💻 Inilunsad ng OpenAI ang Codex app upang makakuha ng kalamangan sa karera ng AI coding ↗
Naglabas ang OpenAI ng isang desktop Codex app na parang isang command center para sa pag-juggle ng maraming coding agent nang sabay-sabay - hindi lang isang chat thread na naiwala mo sa iyong mental drawer pagkalipas ng limang minuto.
Ang dating ay "pangasiwaan ang isang maliit na grupo," na may magkakasunod na daloy ng trabaho at mas mahahabang gawain, na mukhang produktibo... at para ka ring na-promote sa pamamahala ng maliliit at walang kapagurang mga intern.
Direktang laban ito sa mga kakumpitensyang matagal nang gumagamit ng mga coding tools. Hindi ito isang malakas na suntok, kundi isang mas malakas na pagtutulak kaysa dati.
⚙️ Eksklusibo: Hindi nasisiyahan ang OpenAI sa ilang chips ng Nvidia at naghahanap ng mga alternatibo, ayon sa mga mapagkukunan ↗
Ang reklamo ay hindi "hindi kayang sanayin ang malalaking modelo" - ito ay ang bilis ng paghihinuha, ang sandali kung saan ang modelo ay kailangang magbigay ng mga sagot nang mabilis, paulit-ulit, sa malawak na saklaw. Ang Nvidia ay nananatiling sentro, ngunit ang mga punto ng presyon ay nagbabago.
Kaya naman ang kumpanya ay naghahanap ng mga alternatibo, kabilang ang AMD kasama ang mga espesyalisadong manlalaro tulad ng Cerebras at Groq - ang uri ng hardware na nabubuhay para sa latency at on-chip memory.
Sa publiko, lahat ay magalang pa rin (halos nakakakaba ang pagiging magalang), ngunit malinaw ang subtext: kung ang mga coding agent ang bagong uso, ang bilis ay hindi na "masarap magkaroon" at nagiging pangunahing usapin na lamang.
🏗️ Tumaas ang shares ng Oracle dahil sa pagtaas ng $50 bilyon na nagpapagaan sa pangamba sa pagpopondo ng data-center ↗
Naglatag ang Oracle ng isang plano upang makalikom ng malaking pondo sa pamamagitan ng utang at equity, na naglalayong pondohan ang isang pagpapatayo ng data-center na malapit na nauugnay sa pinakamalaking pangako nito sa AI.
Binanggit ito ng mga analyst bilang “sige, puwede mo naman sigurong bayaran ito,” na isang nakakatawang uri ng pagtiyak – parang sinabihan ka na malamang na sapat na ang gasolina ng eroplano mo.
Kahit na may plano na para sa pagpopondo, nananatili pa rin ang kinakabahang pag-iisip: kung ang lahat ng paggastos na ito sa imprastraktura ng AI ay isasalin sa pangmatagalang kita, o sadyang napakamahal na kumikislap na mga ilaw.
🌿 Gumawa ang Carbon Robotics ng isang modelo ng AI na nakakakita at nakakakilala ng mga halaman ↗
Inilabas ng Carbon Robotics ang isang "Malaking Modelo ng Halaman" upang paganahin ang mga laser-based na robot nito sa pag-aalis ng damo - na, oo, parang isang kartun na kontrabida pa rin ang tunog, ngunit tila ito ay totoo at praktikal.
Malaki ang praktikal na panalo: makikilala ng sistema ang mga bagong damo nang walang mabagal na "label, retrain, wait" loop. Maituturo ng mga magsasaka kung ano ang papatayin at kung ano ang matitira, at umaangkop ang robot nang walang ganap na pag-reset.
Isa ito sa mga kwentong AI na tila mas mahalaga kaysa sa mga magarbong demo - mas kaunting tula, mas maraming suplay ng pagkain.
⚖️ Lumilipat ang Anthropic sa Legal Tech ↗
Isinusulong ng Anthropic ang mga plugin na naglalagay ng modelo nito sa mga totoong daloy ng trabaho, kabilang ang isang legal na plugin na naglalayong suriin ang dokumento at suriin ang kontrata. Iyan ang uri ng trabahong inaakala ng mga tao na "may nuances"... hanggang sa makagawa sila ng 200 halos magkaparehong sugnay nang sunud-sunod.
Hindi ito isang one-click na kapalit para sa mga legal team. Ang pag-deploy ng mga bagay na ito ay nangangailangan pa rin ng mga kasanayan sa teknolohiya, at lahat ay magiging obsessionado sa seguridad ng data - gaya ng nararapat.
Ang medyo maanghang na implikasyon: ang mga legal na vendor ng software na binuo gamit ang makitid na automation ay maaaring biglang magmukhang hindi gaanong espesyal.
🧬 Inilunsad ng ConcertAI ang Pinabilis na mga Klinikal na Pagsubok Gamit ang Agentic AI upang Abalang Paikliin ang mga Takdang Panahon ng Pagsubok ↗
Inilunsad ng ConcertAI ang isang platapormang "pinabilis na mga klinikal na pagsubok" na binuo batay sa agentic AI, na naglalayong pabilisin ang mga mahirap na bahagi - disenyo ng protocol, pagsusuri ng posibilidad, pagpili ng lugar, recruitment, at ang buong nakabuhol na kadena.
Inaangkin nila ang malalaking pagbawas sa mga timeline at mga susog sa pamamagitan ng paggamit ng mga ahente na kumukuha mula sa totoong mundo at pagmamay-ari na datos, kasama ang mga konektor sa mga karaniwang mapagkukunan ng pananaliksik. Mukhang ambisyoso - at maaaring mangailangan ng kaunting mahika sa pag-alis ng friction ang mga klinikal na operasyon.
Kung gagana ito kahit sa kalahati, hindi ito gaanong "Nalulunasan ng AI ang lahat" at mas "Pinapatigil ng AI ang pagtigil ng makina," na marahil ang mas kapani-paniwalang uri ng pag-unlad.
Mga Madalas Itanong
Ano ang OpenAI Codex app at ano ang ginagawa nito?
Ang OpenAI Codex app ay inilalarawan bilang isang desktop na "command center" para sa pag-coordinate ng maraming coding agent nang sabay-sabay. Sa halip na manatili sa loob ng iisang chat thread, sinusuportahan nito ang mga parallel work stream at mas matagal na gawain na maaari mong pangasiwaan. Ang layunin ay pamahalaan ang isang maliit na "kawan" ng mga ahente habang sinusuri, pinapatnubayan, at isinasama mo ang kanilang mga nalilikha.
Paano naiiba ang OpenAI Codex app sa isang normal na coding chatbot?
Ang isang tipikal na coding chatbot ay nananatiling nakaangkla sa isang thread ng pag-uusap, habang ang OpenAI Codex app ay nakabalangkas sa pag-oorganisa ng ilang ahente nang sabay-sabay. Binabago nito ang daloy ng trabaho mula sa "magtanong, maghintay, magtanong muli" patungo sa "magtalaga ng maraming gawain at subaybayan ang progreso." Sa pagsasagawa, maaari itong maging mas malapit sa pangangasiwa ng proyekto kaysa sa purong chat, lalo na kapag ang mga gawain ay higit pa sa isang mabilis na loop ng prompt-response.
Anong mga uri ng trabaho ang pinakaangkop para sa pangangasiwa ng maraming coding agent?
Sa maraming pipeline, ang mga multi-agent setup ay mahusay kapag ang trabaho ay maaaring hatiin sa mga parallel track na nangangailangan pa rin ng pangangasiwa ng tao. Ang isang karaniwang pattern ay ang pagtatalaga ng magkakahiwalay na mga ahente para sa pag-debug, pagsusulat ng mga pagsubok, pag-update ng mga dokumento, o paggalugad ng mga alternatibong implementasyon, habang pinapanatili mong magkakaugnay ang pangkalahatang arkitektura. Malaki ang maitutulong nito kapag ang mga gawain ay malinaw na nasasakupan, ang mga pagkakaiba ay sinusuri nang mabuti, at ang mga pagbabago ay pinag-ugnay-ugnay upang ang mga ahente ay hindi magbanggaan sa parehong mga lugar ng isang codebase.
Bakit napakahalaga ng bilis ng paghihinuha para sa mga ahente ng coding?
Ang mga coding agent ay maaaring makabuo ng tuluy-tuloy na daloy ng maliliit at madalas na mga kahilingan, lalo na kapag tumatakbo nang sabay-sabay at nakikipag-ugnayan sa mga tool. Ang latency at throughput ay nagiging mas "user-facing" kaysa sa mga minsanang demo ng modelo. Kapag ang responsiveness sa malawak na saklaw ay nagiging bottleneck, ang bilis ng paghihinuha ay nagiging isang pangunahing limitasyon ng produkto, hindi isang pangalawang detalye ng imprastraktura.
Anong mga alternatibo sa chip ang pinag-aaralan bukod sa Nvidia para sa AI inference?
Sinasabi ng mga ulat na ang Nvidia ay nananatiling sentral, ngunit may lumalaking interes sa mga alternatibo na naglalayong mas mabilis na mahulaan. Kabilang sa mga pangalang nabanggit ang AMD at mga espesyalisadong manlalaro tulad ng Cerebras at Groq. Ang diin ay hindi gaanong sa "kaya nitong magsanay" at mas binibigyang-diin ang low-latency, high-throughput serving, lalo na habang lumalawak ang mga daloy ng trabaho ng ahente.
Bakit nakalikom ang Oracle ng hanggang $50 bilyon, at para saan ito?
Naglatag ang Oracle ng plano upang makalikom ng malaking pinaghalong utang at equity upang pondohan ang pagtatayo ng data-center na nakatali sa mga pangunahing pangako sa AI. Ang hakbang na ito ay nakaposisyon bilang isang paraan upang maibsan ang mga alalahanin kung kayang pondohan ng kumpanya ang malalaking paggastos sa imprastraktura. Ang tanong na patuloy na binabantayan ng mga mamumuhunan ay kung ang malaking capex ng AI ay magiging pangmatagalang kita sa halip na mas malalaking gastos lamang.
Paano binabago ng modelo ng halaman ng Carbon Robotics ang mga laser weeding robot?
Ipinakilala ng Carbon Robotics ang isang "Malaking Modelo ng Halaman" para sa pagtukoy at pagtukoy ng mga halaman na magpapagana sa laser-based weeding. Ang pangunahing pangako ay mas mabilis na adaptasyon: pagkilala sa mga bagong damo nang walang mabagal na paglalagay ng label, muling pagsasanay, at paghihintay para sa isang buong pag-update ng modelo. Maipapahiwatig ng mga magsasaka kung ano ang aalisin kumpara sa kung ano ang ipreserba, at ang sistema ay idinisenyo upang mag-adjust nang walang ganap na pag-reset.
Paano lumalabas ang mga kagamitang ahente ng AI sa mga legal na gawain at mga klinikal na pagsubok?
Ang Anthropic ay inilalarawan bilang pagtulak ng mga plugin na isinasama sa mga daloy ng trabaho, kabilang ang pagsusuri ng mga legal na dokumento at pagsusuri ng kontrata. Hiwalay, inilunsad ng ConcertAI ang isang platapormang "pinabilis na mga klinikal na pagsubok" na naglalayong pabilisin ang disenyo ng protocol, pagsusuri ng posibilidad, pagpili ng lugar, at pangangalap ng mga tauhan. Sa parehong larangan, ang praktikal na pag-deploy ay karaniwang nakasalalay sa seguridad, pamamahala, at maingat na pagpapatunay, hindi lamang sa kakayahan ng modelo.