接，能够实现零延迟的本地推理，并且彻底解决了隐私数据上传云端带来的合规风险。

从工程落地的角度预判，在未来一年内，我们将看到大量基于该三值架构的魔改模型涌现。智能家居的中控、穿戴设备的语音助手、工业物联网的边缘网关，都将因为这场暴力瘦身，完成一次真正的脱胎换骨。

![43.png](https://static.downly.cn/images/78418b1ff5581415d4f28c8a60e49ae0.png) <center>图源备注 图片由AI生成</center>

华为全栈点亮三值量化 边缘侧大模型迎来暴力瘦身时刻

## 1. 选型背景与原则

随着 HarmonyOS NEXT 完全剥离 AOSP（Android 开放源代码项目）兼容层，应用底层运行环境已转变为基于 ArkTS、ArkUI 及 C/C++ 底层 API 的全新架构。基于此，跨平台技术栈的选型需遵循以下工程原则：

- **技术栈纯净度：** 排除高度封装、黑盒化严重的轻量级跨端方案，确保底层渲染管线和桥接层的透明度。
- **性能一致性保障：** 必须具备 AOT 编译能力或高效的底层 C++ 渲染通道，避免复杂交互下的性能降级。
- **长期演进能力：** 评估框架在鸿蒙生态中的维护主体（官方/开源社区主导）、API 覆盖度以及对新架构的适配深度。

基于上述原则，本方案将候选框架严格锁定在 **ArkUI-X**、**Flutter (HarmonyOS 版)** 以及 **React Native (RNOH)** 三者之间。

------

## 2. 候选架构深度解析与客观评估

### 2.1 ArkUI-X (鸿蒙原生跨端架构)

ArkUI-X 是由华为官方主导的框架，其核心逻辑是“以鸿蒙为基石，向外辐射”，通过将鸿蒙原生引擎打包至异构平台来实现跨端。

- **底层机制：** 在鸿蒙端，代码直接运行于系统原生底座，零跨平台损耗。在 Android 和 iOS 端，通过引入 `ArkUI ACE Engine Lite`（包含方舟编译器运行时和基于 Skia 的渲染引擎）来解析 ArkTS 代码并接管 UI 绘制。
- **工程优势：**
  - **极致的鸿蒙端性能：** 唯一能在 HarmonyOS NEXT 上达到 100% 满血原生性能和完整 API 调用的方案。
  - **开发范式统一：** 全链路采用 ArkTS 声明式语法，对鸿蒙原生特性的支持零延迟。
- **工程劣势：**
  - **异构平台包体积膨胀：** iOS/Android 端需内置约 20MB-30MB 的核心动态库（`.so` 或 `.framework`），对包体积敏感的基础工具类应用不友好。
  - **异构端生态孱弱：** 若需在 iOS/Android 调用复杂的系统级能力，缺乏现成的三方生态，需自行通过 JNI/Objective-C 编写桥接。

### 2.2 Flutter (HarmonyOS SIG 适配版)

Flutter 的鸿蒙适配由 OpenHarmony SIG（特别兴趣小组）主导推进，而非 Google 官方直通，但其底层的高级抽象使其天然契合鸿蒙的架构重构。

- **底层机制：** 维持了 Flutter 的自绘渲染管线。在鸿蒙端，将底层的 Engine (C++ 层) 对接至鸿蒙的 `NativeWindow`，并通过 `N-API` 实现了 Dart 运行时与鸿蒙底层的通信。
- **工程优势：**
  - **多端像素级一致：** 彻底隔离了底层的系统 UI 控件，在 Android、iOS、Harmony 上提供完全一致的渲染结果。
  - **性能上限极高：** 得益于 Dart 的 AOT 编译机制和直接操控 GPU 的渲染引擎，在长列表滚动、复杂动效场景下表现优异。
- **工程劣势：**
  - **系统级通道 (Platform Channel) 维护成本高：** 凡涉及摄像头、生物识别、硬件加速的场景，必须由开发者通过 ArkTS 和 C++ 自行编写 `MethodChannel` 的鸿蒙端实现，目前开源社区的鸿蒙版 Flutter 插件（Plugin）覆盖率不足。

### 2.3 React Native (RNOH - React Native on Harmony)

RN 的鸿蒙适配是由华为联合各大互联网头部企业（如腾讯、美团）基于其内部海量 RN 存量资产共同驱动的。

- **底层机制：** 全面拥抱 RN 的新架构（Fabric Render + TurboModules）。废弃了传统的 JS Bridge 通信，JS 侧直接通过 C++（JSI）与鸿蒙的 ArkUI 组件树进行映射交互。
- **工程优势：**
  - **动态化能力：** 原生具备完善的热更新能力（如 OTA），满足业务侧对发版频率的极高要求。
  - **符合存量复用逻辑：** 对前端工程师极度友好，能够最大程度复用现有的 React 业务状态管理及逻辑代码。
- **工程劣势：**
  - **严重依赖原生组件映射：** 由于 RN 本质是映射原生控件，鸿蒙 ArkUI 组件库的丰富度和成熟度直接决定了 RN 在鸿蒙端的表现，UI 一致性最差。
  - **三方库断层：** RN 强大的 `npm` 原生模块生态在鸿蒙端全部失效，诸如 `react-native-video` 等高频库需要完全重写底层逻辑，工程量浩大。

------

## 3. 架构对比决策矩阵

下表基于当前（截至最新）的框架工程现状进行客观打分（满分 5 分）：

| **评估维度**                  | **ArkUI-X**        | **Flutter (SIG 版)**         | **React Native (RNOH)**        |
| ----------------------------- | ------------------ | ---------------------------- | ------------------------------ |
| **鸿蒙端渲染性能**            | 5.0 (纯原生)       | 4.5 (自绘直通)               | 3.5 (映射损耗)                 |
| **异构端 (iOS/Android) 性能** | 3.5 (引入额外引擎) | 4.5 (自绘)                   | 4.0 (原生映射)                 |
| **多端 UI 一致性**            | 4.0                | 5.0 (像素级一致)             | 3.0                            |
| **底层系统能力调用自由度**    | 5.0 (原生直接调用) | 3.0 (依赖 Channel)           | 3.0 (依赖 TurboModule)         |
| **工程生态与三方库**          | 2.0 (建设初期)     | 3.5 (UI库丰富，底层库需补齐) | 2.0 (纯 UI 库复用，原生库断层) |
| **异构端包体积控制**          | 2.0 (偏大)         | 3.5                          | 4.5 (极小)                     |

------

## 4. 选型结论与实施建议

基于上述深度分析，跨平台架构的选型不应是一刀切的，需根据具体业务形态进行匹配：

**结论一：面向高并发、重度交互与多端视觉严苛的应用**

- **首选架构：** `Flutter`
- **适用场景：** 对 UI 一致性有极高要求、包含大量自定义动效，且主要业务逻辑集中在前端渲染而非底层硬件调用的业务。
- **实施建议：** 架构组需集中力量攻坚 C++ 层的 `N-API` 封装，建立企业内部的 Flutter 鸿蒙底层插件库。

**结论二：面向鸿蒙核心生态、重度依赖设备底层能力的应用**

- **首选架构：** `ArkUI-X`
- **适用场景：** 强依赖鸿蒙系统的分布式能力、端云协同协同，或与系统硬件底层（如专属传感器、NPU）交互密切的工具类/物联网管理端应用。
- **实施建议：** 优先确保鸿蒙端功能的绝对稳定，将异构端（Android/iOS）定位为业务延伸的“降级保障版”。

**结论三：强依赖动态下发能力、以资讯或电商展示为主的应用**

- **首选架构：** `React Native (RNOH)`
- **适用场景：** 存量业务已基于 RN 开发，且业务模式高度依赖绕过应用市场进行动态热更新。
- **实施建议：** 仅在弱交互的“业务展示层”使用 RNOH，核心基础组件仍需回退至 ArkTS 原生开发并进行双向绑定。

鸿蒙系统 (HarmonyOS NEXT) 跨平台架构选型方案

> 智谱正式开源新一代基座模型 GLM-5，以 744B 参数规模问鼎开源榜首，在长程任务与系统工程能力上实现对标国际顶尖水平的重大突破，重新定义 AI 工程化边界。

## 性能跃迁 迈向Agentic Engineering时代

智谱今日发布的 GLM-5 不仅仅是一次版本号的更新，更代表着大模型能力范式的转移——从单一的代码生成进化为能够独立处理复杂系统工程的 **“Agentic Engineering”**。

在权威的 Artificial Analysis 全球榜单中，GLM-5 强势位居全球第四，并摘得 **开源模型第一** 的桂冠。其工程化实战能力已逼近 Claude Opus 4.5
* **编程对齐** 在 `SWE-bench-Verified` (77.8分) 和 `Terminal Bench 2.0` (56.2分) 中均取得开源界最佳成绩，超越了 Google 的 Gemini 3 Pro。
* **长程智能体** 在 `BrowseComp` 及复杂工具规划测试 `τ²-Bench` 中稳居开源首位，展现了卓越的任务拆解与执行能力。
* **经营决策** 在模拟商业环境的 `Vending Bench 2` 测试中，其长期规划能力表现出类拔萃。

![Generated Image February 12, 2026 - 11_09AM (1).png](https://static.downly.cn/images/a81c005a2294b9c18c77ea0461a92130.png) <center>图源备注：图片由AI生成</center>

## 技术硬核 稀疏注意力与异步进化

GLM-5 的强大性能源于底层架构的彻底重构：
1. **参数规模暴力美学** 模型参数量从前代的 355B 暴涨至 **744B**（激活参数 40B），预训练数据量更是提升至 **28.5T** Token。
2. **Slime 进化框架** 引入全新的异步智能体强化学习算法，使模型能够像人类一样在长程交互中不断自我修正与进化。
3. **效率优化** 集成 **DeepSeek Sparse Attention**（稀疏注意力）机制，在处理超长文本的同时，大幅降低了推理成本与显存占用。

## 生态闭环 全面适配国产芯

为了打破算力瓶颈，GLM-5 在发布之初便完成了广泛的硬件适配。目前，该模型已实现与 **华为昇腾、摩尔线程、寒武纪、昆仑芯、海光** 等国产主流算力平台的深度兼容。通过底层的算子级优化，确保了在国产芯片集群上的高吞吐与低延迟运行。

与此同时，智谱同步推出了基于 GLM-5 的 **Z Code** 编程工具，支持多智能体并发开发。更令人瞩目是其办公生态的打通——GLM-5 可直接将素材转化为 Office 文档，并作为原生插件嵌入 Excel，将大模型能力无缝注入日常办公流。

目前，GLM-5 模型权重已通过 Hugging Face 和 ModelScope 正式开源，遵循 **MIT License** 协议，允许全球开发者自由商用。

![Generated Image February 12, 2026 - 11_10AM.png](https://static.downly.cn/images/9b5045a381cf3b998937f2ea1040d5d3.png) <center>图源备注：图片由AI生成</center>

智谱GLM-5开源登场 744B参数重塑国产大模型工程化天花板

> 从字节跳动的视频生成争议，到阿里云的图生图编辑合一，再到腾讯的端侧极致压缩，中国科技巨头在 2026 年开年便展开了一场全维度的 AI 军备竞赛。

## 字节 Seedance 2.0 的惊艳与争议

字节跳动发布的新一代多模态视频生成大模型 Seedance 2.0 成为了舆论的风暴眼。该模型支持多模态文件输入，能够精准学习视频的运镜、动作及特效，技术实力毋庸置疑。然而，由于其生成的音色与真人高度一致，迅速引发了关于 AI 伦理和肖像隐私的广泛担忧。在舆论压力下，字节跳动不得不紧急暂停真人素材参考功能。这一事件再次凸显了 AI 技术在商业化落地过程中，技术边界与伦理规范之间的激烈博弈。

![Generated Image February 11, 2026 - 10_29AM (1).png](https://static.downly.cn/images/3c3ed39c274146fcba047a65cc10e6fc.png) <center>图源备注：图片由AI生成</center>

## 阿里 Qwen-Image-2.0 的极简美学

与此同时，阿里云在图像领域也祭出了大杀器——Qwen-Image-2.0。该模型标志着通义千问将“图像生成”与“图像编辑”两条研发支线成功合二为一。其核心突破在于：
* **极致质感**：原生支持 2K 分辨率，细腻刻画皮肤毛孔与织物纹理。
* **智能排版**：具备极高的美学素养，能自动在画面留白处布置文字，解决了 AI 生图“有画无字”的痛点。
这一更新直接挑战了视觉极限，在多项盲测基准中展现出卓越性能。

## 腾讯混元的端侧突围

不同于前两者的云端巨量模型，腾讯混元选择在端侧发力。新推出的产业级 2Bit 端侧模型 HY-1.8B-2Bit，通过创新的量化感知训练技术，将模型体积压缩至惊人的 0.3B，内存占用仅约 600MB。这意味着手机、耳机及智能家居等设备，可以在不依赖云端的情况下，获得生成速度提升 2-3 倍的高性能 AI 体验，为隐私敏感场景提供了完美的解决方案。

## 巨头混战下的行业新格局

除上述三家外，华为 Xmax AI 发布的虚实融合视频模型、Cursor 发布的强化学习编程模型 Composer 1.5，以及亚马逊入局 AI 内容版权市场，共同构成了 2026 年初喧嚣的科技图景。从基础设施到应用层，从云端算力到端侧部署，AI 产业的竞争维度正变得前所未有的丰富与残酷。

国产 AI 迎来春节爆发期 字节跳动与阿里腾讯竞逐多模态新高地

> 智谱 AI 正式开源基于华为昇腾底座训练的新一代图像生成模型 GLM-Image。作为首个在国产芯片上完成全流程训练的 SOTA 多模态模型，它凭借创新的混合架构在汉字生成与复杂指令理解上取得了突破性进展。

## 国产全栈算力的里程碑验证

GLM-Image 的发布不仅仅是一个新模型的诞生，更是国产算力生态的一次重要“阅兵”。该模型完全基于华为昇腾 Atlas 800T A2 设备与昇思 MindSpore 框架完成，涵盖了从数据预处理到大规模训练的每一个环节。

这一成果有力地打破了业界对国产芯片无法训练顶尖（SOTA）模型的质疑，验证了国产软硬件全栈技术在处理大规模、高复杂度 AI 任务时的成熟度与可靠性。对于依赖外部算力的中国 AI 产业而言，这是一剂强有力的强心针。

## 混合架构解决绘画痛点

在技术架构上，GLM-Image 采用了“自回归 + 扩散解码器”的创新混合设计。这种架构巧妙地结合了语言模型对语义的深刻理解与扩散模型的高质量生成能力。

这一融合使得模型在处理“知识密集型”任务时表现尤为出色。它能够精准理解全局指令并刻画局部细节，有效解决了长期困扰 AI 绘画领域的难题，如海报排版中的文字一致性、PPT 制作的结构逻辑以及复杂科普图的精准生成。在多项权威评测榜单中，GLM-Image 均位列开源模型首位，尤其在极具挑战性的汉字生成任务上，展现了断层式的领先优势。

![Google_AI_Studio_2026-01-14T03_34_56.521Z.png](https://static.downly.cn/images/a7e3cc523c2dab2513e9db40bed02ad8.png)<center>图源备注：图片由AI生成</center>

## 高性价比普惠创作者

为了推动技术的规模化应用，GLM-Image 已在 GitHub 和 Hugging Face 全面开源。除了技术上的开放，智谱在商业化路径上也极具诚意。其 API 调用价格低至每张图 0.1 元，且模型原生支持 1024 到 2048 尺寸的任意比例自适应生成。

这种低门槛、高灵活性的策略，旨在让更多的开发者与创作者能够利用高端生成式 AI 技术。智谱方面还透露，未来将推出经过速度优化的新版本，进一步提升商用性价比，加速国产认知型生成技术在各行各业的普及。

![Google_AI_Studio_2026-01-14T03_34_58.861Z.png](https://static.downly.cn/images/165c895108cc44045b1b9a55573032e1.png) <center>图源备注：图片由AI生成</center>

智谱联合华为开源 GLM-Image 国产算力训出 SOTA 级文生图模型

> 中国大模型领军企业智谱AI今日正式在香港联合交易所主板挂牌，成为继 MiniMax 之后又一家成功上市的国产大模型独角兽。在连年亏损与高强度研发投入的博弈中，资本市场给出的430亿港元估值，折射出对硬科技长跑者的信心与期待。

## 资本市场的理性与狂热

智谱AI（股票代码 02513.HK）的首秀表现平稳。发行价定为116.2港元/股，开盘微涨后回落至117.2港元，市值稳定在430亿港元上方。此次IPO共募集资金约43亿港元（约合5.5亿美元），为这场烧钱的“百模大战”补充了关键弹药。

财务报表揭示了技术型创业公司的典型特征 高增长与高亏损并存。数据显示，智谱AI在2022至2024年间营收年复合增长率（CAGR）超过130%，验证了其API调用与企业定制业务的爆发力。然而，为了维持技术领先，2024年研发费用占营收比重超过80%，导致净亏损持续扩大。资本市场的买单，更多是基于对其技术壁垒的认可，而非当下的盈利能力。

![Google_AI_Studio_2026-01-08T03_06_32.364Z.png](https://static.downly.cn/images/e19ecdbb1d1861013c514dcebd6e253a.png)<center>图源备注：图片由AI生成</center>

## 开源筑基与闭源变现

智谱AI之所以能稳居中国AI第一梯队，得益于其清晰的“开源+闭源”双轮驱动策略。

在开源侧，GLM系列模型在 Hugging Face 和魔搭社区的下载量已突破千万级，事实上成为了国产大模型的重要基座，通过广泛的开发者生态构建了强大的技术护城河。在商业化侧，公司推出了 GLM-Edge 和 GLM-AllSpark 等企业级闭源模型，并通过 Agent 开发框架和 RAG 引擎等完善的工具链，降低了金融、能源等传统行业集成 AI 的门槛。

## 募资剑指下一代多模态技术

本次募集的43亿港元将主要流向四个战略方向，其中最核心的是下一代多模态大模型 **GLM-V** 的研发，旨在提升视觉、语言与推理的融合能力。

此外，智谱AI将重点投入国产算力适配，深化与华为昇腾、寒武纪的合作，构建自主可控的 AI 训练与推理全栈。随着2026年成为中国大模型商业化的分水岭，智谱AI 必须在 OpenAI、Anthropic 等全球巨头的围剿中，利用本土化优势加速在金融风控、智能客服等场景的落地，将技术势能转化为可持续的商业利润。

![Google_AI_Studio_2026-01-08T03_06_34.502Z.png](https://static.downly.cn/images/ef71884bc75d4a204164a51e4ec1f5a5.png) <center>图源备注：图片由AI生成</center>

智谱AI登陆港交所 市值超430亿港元开启国产模型商业化新纪元

> **导语**
> 中国人工智能产业迎来历史性转折点。《人工智能大模型系列国家标准》的正式实施，标志着大模型从 "参数竞赛" 走向 "合规竞速"。这不仅是技术治理的升级，更是国产 AI 迈向高质量发展的入场券。

## 三大维度立规 建立全生命周期监管

这部国家级技术规范填补了行业长久以来的制度空白，首次从性能、安全、服务三个核心维度对大模型进行了全链条覆盖。

在**性能指标**上，标准不再迷信参数规模，而是聚焦语言理解、生成质量、多模态能力及推理效率等可量化的实战维度。在**安全要求**方面，强制规定了内容过滤、隐私保护机制以及红队测试流程，确保价值观对齐。而针对**服务能力**，标准对系统的响应稳定性、上下文长度支持及工具调用能力提出了明确的分级要求，彻底终结了厂商 "自说自话" 的营销乱象。

![Google_AI_Studio_2025-12-29T03_20_41.595Z.png](https://static.downly.cn/images/01e10943effc6be9f82ec83ac3263702.png)
 <center>图源备注：图片由AI生成</center>

## 权威认证落地 关键领域准入的新门槛

标准的生命力在于执行。目前，配套的大模型评测能力已获得中国合格评定国家认可委员会（CNAS）的正式认证。

这意味着，未来企业若想将大模型产品打入政务、金融、医疗等关键敏感领域，通过该权威评测或将成为必选项。这一举措大幅提升了行业准入门槛，不仅利好百度、华为、腾讯等技术储备深厚的头部企业，也为中小企业指明了清晰的合规路径，避免了低水平的重复造轮子。

## 话语权之争 从规模领先到规则引领

在全球 AI 竞争白热化的当下，中国率先推出国家级标准体系，具有深远的战略意义。当 "中国标准" 成为大模型落地的硬通货，我国有望在全球 AI 治理格局中占据主动权。随着标准的全面落地，一场以 "合规" 与 "实效" 为核心的产业洗牌正在加速到来。唯有通过国标 "大考" 的模型，才配得上成为智能时代的新型基础设施。

大模型国标正式实施 AI产业告别野蛮生长

封面图提示词：充满未来感的AI主题插图，包含数据流、神经网络和机器人元素，色调为蓝色和紫色，风格为赛博朋克

> 今天的AI世界充满了激动人心的突破。谷歌DeepMind推出了能自动修复代码的智能代理CodeMender，同时其Genkit扩展也为开发者带来了福音。OpenAI则在ChatGPT中全面支持模型上下文协议（MCP），进一步开放其生态。在国内，蚂蚁集团的万亿参数大模型Ling-1T正式登陆华为云。此外，自动化测试、DNS精准调度等领域也迎来了新的技术进展。

## 代码“医生”上线：谷歌DeepMind推出智能代理CodeMender，自动修复软件漏洞

谷歌DeepMind近日发布了一款名为CodeMender的AI驱动智能代理。该工具能够利用先进的推理模型和程序分析技术，自动检测、修复并加固软件中的漏洞。对于开发者而言，这意味着可以从繁琐的安全问题处理中解放出来，大幅缩短修复时间，将更多精力投入到创新工作中。

![image.png](https://static.downly.cn/images/6e4eac59cf5313895adf876f880504d1.png)

图源备注：图片由AI生成

## 测试也需智能化：TRAE智能体让Web UI自动化测试更简单

在Web UI自动化测试领域，TRAE智能体正带来新的变革。它利用Playwright MCP工具，能够将用户以自然语言输入的测试步骤文本，智能地转化为可直接执行的界面操作命令。这一创新方案极大地简化了测试用例的创建过程，让繁琐的UI测试变得前所未有的高效与便捷。

![image.png](https://static.downly.cn/images/a5bb67e051e3232ac987019dfdf314bb.png)

图源备注：图片由AI生成

## 终端开发迎AI革命：谷歌Genkit扩展让命令行也能拥有AI助手

谷歌为开发者带来了Genkit扩展，这一新工具将强大的AI辅助功能深度集成到了Gemini CLI终端中。开发者现在可以直接在命令行界面享受由AI提供的智能辅助，从而极大地简化Genkit应用的开发与调试流程。这标志着终端开发正式迈入了由AI驱动的高效新时代。

![image.png](https://static.downly.cn/images/91fd713e89ccf499d3cd93438a60543a.png)

图源备注：图片由AI生成

## 数据交互更自由：ChatGPT开发者模式全面拥抱MCP协议

OpenAI宣布，其在ChatGPT的开发者模式中已全面支持模型上下文协议（MCP）。这一重要更新允许用户通过自定义连接器，在聊天会话中直接对数据进行读取和写入操作。此举进一步开放了ChatGPT的生态系统，为开发者提供了更强大、更灵活的数据交互能力。

![image.png](https://static.downly.cn/images/e8cbcf9c56d624eab5b966f0f29d14ed.png)

图源备注：图片由AI生成

## 强强联合：蚂蚁集团万亿参数大模型“百灵”登陆华为云

华为云近日宣布，蚂蚁集团研发的万亿参数“非思考”大模型Ling-1T已正式上线其大模型即服务（MaaS）平台。该模型现已开源，并支持专属资源部署，旨在充分释放其强大的模型能力，为企业提供更优质、更便捷的AI服务。

![image.png](https://static.downly.cn/images/a22efbfdd7cf44247cc7e9eb1c37a8f8.png)

图源备注：图片由AI生成

## 告别网络延迟：火山引擎HTTPDNS Cache2.0实现网段级精准调度

为解决域名解析服务中常见的调度不准问题，字节跳动为其核心应用（如抖音、今日头条）推出了火山HTTPDNS Cache2.0方案。该方案针对业界主流缓存机制存在的根本性缺陷进行了优化，通过网段级的精准调度，有效避免了因IP库与权威DNS服务器不一致而导致的延迟，显著提升了用户体验。

![image.png](https://static.downly.cn/images/2d29f28767d5b6230e32c4b5aa14f6df.png)

图源备注：图片由AI生成

## Copilot+ PC市场反响平平，未能引爆预期

备受关注的Copilot+ PC产品线似乎并未在市场上激起预期的火花。其宣传重点可能面临挑战，因为新的PC产品线似乎未能如预期般引爆市场，其市场表现和消费者接受度有待进一步观察和验证，需要更深入的分析来评估其长期潜力。

![image.png](https://static.downly.cn/images/aa9db92e6301edd0ff9618e0b858eead.png)

图源备注：图片由AI生成

搜索结果: 华为