标签
Databricks 推出 MemCurrent——一种面向生产级智能体的持久化记忆架构，为 Agent Bricks Memory 和 Genie 提供支持。该架构结合插件、工具和离线「梦境（dreaming）」流水线，将任务通过率提升至三倍，同时减少 31% 的 token 消耗和 26% 的延迟。
Databricks 已将 Genie App Builder 推入 Beta 阶段，让用户能够在 Databricks 界面中通过自然语言提示构建受治理、具备数据感知能力的应用。这些应用运行在全新的无服务器微应用运行时上，支持缩容至零，并通过 App Spaces 和 Unity Catalog 进行治理。在 Beta 期间，AWS 和 Azure 上的应用可免费使用。
awesome-jev 的定期巡检新增 3 条条目（555 → 558）：llama.cpp 新增 System One 决策模型运行时支持、Databricks 推出 ai_decide AI Function 作为结构化决策 API，以及一个基于 Jev 官方文档的实际 RAG 测试案例。
Databricks 的 Genie One 模型上下文协议（MCP）服务器现已正式发布，使代理能够访问和查询公司数据，内置治理功能并支持多种 AI 客户端。
本文介绍了如何在Databricks平台上使用SQL运行开源决策模型SemIf-OpenJev，实现数据不出平台即可调用模型进行批量处理。
Databricks宣布赞助Cal Bears Field，所有联合创始人都是UC Berkeley校友，突显了公司在Berkeley数据和AI领域的根基。
一条推文赞扬了Databricks的CEO Ali Ghodsi，因其在硅谷的技术和魅力领导力。
Databricks已将其Astra平台向约3,500名工程师开放，并从这项举措中得出了有价值的结论。
Databricks 已向其所有工程师推出了 GPT-6 Astra，声称它在复杂任务中超越了 Claude Opus 5 并提升了编码效率。
Databricks推出了Astra，这是一款在复杂任务上超越先前模型并增加编码支出的人工智能模型，但在中等/低复杂度任务上未显示出显著改进。部署包括预算控制，以鼓励选择性使用以实现成本效率。
一条推文讨论了Databricks如何简化了Spark，使得像GTM工程师这样的非专家也能在没有深入技术知识的情况下构建数据管道。
GLM-5.3 在 Databricks 推理平台上达到每秒 310 token 的速度，在速度和延迟方面均处于领先地位，并且是最强的编程开源模型，可与 Fable 5 和 Opus 4.8 竞争。
@swyx 讨论了 Databricks 的融资 meme，将其增长与 AI 代理在企业中开始发挥作用联系起来，如首席执行官 Ali Ghodsi 所强调。
在投资者需求高达150亿美元后，Databricks以1900亿美元估值融资50亿美元，尽管最初只寻求10亿美元。CEO Ali Ghodsi表示，70亿美元的年化收入增长80%以及高昂的AI投资成本是此次融资的原因。
Elon Musk 宣布 Grok 4.6 登顶 Databricks，Ivan Zhou 报告称，使用 Databricks 的 Genie 测试框架，在 OfficeQA Pro V2 上实现了 SOTA 性能。
Databricks 分享了大规模管理 AI 编码成本的成熟技巧，包括转向更高效的开源模型和使用 AI 网关，并称成本降低了 70%。这篇文章涵盖了来自 Databricks、Stripe、Coinbase、Uber 和 Ramp 的策略。
Databricks 的基准测试显示，相同模型通过不同 harness 调用时成本差异超两倍，而 Pi 作为极简编码 harness，以低成本实现高水平表现；Shopify 也通过 Pi 扩展 Autoresearch 提升效率。
Earendil 的 Pi 编码框架证明，极简设计在成本和性能方面优于复杂的替代方案，并以 Databricks 的基准测试和 Shopify 的案例研究作为证据。
一篇博客文章，重点介绍 Pi——一个极简的编码代理框架，认为与更复杂的工具相比，其简洁性带来更好的性能和更低的成本，并得到 Databricks 基准测试结果和 Shopify 的 Pi Autoresearch 案例研究的支持。
一位开发者分享了测试 Databricks 的 Genie Code 后的观察，认为拥有原生上下文（结构、血缘、权限）的领域专用智能体正在细分任务中击败通用编程智能体，尽管它们牺牲了可移植性。