2020年9月28日 ----思博伦通信宣布,在中国移动研究院2020年度5GC核心网性能测试仪表招标中,思博伦5G核心网测试解决方案Landslide以优异的性能、丰富的场景成功中标,未来将用于中国移动5G核心网网元设备的集中采购测试。此次中标充分表明,思博伦Landslide方案在行业和市场上占据着突出的领先地位。

核心网的性能和质量直接关系着5G网络的商业前景,因此运营商会进行严格、全面的测试,5G核心网整系统测试则是其中一个非常关键的环节,涉及的网元多、流程复杂,能够真实体现网元稳定性和抗冲击能力等。
2020年初,思博伦Landslide作为唯一测试仪表,帮助中国移动完成了5GC AMF、SMF、UPF首次大规模集采测试,这也是全球规模最大、复杂度最高的5G核心网网元验证测试。按照5G网络的需求,此次测试的指标远远超过以往LTE测试的要求,近千万的用户会话,复杂的混合呼叫模型,叠加数百G的流量,并且增加了保持99.999%业务成功率的长期稳定性测试,无论对设备以及仪表均提出了极高要求。在测试中,Landslide使用了硬件加虚拟化的混合测试方案,根据现场情况部署在各种主流Hypervisor上(OpenStack、KVM、VMWare),配合各大核心网主设备厂商圆满完成了该项测试。
截至2020年6月底,中国移动在国内超过50个城市累计开通了18.8万个5G基站,5G套餐客户也达到了7020万户。按照规划,中国移动2020年将在全国所有地级市以上城市提供商用5G服务,并推动5G SA核心网年内实现商用。为了确保这样大规模、密集的网络建设顺利完成并投入商用,核心网的性能及稳定性、可靠性必须要进行充分、严苛的测试。思博伦Landslide为此提供了一套完备的测试平台,不仅能够模拟巨量移动用户、大量基站设备,按照真实网络情况同时接入被测核心网系统,还可以构建各种控制面的流程、接入丰富的业务数据,对5G SA核心网、主要网元(AMF/SMF/UPF)以及服务化网元分别进行仿真和包围测试。此外,思博伦Landslide还独家支持4/5G切换、移动注册更新、EPS Fallback语音回落、VoNR、短信、紧急呼叫和定位服务等场景。
思博伦Landslide所提供的仿真测试手段,不仅能真实体现5G核心网设备的稳定性、资源利用率,还可以帮助5G行业更深入地了解底层架构对5G核心网系统的影响,进而帮助运营商早日实现5G SA网络的部署和商用。
思博伦通信东亚区业务发展高级经理杨磊表示,“此次成功中标中国移动研究院项目,表明了主流运营商对思博伦Landslide核心网测试方案的充分信任。我们将为运营商的5G建设持续提供强有力的保障,帮助通信厂商不断优化设备能力,同时也为5G SA的规模部署奠定坚实的基础。”
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。