photon
PulseAugur coverage of photon — every cluster mentioning photon across labs, papers, and developer communities, ranked by signal.
- 2026-10-06 funding Photon, a startup developing AI agents, raised $4.5 million in funding. 来源
- 2026-10-01 funding AI agent startup Photon secured $4.5 million in funding to develop agents that operate over messaging platforms. 来源
- 2026-10-01 funding AI startup Photon secured $4.5 million in seed funding to develop its agent-building platform. 来源
- 2026-10-01 funding AI startup Photon secured $4.5 million in seed funding to develop its agent-building platform. 来源
1 天有情绪数据
-
Databricks 提供 BigQuery 到 Lakehouse 迁移框架
Databricks 推出了一个战略框架，帮助组织将其数据和分析工作负载从 Google BigQuery 迁移到 Databricks Lakehouse 架构。该框架强调分阶段进行，侧重于流程、技术和人员，以确保顺利过渡。它旨在统一治理、整合 BI、ETL 和 AI 工作负载，并提供更高效、为 AI 做好准备的数据基础，具有可预测的性能和降低的运营成本。
-
Databricks 湖仓一体通过改进的 SQL 性能挑战数据仓库
Databricks 声称其湖仓一体平台在 SQL 性能方面现已可与传统数据仓库相媲美，并引用了两年内生产 SQL 工作负载 77% 的改进。该公司强调了 Lumen Technologies 等客户案例，这些客户在迁移到湖仓一体后，查询性能提升了 90%，成本也随之降低。除了 SQL，Databricks 还强调了湖仓一体能够从单一、受治理的基础设施中原生服务 AI 代理和 ML 模型，这是传统数据仓库所不具备的功能。
-
AI 初创公司 Photon 融资 450 万美元，旨在用 AI 代理取代移动应用
Photon 是一家专注于开发可在 iMessage 和 SMS 等消息平台上运行的 AI 代理的初创公司，已获得 450 万美元融资。该公司旨在用这些 AI 代理取代传统的移动应用程序，预见未来消费者将主要通过对话界面与服务互动。这笔资金将支持他们构建这个基于代理的生态系统的努力。
-
Databricks 将原生向量搜索集成到 Databricks Runtime 中
Databricks 在其 Databricks Runtime 中引入了一项新的向量搜索功能，旨在优化面向批处理的向量搜索工作负载。此功能名为 NEAREST BY Join，将向量搜索作为一等 SQL 连接操作进行集成，利用 Photon 的深度内核优化和向量索引的开放存储格式。新方法旨在提高实体解析和数据丰富等任务的性能、可靠性和成本效益，超越了传统的实时单查询优化。
-
Unity程序员招聘，开发Agar.io风格的带AI机器人的移动游戏
正在为一款移动2D游戏项目寻找一位Unity程序员，该项目以Agar.io为参考。该职位要求具备开发逼真AI机器人（能够进行空间导航）的专业知识，以及Photon多人游戏（用于无机器人游戏）的经验。项目详情和薪酬可通过Telegram获取。
-
AI 代理初创公司 Photon 融资 450 万美元，旨在取代移动应用
Photon 是一家旨在用 AI 代理取代传统移动应用程序的初创公司，已获得 450 万美元融资。该公司专注于开发可在包括 iMessage、SMS/RCS 和电子邮件在内的各种消息平台中运行的 AI 代理。这笔投资凸显了一种日益增长的信念，即消费者将越来越多地与 AI 代理互动，而不是下载专用应用程序。
-
Perplexity 用专有 Photon 引擎取代开源引擎
Perplexity 已在其所有生产流量中用其专有的 Photon 引擎取代了现有的开源软件分支。这一架构转变解决了数据扩展问题，并使其 API 内的搜索模式更具成本效益。
-
AI 初创公司 Photon 融资 450 万美元，旨在用智能体取代移动应用
AI 初创公司 Photon 已获得 450 万美元的种子轮融资，用于开发其智能体构建平台。该公司曾为移动应用举行象征性的葬礼，其目标是用可通过 iMessage 和 WhatsApp 等现有消息服务访问的 AI 智能体来取代它们。Photon 的工具使开发人员能够创建可在各种通信渠道上运行的智能体，并且该平台已获得显著的开发人员采用和收入增长。
-
OpenAI 发布 GPT-6.1 Sol；Google 的 Gemini 4 Argon 仍受限
OpenAI 发布了 GPT-6.1 Sol，定价为 $2/$10 并已投入使用。Google 发布了 Gemini 4 Argon，但目前对该模型的访问受到限制。AI 简报还指出，Perplexity 的 Photon 模型降低了检索延迟，Perplexity 和 turbopuffer 发布了一个新的用于 RAG 的上下文嵌入模型。
-
Perplexity 推出基于 Rust 的 Photon 引擎，大幅降低搜索延迟
Perplexity 推出了 Photon，一个用 Rust 构建的新检索引擎，将 p99 延迟从 800 毫秒显著降低到 65 毫秒。该引擎现在管理所有生产搜索流量，并在 Perplexity API 中支持专门的“快速搜索”模式，该模式专为代理工作流而设计。虽然 Photon 在成本方面有大幅降低且性能有所提高，但与 Perplexity 的默认搜索模式相比，在更广泛的搜索质量和答案可用性方面有所折衷。
-
PHOTON 架构通过垂直读取解决 KV 缓存瓶颈
一种名为 PHOTON 的新 AI 架构被提出，用于解决语言模型中的 KV 缓存瓶颈。与传统 Transformer 模型水平读取上下文并在每个新 token 时重新读取整个内存不同，PHOTON 采用垂直读取方式。它将 token 压缩成粗略摘要，显著减少了需要重新读取的数据量，从而加快文本生成速度，尤其是在长上下文场景下。该架构由一个分块器、一个转换器和一个局部解码器组成，其关键创新在于一个固定大小的局部重建窗口，该窗口不会随着上…
-
Luma认证问题凸显区分登录与生成失败的必要性
7月16日，Luma因外部SSO提供商出现认证降级，影响了从太平洋时间上午8:26到10:11的新登录和SSO访问。在此期间，现有用户会话保持活跃，这凸显了区分认证失败与生成服务中断的重要性。文章建议用户在尝试重复操作或扩展付费任务之前，保留活动会话并仔细诊断失败的具体层级（登录/SSO vs. 生成API）。
-
Moondream 通过流水线解码解决 GPU 气泡问题，加速 AI 推理
Moondream 开发了一种称为流水线解码的技术，以解决 AI 模型推理中 GPU 气泡的低效率问题。当 CPU 因处理顺序任务（如选择下一个 token 或提交结果）而繁忙时，GPU 会处于空闲状态，从而产生这些气泡。流水线解码旨在通过重叠 CPU 和 GPU 的工作来消除这些空闲周期，允许 GPU 在 CPU 仍在处理当前 token 时就开始处理下一个 token。这是通过将采样后的 token 保存在 GPU 内存中，以便在…
-
Databricks提供通过SQL、SDP或PySpark进行ETL迁移的框架
Databricks推出了一项新框架，旨在帮助组织迁移现有的ETL（提取、转换、加载）管道。该框架概述了三种主要的迁移路径：利用Databricks SQL处理以SQL为主的工作负载，采用Spark声明式管道（SDP）进行自动化编排和数据质量管理，或使用PySpark和Spark SQL笔记本进行复杂逻辑和自定义集成。这种方法鼓励采用分阶段迁移策略，而非一次性大规模切换，同时利用Lakebridge和AI辅助代码转换等工具来协助这一过程。
-
新研究提供先进的图像去噪方法
两篇新研究论文提出了新颖的图像去噪方法。第一篇论文介绍了一种混合范数TV（MixTV）模型，旨在在保留图像边缘的同时减少噪声，与现有的TV模型相比，效果有所提高。第二篇论文提出了Poisson2Gaussian（P2G）技术，将复杂的真实世界噪声转换为更简单的独立同分布高斯噪声，使去噪器能够在各种数据集上实现最先进的性能。
-
FoMoE系统划分LLM专家以降低分布式训练成本
研究人员推出FoMoE，一个旨在克服跨地理分布式数据中心训练大型语言模型（LLMs）限制的新颖系统。与先前要求每个站点拥有完整模型副本的方法不同，FoMoE将专家层划分到各个工作节点，显著降低了通信成本和内存开销。这种方法能够更有效地扩展LLMs，实现了经验上的吞吐量加速，并预计为高达1000亿参数的模型带来巨大效益。