Google Vertex AI
PulseAugur coverage of Google Vertex AI — every cluster mentioning Google Vertex AI across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
Google Vertex AI integrates Anthropic's Claude Sonnet 5
Anthropic's Claude Sonnet 5 is being positioned as a highly capable and cost-effective model, making it a default choice for many users. Given that Google Vertex AI offers training and integration for Anthropic models, it is highly probable that Vertex AI will soon offer direct integration or enhanced support for Claude Sonnet 5.
Google Vertex AI to offer image-based code tokenization optimization
A recent study highlights significant token reductions when code is rendered as images for vision-language models, with notable differences in API handling across providers like Google Vertex AI. It is hypothesized that Google Vertex AI will develop and offer optimized image-based code tokenization features to reduce costs and improve efficiency for developers using their platform.
Google Vertex AI to integrate leading Chinese open-weight models
Chinese open-weight models now represent a significant majority of token volume but are not yet integrated into major cloud platforms like Google Vertex AI. As these models gain traction, it is hypothesized that Google Vertex AI will prioritize their integration to capture enterprise adoption and cater to a broader developer base seeking access to these high-volume models.
-
AI 服务停用:Claude Sonnet 4.5、OpenAI Evals 等将于 11 月 30 日弃用
多个 AI 服务定于 11 月 30 日停止运营,影响各平台用户。Anthropic 的 Claude Sonnet 4.5 API 和 Azure 部署将被 claude-sonnet-5-5 取代,并提示可能存在扩展思考问题。OpenAI 将弃用其 Evals 平台和可复用提示,敦促用户迁移到 Promptfoo 或直接在代码中管理提示。此外,OpenAI 的 Agent Builder 将被 Agents SDK 或 ChatG…
-
Claude Code 的 429 错误解释:不是使用限制,而是速率限制
对 Claude Code 的 HTTP 429 错误进行的深入技术分析显示,显示的错误消息并非用户使用限制的指示。该错误表示速率限制,根据使用的身份验证方法,其表现形式不同。对于 claude.ai 订阅用户,消息是“服务器暂时限制请求(不是你的使用限制)”,而 API 密钥用户则收到“请求被拒绝 (429)”。该工具会自动重试这些请求最多十次,然后才向用户显示错误。
-
Anthropic 将于 2026 年 11 月 30 日停用 Claude Sonnet 4.5 模型
Anthropic 将于 2026 年 11 月 30 日从其 Claude API 中停用 claude-sonnet-4-5-20250929 模型。建议使用此模型的开发者迁移到推荐的替代模型 claude-sonnet-5-5。弃用和停用日期可能因 Amazon Bedrock 和 Google Vertex AI 等不同平台而异,用户需要查看每个平台的具体生命周期信息。文章为开发者提供了在停用截止日期前识别使用情况、测试新模型…
-
Anthropic 的 Claude 在英国企业中的部署:关于数据驻留、保留和权限的关键决策
在英国企业中部署 Anthropic 的 Claude 模型需要仔细考虑三个关键决策:推理位置、数据保留策略和代理权限。第一方 API 缺乏专门的英国区域,因此需要使用 Amazon Bedrock、Microsoft Azure 或 Google Vertex AI 等云经销商,每个经销商在区域可用性和模型路由方面都有其自身的细微差别。数据保留也很复杂,虽然 API 输入和输出通常在 30 天内删除,但被安全分类器标记的内容可能会被…
-
业余机器学习研究员寻求 GPU 成本优化用于药物再利用项目
一位业余机器学习研究员正在寻求关于优化个人药物再利用项目的 GPU 成本的建议。该研究员正在使用配备 A100 GPU 的 Google Vertex AI 在生物医学图上训练 NBFnets,但遇到了高昂的成本和内存限制,导致批处理大小比关键论文中报告的要小。他们正在向机器学习社区寻求关于确定足够训练时长、经济高效的云 GPU 按需替代方案以及潜在内存优化技术的指导。
-
AI代理:功能强大但常被滥用,专家建议谨慎
AI代理涉及一个语言模型在一个循环中运行以执行操作和观察结果,它们常常被过度用于可以由更简单的流程或单次模型调用更有效地处理的任务。虽然代理为复杂、不可预测的任务和大规模自动化提供了适应性,但它们的引入会带来显著的成本和延迟。建议开发者从更简单的解决方案开始,只有当增加的复杂性明显带来明确好处时,才实施代理,特别是对于涉及混乱输入或众多决策点的任务。
-
SaaS公司通过智能路由和分层模型削减LLM成本 · 跟踪2个来源
两篇文章为SaaS公司提供了降低大型语言模型(LLM)API成本的策略。第一篇文章建议采用“小型模型优先”的路由架构,其中初始处理由成本较低的模型处理,只有在必要时才将更复杂或关键的任务升级到更大的模型。第二篇文章侧重于一个健康科技SaaS应用程序,提出一个耐用的区域队列系统,具有用于小型模型接入、不确定性门控升级和截止日期感知批量处理的独立通道,以在优化成本的同时保持质量和延迟。
-
新工具 ccBridger 可实现 API-Based Claude 代码会话的远程控制
一款名为 ccBridger 的新开源工具已被开发出来,用于实现 API-Based Claude 代码会话的远程控制,而这类会话通常缺乏此功能。该工具解决了通过 AWS Bedrock、Google Vertex AI 和 Microsoft Foundry 等云提供商运行的会话无法通过 Claude 移动应用进行远程管理的问题。ccBridger 可充当桥梁,允许用户通过手机批准命令和回答提示,从而防止任务停滞并确保关键决策得到及时处理。
-
Claude 代码用户分享高级设置、安全修复和操作系统指南
多篇文章详细介绍了使用 Claude 代码(一款 AI 编码助手)的高级技术和功能。用户正在探索通过自定义钩子、维基和自动化测试来增强 Claude 代码的记忆和可靠性的方法,例如在“gstack”和“Kaizen”等设置中看到的。安全是一个重要问题,讨论了沙箱、诸如“SneakPeek”之类的漏洞利用链以及分层修复的重要性。文章还涵盖了 Claude 代码钩子的生命周期、会话管理以及为 Windows 等不同操作系统调整该工具,突显…
-
AI 新闻集锦:数据库查询、Google Vertex AI 和本地 LLM 部署
一位开发者探索了使用机器学习将自然语言集成到数据库 WHERE 子句中,另一位则讨论了 Google Vertex AI 在 MLOps 和 Kubernetes 方面的能力。另外,一位用户分享了通过 Ollama 在 MacBook Air 上本地运行 qwen3:1.7b 模型并注意到 4,096 个 token 的上下文窗口的经验。
-
Claude Opus 4.8 在高级编码基准测试中领先 GPT-5.5;强调治理
一项对领先的编程任务LLM的最新比较显示,GPT-5.5 和 Claude Opus 4.8 在 SWE-bench Verified 基准测试中几乎不相上下,得分均约为 88.7%。然而,在更具挑战性的 SWE-bench Pro 基准测试中,Claude Opus 4.8 表现出显著优势,得分为 69.2%,而 GPT-5.5 为 58.6%。Gemini 3.1 Pro 在验证基准测试中的得分较低,为 80.6%,但其大型上下文…
-
LiteLLM AI 网关因默认密钥和弱身份验证而暴露 · 跟踪 2 个来源
Wiz 的安全研究人员在开源 AI 网关 LiteLLM 中发现了重大漏洞,近 10% 的面向互联网的实例接受了默认的 'sk-1234' 管理员密钥,或者根本没有身份验证。这种暴露加上其他缺陷,可能允许攻击者获得 root 级代码执行权限并窃取云凭据。已识别的漏洞之一已被添加到美国政府积极利用的漏洞列表中。
-
LLM网关涌现,统一多样化的AI模型访问
多个开源LLM网关正在涌现,以简化多样化AI模型和提供商的集成。这些网关充当中央控制平面,规范API,管理凭证,并支持负载均衡、故障转移和成本跟踪等功能。NVIDIA的Switchyard、Bifrost、Helicone和LiteLLM等工具旨在通过提供统一的接口来访问OpenAI、Anthropic等公司的各种LLM服务,从而降低开发人员和企业的复杂性。
-
Anthropic 的 Claude Code 对企业用户定价飙升高达 40 倍
据报道,Anthropic 的 Claude Code 对企业用户而言,价格正在大幅上涨,部分用户看到成本比之前的定价模型上涨了高达 40 倍。这种飙升主要是由代理编码任务的高 token 消耗驱动的,导致组织收到意想不到的高额账单。虽然订阅计划提供了更可预测的成本,但 token 单价的企业模式是 Anthropic 产生大部分收入的来源,许多公司的成本可能会翻倍或翻三倍。
-
Anthropic 推出免费人工智能学习平台 Anthropic Academy
Anthropic 推出了一个名为 Anthropic Academy 的免费在线学习平台,该平台自三月起在 Skilljar 上可用。该平台提供三个方向:无代码、开发者和云,课程涵盖从基础人工智能素养到使用 Claude API 构建以及与 AWS Bedrock 和 Google Vertex AI 等云服务集成的主题。完成课程后,用户将获得证书,Anthropic 还在 Coursera 上提供一些人工智能素养课程。
-
中文开源模型主导代币总量,等待云平台集成
近期发布后,源自中国的开源模型已占代币总量的68%。然而,AWS Bedrock、Azure和Google Vertex AI等主要云服务提供商尚未集成这些模型。随着可用性最终扩大,这种情况预计将影响企业采用模式。
-
AI供应商锁定隐藏成本明细:迁移、再培训和停机时间
从Amazon Bedrock、Google Vertex AI或Azure OpenAI等AI平台迁移会产生除初始API费用之外的巨额隐藏成本。这包括数据转换和代码重构所需的大量工程工作,据估计,一个4人团队在数月内可能花费数十万美元。模型再培训、数据重新格式化以及多次实验的计算成本也会产生额外费用,可能高达数万美元。此外,迁移过程可能导致暂时性停机、性能下降和收入损失,据估计每周损失的价值可能高达数十万美元。
-
AI提供商对代码图像与文本的令牌核算进行分析
一篇新发表在arXiv上的研究调查了Anthropic、OpenAI和Google Vertex AI等主要AI提供商在处理源代码时如何核算输入令牌。该研究将原始源代码文本的令牌使用量与使用图像-文本模型将代码渲染成图像的方法进行了比较。结果显示,当代码以图像形式呈现时,令牌使用量显著减少,跨提供商的总减少量在75.8%到86.5%之间。然而,该研究强调了各提供商的API在处理基于图像的代码方面存在显著差异,Gemini在较短代码长度…
-
Anthropic 推出免费的 Claude AI 培训学院
Anthropic 推出了 Anthropic Academy,这是一个免费的在线培训平台,提供关于其 Claude 模型和 AI 熟练度的课程。该学院设有三个学习路径:面向普通用户的无代码 AI 熟练度、面向开发者的 API 和 Claude 代码培训,以及面向 Amazon Bedrock 和 Google Vertex AI 等服务的云平台集成。课程可自行安排进度,只需电子邮件即可访问,完成后可获得证书,并将定期添加新内容。
-
2026年的AI采购必须要求提供商无关的基础设施,以避免被锁定
2026年采购AI解决方案的组织应优先考虑提供商无关的基础设施,以避免长期的巨额成本和技术限制。供应商锁定,例如一家初创公司在Amazon Bedrock上使用Anthropic模型的经历,可能导致数百万的许可溢价、迁移费用和性能停滞。多模型架构,能够集成GPT-4o和Mistral AI等不同模型,以及Google Vertex AI和Azure ML等不同平台,对于技术发展和成本效益至关重要。未来的RFP应强制要求支持标准化的模型…