databricks

Databricks推出Lakebase LTAP架构，将Postgres数据以Parquet格式存储在S3上，无需CDC或镜像即可在单份数据上实现事务与分析。

由Databricks前AI负责人Naveen Rao领导的Unconventional AI公司声称，其基于振荡器的计算机架构可将AI推理能耗降低多达1000倍，并已通过其首个图像生成模型Un0进行了验证。

一家种子阶段的YC初创公司Wafer AI正在推理速度竞赛中竞争，Databricks在GLM-5.2上实现了392 token/s，在Artificial Analysis中排名第一。

一则推特帖子总结了 Latent.Space 播客一期节目（与 Databricks 联合创始人）的要点，涵盖 Databricks 为何击败 Snowflake、元工具链的兴起、Neon 的成功、通过 LTAP 实现 HTAP、MosaicML 的命运，以及在大公司中保持初创文化。

Databricks 为 Genie Agent 推出了 Agent Mode API，为在平台上构建和管理 AI 代理提供了新接口。

xAI 的 Grok 模型现已可在 Databricks Agent Bricks 上使用，使企业能够利用其数据构建 AI 智能体。

Omnigent 是 Databricks 推出的一个开源元编排框架，可让你在单个实时会话中运行一个 AI 智能体团队（包括 Claude Code、Codex、Cursor、Pi 和你自己的智能体）进行编码。

Databricks 推出 LTAP（湖事务/分析处理），这是一种新的架构，在数据湖中基于单一数据副本统一 OLAP 和 OLTP，消除 ETL 管道，并由 Lakebase 提供支持。这为 AI 应用时代的操作数据、分析数据和流数据提供了单一受管的基础。

Databricks 发布了 Omnigent，这是一个用于组合、控制和共享 AI 智能体的元工具链，验证了元工具链的方法。

一位Databricks技术负责人认为，多智能体AI系统失败的原因并非模型智能不足，而是缺乏协调。他将50多个智能体视为一个分布式系统问题，其中并行处理容易实现，但保持共享一致性困难重重。

Databricks 首席执行官 Ali Ghodsi 认为，Zoom 拥有巨大机会，利用其海量会议视频和转录库打造 AI-first 产品，通过自动化数据录入和协调，可能颠覆传统企业 SaaS。

Databricks 推出用于企业代理工作流的 GPT-5.5，在 OfficeQA Pro 基准测试中实现了最先进水平，与 GPT-5.4 相比错误率降低了 46%。

对三种新型兼容 Postgres 的云端数据库——Snowflake Postgres、Databricks Lakebase 和 Azure HorizonDB——的分析，重点介绍了它们截然不同的架构，以及它们对企业数据平台带来的供应商锁定影响。

本文介绍了 Databricks 的 Lakehouse 架构如何通过禁用全页写入（FPW）并利用无状态计算与分布式存储，使 Postgres 的写入吞吐量提升 5 倍。

本指南演示了如何通过集成插件将 ChatGPT 配置为数据代理，以访问 Databricks、Slack 和 Google Drive 等数据源，使团队能够构建和使用统一的数据上下文技能。

本文旨在指导如何通过数据插件将 ChatGPT 的数据分析锚定在语义层上，从而提升准确性。插件可独立开发或与 Snowflake Cortex、Databricks Genie 等现有系统集成，这要求组织提供长期支持。

OpenAI与Databricks合作推出GPT-5.5模型，在agent框架中错误率降低46%，成为唯一在基准测试中超过50%的模型，解析质量和函数调用能力显著提升。