04:43Stanford AI Lab@StanfordAILabOpenJarvisAI是一个开源的个人AI代理框架,默认在本地设备上运行,仅在必要时才调用云端。它首次将能源消耗、成本和延迟作为一等指标进行优化。该项目由斯坦福大学AI实验室的Jon Saad-Falcon等人协作开发,并被Laude Institute的Slingshots // THREE项目选中。框架旨在让AI代理在保持隐私的同时实现高效推理。AI产品OpenJarvisAIStanford AILab代理框架本地AI混合AI推荐理由:斯坦福团队推的OpenJarvisAI,让AI代理先跑在本地、必要时才上云,还管能耗和延迟,挺实在的开源框架。原文
22:09Decoder@Jonathan KemperPerplexity 发布了一个编排器,能够结合本地计算机上的 AI 模型与强大的云端模型,并自动决定每个任务在何处处理。该系统旨在优化性能与成本,让用户无需手动选择运行环境。这一创新可能改变 AI 应用的部署方式,尤其对隐私敏感或需要低延迟的场景有重要意义。Perplexity 的混合系统为开发者提供了更灵活的 AI 使用方案。AI产品混合AIPerplexity本地推理云端模型编排器推荐理由:Perplexity 的混合 AI 系统解决了本地与云端资源分配难题,做 AI 应用开发或关注隐私与效率平衡的团队值得关注,可以直接尝试优化工作流。原文
09:12IT之家(博客/媒体)Perplexity 宣布将于 7 月升级其自主 AI 智能体系统 Perplexity Computer,引入混合 AI 调度能力。该功能可根据任务场景自动拆分:涉及金融记录、健康信息等敏感数据的部分由本地模型处理,复杂任务则调用云端前沿模型。设备上的小模型会先判断哪些内容应留在本地,避免用户手动选择。Perplexity 认为真实任务混合了隐私判断、内容理解和复杂生成,因此按环节协调本地与云端模型完成结果。AI产品Perplexity Computer混合AI隐私保护智能体任务调度推荐理由:Perplexity Computer 的混合调度解决了 AI 任务中隐私与算力的两难,做自动化或智能体开发的团队可以关注这个架构思路,看看如何在不牺牲性能的前提下保护用户数据。原文