标签
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。
Databricks Delta Sharing 是一个开放协议，能够实现跨云提供商的安全、实时数据共享，无需复制，减少出站成本并简化多云数据访问。
Databricks宣布新一轮融资，估值达1880亿美元，延续其融资势头，并将自身定位为领先的AI提供商。
Databricks 推出了 Genie Ontology，这是一个基于 Unity Catalog 的自我改进上下文层，能够构建动态的业务定义知识图谱，并利用 OntoRank 解决定义冲突，减少文本到 SQL 的幻觉问题。
Databricks基准测试显示，pi-coding-agent比CC/Codex便宜高达2倍且通过率更高，GLM 5.2在编码任务上的表现与Opus 4.8持平。
Databricks 测试了开源编码模型 GLM-5.2，发现它在真实企业代码任务中可与 Claude Opus 4.8 等顶级闭源模型竞争，同时成本更低（每任务 1.28 美元对 1.94 美元）。评估还强调了 Pi 这个框架，它通过减少每轮发送的上下文来降低成本。
Databricks发布了一项内部基准测试，在数百万行代码的代码库上评估编码代理，结果显示框架选择可加倍节省成本，并且像GLM 5.2这样的开源模型在最高难度级别上表现具有竞争力。
Databricks 分享了在其数百万行代码库上评估编码智能体的内部基准测试结果，揭示了能力层级和成本性能权衡，并强调了像 GLM 5.2 这样的开源模型的有效性。
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。