同一模型换 harness:CUGA、Hermes 与 Deep Agents 在 AppWorld 上的对比
IBM 团队用同一开源权重模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比 CUGA、Hermes 和 Deep Agents,任务通过率分别为 81.1%、46.7% 和 30.0%,场景全通过率为 66.7%、26.7% 和 6.7%。
IBM 团队用同一开源权重模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比 CUGA、Hermes 和 Deep Agents,任务通过率分别为 81.1%、46.7% 和 30.0%,场景全通过率为 66.7%、26.7% 和 6.7%。
NVIDIA 联合 COMSOL、Applied Materials、Siemens、Lam Research、Advantest 等厂商,用加速计算、物理 AI 和智能体缩短半导体制造中的仿真与分析周期。
Heimstaden 正使用 OpenAI 的 ChatGPT Enterprise 和 Codex 改造欧洲的住宅物业管理,以降低成本并赋能员工。原文未披露具体部署规模、成本降幅或效率数字。
Hugging Face 提出 Model Integration Contracts(MIC)标准,通过缩小真实 checkpoint 得到的 fixture 在廉价 CPU 上运行集成测试,在 PR 阶段拦截回归。
OpenAI 提高 Security Bug Bounty 奖励,并为独立安全研究员新增报告质量、忠诚度与优先活动奖金。
OpenAI 正筹备下一轮内部安全冲刺,将与 Cathedral Systems 合作,利用 AI 测试并强化自身防御。
NVIDIA 与合作伙伴在全球城市扩展物理 AI 和智能体 AI 应用,覆盖西班牙 1MillionBot 的居民服务智能体、波兰 K2K 的共享 AI 基础设施,以及马来西亚 ITMAX 计划到 2027 年支持 17,000+ 摄像头的 SamurAI V2 视觉智能体。
OpenAI 任命 Dan Driscoll 担任国家安全现代化高级顾问,负责就国家安全现代化中的负责任 AI、网络韧性及与盟国合作提供建议。
OpenAI 构建了 Git 兼容后端 Pando,用于支撑 Codex 带来的开发规模。该后端面向大规模开发场景设计,具体性能指标与开放情况原文未披露。
Qodo 把公司知识与编码规范引入 Codex,帮助开发者在提交 pull request 前跨仓库发现 P0 级问题。
OpenAI 推出 LifeVal 基准,用于衡量 AI 帮助人们完成日常事务的能力,涵盖寻找托育、管理财务和处理政府文书等场景。
Circle K 基于 Amazon Bedrock 构建智能体式自动分诊系统,将 DevOps 事故平均分诊时间从 45–60 分钟降至 15 分钟以内,按内部指标降幅达 67–75%。
基于 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和开源 Strands Agents SDK,可构建多智能体工程助手,自动完成零件替代评估中的跨文档检索与证据汇总。
亚马逊云科技介绍如何用序列级知识蒸馏(SeqKD)在 Amazon SageMaker AI 上微调购物智能体:由前沿教师模型生成多步工具调用轨迹,仅保留能解题的样本,再以监督微调训练小模型。SeqKD 只需教师模型的文本输出,无需 logits 或强化学习基础设施,因此适用于仅提供 API 的闭源教师模型,并可将轨迹数据复用于训练和测试不同学生模型。
针对 Amazon Bedrock Knowledge Bases 中需要精细控制的网页来源,可用开源 Python 爬虫 Crawl4AI 做预处理:将每页写成 Markdown 和元数据 sidecar 上传到 Amazon S3,再由知识库的 S3 数据源摄取。
OpenAI 推出 Grid Protectors Program,将与公用事业公司合作,帮助未来的算力园区支持电网可靠性并保护消费者电费。
AWS 提出用五步闭环管理 Amazon Bedrock 成本:归因、观测、强制、优化、运营。Amazon Bedrock 已支持按 IAM 主体自动归因推理成本。
OpenAI 公开了创作者、学者、无障碍倡导者和法律专家等提交的法庭简报节选,说明合理使用如何支持 AI 训练与创新。这些节选来自多方提交的法庭文件。
Amazon Bedrock AgentCore runtime 新增 Session endpoints,为每个智能体会话提供带认证的 URL,把浏览器请求转发到会话内允许的端口,让编码智能体边改代码边在浏览器里实时预览网页应用。
NVIDIA 员工用 Nemotron Voice Agent 搭建了万圣节互动投影 MonsterHouse,由 Nemotron ASR 负责听、Nemotron 3.5 Bolt E4B 4GB 负责对话、Magpie TTS Zeroshot 负责发声、Audio2Face-3D 驱动嘴部动画,全部跑在一台工作站上。
Credit Saison 的 ChatGPT Enterprise 试点实现 954% ROI,公司随后将试点成果推广为全员采用。文章展示了管理层与员工如何共同推动这一结果落地。
ChatGPT 桌面应用现已在 AWS GovCloud (US) 的 Amazon Bedrock 上线,可通过 Work 与 Codex 两个组件访问 OpenAI 前沿模型。
OpenAI 发布社区安全报告,并宣布为 ChatGPT 青少年用户增加新的保护措施。此次更新强化了 ChatGPT 的暴力预防能力,包括扩展的安全防护、更早的干预机制,以及一项面向公众安全报告的新承诺。
Worldwide Express 基于 Amazon Bedrock 构建多智能体 AI 方案并接入其运输管理系统 SpeedShip,上线六个月后活跃异常减少 75%、回款周期缩短 4 周、年节省 100 万美元,并一次性释放 1000 万美元自由现金流。
OpenAI 宣布将遵守一项共享的 robots.txt 信号,帮助网站运营者向参与该机制的提供商传达其 AI 训练偏好。
SETI 研究所与 Breakthrough Listen 将智能体 AI 接入 Allen Telescope Array,研究人员用自然语言即可操控望远镜、校准数据并实时处理信号。
Google DeepMind 与英国政府合作开发的 AI 规划工具 PlanAssist 将新增 12 个英格兰地方规划部门,总数达到 15 个,进入为期 12 个月的 Beta 阶段。
微软构建 Industry Evaluation Data Generation Platform,用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot,全程不使用任何客户数据。
Microsoft Research Focus 第97期介绍了多项新研究:自改进智能体框架 ForkPilot 在六个基准和主流模型上测试,达到现有最佳方法水平的同时将 AI 处理开销降低最多 59%。
英国 Amazon Quick 用户小组在 2026 年举办的三场季度聚会共吸引超过 150 人参加,活动围绕 Amazon Quick 的智能体 AI 能力展开实操。
Ropes & Gray 正基于 OpenAI 开发用于交易尽职调查的 AI,律师在为客户提供建议前会先审阅 AI 分组整理的文件、摘要和报告。
OpenAI 采用分层监控来检测前沿模型失准和智能体的未授权行为,让响应人员能在事件升级前介入。
OpenAI 更新 Model Spec,提出五项核心价值观,用于引导能力更强的 AI 做出合理判断、尊重人类自主性并忠实于人类意图。该规范旨在让模型行为与人类意图保持一致。
NVIDIA Nemotron 3.5 Super VL 已上线 AWS,这是一个 120B 参数的 MoE 多模态模型,每 token 激活 12B 参数,支持最长 1M tokens 上下文和文本、图像、文档、视频输入。
MoEngage 借助 Amazon Bedrock AgentCore Gateway 把约 400 个 VPC 私有 REST API 转成权限受控的智能体工具,节省约六个月平台工程投入,新 API 接入从数天缩短到数小时。该方案无需编写 MCP server 代码、不暴露公网端点,由 AI 平台团队统一维护 MCP 层,各工程团队只需提供 OpenAPI spec。
AWS Batch 为 SageMaker Training 作业推出配额管理功能,管理员可按团队或项目划分配额份额,并通过 RESERVE、LEND、LEND_AND_BORROW 三种资源共享策略自动出借或借用空闲 GPU 容量。
Kiro 提供了一套可重复的 PHP 到 Java 迁移引擎,把原 PHP 应用当作规格说明,通过共享方法论、机械式发现扫描器和八阶段工作流推进迁移,并用 parity harness 验证 Java 移植版行为一致后才判定正确。同一套 skill 文件既可在 Kiro 中交互式逐应用执行,也可交给 AWS Transform 以智能体方式并行处理多个应用。
Epsilon 的 Agentic Platform 团队基于 Amazon Nova Act 与 Amazon Bedrock AgentCore Browser,把意图驱动的 UI 测试做成多租户平台服务,叠加在原有 Playwright 回归套件之上。
Mistral 发布多模态 MoE 模型 Mistral Large 4(Le Chonk),总参数约 1T、激活参数 49B,上下文窗口 1M tokens,以 FP8 和 NVFP4 两种官方权重发布,采用 Mistral Ecosystem Open-Weight License。
Hugging Face 宣布发起 Project ProtoStar,联合卡内基梅隆大学、普渡大学、佐治亚理工学院等机构,推动公共资助的科研数据集、模型和代码以 AI-ready 格式开放共享。