至顶网网络频道 01月18日 综合消息: 思博伦通信助力业界领先的以太网交换芯片及SDN白牌解决方案提供商盛科网络, 成功完成了面向5G时代的速率基础和业务基础联合测试,展示了富有前瞻性的5G网络承载与互联方案。
5G网络更高的传输速率和更为灵活的传输组网特点,本次联合测试重点验证了盛科E550平台面向5G的100G/50G/25G基础速率下互联和高性能转发能力、快速重路由(Fast Re-route,FRR)和分段路由支持能力,测试结果展示了盛科网络E550平台优秀的以太网交换性能,以及对5G承载网络关键技术上的支持与创新。
5G时代,随着超高清视频、网络直播、游戏、VR等大带宽应用的进一步发展,网络承载速率将迈入“后10GE”时代,25GE、50GE甚至100GE将成为接入及汇聚网络的主流速率。在业务层面上,面对更加丰富的业务和多样化的用户需求,运营商需要承载网络更加可订制化和职能化。SDN架构将在5G承载网络中得到极大的应用,其中以MPLS标签为承载基础的分段路由已得到运营商的极大关注,其面向SDN的业务部署灵活性和基于标签的转发架构,很好地将传统业务框架与新型业务部署方式有效结合,在保障安全及性能的同时提供了丰富的业务灵活性。
测试展示的盛科E550 平台是基于盛科网络最新发布的第五代高性能以太网核心交换芯片DUET2(CTC7148)搭建,DUET2单芯片可支持640Gbps的转发速率,支持Multi-Gig新速率,支持10G/25G/40G/50G/100G端口、分段路由、无线管理协议CAPWAP专有引擎及网络安全MACSec等新特性。在创新应用的同时,DUET2也延续并增强了其系列芯片高性价比和低功耗的优势。
盛科网络市场部总监王峰表示:“盛科一直致力于为客户提供最富竞争力和创新力的网络承载方案。盛科过去的芯片已经规模部署在国内外的运营商承载网络,赢得了客户的好评。盛科也投入了大量的研发来满足5G时代的全新要求和挑战。除了基础速率的快速升级,应用的融合和SDN理念的实践落地也为网络的发展注入了新的活力。我们很高兴能够和思博伦一起,借助盛科的最新芯片平台,展示面向5G的网络互联关键技术创新,也期待这些技术能够在不久的将来,为5G业务的部署与发展贡献力量。”
测试采用思博伦Spirent TestCenter网络性能测试仪,配以目前业界密度最高的DX3-100GQ-T12多速率测试模块。DX3-100GQ-T12五速率测试模块,单槽位可支持12个100G或40G端口,或24个50G端口,或48个25G或10G端口,支持BASE-R FEC、RS-FEC、Auto-negotiation、Link Training 等关键接口特性,支持包括传统路由/交换/接入协议和新的OpenFlow、分段路由等SDN技术测试,能够对高密度路由器、交换机和移动承载网络产品进行全面测试。
Spirent TestCenter N4U机箱
业界密度最高的DX3-100GQ-T12多速率测试模块
思博伦通信大中华区销售总监马林表示:“中国在第五代移动通信的投入上目前领先于全球,所以在中国我们率先看到5G网络相关的技术和方案获得进展和突破。思博伦通信在5G相关的承载网技术测试、空口技术测试、核心网技术测试等方面,都投入大量研发资源,并已经推出对应的测试解决方案。本次和盛科网络的联合测试是思博伦通信在5G承载网络测试上的一次非常有意义的实践,思博伦愿意与包括芯片厂商、设备厂商和运营商一起,推动5G网络的发展。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。