Databricks 出了个示例项目,用 Temporal 加 Lakebase Postgres 让智能体在容器重启后还能接着跑,人工审核隔几天补上也行。
#Databricks
Databricks 开源了个数据建模智能体,带 250 条建模规则和 40 个行业模型起步,业务人员也能参与改模型。
用 Workday 的团队注意了:现在 HR 和财务数据能零拷贝接入 Databricks,直接用 Unity Catalog 管权限,省去导数据这一步。
Anthropic在Databricks上发布了Claude Haiku 5.5,比前代质量提升15%且成本更低,适合需要高性能小模型的开发者。
Databricks 的 Genie Ontology 不用先建完整本体就能推断业务上下文,视频还讲了 OntoRank 怎么挑可信数据源,做数据治理的可以看看。
Databricks 出了个 Omnigent 策略,能在 Agent 动手前拦截超支和高危操作,还能累积风险分自动要求审批,做 Agent 的可以看看。
Databricks CEO 聊 Zoom 的机会:手里攥着最大的会议数据集,真做成工作流层能替掉一堆 SAAS。
Databricks 的 Genie One 这波更新挺实用:Ontology 默认开启,还能查 Unity Catalog 表、传 PDF 定时跑任务,3 分钟视频讲完。
Databricks刚上线GPT-6.1 Sol和Grok 4.7,前者在OfficeQA Pro v2领先,后者在企业文档解析表现出色,还有Unity Gateway帮你选模型控成本。
Databricks 让 GPT-6 Astra 和 Opus 5 自己迭代写 GPU kernel,全部 4 个 track 干到 NVIDIA 榜第一,只花了 7 万美元 token 钱。
Databricks 这篇讲企业 agent 怎么管:91% 公司都在跑两套以上 AI 编码工具,它给了个选型、上下文、管控三件套框架,搞团队落地可以参考。
Databricks 这份指南教你怎么把 Genie Ontology 越用越准,从数据基础到权限治理一步步搭,建议先挑一个高价值业务域做起。
Databricks 演示了 Unity Gateway 怎么追踪团队用了哪些模型、花了多少钱,Omnigent 还能把你手头的编码智能体拼在一起用。
Databricks 分享了自家排障实录:用 Unity Gateway 和 Genie One 追踪 MCP-server,一年白烧 49.9 万美元 token 的 Bug 全揪出来了,做智能体运维的可以抄作业。
Databricks 出了个可直接导入的 notebook,教你把 Jev 决策模型跑在自家 Serverless GPU 上,SQL 里调 ai_query 就能拿分类和概率分数,换上自己数据就能用。
Databricks 出了个 Unity Gateway CLI,让你在 Claude Code、Codex 这些编程智能体之间换模型不用重配,管理员一处改全队生效,还能看花费。
Databricks 内部把开源模型接进编程智能体,结果工程师发现好用到连 Opus 都不碰了,开源模型跑实际编码工作的真实反馈。
Databricks 把 Row Zero 收进来了,以后在 Genie 里直接用表格建模,安全治理交给 Unity Catalog,做数据的可以关注下。
Databricks 出了个 Lakebase Branching,给 coding agent 一份隔离的数据库沙盒,改坏了也不碰生产数据,还有配套 CLI 工作流教程。
Databricks 出了个 MCP 服务,让 ChatGPT、Claude 直接连公司里带权限管控的业务数据,还附了完整配置教程。
Databricks CEO Ali Ghodsi 说,AI生存风险接近零,漏洞武器化已缩至小时级,企业瓶颈是缺少“组织本体”,这些观点很具体,不像那些吓人的说法。
a16z的Martin Casado批评Databricks用词不当,Databricks的Ali Ghodsi谈AI风险与采用
Databricks 的 Ali Ghodsi 和 a16z 的 Martin Casado 聊了聊谁该管 AI 实验室,挺有意思的。Ali 认为实验室自己监管不了,因为利益冲突,得第三方来管,就像拳击比赛需要裁判一样。
Databricks 的阿里·戈德西讲了点有意思的,他说现在公司内部的 AI 代理会产生很多数据,这些数据需要被分析,而且漏洞被武器化的速度越来越快,从几年缩短到几小时,挺值得关注的。
Databricks 的 Ali Ghodsi 说,很多公司不需要更先进的 AI 模型,因为模型本身已经够聪明了,只是缺少组织内部的知识,比如员工五年工作积累的经验。
Databricks 给工程师用上了 Astra,复杂任务效率提升 60%,比 Opus 5 和 Sol 5.6 强,但日常任务没明显提升,适合挑复杂活儿用。
Databricks创始人分享企业级AI落地的一手数据,讲了模型能力提升集中在哪、成本上升多少,以及怎么用预算引导工程师选择模型,对想用AI的企业很有参考价值。