EP146 · 阿里开源复盘、专用执行模型、Switchyard · 08-12 早报

据阿里技术团队原文，open-code-review 在两个月内获得 20k star，并连续 5 天登上 GitHub Trending。更值得借鉴的是，团队用 All in Code 让 Agent 参与开发、评审和发版，同时以 200 个 PR 的评测集与人工决策守住核心链路；README 也从千行压到两百行，把上手路径缩至五分钟。

Nemotron 3.5 Lightning 不是替代前沿模型，而是面向常驻智能体执行层的 30B MoE：每次仅激活 3B 参数，处理工具调用、结果校验等高频任务。NVIDIA 还开放权重、数据和训练配方，为专用小模型的本地部署与成本评估提供了可复现起点与路径。

LangChain 在 145 个多步任务上测试 Switchyard：30B 模型承担 93% 的调用，路由方案比全用 Claude Opus 4.8 便宜 74%，准确率低约 6 个百分点。文章还将判别器成本和模型价差写进计算公式，给出五次运行的波动，并提醒约 700 毫秒的判别延迟不适合短任务；是否划算仍要用自己的工作负载验证。

阿里巴巴副总裁朋新宇深度拆解中国式 FDE 的务实路径：不讲个人英雄主义、不迷信 SOTA 模型，而是以“多快好省”为标准，为企业打造可量化的业务增长 Agent。

Sundar Pichai 宣布 Google 的 Gemini 应用如今月活用户超过 10 亿，使其成为有史以来增长最快的 Google 产品，也是第 14 款达到 1B-user 里程碑的 Google 产品。

本文对比了 ACE 与 ALTK-Evolve 智能体记忆系统，证明了选择性指南检索在显著降低 Token 成本的同时，能够达到与全量剧本注入相当甚至更高的准确率。

本文针对传统 AI 评测仅关注准确率、忽略因果性的局限，引入因果推断与博弈论方法，提出可落地的归因分析框架，帮助精准量化 LLM 及 Agent 系统中各组件对结果的真实贡献，定位优化瓶颈。

宝玉团队在硅谷AI大厂进行的100万美元Token不限量实验发现，人员负担加重、AI使用成本高于人力，只有组织从0到1开始使用AI时才能看到显著效率提升，而现有以人为中心的架构成为瓶颈。

本文通过整理《昇腾崛起》一书的 100 条细节，详尽记录了华为昇腾 AI 芯片从 2016 年战略觉醒到 2026 年破局突围的完整研发与生存历程。

评估 AI 智能体循环中的 TDD，发现在小型实验中并不比非 TDD 有明显优势。