AWS Forward Deployed Engineering 扩展至 15 个国家,帮企业把 AI 从 demo 推进生产
AWS Forward Deployed Engineering(FDE)现已在美国、墨西哥、巴西等 15 个国家向商业和公共部门客户开放,并内置数十个生产就绪加速器。
AWS Forward Deployed Engineering(FDE)现已在美国、墨西哥、巴西等 15 个国家向商业和公共部门客户开放,并内置数十个生产就绪加速器。
Amazon SageMaker AI 新增 AI 数据准备能力,可通过 Python SDK API 和 AWS AI-ML agent skill 生成合成数据、评估并改进数据集,并把专家反馈纳入流程。能力包括自动标注、人工审核、合成数据生成、数据质量评估和数据转换,可单独使用或串联成从原始数据到训练的流程。这些能力已在美国东部(弗吉尼亚北部)和美国西部(俄勒冈)区域正式可用。
Amazon SageMaker AI 为实时端点新增 KV 缓存感知路由(KV-aware routing),依据模型容器上报的缓存状态,把请求发给持有最长缓存匹配且不过载的实例。
AWS 提出按步骤判断生成式 AI 工作流是否需要调用模型:能用格式、schema、关键词或范围规则校验的步骤改用确定性代码,只有开放式任务才交给 Amazon Bedrock 上合适规模的模型。固定选项的路由与分类可用结构化输出的小模型或嵌入向量相似度完成,并对不确定结果做置信度升级。文章称多余模型调用会推高成本、叠加数百毫秒延迟并带来输出波动。
AWS 博客介绍 Flightscape 在生产智能体中处理 20 MB 以上 JSON 负载时采用的三种可组合策略:把大体积数据存入 S3、会话状态只保留引用,对超大列表按需分页,对超大字典做描述符压缩。
Amazon SageMaker HyperPod Inference 现已支持 NVIDIA Dynamo,把 Dynamo 的多节点部署、prefill 与 decode 分离和 KV-aware 路由与 HyperPod 的基础设施管理结合起来。
AWS 在 SageMaker Studio 中上线 Amazon SageMaker JumpStart Model Leaderboard,可在质量、速度和成本三个维度并排比较模型。
Cloudflare 发布更新版 Clairic 与轻量版 Clairic-flash,两款抽取模型均开放权重并上线 Workers AI。新版 Clairic 改用并行槽位自回归生成,新增图片与 PDF 抽取能力,单次请求最多可包含 4 张图片或 PDF 页面。
Airbnb 分享了在 Amazon Bedrock 上运营编码智能体的方法:上线前用自有任务评测每个模型的得分和每次任务成本,据此设定默认模型与推理强度上限,上线后用 CloudWatch 指标和网关用量记录对比生产表现。文中提到一个评测得分领先的模型上线后,用户周均花费是上一模型的数倍,原因是缓存上下文被反复读取且用户发起了更长的自主会话;换到新模型后该群体主模型花费降至约七分之一。
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端快速任务完成,定价为每百万输入 token 3 美元、每百万输出 token 15 美元,上下文窗口 100 万 token。
推荐理由:官方给出定价、上下文窗口与多项基准排名,可据此判断它在 Gemini 4 家族中的定位与成本取舍。
Google 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端快速任务完成,在 Artificial Analysis Intelligence Index 上以 61 分位列第 3。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon 模型》
Salesforce 在 Amazon SageMaker AI 上部署跨区域推理路由,让 Agentforce Foundation 团队在 30+ 全球 Region 间统一调度模型请求。
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 做强化学习训练,在 144 张 H200 上以 1200 条任务训练 18 天,Terminal-Bench 4.1 pass@1 从 5.6% 提升到 12.0%。
推荐理由:原文给出了训练成本与吞吐对比,读者可据此判断长程智能体后训练的效率边界。
LangChain 在 LangSmith 中上线面向编码智能体的成本追踪与治理方案,把 Claude Code、Codex、Cursor、GitHub Copilot Chat、Pi 和 OpenCode 的会话统一到同一套 trace 模型,用相同元数据和查询语法查看 token 用量、单会话成本、工具调用与子智能体活动。
LangSmith 推出 Alerts 功能,可基于错误率、运行延迟和反馈分数等指标设置告警,帮助在故障影响用户前发现 LLM 应用与智能体的问题。用户可对每类指标配置过滤器、5 或 15 分钟聚合窗口和阈值,并通过 PagerDuty 或自定义 webhook(如推送至 Slack)接收通知。已向 LangSmith 发送生产 trace 的用户即可配置首个告警。
Google DeepMind 向符合条件的 Google AI Ultra 订阅用户推出新版 Project Genie 体验,首次开放 Genie 4 世界模型。
同一件事,精选收录的是《Google DeepMind 向 AI Ultra 订阅者开放 Genie 4 与新版 Project Genie》
Google DeepMind 向符合条件的 Google AI Ultra 订阅者推出新版 Project Genie,首次开放 Genie 4 世界模型。Genie 4 支持在探索过程中输入新提示词实时修改环境,并首次搭配随场景变化的实时原生音频。
推荐理由:Genie 4 支持会话中实时改世界并加入原生音频,可对照 Genie 3 的会话时长与全景图能力看世界模型进展。
Google 将 Gemini 应用带到符合条件的 Android(Go edition)低内存设备,覆盖此前只能使用基础语音命令的机型。官方称已重构应用,使核心体验在低内存硬件上流畅运行,支持 Gemini Live 用 45 种以上语言对话、拍摄笔记或表单进行学习与翻译,以及用 Nano Banana 生成图片。
推荐理由:原文交代了低内存机型的适配方式与可用功能,可据此判断 Gemini 在新兴市场的覆盖边界。
Meta 介绍其用 AI 智能体在广告排序模型群中传播已验证 ML 技术的做法,自 2026 年 3 月由智能体驱动执行以来,估计超过 60% 的技术传播工作由智能体完成。早期结果显示工程效率提升 3 倍,部分技术-模型组合的训练算力中位数降低 4 倍,预计到年底节省 4500 万美元以上算力。文章拆解了发现、泛化、采用三个阶段中智能体的分工,以及按阶段设置的评估指标。
推荐理由:Meta 披露智能体接管技术传播后的人力与算力账本,可对照自身模型迭代流程评估自动化边界。
LangSmith 推出面向编码智能体的花费追踪功能,把每次 trace 的花费自动归因到智能体贡献的 pull request 上,并汇总到统一的编码智能体总览页。
推荐理由:原文把编码智能体的花费与合并 PR 挂钩,并给出按模型、技能和线程长度拆解成本的具体视图。
IBM 与 Confluent 将下载量超过 5000 万的 IBM 时序基础模型以原生内置函数形式接入 Confluent,云端和本地均可使用,模型在 CPU 上运行。
NVIDIA RTX Spark 紧凑台式机开售,华硕、戴尔、微星首批推出,宏碁、技嘉、惠普的迷你主机和微软 Surface RTX Spark Dev Box 即将跟进。
推荐理由:原文列出 RTX Spark 紧凑台式机的硬件规格与本地模型能力,可据此判断本地 AI 工作站的配置取舍。
LangChain 博客发布指南,讲解如何为运行 AI 生成代码的智能体选择沙箱方案。文章提出评估沙箱的五项要点:隔离文件系统、受限网络访问、资源限制、可控复用性,以及与宿主机内核级隔离。文中还引用 Simon Willison 的“致命三要素”和 Meta 的“Agents Rule of Two”,指出沙箱可降低提示词注入带来的数据泄露风险。
OpenAI 测量了编码智能体加速 AI 研究的实际效果,发现其表现仍不均衡。这项研究同时探讨了这些结果对递归自我改进意味着什么。
OpenAI 详解 Codex 沙箱机制:Codex 在你的机器上执行命令时,会按你设定的文件系统与网络限制进行约束,覆盖 macOS、Linux 和 Windows。
作者在 32GB 内存的 MacBook M5 上,用 Transformers 为 Qwen3.8-Flash-Next 实现专家流式加载,短文本解码达到 13.9 tok/s,与 Strata 的 14.8 tok/s 相差约 6%。
OpenAI 用 GPT-6 Astra 优化了 Jalapeño 芯片中的电路,并改进了 RISC-V 核心设计。这展示了 AI 辅助芯片设计的进展。
Reson8 以 Apache 2.0 协议开源 Rumble-2-Flash,这是一个 0.5B 参数的语音识别模型,支持 40 多种语言并自动检测语种。
推荐理由:0.5B 参数语音识别模型以 Apache 2.0 开源,在真实电话场景与 30B 模型持平,可对照其蒸馏方法理解小模型路线。
Google 展示了 5 个开发者用 Gemini 4 Carbon 构建的项目,涵盖实时物理模拟、杂乱数据整理和单图生成 3D 设计等场景。其中有人用 CUDA 和 C++ 从零编写 52,000 株野花随风摆动的草地,也有人用 WebGPU 实时模拟 1,048,576 个粒子。
OpenAI 发布 GPT-6.2 Astra 和 Sol,在专业输出、编码、电脑操作和效率上有所提升,并降低了成本。新模型覆盖 ChatGPT Work、Codex 和 API 三个入口。
Google 宣布 Gemini 任务功能开始向美国、日本、韩国、加拿大、澳大利亚和印度免费开放,使用新的 Gemini 4 Hydrogen 模型,美国用户还可使用一组高级功能。
推荐理由:原文给出 Gemini 代打电话、比价下单等具体任务流程与安全边界,读者可据此判断个人助理能接手哪些日常事务。
NVIDIA 高性能计算副总裁 Ian Buck 在 SC26 上宣布 Nemotron for Science、Rubin HPC GPU 和扩展的 Vera CPU 平台,并公布与 IBM、费米实验室的量子计算合作。
NVIDIA 在 SC26 推出面向研究人员和开发者的 DGX Spark HPC 开发者套件,由四台 DGX Spark 以环形直连组成集群,无需网络交换机。
UC Berkeley、Microsoft Research 和 Microsoft Security 发布开源插件 TokenEconomizer,它从智能体在仓库中的历史会话学习,在不修改智能体和底层模型的前提下减少后续会话的 token 浪费。
推荐理由:读者可以看到一个不改动智能体本身、只靠历史会话学习的插件,在 277 个真实修 bug 任务上如何降低 token 成本。
NVIDIA 发布新版 Slurm,让 QPU 厂商通过一个简单文件为所有超算中心提供统一硬件接口,超算中心无需为每种量子处理器单独开发适配方案。该扩展已获 Alice & Bob、IBM、IQM、Pasqal、Quantinuum 和 MQSC 采用,支持 QRMI 与 QDMI 接口,Slurm 26.11 将于本月晚些时候发布。
NVIDIA Vera Rubin 平台首次参加 MLPerf 基准测试,在 MLPerf Training v6.1 的全部基准上均有结果,是本轮唯一覆盖所有基准的平台,其 NVL72 系统每 GPU 性能最高达 GB300 NVL72 的 2 倍。
推荐理由:原文给出 Vera Rubin 在 MLPerf Training 与 Endpoints 的具体成绩和对比基线,可据此判断新一代平台的性能提升幅度。
NVIDIA 扩展 CUDA-X 库,新增 cuPhoton、cuPotential 和 cuSpa,让 AI 智能体帮助研究人员加速天体物理、材料科学与单细胞生物学等领域的发现。
Google Maps 为 Ask Maps 上线假日出行新功能,可生成逐日行程、查看实时路况与营业状态,并支持导出到 Google Docs 或分享。新增 agentic 能力可让 Ask Maps 查找美容、宠物护理、汽车和家庭维修的可用预约并代打电话联系本地商家。
Together AI 与 Ollama 联合撰文,讲解长程编码智能体负载下如何保护前缀缓存,让开源模型在长会话中保持速度。
Hugging Face 与 OpenRouter 合作,把语言模型的 Inference Providers 从自建路由器换成 OpenRouter 的路由,按实时价格、速度和可靠性为每次请求挑选提供商,失败时在同一次调用内换另一家重试。
推荐理由:原文交代了路由切换后的重试、缓存与计费变化,读者可据此判断现有调用代码是否需要调整。