Cursor 发布 Rollouts 与 Security Review 智能体
Cursor 发布 Rollouts 和 Security Review 两个智能体，用于代码交付末期的部署监测与 PR 安全审查。
推荐理由：Cursor 同时推出部署监测与代码安全审查智能体，覆盖 PR、部署和漏洞报告等环节，并提供可配置规则。
技术方向
部署工程 最新动态
怎么把模型跑得更快更省钱：推理加速、显存与成本、服务部署与基础设施选型。
28 条精选近 30 天 21 条共收录 109 条
更新
精选归档 · 第 2 页
Cursor Changelog精选AI 评分6464
Hugging Face：deepseek-ai 新模型精选AI 评分8787 DeepSeek 发布 DeepSeek-V4.1-Flash 多模态 MoE 模型
DeepSeek 发布 DeepSeek-V4.1-Flash，这是一款拥有552B主干参数、支持1M token上下文的多模态MoE模型，可原生处理图像和文本。
推荐理由：模型将1M token上下文与每token仅8B或16B激活参数结合，并量化了KV cache压缩效果，为高输入量智能体工作流提供成本对照。
Cursor Changelog精选AI 评分8282 Cursor 发布 Projects 智能体工作区
Cursor 发布 Projects，支持围绕功能开发、迁移和完整应用维护长期上下文，并并行委派任务给子智能体。项目运行在云端独立计算机中，可跨云端和本地同步文件与工作上下文；协调智能体负责规划、分派和回收结果，还可按计划监控 Slack、PR 等信号。Projects 现已进入 beta 阶段，并从今天起向所有用户逐步开放。
推荐理由：Cursor Projects 通过持续上下文、并行子智能体和云端运行环境，支持更大规模开发任务，适合关注智能体协作与自动化工作流的读者。
Hugging Face：zai-org 新模型精选AI 评分7777 GLM-5.3-Flash 发布，主打原生多模态与高效推理
智谱（GLM）发布 GLM-5.3-Flash，这是 GLM-5 系列首个原生多模态模型。模型总参数量为 320B、激活参数量为 18B，采用稀疏与线性注意力混合架构并引入 mHC，在多项基准和实际工作负载上超过 GLM-5.2，价格为其十分之一。
推荐理由：GLM-5.3-Flash 同时给出架构、部署方式与评测复现参数，便于比较其多模态、编码和智能体能力及部署成本。
Hugging Face：deepseek-ai 新模型精选AI 评分8282 DeepSeek 发布 DeepSeek-V4-Pro-0813 正式版模型
DeepSeek 正式发布 DeepSeek-V4-Pro-0813，取代 Preview 版本，并加入 DSpark 推测解码模块以增强智能体能力。模型在 HLE、Terminal Bench 2.1 和 DeepSWE 等基准中取得 42.7/60.0、87.9 和 62.7 的成绩，reasoning_effort 现支持 low、high、max 三档。
推荐理由：DeepSeek-V4-Pro-0813的正式版本、评测数据与部署配置齐全，便于开发者比较其智能体和编码表现并评估落地方式。
Hugging Face：deepseek-ai 新模型精选AI 评分7373 深度求索发布 DeepSeek-V4-Flash-0731 正式版
深度求索正式发布 DeepSeek-V4-Flash-0731，取代此前预览版，并强化 Agent 能力，模型结构与 DeepSeek-V4-Flash-DSpark 相同，附带 DSpark 推测解码模块。
推荐理由：该发布提供模型结构、推理档位、编码方式及 vLLM、SGLang 部署配置，便于开发者评估并部署 Agent 工作流。
Hugging Face：zai-org 新模型精选AI 评分7878 智谱发布 GLM-5.2 开源模型，支持 1M-token 上下文
智谱发布 GLM-5.2 旗舰模型，主打长程任务，提供稳定的 1M-token 上下文，并增强编码能力和多档思考强度。模型采用 MIT 开源许可证，支持 SGLang、vLLM、Transformers、KTransformers 和 Unsloth 等框架部署，官方还公布了 HLE、AIME 2026、SWE-bench Pro、MCP-Atlas 等基准成绩。
推荐理由：GLM-5.2 将长程任务、1M-token 上下文和灵活思考强度结合，并提供多项基准与本地部署方案，便于评估其实际能力边界。
Hugging Face：moonshotai 新模型精选AI 评分7979 Moonshot AI 发布 Kimi-K2-Thinking 开源思考模型
Moonshot AI 发布开源思考模型 Kimi-K2-Thinking，支持逐步推理、动态工具调用和 256K 上下文窗口。模型采用 MoE 架构，总参数量 1T、每 token 激活 32B 参数，可在连续 200–300 次工具调用中保持目标导向，并通过后训练量化感知训练实现原生 INT4 推理与约 2x 生成加速。
推荐理由：Kimi-K2-Thinking把长链推理、工具编排与原生INT4部署放在同一模型中，并提供完整评测与调用示例。