AX 严选 · 2026-08-03

Cloudflare 这次发布的 @cloudflare/computer，可以理解成给 AI 智能体（agent）配了一台在云端的虚拟电脑。它打包了虚拟文件系统、浏览器和命令行终端，让模型能像人一样读写文件、跑脚本、操作网页。官方特意强调这不是容器，而是专门为智能体设计的执行环境，区别在于它更贴近“人用电脑”的交互方式，而不是面向微服务的隔离单元。 目前产品还在预览阶段，正文没有披露正式上线时间和定价，这意味着成本、性能上限、安全隔离细节都还是未知数。对想尝鲜的开发者来说，可以先拿它跑一些需要浏览器操作或文件读写的智能体原型，但暂时不适合放进生产链路。另外，文章没提它对不同模型工具调用协议（比如 function calling）的兼容性，也没说明虚拟浏览器是基于什么内核、支持哪些自动化框架，这些在实际集成时会直接影响开发体验。

UEmbed 把稀疏检索和稠密检索塞进同一个纯解码器模型里，一次前向推理就能拿到两种向量。做法挺取巧：在输入末尾加 N 个可学习的特殊 token，把整个词表切成 N 份，每个 token 只负责预测自己那份词表上的权重，最后拼出一个完整的稀疏向量。这样不用再单独维护一套稀疏编码器，对做搜索和 RAG 的团队来说，部署链路能简化不少。 9B 版本在 MMEB-v2 上稠密 71.8、稀疏 71.0，超过了同样用公开数据训练的 RzenEmbed，BEIR 上也跟强基线打得有来有回。论文还展示了在 agent 场景下的可用性，说明不只是刷榜。但正文没披露推理延迟和显存占用，这两个指标直接决定能不能在线上用。另外训练数据只说是公开数据，具体构成和规模没展开，复现和公平对比会有点麻烦。