Connect with us

Berita

Jangan tidur di cohere: memerintahkan delecting, bentuk pemikiran pertama, yang dirancang untuk melayani pelanggan perusahaan dan banyak lagi

Published

on

Ingin lebih banyak visi yang cerdas dari kotak masuk Anda? Berlangganan buletin mingguan kami untuk mendapatkan apa yang hanya terkait dengan lembaga AI, data dan pemimpin keamanan. Berlangganan sekarang


Saya berada di lebih banyak pertemuan dari biasanya hari ini Baru saja menangkap fakta itu berpaduDan itu Startup Kanada yang didirikan oleh penulis Makalah Transformer sebelumnya, Aidan Gomez Untuk membuat produk intelijen kebidanan bekerja dengan mudah, bangga dan aman untuk institusi, mereka punya Dia merilis model linguistik utama pertama (LLM), logis.

Tampaknya menjadi versi yang kuat. Standar teknis, spesifikasi, dan tes awal menunjukkan bahwa model memberikan fleksibilitas, efisiensi dan kekuatan pemikiran mentah.

Layanan Pelanggan, Riset Pasar, Jadwal, Analisis Data adalah beberapa tugas yang koher Lingkungan fondasi yang aman.

Ini hanya model teks, tetapi harus cukup mudah untuk menghubungkan model dan alat multimedia. Bahkan, penggunaan alat adalah salah satu poin dasar penjualan.


Kecerdasan buatan membatasi batasnya

Tutup daya, biaya tinggi simbol, dan keterlambatan inferensi dibentuk kembali. Bergabunglah dengan salon eksklusif kami untuk menemukan bagaimana perbedaan besar:

  • Mengubah energi menjadi keuntungan strategis
  • Mengajar penalaran yang efektif untuk keuntungan produktivitas nyata
  • Membuka Pengembalian Investasi Kompetitif dengan Sistem Kecerdasan Buatan Berkelanjutan

Mengamankan tempat Anda untuk tinggal di latar depan: https://bit.ly/4mwngngo


Meskipun para peneliti seharusnya digunakan untuk tujuan non -komersial, perusahaan perlu membayar cole untuk mencapai dan mencapai Perusahaan tidak memasukkan harganya secara publik Karena dikatakan membuat alokasi terperinci dan publikasi pribadi.

Nilainya $ 6,8 miliar Saat itu Menyatakan Putaran pembiayaan terbaru $ 500 juta per minggu dan sehari.

Kejang

Masalah ini ditetapkan pada perusahaan dengan perpustakaan dokumen yang luas, rantai email panjang dan alur kerja yang tidak mampu membeli halusinasi.

Mendukung hingga 256.000 simbol Pada beberapa pengaturan GPU, layak dan dibandingkan dengan GPT-5 OpenAI.

Versi penelitian memiliki berat 111 miliar parameter, dilatih dengan penggunaan alat dan kinerja multi -bahasa dalam pikiran.

Ini mendukung 23 bahasa di luar kotak, termasuk bahasa Inggris, Prancis, Spanyol, Jepang, Arab, dan India. Kedalaman multi -bahasa ini adalah kunci dari lembaga internasional yang membutuhkan kualitas agen yang konsisten di seluruh pasar.

Model lubang langsung utaraColere dari platform Coneere untuk menerbitkan agen dan otomatisasi intelijen lokal.

Ini berarti bahwa institusi dapat memutarbalikkan faktor -faktor yang dialokasikan yang hidup dalam infrastruktur, memberi mereka kontrol aliran data sambil terus memanfaatkan pemikiran lanjutan.

Coleher tampaknya secara cerdas diyakini untuk menentukan beberapa fungsi berulang di seluruh lembaga – di papan, riset pasar dan analisis, dan mengembangkannya – melatih modelnya untuk mendukung alur kerja fungsional untuk menghadapinya secara otomatis.

Pemikiran terkontrol

Seperti halnya banyak versi pemikiran modern lainnya termasuk Nemotron-Nano-9b-V2, NVIDIA baru, Command A menyediakan fitur anggaran simbolik untuk memungkinkan pengguna atau pengembang menentukan jumlah pemikiran yang dialokasikan untuk input dan tugas tertentu. Anggaran terendah berarti tanggapan yang lebih cepat dan lebih murah. Lebih banyak anggaran berarti pemikiran yang lebih dalam dan lebih akurat.

Versi wajah hooping menampilkan barter ini secara langsung: Berpikir dapat diaktifkan atau dimatikan melalui parameter sederhana.

Pengembang dapat menjalankan model dalam “Mode Berpikir” untuk membuat kinerja maksimum atau mematikannya untuk tugas jintan rendah – tanpa mengubah model.

Itu unggul dalam kriteria target untuk institusi

Bagaimana kinerja Anda dalam latihan? Standar Conere menggambar yang jelas.

Dalam tugas pemikiran tentang institusi, Logika A terus-menerus melebihi rekan-rekan mereka seperti Deepseek-R1 0528, GPT -SS-120B dan Mediargasi Magistral Midal.

Ini berkaitan dengan standar multi -bahasa dengan kekuatan yang sama, dan penting bagi perusahaan internasional.

Sistem anggaran simbol yang khas bukan hanya cara untuk menghindari. Dalam perbandingan wajah -untuk -wajah terhadap quiver sebelumnya Masalah a Model, derajat kepuasan meningkat secara stabil dengan kenaikan anggaran. Bahkan dengan pemikiran minimum “langsung”, ia mengatasi pendahulunya. Dalam anggaran tertinggi, itu ditarik ke depan.

Ceritanya sama dalam pencarian mendalam. pada Kursi Deepresearch– Yang mengukur instruksi berikut, kemampuan untuk membaca, wawasan, dan komprehensif – Coleher telah dirilis di latar depan terhadap penawaran dari Gemini, Obayy, Anthropor, Al -hurra, dan Grok Xai. Model ini unggul dalam mengubah pertanyaan luas menjadi laporan tidak hanya terperinci, tetapi dapat dibaca, dan itu merupakan tantangan utama dalam lembaga lembaga.

Di luar standar, model ini terhubung ke pekerjaan. Dia secara khusus melatihnya untuk menggunakan alat percakapan – memungkinkannya untuk terhubung ke aplikasi fasad pemrograman aplikasi, menghubungi database, atau menanyakan tentang sistem eksternal selama tugas.

Pengembang dapat mendefinisikan alat melalui bagan JSON dan memberi makan mereka dalam templat obrolan di Transformers, memfasilitasi model dalam sistem lembaga arus.

Desain ini mendukung taruhan terbesar pada alur kerja di agen: sistem kecerdasan buatan terdiri dari beberapa faktor terkoordinasi, yang masing -masing berurusan dengan fungsi yang lebih besar. Berpikir adalah mesin pemikiran yang menjaga alur kerja dan tugas ini.

Keselamatan: Dirancang untuk pekerjaan berisiko tinggi

Cohere juga merupakan mode keselamatan sebagai fitur pusat. Model pertamaPelatih menghindari sakit kepala lembaga bersama karena pemulihan yang berlebihan- Ketika Kecerdasan Buatan menolak permintaan hati -hati yang sah – sementara Penyaringan tetap berbahaya atau berbahaya.

Penilaian Fokus pada lima kategori risiko tinggi: Keselamatan anak, harm -harm, kekerasan dan kebencian, teori materi eksplisit, dan teori konspirasi.

Untuk perusahaan yang ingin menyebarkan kecerdasan buatan di industri terorganisir atau bidang sensitif, keseimbangan ini bertujuan untuk membuat model lebih praktis dalam operasi sehari -hari.

Pembelian Dini dari Perusahaan Besar

SAP SE adalah salah satu mitra utama pertama yang mengintegrasikan model. Walter Sun, SVP dan Kepala Internasional Amnesty International, mengatakan bahwa kerja sama akan meningkatkan kemampuan SAP IQ di platform Teknologi Bisnis SAP. Untuk pelanggan, ini berarti bahwa aplikasi agen yang dapat disesuaikan agar sesuai dengan kebutuhan lembaga swasta.

Ketersediaan dan lisensi

Perintah Remung sekarang tersedia di platform cohere, dan untuk penggunaan penelitian di hadapan pelukan.

Gudang wajah yang dianut memberikan bobot terbuka untuk mencari di bawah lisensi CC -By -NC, yang mengharuskan pengguna untuk berbagi informasi kontak dan mematuhi kebijakan koeksistensi yang dapat diterima.

Lembaga yang tertarik pada penerbitan komersial atau swasta dapat menghubungi tim penjualan cohere untuk harga terperinci.

Untuk lembaga, stadion jelas dan langsung: satu model, beberapa posisi publikasi, kontrol yang cermat, kapasitas multi -bahasa, integrasi alat, dan hasil standar yang menunjukkan bahwa mereka mengungguli rekan -rekan mereka.


Tautan sumber
Continue Reading
Click to comment

Leave a Reply

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Berita

Pertemuan Trump-Xi menempatkan kedelai sebagai pusat ketegangan perdagangan AS-Tiongkok

Published

on

baruAnda sekarang dapat mendengarkan artikel Fox News!

Sebagai presiden Donald Trump Saat Presiden Tiongkok Xi Jinping mempersiapkan pertemuan pada hari Kamis, bintang ekspor Amerika yang bersuara lembut akan menjadi pusat perhatian: kedelai. Hasil panen sederhana, andalan senilai $30 miliar Ekspor pertanianHal ini telah menjadi simbol kuat dari saling ketergantungan ekonomi dan ketegangan politik antara Washington dan Beijing.

Singkatnya, kedelai telah menjadi perwujudan dari perubahan perang dagang AS-Tiongkok. Beijing menghentikan pembelian kedelai AS setelah adanya tarif balasan terhadap produk tersebut, sebagai respons terhadap bea masuk yang sebelumnya dikenakan oleh Trump terhadap barang-barang Tiongkok.

Tiongkok berfokus pada pemasok di Brasil dan Argentina, sebuah langkah yang menyoroti betapa cepatnya perubahan pola perdagangan global dan betapa rentannya Amerika Serikat. Petani Karena perselisihan diplomatik antara Washington dan Beijing.

Pembekuan perdagangan dengan Tiongkok memberikan tekanan pada petani kedelai AS karena biaya meningkat dan keuntungan hilang

Apa yang awalnya merupakan saling balas dendam antara dua negara dengan ekonomi terbesar di dunia telah berubah menjadi pukulan simbolis dan ekonomi terhadap basis Trump di pedesaan, yang mata pencahariannya bergantung pada hubungan perdagangan yang sama yang kini berada di garis bidik.

Menurut American Soybean Association, Amerika Serikat secara tradisional menjadi sumber utama kedelai bagi Tiongkok. Sebelum sengketa perdagangan tahun 2018, sekitar 28% produksi kedelai AS diekspor ke Tiongkok. Itu Ekspor tanaman Angka tersebut turun tajam menjadi 11% pada tahun 2018 dan 2019, kemudian kembali meningkat menjadi 31% pada tahun 2021 di tengah permintaan di era pandemi, kemudian turun lagi menjadi 22% pada tahun 2024.

Namun beberapa pakar kebijakan mengklaim bahwa peralihan Tiongkok dari kedelai AS sudah berlangsung.

Beijing diam-diam mendikte langkah perang dagang selanjutnya ketika Trump dan Xi bersiap untuk bertemu

Beijing telah menghentikan pembelian kedelai AS di tengah perang dagang yang sedang berlangsung dengan Amerika Serikat. (Jan Sonnenmeier/Getty Images)

“Tiongkok akan selalu mengurangi ketergantungannya pada Amerika Serikat dalam hal ketahanan pangan,” Brian Burak, penasihat kebijakan senior untuk Tiongkok dan Indo-Pasifik di Heritage Foundation, mengatakan kepada Fox News Digital. “Tiongkok mulai menandatangani perjanjian pembelian kedelai dengan negara-negara lain jauh sebelum Presiden Trump menjabat,” katanya, seraya menambahkan bahwa Beijing telah “terpisah dari Amerika Serikat untuk waktu yang lama.”

“Sayangnya, satu-satunya cara bagi kami untuk merespons adalah dengan melakukan hal yang sama, dan proses itu sangat menyakitkan,” kata Burak.

Namun bagi petani yang tinggal ribuan mil dari Washington dan Beijing, perubahan kebijakan ini berarti menyusutnya pasar dan menurunkan margin keuntungan.

“Kami mengandalkan perdagangan dengan negara lain, khususnya Tiongkok, untuk membeli kedelai kami,” Brad Arnold, petani kedelai multigenerasi di barat daya Missouri, mengatakan kepada FOX Business. Keputusan Tiongkok untuk memboikot pembelian kedelai dari AS “memiliki dampak yang luar biasa terhadap bisnis dan hasil kami,” katanya.

Petani kedelai AS menghadapi krisis keuangan karena perselisihan dagang dengan Tiongkok mengancam mata pencaharian mereka

Pemandangan seorang petani memanen kedelai di Illinois

Presiden Donald Trump dan Presiden Tiongkok Xi Jinping diperkirakan akan membahas ekspor kedelai Korea Selatan. (Christopher Dilts/Bloomberg/Getty Images)

“Ada pemanfaatan kedelai dalam negeri, seperti solar terbarukan dan biodiesel yang diproduksi khusus dari kedelai,” kata Arnold. “Dalam skema besar, persentasenya sangat kecil saat ini, Anda tahu bahwa dibutuhkan pelanggan seperti Tiongkok untuk membeli pil tersebut agar dapat memberikan dampak yang nyata. Anda tidak dapat mengambil pelanggan pertama kami lalu menutupnya dan mencari penggantinya dalam semalam.”

Ketergantungan pada Tiongkok menambah bobot baru pada tahap diplomatik minggu ini, ketika Trump dan Xi bersiap untuk bertemu di Korea Selatan. Kedua pemimpin akan bertemu di sela-sela KTT Kerja Sama Ekonomi Asia-Pasifik di Busan, Korea Selatan, dalam pembicaraan tatap muka pertama mereka sejak Trump kembali menjabat.

Pertemuan tersebut diterima oleh Menteri Keuangan Scott Besant Dia memperkirakan Tiongkok akan menunda pembatasan elemen jejak dan melanjutkan pembelian kedelai dari Amerika Serikat, dan menyebutnya sebagai bagian dari “kerangka besar” yang ingin dipertahankan oleh kedua belah pihak. Besant juga mengatakan negosiasi perdagangan bergerak menuju penghindaran tarif baru AS sebesar 100% terhadap barang-barang Tiongkok.

KLIK DI SINI UNTUK MENDAPATKAN APLIKASI FOX NEWS

Presiden Tiongkok Xi Jinping di Serbia

Presiden Tiongkok Xi Jinping telah menghentikan pembelian kedelai di tengah perang dagang dengan Amerika Serikat. (Oliver Bonnick/Bloomberg melalui Getty Images)

Sebagai upaya untuk meredakan ketegangan, Reuters melaporkan bahwa Tiongkok telah membeli sekitar 180.000 metrik ton minyak Amerika. kedelai Menjelang pertemuan Trump-Xi.

Apakah ini merupakan pencairan nyata dalam hubungan perdagangan AS-Tiongkok atau hanya penangguhan hukuman sementara, pembelian ini menggarisbawahi betapa eratnya hubungan antara diplomasi dan pertanian.

Eric Revell dari Fox Business berkontribusi pada laporan ini.

Tautan sumber

Continue Reading

Berita

Platform pengkodean getaran, Cursor, meluncurkan komposer LLM internal pertamanya, Komposer, yang menjanjikan peningkatan kecepatan 4X lipat

Published

on

Alat kripto yang menarik, indikatornya, telah ada sejak awal dimana sajadia punya Komposer memperkenalkanModel Bahasa Markup Besar (LLM) pertama yang dibuat sendiri sebagai bagian dari programnya Pembaruan platform indeks 2.0.

Komposer dirancang untuk menjalankan tugas pemrograman dengan cepat dan akurat di lingkungan produksi, mewakili langkah baru dalam pemrograman berbantuan AI. Ini sudah digunakan oleh tim teknik Cursor dalam pengembangan sehari-hari – menunjukkan kematangan dan stabilitas.

Berdasarkan indikatornya, komposer menyelesaikan interaksi terbanyak Kurang dari 30 detik Sambil mempertahankan kemampuan tingkat tinggi untuk bernalar di seluruh basis kode yang besar dan kompleks.

Model ini digambarkan empat kali lebih cepat dibandingkan sistem cerdas serupa, dan dilatih berdasarkan alur kerja “agen” – di mana agen pengkode independen secara kolaboratif merencanakan, menulis, menguji, dan meninjau kode.

Sebelumnya, indikator ini didukung "Pengodean suasana" — Menggunakan AI untuk menulis atau menyelesaikan kode berdasarkan instruksi bahasa alami dari pengguna, meskipun mereka adalah seseorang yang tidak terlatih dalam pengembangan — Di atas LLM berpemilik terkemuka lainnya Dari OpenAI, Anthropic, Google dan xAI. Opsi ini masih tersedia untuk pengguna.

Hasil standar

Kemampuan komposer diukur dengan menggunakan "kursi indikator," Kumpulan evaluasi internal yang berasal dari permintaan agen pengembang nyata. Standar ini tidak hanya mengukur kebenaran, tetapi juga kepatuhan model terhadap abstraksi, konvensi gaya, dan praktik teknik saat ini.

Dengan standar ini, Komposer mencapai kecerdasan pemrograman tingkat batas saat membuat file 250 simbol per detik – Hampir dua kali lebih cepat dibandingkan model inferensi cepat terkemuka dan empat kali lebih cepat dibandingkan sistem frontier sebanding.

Model perbandingan yang dipublikasikan Cursor membagi model ke dalam beberapa kategori: “Terbuka Terbaik” (misalnya, Qwen Coder, GLM 4.6), “Fast Frontier” (Haiku 4.5, Gemini Flash 2.5), “Frontier 7/2025” (model pertengahan tahun terkuat yang tersedia), dan “Best Frontier” (termasuk GPT-5 dan Claude Sonnet 4.5). Komposer mencocokkan kecerdasan sistem kelas menengah sambil memberikan kecepatan generasi tertinggi yang pernah tercatat di antara semua kelas yang diuji.

Sebuah model berdasarkan pembelajaran penguatan dan arsitektur campuran ahli

Ilmuwan riset Sasha Rush dari Cursor memberikan wawasan tentang pengembangan model di Postingan di jejaring sosial Xmenggambarkan komposer sebagai model campuran para ahli terpelajar (RL):

“Kami menggunakan RL untuk melatih model MOE besar agar benar-benar ahli dalam pemrograman dunia nyata, dan juga sangat cepat.”

Rush menjelaskan bahwa tim merancang bersama lingkungan Komposer dan Kursor agar model dapat berjalan secara efisien pada skala produksi:

“Tidak seperti sistem pembelajaran mesin lainnya, Anda tidak dapat mengambil banyak manfaat dari sistem berskala besar. Kami bersama-sama merancang proyek ini dan indikatornya agar agen dapat berjalan pada skala yang diperlukan.”

Komposer dilatih tentang tugas rekayasa perangkat lunak nyata, bukan kumpulan data statis. Selama pelatihan, model dijalankan dalam basis kode lengkap menggunakan berbagai alat produksi—termasuk pengeditan file, pencarian semantik, dan perintah terminal—untuk memecahkan masalah teknik yang kompleks. Setiap iterasi pelatihan melibatkan penyelesaian tantangan konkrit, seperti menghasilkan modifikasi kode, merumuskan rencana, atau membuat penjelasan yang ditargetkan.

Cincin penguatan meningkatkan kesehatan dan efisiensi. Komposer telah belajar bagaimana membuat pilihan instrumen yang efektif, menggunakan paralelisme, dan menghindari tanggapan yang tidak perlu atau spekulatif. Seiring waktu, model tersebut mengembangkan perilaku yang muncul seperti menjalankan pengujian unit, memperbaiki bug Linter, dan melakukan pencarian kode multi-langkah secara mandiri.

Desain ini memungkinkan Composer untuk beroperasi dalam konteks runtime yang sama dengan pengguna akhir, sehingga lebih kompatibel dengan kondisi pemrograman dunia nyata – berhubungan dengan kontrol versi, manajemen ketergantungan, dan pengujian berulang.

Dari prototipe hingga produksi

Perkembangan Komposer mengikuti prototipe internal sebelumnya yang dikenal sebagai Cheetahyang digunakan Index untuk mengeksplorasi heuristik latensi rendah untuk tugas pemrograman.

“Cheetah adalah versi 0 dari model ini terutama untuk pengujian kecepatan,” kata Rush pada X. “Metrik kami menunjukkan bahwa dia (sang komposer) sama cepatnya, tetapi jauh lebih pintar.”

Keberhasilan Cheetah dalam mengurangi latensi telah membantu Cursor mengidentifikasi kecepatan sebagai faktor kunci dalam kepercayaan pengembang dan kemudahan penggunaan.

Komposer mempertahankan daya tanggap tersebut sekaligus meningkatkan inferensi dan generalisasi tugas secara signifikan.

Pengembang yang menggunakan Cheetah selama pengujian awal mencatat bahwa kecepatannya mengubah cara mereka bekerja. “Itu sangat cepat sehingga saya bisa tetap mendapatkan informasi terbaru saat bekerja dengannya,” komentar salah satu pengguna.

Komposer mempertahankan kecepatan ini tetapi memperluas kemampuan untuk tugas pengkodean, pemfaktoran ulang, dan pengujian multi-langkah.

Integrasi dengan Indikator 2.0

Komposer telah terintegrasi penuh ke dalam Cursor 2.0, pembaruan besar pada lingkungan pengembangan agen perusahaan.

Platform ini menawarkan antarmuka multi-agen, memungkinkan Hingga delapan agen untuk bekerja secara paralel, Masing-masing berada di ruang kerja yang terisolasi menggunakan git work tree atau mesin jarak jauh.

Dalam sistem ini, komposer dapat bertindak sebagai satu atau lebih agen, melakukan tugas secara mandiri atau kolaboratif. Pengembang dapat membandingkan beberapa hasil dari pengoperasian agen secara bersamaan dan memilih yang terbaik.

Cursor 2.0 juga menyertakan fitur pendukung yang meningkatkan efektivitas Composer:

  • Peramban di dalam editor (GA) – Memungkinkan agen untuk menjalankan dan menguji kode mereka langsung di dalam IDE, mengarahkan informasi DOM ke formulir.

  • Tingkatkan peninjauan kode – Mengumpulkan perbedaan di beberapa file untuk pemeriksaan lebih cepat terhadap perubahan yang dihasilkan oleh model.

  • Terminal mode proteksi (GA) – Isolasi perintah shell yang dikelola agen untuk eksekusi lokal yang aman.

  • Modus suara – Menambahkan kontrol ucapan-ke-teks untuk memulai atau mengelola sesi agen.

Meskipun pembaruan platform ini memperluas pengalaman Cursor secara keseluruhan, Composer diposisikan sebagai inti teknis yang memungkinkan enkripsi proxy yang cepat dan andal.

Infrastruktur dan sistem pelatihan

Untuk melatih Komposer dalam skala besar, Cursor membangun infrastruktur pembelajaran penguatan khusus yang menggabungkan PyTorch dan Ray untuk pelatihan asinkron di ribuan GPU NVIDIA.

Tim ini mengembangkan kernel MXFP8 MoE khusus dan memparalelkan data hash campuran, memungkinkan pembaruan model skala besar dengan overhead komunikasi minimal.

Konfigurasi ini memungkinkan Cursor untuk melatih model secara lokal dengan akurasi rendah tanpa memerlukan kuantisasi pasca-pelatihan, sehingga meningkatkan kecepatan dan efisiensi inferensi.

Pelatihan komposer bergantung pada ratusan ribu lingkungan sandbox secara bersamaan – masing-masing merupakan ruang kerja pemrograman mandiri – yang berjalan di cloud. Perusahaan telah mengadaptasi infrastruktur agen back-end untuk menjadwalkan mesin virtual ini secara dinamis, mendukung sifat eksplosif dari proses RL yang besar.

Penggunaan perusahaan

Peningkatan kinerja Komposer didukung oleh perubahan tingkat infrastruktur melalui tumpukan kecerdasan kode Cursor.

Perusahaan telah mengoptimalkan Protokol Server Bahasa (LSP) untuk diagnostik dan navigasi yang lebih cepat, terutama dalam proyek Python dan TypeScript. Perubahan ini mengurangi latensi ketika Komposer berinteraksi dengan repositori besar atau membuat pembaruan multi-file.

Pengguna perusahaan memiliki kontrol administratif atas Komposer dan agen lainnya melalui aturan tim, log audit, dan aplikasi sandbox. Lapisan Tim dan Perusahaan Cursor juga mendukung penggunaan formulir batch, autentikasi SAML/OIDC, dan analitik untuk memantau kinerja agen di seluruh organisasi.

Harga untuk pengguna individu berkisar dari Gratis (Hobi) hingga Ultra ($200 per bulan), dengan batas penggunaan yang diperpanjang untuk pelanggan Pro+ dan Ultra.

Harga bisnis mulai dari $40 per pengguna per bulan untuk Teams, dengan kontrak perusahaan yang menawarkan opsi penggunaan dan kepatuhan khusus.

Peran komposer dalam lanskap pemrograman AI yang terus berkembang

Fokus Komposer pada kecepatan, pembelajaran penguatan, dan integrasi dengan alur kerja pengkodean langsung membedakannya dari asisten pengembangan AI lainnya seperti GitHub Copilot atau Agen Replit.

Alih-alih bertindak sebagai mesin saran pasif, Composer dirancang untuk kolaborasi berbasis agen yang berkelanjutan, di mana beberapa sistem independen berinteraksi langsung dengan basis kode proyek.

Spesialisasi tingkat model ini—melatih AI untuk beroperasi di lingkungan nyata di mana ia akan beroperasi—mewakili langkah penting menuju pengembangan perangkat lunak yang praktis dan otonom. Komposer dilatih tidak hanya pada data teks atau kode statis, namun dalam IDE dinamis yang mencerminkan kondisi produksi.

Rasch menggambarkan pendekatan ini sebagai hal yang penting untuk mencapai keandalan di dunia nyata: Model ini tidak hanya mempelajari cara membuat kode, namun juga cara mengintegrasikan, menguji, dan meningkatkannya dalam konteks.

Artinya bagi pengembang perusahaan dan pemrograman dinamis

Dengan Composer, Cursor menawarkan lebih dari sekadar model cepat, Cursor menerapkan sistem AI yang dioptimalkan untuk penggunaan di dunia nyata, dirancang untuk bekerja dalam alat yang sama yang sudah diandalkan oleh pengembang.

Kombinasi pembelajaran penguatan, desain campuran ahli, dan integrasi produk yang erat memberi Komposer keunggulan praktis dalam kecepatan dan daya tanggap yang membedakannya dari model bahasa tujuan umum.

Meskipun Cursor 2.0 menyediakan infrastruktur untuk kolaborasi antara banyak agen, Composer adalah inovasi inti yang membuat alur kerja dapat dijalankan.

Ini adalah model pengkodean pertama yang dirancang khusus untuk pengkodean proxy tingkat produksi — dan gambaran awal tentang seperti apa pemrograman sehari-hari ketika pengembang manusia dan pekerja lepas berbagi ruang kerja yang sama.

Tautan sumber

Continue Reading

Berita

Christopher Schwarzenegger memamerkan hasil penurunan berat badannya sebanyak 30 pon

Published

on

baruAnda sekarang dapat mendengarkan artikel Fox News!

Seperti ayah, seperti anak laki-laki.

Christopher Schwarzenegger, 28, memukau penonton dengan fisik barunya saat keluar bersama saudara perempuannya Katherine Schwarzenegger Pratt, saudara ipar Chris Pratt dan anak-anak mereka untuk bersenang-senang memetik labu di lingkungan Brentwood di Los Angeles.

Putra bungsu Arnold Schwarzenegger dan Maria Shriver menarik perhatian saat tamasya keluarga musim gugur yang meriah, menandai transformasi yang menakjubkan.

Christopher Schwarzenegger memamerkan penurunan berat badannya yang signifikan saat jalan-jalan bersama keluarga di danau

Christopher Schwarzenegger terlihat memetik labu di Brentwood pada 27 Oktober 2025. (stoyanov/kisi belakang)

Christopher, yang mengatakan pada musim semi ini berat badannya telah turun sekitar 30 pon, memamerkan lengannya yang kencang dan fisik yang bugar saat dia membawa bukan hanya satu, tapi tiga labu berukuran sedang ke dalam mobil.

Mengenakan tank top putih, celana hijau tua, dan sepatu kets, Christopher menjaga suasana tetap sejuk dan nyaman, mengikatkan kaos putih di pinggangnya, membuat pengangkatan barang berat terlihat mudah.

Para penonton tidak bisa tidak memperhatikan bahwa adik laki-laki Schwarzenegger, Shriver, berubah menjadi mode paman penuh saat dia membantu keponakannya — Lila, 5, dan Eloise, 3 — memilih labu yang sempurna. Yang tidak hadir dalam perayaan tersebut adalah putra bungsu Katherine dan Pratt, Ford, yang berusia 11 bulan.

Christopher Schwarzenegger dengan pakaian renang biru menunjuk ke danau di belakangnya.

Christopher Schwarzenegger tampil bertelanjang dada saat berada di kapal bersama keluarganya. (Christopher Schwarzenegger/Instagram)

Ini merupakan tahun transformatif bagi Christopher, yang menjadi lebih ramping dalam beberapa bulan terakhir. Komitmennya terhadap kebugaran mencerminkan komitmen ayahnya yang terkenal, bintang “Terminator” legendaris dan mantan gubernur California, yang sering berbicara tentang pentingnya hidup sehat dan disiplin.

Chris Pratt membagikan foto langka untuk ulang tahun putranya yang ke-13

Pada bulan September, penurunan berat badan Christopher terlihat jelas selama tamasya keluarga lainnya.

Seorang wanita berambut pirang memeluk Christopher Schwarzenegger saat dia duduk di kursi kapten.

Seorang wanita berambut pirang memeluk Christopher Schwarzenegger saat dia duduk di kursi kapten. (Christopher Schwarzenegger/Instagram)

Dalam postingan Instagram, Katherine membagikan sederet foto hari keluarga di danau. Dalam beberapa foto, Christopher terlihat bertelanjang dada dan mengenakan celana renang bergaris biru putih.

Klik di sini untuk berlangganan buletin hiburan

di dalam Gambar lainDia duduk di kursi kapten dan berpose di depan kamera dengan seorang wanita berambut pirang duduk di pangkuannya sambil memeluknya.

Christopher sebelumnya telah berbicara tentang kerja keras di balik transformasi kebugarannya. Meskipun ia sering kali tidak menonjolkan diri, ia kembali menjadi sorotan pada bulan Mei berkat penampilan barunya yang sangat bugar. Dia berbicara di panel pada peresmian Beacher Vitality Happy & Healthy Summit di Los Angeles bersama Shriver, Kelly Osbourne, dan Jeff Beacher, di mana dia membahas perjalanan panjang di balik hasil yang dicapainya.

Arnold Schwarzenegger menerbitkan bersama Patrick Schwarzenegger

Arnold Schwarzenegger dan Patrick Schwarzenegger menghadiri pemutaran perdana dunia The White Lotus Musim 3. (Jeff Kravitz/Keajaiban Film HBO)

Apakah Anda menyukai apa yang Anda baca? Klik di sini untuk berita hiburan lainnya

“Itu adalah operasi besar,” kata Christopher pada sidang tanggal 10 Mei di Hollywood Roosevelt. orang-orang.

Dia melanjutkan: “Ini dimulai pada tahun 2019 ketika saya tinggal di Australia. Saya sedang dalam perjalanan besar ini. Saya telah membuat (kesepakatan) besar dengannya seperti, ‘Oh, saya akan keluar dan melakukan semua hal ini dan berada di Australia,’ dan saya melihat betapa berat badan saya menghalangi saya untuk melakukan aktivitas sehari-hari.”

Terlepas dari transformasi dramatisnya, Christopher juga mengatakan bahwa dia belum mencapai tujuannya, dan mencatat bahwa ketika melihat “foto sebelum dan sesudahnya… Saya merasa belum sampai di sana.”

Klik di sini untuk mengunduh aplikasi FOX NEWS



Tautan sumber

Continue Reading

Trending