快手的这篇论文，正是对这一问题交出的一份沉甸甸的工业级答卷。他们提出了 GR4AD（Generative Recommendation for ADvertising），一个横跨表征、学习、服务三大层面协同设计的生成式广告推荐系统，并已全量部署于快手广告平台，服务超过 4 亿用户。
就在今天凌晨，Cursor 3正式发布！自Cursor诞生以来的最大一次飞跃！X上Cursor的官方账号上发布的推文写得极其大胆：为所有代码都由Agent编写而建的世界，同时保持开发环境的深度
产品本身包括了一个Agentic Payment Skill，一个龙虾可以用的“虚拟卡包”，和一套他的围栏，（好像现在可以叫 Harness 了）。这些东西本身只是配套的 infra，核心在于商户的功能 Skill，服务于 Agent 的需求。商户会在 Skill 中引导用户授权 Agent，允许自主完成小额的支付。
谷歌深夜掏家底！Gemma 4全系开源，仅用31B越级斩杀20倍体量巨头。数学能力暴涨68%，硬生生把前代打成计量单位，开源界迎来终极大洗牌！
一家叫泛灵人工智能的团队，出了一款主打「超级办公助理」的硬件产品。
过去一年，AI 硬件很热，但很多从业者心里其实都清楚，热归热，真正做起来并不轻松。
Harness（驾驭）的风，终究还是从大模型，吹到了机器人！
在 AI 圈，模型至上论正在遭遇前所未有的挑战。当所有人都在屏息等待新模型再次刷新智力天花板时，AI 基础设施领军人物、LangChain 联合创始人 Harrison Chase 在最新对话中抛出了新预判：大模型正在沦为大宗商品，而决定 Agent 成败的，是那个包裹在模型外的 Harness 。
去年讨论Agent落地时，重点往往是Context Engineering。大家都在琢磨怎么放 Few-shot，怎么优化 RAG 检索的文本片段。但随着 Agent 任务复杂度的上升，控制数据流向、工具调度和异常处理的底层脚手架代码，往往比单纯拼接文本对系统性能的影响更大。
刚刚，谷歌正式发布 Gemma 4，称“这是其迄今为止最智能的开放模型系列”。该系列面向复杂推理与智能体工作流设计，采用商业许可的 Apache 2.0 许可证开源。Gemma 4 提供四种规格：Effective 2B（E2B）、Effective 4B（E4B）、26B 混合专家模型（MoE）和 31B 稠密模型（Dense）。
