从找到合适的数据集和教程,到创建开发环境、调用 GPU、运行项目,再到管理自己的算力资源,一个完整的 AI 工作流往往需要在多个页面和工具之间不断切换。

一直以来,HyperAI 希望能够帮助全球开发者进一步缩短「找到资源」到「真正把它跑起来」之间的距离。所以,除算力资源外,我们还构建了包含优质数据集、热门模型 Notebooks、海量前沿论文、多维度基准测试在内的高质量资源站。同时,随着 AI Agent、MCP 等技术的发展,HyperAI 也在持续优化、升级,以期为广大开发者提供更加便捷的服务。

基于此,HyperAI 将定期分享上线的新功能、新资源和产品体验优化,帮助用户更好地在 HyperAI 平台落地创意!

本期 HyperAI Updates 速览 :

* HyperAI MCP 上线: 在 Claude Code、Cursor 中连接 HyperAI,通过自然语言管理算力容器、数据集、模型等平台资源。

* AI 顶会资源筛选上线: 教程、数据集板块新增会议及会议年份筛选,更方便地集中查找 AAAI、CVPR、ICML、NeurIPS 等会议相关资源。

* 系列教程上线: 教程板块新增「系列」内容类型,将围绕同一主题的多节教程组织起来,提供更加系统的学习路径。

1.MCP 上线:AI 直接管理算力平台

HyperAI 正式上线官方 MCP Server,用户可以将 HyperAI 连接至 Claude Code、Cursor,在 AI 对话中直接查询和操作 HyperAI 平台资源。

具体而言,HyperAI MCP 基于 Model Context Protocol(MCP)。完成连接和账号授权后,AI 助手可以根据用户的自然语言指令调用 HyperAI 提供的工具,读取数据、执行操作,并直接在对话中返回结果。

以 Cursor 连接 HyperAI  MCP 为例:

 

目前,HyperAI MCP 共提供 34 个工具,分为 5 个功能组:

* User: 查询账户信息、配额、账单流水、资源用量和订阅等,并支持管理个人访问令牌;

* Compute: 查询可用 GPU / CPU 资源、运行环境和计费方案,列出、创建、停止、重启算力容器,以及管理项目、端口映射等;

* Resources: 搜索 HyperAI 上的公开项目,包括教程和社区项目;

* Dataset: 搜索和查看数据集、模型及相关资源,并支持部分资源管理操作;

* Org: 查询所属组织、组织详情、席位配额和组织成员。

例如,在完成 MCP 连接后,可以直接向 AI 提出:

「现在有哪些可用的 GPU?」

「列出我正在运行的算力容器。」

「帮我创建一个新的工作空间。」

「搜索 HyperAI 上相关的数据集。」

AI 会根据需求选择对应的 HyperAI MCP 工具完成操作,而不需要用户逐个查找和手动调用工具。

HyperAI MCP 采用远程服务器形式,通过 Streamable HTTP 传输,无需在本地安装 MCP Server。目前官方提供了 Claude Code 和 Cursor 的连接方式,通过 HyperAI 账号完成 OAuth 2.1 授权后即可使用。

需要注意的是,通过 MCP 执行的操作是真实的平台操作。例如创建算力容器会实际消耗算力配额与账户余额,与在 HyperAI 控制台中创建容器一致。

详情可见 ⬇️

HyperAI MCP:

https://hyper.ai/docs/ai-features

连接 HyperAI MCP:

https://hyper.ai/docs/ai-features/connect

MCP 工具参考:

https://hyper.ai/docs/ai-features/tools

2.AI 顶会内容筛选:更快找到相关资源

对于关注 AI 研究进展的用户来说,很多资源本身都与论文紧密关联,但过去查找这些数据集和教程时,往往需要根据项目名称、任务方向或者关键词分别搜索。

目前,HyperAI 已经在教程和数据集板块新增「会议」「会议年份」筛选,可以按照 AI 学术会议集中查找相关资源,已经支持的会议包含了 AAAI、AACL、ACL、ACM MM、COLING、CVPR、EACL、ECCV、EMNLP、ICCV、ICLR、ICML、ICRA、NAACL、NeurIPS、WACV 等。

例如,如果正在关注 AAAI,可以直接进入数据集板块筛选 AAAI,集中查看与该会议相关的数据集。

 

会议筛选还可以与平台原有的其他筛选维度配合使用。例如,教程板块可以继续按照主题、入门/进阶级别、运行状态、计算资源和技术标签等维度进一步缩小范围。

 

后续 HyperAI 的其他内容板块也将进一步支持 AI 顶会内容的筛选与展示,敬请期待。

直接体验 ⬇️

查看数据集:

https://hyper.ai/datasets

查看教程:

https://hyper.ai/notebooks

3.系列教程上线:从单篇实践到系统学习

过去,HyperAI 教程中已经提供了大量围绕模型、框架和开源项目制作的实践内容,适合快速了解和运行一个具体项目。

此次更新进一步增加了「系列教程」这一内容类型,与单篇教程相比,更适合需要连续学习的技术主题:围绕一个方向,将相关知识和实践内容按照一定的学习路径组织起来,减少用户自行搜索和拼接零散资料的成本。

 

目前,系列内容中已经可以看到:

  • PyTorch 基础知识
  • AI for Beginners:人工智能入门系列教程
  • 计算机视觉入门:从 CNN 原理到图像分类实战
  • 乳腺癌风险预测:机器学习实战系列教程
  • TileLang Puzzles:用 10 个 Puzzle 学习 GPU Kernel 编程
  • handson-ml2 机器学习实战教程
  • LLM-Course 大语言模型课程
  • Triton 编译器教程
  • TVM 教程 0.22.0

覆盖 AI 基础、机器学习、计算机视觉、大语言模型、GPU Kernel 编程、AI 编译器等多个方向。用户可以直接筛选系列教程,也可以进一步结合主题、难度、运行状态、计算资源等条件寻找适合自己的学习内容。

从「快速跑通一个项目」到「围绕一个方向系统学习」,我们希望 HyperAI 教程能够覆盖更多不同阶段开发者和学习者的需求。

查看 HyperAI 系列教程:

https://hyper.ai/notebooks?type=1

4.持续更新,不止于算力

从 MCP,到顶会资源筛选,再到系列教程,这一期的三个更新分别发生在工具、资源和学习内容三个不同层面,但目标是一致的:

让用户更容易找到需要的资源,并更高效地完成 AI 开发与学习。

HyperAI Updates 也会作为一个长期栏目持续更新,我们会在这里定期分享最新上线的产品功能、体验优化和内容资源,也欢迎大家告诉我们,希望 HyperAI 下一步解决什么问题。

内容中包含的图片若涉及版权问题,请及时与我们联系删除