Deng的博客

引言：Go的诞生——对C++的反思与重构2009年11月，Go语言正式开源。彼时的程序员们或许没想到，这个诞生于Google内部的项目——由Robert Griesemer、Rob Pike和Ken Thompson三位计算机科学泰斗联手打造——会在十年后成为云计算基础设施的事实标准语言。 2003年，Google的后端系统已经变得极其庞大且复杂。传统的大型编程语言如C++和Java虽然功能强大，但编译速度缓慢、代码膨胀严重、开发体验不佳。三位核心开发者意识到，需要一门全新的语言来解决这些问题。 Go的设计哲学可以概括为三个关键词：简单、快速、可靠。它摒弃了复杂的继承体系、模板元编程和多重派生——Rob Pike曾说：”如果一门语言的语法用一张A4纸就能写完，那它就是成功的”。Go语言的设计者希望程序员花更多时间在解决问题上，而不是在理解代码本身的复杂性上。 Go 1.0：承诺与里程碑（2012）发布时间： 2012年3月官方说明： Go 1 Release Notes 向后兼容性承诺——这是Go语言最重要的里程碑。Go 1之后的任何版本都会保持与之前版本的完全兼容，意味着基于...

背景：一次”名不副实”的发布，撬动整个开源生态2026年9月10日，DeepSeek 正式发布了 DeepSeek-V4.1-Flash——一个以 MIT 协议开源、权重直接托管在 HuggingFace（deepseek-ai/DeepSeek-V4.1-Flash）的多模态 MoE 模型。 这次发布最耐人寻味的地方在于它的命名：.1 后缀通常代表一次小版本迭代或微调升级，但 DeepSeek 却用它给出一款全新架构家族的全新基座模型。更关键的是，这是 DeepSeek 首次把 .1 用在一个完全重建的基座上——而它暗示的旗舰版本 V4.1-Pro 至今仍未登场。换句话说，DeepSeek 把”正餐之前的小菜”直接做成了足以替代上一代旗舰的主菜。 与已发布过的 V4-Pro（1.6万亿参数 MoE）不同，V4.1-Flash 走的是一条截然不同的路线：用更少的激活参数、更激进的 KV Cache 压缩，换取超越上代旗舰的性价比。对于以长文档、长工具链调用为核心的 Agent 场景，这恰恰是最实在的进化。 核心特性：CED 架构 + 极致 KV Cache 压缩V4.1-Flas...

AMD发布MI455X与Helios：用72卡机架正面硬刚NVIDIA Vera Rubin一、从”单卡对标”到”机架级对抗”：AMD的第二次豪赌在 NVIDIA 于 CES 2026 抛出被称为”AI超级计算机”的 Vera Rubin NVL72 后，整个行业的目光都聚焦于这家绿色巨头如何用六颗协同芯片构建机架级护城河。彼时，AMD 和 Intel 仍被普遍认为停留在”单卡参数追赶”的阶段——直到 AMD 在 Advancing AI 2026 活动上正式推出 Instinct MI455X 与配套的 Helios 机架方案，才真正让竞争回到同一张牌桌。 MI455X 是 AMD MI400 系列的旗舰成员，基于全新的 CDNA 5 架构、采用 TSMC N2（N3P）先进制程制造。但真正让业界侧目的是它背后的 Helios：这不是一张孤立的加速卡，而是一套以机架为单位的完整 AI 计算系统。AMD 的战略意图很明确——既然在单颗 GPU 的绝对算力上难以瞬间超越 Rubin，那就用”内存容量 + 带宽 + 机架级互联”的组合拳，把竞争拉到自己熟悉的赛道。 二、核心规格：43...

Go语言十年演进史：从诞生到Go 1.24的蜕变之路一、缘起：一个为”现代工程”而生的语言2007年，Google正被大规模分布式系统的构建难题困扰。代码量以指数级增长，C++太复杂、Java太重、脚本语言又太慢且难以编译成高效机器码。Robert Griesemer（V8 JavaScript引擎核心开发者）、Rob Pike和Ken Thompson（Unix与B语言之父）三人组成团队，试图找到一种折中方案：既有C语言的执行效率，又有Python的开发速度，还能原生支持并发网络编程。 2009年11月10日，Go以开源形式正式发布。它的命名”Go”寓意”去”——像箭头一样指向目标，简洁而直接。这个最初为Google内部服务的语言，如今已成为云计算、容器（Docker、Kubernetes的母体）和云原生基础设施的事实标准。 二、从草案到稳定：1.0之前的探索期在正式版本之前，Go经历了r56到r60等一系列快照发布。2012年3月，Go 1.0正式发布，标志着语言设计的成熟。1.0版本确立了几个核心原则：简洁的语法、内置并发原语（goroutine与channel）、快速的编...

一、背景：一个被”藏起来”的模型终于登场2026年8月1日，OpenAI 曾用一种极其罕见的方式向外界展示下一代模型 Astra——没有发布会、没有产品界面，只有 10 篇由数学界顶尖学者认可的证明手稿。当时它还是一张”数学名片”。仅仅一个月后，9月3日，Astra 以 GPT-6 Astra 的正式产品名称全面亮相，被 OpenAI 称为”代际级跳跃（generational leap）”。 与以往不同，这次 GPT-6 Astra 并非无限制开放。它是 OpenAI 首个达到内部”Critical”（关键级）网络安全能力阈值的模型——这一门槛触发了公司 Preparedness Framework（准备度框架）下的最高级别发布审查。因此它的先进能力被置于受控的 Daybreak 计划中，分阶段向企业与研究伙伴开放。换句话说，OpenAI 第一次因为”太强”而主动给模型上了锁。 二、核心规格：105万上下文与”计算机使用”霸榜GPT-6 Astra 的关键参数如下： 上下文窗口：约 1,050,000 tokens（1.05M），最大输出 128,000 tokens 定价：...

NVIDIA发布Vera Rubin NVL72：336B晶体管与20.7TB HBM4的AI工厂革命一、从”卖芯片”到”造工厂”：NVIDIA的战略跃迁当AMD MI400用432GB HBM4正面硬刚、Intel Gaudi4押注18A制程试图成为”第三极”时，NVIDIA没有选择在同一维度上缠斗。CES 2026上，黄仁勋发布了被称为”AI超级计算机”的Vera Rubin平台——它不是单颗GPU，而是由六颗协同设计的芯片组成的机架级系统。 这一转变的核心逻辑在于：现代推理模型的成本瓶颈已从”算力”转移到”数据搬运”。万亿参数模型的预填充（prefill）和解码（decode）阶段需要跨越数百块GPU移动海量激活值，网络带宽和显存容量才是真正卡脖子的一环。Vera Rubin正是围绕”内存墙”问题重构的产物。 二、六芯协同：Vera Rubin平台的完整架构Vera Rubin平台由六颗芯片组成，形成完整的计算-互联-存储闭环： 芯片 角色 关键规格 Rubin GPU AI算力核心 336B晶体管、TSMC N3P、288GB HBM4、50 PFLOPS N...

8月13日，Google 发布了 Gemini 3.7 Flash——距离上一代 3.6 Flash 仅过去三周。官方给它的定位很直白：”我们迄今最聪明的 workhorse（工作马）模型”，主攻编码与 Agent 场景。更关键的是价格： introductory 定价为每百万 token 输入 $0.75 / 输出 $3.75，正好是 3.6 Flash 原价的一半，优惠持续到年底（2027年1月1日起恢复 $1.50/$7.50）。 背景：Flash 系列的”三周一代”节奏Gemini 3.6 Flash 发布于7月下旬，3.7 Flash 在不到三周后接棒。Google 明确表示这次迭代是”开发者反馈 + 算法创新”的直接产物——这种节奏在旗舰模型上很少见，通常只出现在走量的中端线上。Flash 系列承担的是 Google AI 生态里最大的调用量：Gemini app、Antigravity IDE、Android Studio、企业 Agent 平台，全部以它为底座。把”最聪明的工作马”做便宜一半，本质上是把成本压力从开发者身上卸掉，换取更深的生态绑...

8月5日，Meta Superintelligence Labs 一次性放出了两件东西：终端编码代理 Muse Code（公测）和为其量身打造的推理模型 Muse Spark 1.2。与以往”模型 + 第三方壳子”的组合不同，Meta 明确宣称两者是联合训练（co-trained）的——模型在训练时就运行在它推理时所在的同一个 Agent 环境里。这是 Meta 第一次以”运行时即产品”的姿态正面切入 AI 编程赛道，而它公布的那份基准测试幻灯片，甚至包含了自己输掉的图表。 背景：Meta 的编码模型路线Muse Spark 系列是 Meta 首个闭源推理模型线（1.1 于7月16日发布），参数规模未公开——这与 Anthropic 对 Claude 的做法如出一辙，用外部基准而非参数量说话。1.2 版本在编码任务上大幅扩充了训练算力，并扩展了训练环境的多样性，目标直指长程任务（long-horizon work）：整库生成、多文件重构、长时间调试。 Meta 给出的最硬核演示是一个 GPU kernel 优化案例：让 Muse Spark 1.2 在 NVIDIA Hopper...

背景：Agent 能干活了，但”敢不敢给它权限”成了新瓶颈编码 Agent 已经证明模型可以独立跑完工程任务，接下来企业最关心的问题只有一个：能不能把真实的工作和真实的凭据交给它？ 浏览器登录态、公司文件、内部系统——这些才是 Agent 价值的主体，也是安全团队最警惕的部分。 8月17日，CopilotKit（AG-UI 协议背后的团队）开源了 OpenBot：一个”AI 同事”平台。9 天时间 2,900+ Star、MIT 协议。它的定位一句话就能说清——每个 AI 同事都有一台自己的电脑：独立的浏览器（含独立登录态）、独立的文件空间、只授予它需要的工具，而且每一个动作在发生前被决策、发生后被记录。 核心设计：一台”专属电脑” + 一个统一网关OpenBot 里 Bot 和人的关系不是”调用 API”，而是”同事协作”。每个 Bot 是一个 AG-UI 端点（开放协议，不绑定任何框架），接入后自动获得自己的频道、自己的屏幕——你可以在 Web UI 上看着它操作浏览器，它做到不该独自决定的事时你可以接管方向盘，处理完再交还给它。 安全架构是整套系统的灵魂：Bot 对电脑、文...

背景：个人助理很好，但公司需要的是”同事”Claude Code、Codex、OpenCode 这类编码 Agent 已经证明了一个事实：给足权限和上下文，模型可以独立跑完一个工程任务。但它们的形态几乎都是单人工具——你的终端、你的凭据、你的会话。当一家创业公司想让整个团队都用上 Agent 时，问题立刻涌现： 每个人的 Agent 配置互相隔离，经验无法沉淀； 共享一个 Agent？权限和记忆全搅在一起，谁改坏了都不知道； Slack 里 @一下就能干活的需求，本地 CLI 根本接不住。 7月29日，YC（Y Combinator）开源了 QM——“multiplayer agent harness for work”。三周时间 14,000+ Star、MIT 协议，定位非常明确：不是给个人的助理，而是给公司的同事系统。 核心设计：每个人一个隔离工作区，每个房间一套共享状态QM 的基本单元是 scope（作用域）——每个人、每个 Slack 频道/项目都有自己的 scope，各自拥有独立的： 记忆（memory）与文件空间 keychain 视图与登录态服务 ...