来时一阵风，去时一缕凉。伴随法国队抱得大力神杯，2018世界杯正式结束。

　　32天，64场比赛，不论你是“伪球迷”，还是“真爱粉”，相信胃口都已得到满足。

　　与之前相比，相同的是受关注的依旧是那些球星，中国队还是在为世界杯“加油助威”，不同的是今年的世界杯“强者不强”，“黑马频出”，德国、阿根廷、巴西都未能走完全场。当然，对于普通kaiyun登录入口人最大的不同，肯定是今年的观赛途径。

　　2018年之前，绝大部分国际型体育赛事版权都在央视手里，观赛的渠道也无非CCTV以及旗下产品。今年央视作为本次世界杯的版权方和内容分发方，将转播权卖到了优酷和咪咕视频两家，开启了新媒体直播的元年。

　　以前没有的时候，观赛没办法选择，当多家相争时，大部分人会选择更kaiyun登录入口好的。世界杯直播呈现“三足鼎立”的局面的时候，坊间对世界杯的评判标准，似乎又多了一项“直播技术到底哪家强”?

　　世界杯开赛期间，各家直播或多或少遇到了问题。相对来说，央视影音似乎成为了口碑最好的软件，网友的评论也从侧面证实了这一点。

　　世界杯开赛之前，央视影音在apple store下载排行榜20名以外，开幕赛结束的第二天，央视影音已经跃居第一位。不可否认，在世界杯新媒体直播的元年，央视网以及旗下产品依旧称雄。

　　世界杯期间，央视系口碑直线上升的背后，其实离不开云计算技术的支持，而为央视影音提供极速高清技术的云厂商，正是腾讯云。

　　7月7日，在腾讯云组织的线下沙龙活动中，腾讯云高级产品经理李海琦和腾讯云高级工程师卢林揭秘了央视系世界杯直播清晰、流畅背后的技术，它就是腾讯云极速高清技术。

　　腾讯云极速高清技术，又叫“智能动态编码技术”，主要利用机器深度学习，通过视频场景智能分类、编码参数匹配、前置处理、编码动态优化、码率智能控制、detail reduce、ROI处理等技术和流程，对直播或者点播视频流进行智能处理，以匹配最优编码参数，从而以更低的带宽成本给用户提供更高清的视频直播流。

　　据了解，腾讯云极速高清技术是腾讯云音视频AI技术“明眸”的重要组成部分，于今年5月“云+未来”峰会上正式发布。据悉，腾讯云极速高清能够支持电竞、美食、动漫、体育等数十个场景，而对于足球模型的支持，更是经历了500多场实验室模拟以及中超、英超比赛的实战磨炼。

　　据腾讯云官方介绍，腾讯云极速高清技术的码率智能控制，可将主观观看得分VMAF值提高3-5分，世界杯前期测试期间，在同样的条件下，腾讯云极速高清码率比友商少8%-10%左右。

　　前几日，腾讯云李海琦在沙龙上表示：“腾讯云为央视网的支持，是自带机器私有化部署”。也就是说，需要腾讯云“服务器自带”，“交换器自带”，“运维人员自备”等等，不仅如此，为保证质量，腾讯云还把全套的设备搬入了央视网的机房，进行服务器等硬件部署时，开发及架构师需要亲自布线场激动人心的世界杯终于落幕，腾讯云对央视系的支撑也完美告一段落。

　　来自央视的数据显示，在过去30多天的时间里，央视总台世界杯前方报道团为中国观众奉献了700多个小时的节目，自有平台观众触达278.49亿人次，新媒体端触达169..29亿人次。创纪录的数据背后，每一场都有腾讯云团队的支持。

　　据腾讯云表示，在世界杯期间，腾讯云组建了超过100人的团队，为央视网提供技术支持，共计处理了700多个小时的节目。从前期布局到末期收尾，期间没有出现一次故障，7x24小时的服务支持，获得了央视网极大认可。

　　世界杯已经结束，央视网所有的数据和成果，或许是对30多天值守的腾讯云开发人员最大的安慰吧!

　　卡塔尔大学团队打造伊斯兰问答智能助手：多智能体架构破解宗教AI幻觉难题

　　卡塔尔哈马德·本·哈利法大学团队开发了名为Fanar-Sadiq的双语伊斯兰问答AI系统，专门解决大型语言模型在宗教领域的幻觉问题。系统采用多智能体架构，能够根据问题类型智能路由到专业模块，涵盖《古兰经》检索、法学推理、天课计算、继承法等功能。经测试平均准确率达76.5%，已公开服务并被访问约190万次，用户满意度77.4%。

　　OpenAI宣布收购Astral Software公司，该公司开发了广受欢迎的Python开发工具套件。Astral的工具采用Rust编程语言开发，性能比竞品快10到100倍，已拥有数百万开发者用户。其核心产品包括Python包管理器uv、代码质量检测工具Ruff和ty。OpenAI计划将这些开源工具整合到Codex编程助手中，并承诺继续维护开源项目。此次收购有望帮助OpenAI增强开发者工具能力并创造新的收入来源。

　　里海大学研究团队开发出名为专家阈值路由的AI优化技术，该技术能让AI系统根据任务复杂度智能分配计算资源。与传统固定分配方式不同，新方法为每个专家模块设置动态门槛，实现按需调用。实验显示性能提升12.7%，训练效率提高60%，同时解决了负载均衡和训练推理不一致等关键问题。这项发表于2026年的研究为AI技术发展提供了从粗放到精细化管理的新思路。