Amazon Bedrock、AgentCore 与 Strands 2026 年 9 月更新盘点
Amazon Bedrock 在 9 月新增由 OpenAI 驱动的托管智能体公开预览，并上架 GPT-6 Astra、GPT-6 Astra Ultrafast。
#部署/工程
AWS Machine Learning BlogAI 评分2727 AWS Machine Learning BlogAI 评分4040 Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 的 Agent Mode 基于 Amazon Bedrock 运行，为 4000 万开发者提供 API 测试、文档、发现与实现的 AI 原生工作方式。
Hugging Face BlogAI 评分3434 Ai2 如何用 GPU 时间预算与分层公平分配改进集群调度
Ai2 用 GPU 时间预算、分层公平分配和时间切片契约替换了原有的优先级调度器，把"哪个项目该拿多少 GPU 时间"从事后逐个协调变成透明的预算流程。Ai2 管理数千块 NVIDIA H100、B200 和 B300，集群规模 88 到 1024 块 GPU，服务约 150 名内部研究者，待处理需求常达可用 GPU 的 2-3 倍。
NVIDIA BlogAI 评分2525 NVIDIA 展示开发者如何用前沿 AI 智能体与 Omniverse 库构建仿真应用
NVIDIA 发文展示开发者如何用 GPT-6 Astra、Claude Fable 5 等前沿 AI 模型配合 Omniverse 库（ovphysx、ovstage、ovrtx、ovui）把仿真构想变成可运行应用。
AWS Machine Learning BlogAI 评分4040 BlockRun 与 Incarna 如何用 Amazon Bedrock AgentCore payments 实现按次付费推理
Incarna 借助 Amazon Bedrock AgentCore payments，让 AI 智能体按次向 BlockRun 支付模型推理费用，将 x402 支付支持的开发工作从数月缩短到数天并投入生产。
AWS Machine Learning BlogAI 评分3232 使用 Amazon SageMaker HyperPod 实现多团队 GPU 集群隔离与公平共享
AWS 发布基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构，让多个团队共享同一 GPU 集群，同时保持隔离与资源公平。
AWS Machine Learning BlogAI 评分5858 Claude Haiku 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用。据 Anthropic 介绍，它是 Claude 5.5 家族中速度最快、最经济的模型，面向子智能体和高并发成本敏感型任务，大多数任务成本比 Claude Haiku 4.5 低约 75%。
NVIDIA Blog精选AI 评分7777 NVIDIA 与 Microsoft 推出 RTX Spark 笔记本和 Windows 版 DGX Station
NVIDIA 与 Microsoft 在旧金山活动上宣布为 Windows PC 上的 AI 智能体共同设计硬件与软件，并发布 RTX Spark 笔记本与紧凑台式机。
推荐理由：RTX Spark 与 Windows PC 端本地 AI 栈的组合，给出了消费级硬件跑大模型的统一内存与算力规格。
AWS Machine Learning BlogAI 评分4141 Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 重构 RAG 访问控制
Amazon Quick 和 Amazon Bedrock Knowledge Bases 在预检索 ACL 过滤之上新增实时 ACL 校验，在查询时直接向权威来源核验权限，避免同步间隙的陈旧权限漏洞。
GitHub Blog · AI & MLAI 评分5858 GitHub 推出 AI 密钥检测模型，把推送保护从事后提前到提交前
GitHub 发布基于 ModernBERT 的通用密钥检测分类器，用代码上下文在推送前拦截非结构化密钥，候选批量评估耗时不到 2 毫秒，并称可将可拦截的密钥数量提升一倍以上。
Microsoft Research精选AI 评分6767 Agent Lightning v1.0 发布：3500 行轻量智能体 RL 框架，支持真实 harness 训练
微软亚洲研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量级智能体 RL 框架，采用 Harnessed Agentic RL 范式，实现部署用 harness 直接参与强化学习训练而无需在训练框架内重写 agent。
推荐理由：Agent Lightning v1.0 不到 3500 行实现完整智能体 RL 系统，读者可了解如何在真实 harness 上训练 agent。
AWS Machine Learning BlogAI 评分2727 超越节省工时：如何为 agentic automation 构建商业论证
AWS 提出 Agentic Value Model，认为以“节省工时×人力成本”衡量自动化的传统 ROI 模型是为 RPA 设计的，会漏掉 AI 智能体的大部分价值。该框架从时间节省、异常处理、决策质量和变更韧性四个维度衡量价值，并以价值实现机制作为前提；文中称修正一个错误可能花费原交易成本的 1.5–4 倍，人为错误可占运营成本的 2–15%。
AWS Machine Learning BlogAI 评分2525 Qlik 如何用 Amazon Bedrock 构建企业级可信 AI
Qlik 基于 Amazon Bedrock 打造 Qlik Answers，让员工用自然语言提问并获得有来源支撑的答案。该产品 2026 年 2 月正式可用，其 Discovery Agent 上线以来已为客户发现超过 10 万条异常与离群点。
NVIDIA BlogAI 评分2222 电信运营商为何将 AI 战略押注在开源模型上
NVIDIA《State of AI in Telecommunications》报告显示，89% 受访者认为开源模型和软件对公司 AI 战略重要。
GitHub Blog · AI & MLAI 评分2121 AI 正在改变开发者工作方式，GitHub 给出三项值得强化的技能
GitHub 提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用 AI、不轻信 AI 的第一次回答、用 AI 节省的时间解决更大问题。文中举例称 GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型审查计划、代码与测试；在认证流程示例中，开发者可同时协调三个 AI 智能体分别产出认证、文档和测试。
Google Research精选AI 评分6363 Google 发布基于 TEE 的可验证隐私联邦学习系统
Google Research 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，并已应用于 Gboard。系统中，客户端设备本地加密训练数据并上传，只有符合访问策略的 TEE 工作负载才能解密处理，访问策略发布到公开透明日志 Rekor，相关二进制可从开源仓库 Confidential Federated Compute 复现构建。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，读者可了解其如何让服务端处理过程可外部验证。
NVIDIA Blog精选AI 评分6262 NVIDIA DGX Spark 64GB 发布，支持 100B 参数模型与双机集群
NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 64GB 统一内存版 DGX Spark，预装 DGX OS 和 NVIDIA AI 软件栈，10 月 23 日开售，起售价 4,999 美元。
推荐理由：64GB 版本的定价、可跑 100B 参数模型和双机集群 1.7x 实测，为本地部署选型提供了具体参照。
Hugging Face BlogAI 评分4545 AutoSynthData：为企业级智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例和更强教师的成功案例，定位当前模型的能力缺口，并据此生成、验证新的可执行训练任务。管线以 EnterpriseOps Gym 数据集为例演示，任务由系统规范、用户提示词和验证器三部分组成，需满足可行性、真实性与难度要求。随着模型改进，课程会自动转向其仍未掌握的能力。
NVIDIA Blog精选AI 评分7373 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 已上线 OpenAI API，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行在 NVIDIA Blackwell GPU 上。
推荐理由：原文给出 GPT-6 Astra Ultrafast 在 Blackwell 上的提速数据与开放入口，读者可据此判断它对编码智能体循环的影响。
Microsoft ResearchAI 评分3737 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生构建的机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的点位级地磁感应电流风险估计。2020-2026 评估期内，该系统对主要空间天气事件检出率近 80%，Dst 预测在 62.2% 的高活跃时段优于 Burton 方程。
Mistral AIAI 评分4848 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设德国中心，组建专注 Physics AI 与工业 AI 的研究团队，并直接服务企业合作伙伴。该中心将与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用，并联合慕尼黑工业大学（TUM）利用风洞设施开发汽车空气动力学数字孪生。Mistral 计划到 2030 年建成 1 吉瓦欧洲算力，其开放权重模型可在客户自有基础设施上运行。
GitHub Blog · AI & MLAI 评分2929 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，用一个 2,200 个文件、超百万行改动、400 多条行内评论的开源 PR 做压力测试。其做法是拆分两套几何：代码行高在绘制前精确已知、永不重建；评论、草稿和回复框等动态块惰性测量，修正幅度小且锚定在用户当前查看的位置。
Microsoft Research精选AI 评分6363 微软研究院研究物理 AI 机器人推理卸载并推出 Physical AI Toolchain 新能力
微软研究院发布机器人物理 AI 推理卸载的测量研究，发现将推理完全放在机器人端侧 GPU 会限制性能、续航与可扩展性，而卸载到边缘或云端 GPU 在移动操作任务中可提升成功率、支持更大模型并显著改善电池寿命。
推荐理由：微软研究院系统测量了机器人端侧推理的限制，并给出 Kubernetes 卸载方案，可迁移到具身智能部署。
Mistral AIAI 评分3030 Mistral 与 Cloudera 合作，将专用主权智能引入企业数据平台
Mistral 与 Cloudera 达成合作，把 Mistral 模型集成到 Cloudera 混合数据平台，企业可在私有云、公有云、本地乃至完全气隙环境中部署和运行推理，并保持完全控制。企业还能在受控环境中用自有专有数据训练定制模型，数据和由此产生的智能均归企业所有。Cloudera 平台承载 30 exabytes 客户自管数据，双方称此举面向对主权 AI 日益增长的需求。
Mistral AI精选AI 评分6060 Mistral 用 AI 智能体将 4 万行 Fortran 77 迁移到 C++
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，对象是一个无测试套件、无集中文档的物理密集型油藏模拟器。
推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 77 到 C++ 的完整流程和三次自主度取舍，可迁移到其他遗留系统改造。
Berkeley AI ResearchAI 评分4949 从 CUDA 到 MLX：K-Search 如何将数十年 kernel 经验迁移到 Apple Silicon
伯克利 Sky Lab 团队为进化式 kernel 搜索框架 K-Search 新增 MLX 后端，通过结构化 CUDA-to-MLX 翻译层，把已有 CUDA kernel 当作知识库改编为 Apple Silicon 上的原生 kernel，而非从头重写。
Berkeley AI ResearchAI 评分4242 GRASP：面向世界模型长时程规划的梯度规划器
伯克利研究团队提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹 lift 到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索，并重塑梯度以避开经由高维视觉模型的脆弱"状态-输入"梯度。该方法针对长时程规划中梯度爆炸/消失、非贪心结构与高维隐空间导致的失败模式，使长时程规划更稳健。