AWS 9 月 AI 更新盘点：Amazon Bedrock、AgentCore 与 Strands 新进展
Amazon Bedrock 上线 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型，其中 GPT-6 Astra 支持最高 100 万 input tokens，Ultrafast 版本 API 推理速度最高提升 6 倍、达 300 tokens/秒。
#Agent
AWS Machine Learning BlogAI 评分2222 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 在 Amazon Bedrock 上构建 Agent Mode，以 AI 原生方式覆盖 API 测试、文档、发现与实现，服务 4000 万开发者。
OpenAI NewsAI 评分2222 Sophos 借助 OpenAI Daybreak 将威胁调查时间缩短 96%
Sophos 使用 OpenAI 的 Daybreak 将网络威胁调查时间缩短 96%，并自动化处理 52% 的 MDR 案例，同时保留人工监督。
OpenAI NewsAI 评分3232 Asana 用 GPT-6.1 Sol 将浏览器测试模型成本降低 76 倍
Asana 借助 Codex 中的 GPT-6 Astra，在测试中让浏览器智能体的模型成本降低 76 倍、速度提升 5 倍，从而为客户提供更强的模型。
NVIDIA BlogAI 评分3030 NVIDIA Omniverse 如何用前沿 AI 智能体把创意变成仿真应用
NVIDIA 开发者正用 GPT-6 Astra、Claude Fable 5 等前沿模型驱动 Omniverse 库，通过自然语言指令搭建仿真应用。案例包括仓库人形机器人模拟器、基于旧金山 Market Street 的自动驾驶测试环境 Zero to Alpamayo、数字孪生传感器校验，以及 Unitree G1 人形机器人跨栏实验——100 次仿真中成功 64 次。
AWS Machine Learning BlogAI 评分5050 BlockRun 与 Incarna 如何用 Amazon Bedrock AgentCore payments 实现 AI 智能体按次付费推理
Incarna 借助 Amazon Bedrock AgentCore payments，让智能体通过 x402 按次向 BlockRun 支付模型推理费用，将接入 x402 支付支持的工作量从数月缩短到数天，并已上线端到端按次付费推理流程。
OpenAI NewsAI 评分2222 Oracle 如何用 ChatGPT 和 Codex 把数天工作压缩到几分钟
Oracle 在招聘、工程和运营场景中，用 ChatGPT Work 和 Codex 把专家知识转化为快速、可复用的工作流，将原本需要数天的工作缩短到几分钟。
AWS Machine Learning Blog精选AI 评分6262 AWS 上线 Claude Haiku 5.5
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，据 Anthropic 称它是 Claude 5.5 系列中速度最快、效率最高的模型，面向子智能体和高并发成本敏感场景，多数任务成本比 Claude Haiku 4.5 低约 75%。
推荐理由：AWS 官方给出 Haiku 5.5 的定位、成本变化与 Bedrock 接入方式，可据此判断它在多智能体分层中的位置。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
微软研究院亚洲团队开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 训练范式，让部署时使用的同一 agent harness 直接参与 RL，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，给出约 3500 行代码的智能体 RL 框架与真实 harness 训练路径，可据此判断训练与部署一致性的实现方式。
AWS Machine Learning BlogAI 评分2828 如何为 agentic automation 构建商业论证：AWS 提出 Agentic Value Model
AWS 提出 Agentic Value Model，用于替代以"节省工时×人力成本"为核心的 RPA 时代 ROI 模型，从时间节省、异常处理、决策质量、变更韧性与维护经济性四个维度衡量 agentic automation 的价值。该框架强调释放的工时只有转化为实际支出削减或可衡量的再部署产出才算价值，并以理赔分流流程为例给出测算。
AWS Machine Learning BlogAI 评分2222 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带来源的可信回答，自 2026 年 2 月正式可用以来，其 Discovery Agent 已为客户发现超过 10 万条洞察。
OpenAI NewsAI 评分3434 OpenAI 为 ChatGPT for Teens 推出 College Planner 与学习功能
OpenAI 在 ChatGPT for Teens 中上线 College Planner，帮助学生管理大学申请，同时新增 flashcards、quizzes 功能，并组建青少年 AI 委员会。
OpenAI NewsAI 评分2222 Radisson Hotel Group 与 Accenture 合作将酒店搜索带入 ChatGPT
Radisson Hotel Group 与 Accenture 合作，基于 OpenAI 技术打造了一款 ChatGPT 插件，帮助旅客在规划行程时查找、比较和预订酒店。
Microsoft ResearchAI 评分2222 Microsoft 研究播客：AI 评测的意外失败能教会我们什么
Microsoft 研究合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对谈，探讨评测如何推动当前 AI 系统突破性能边界，以及模型在传统 benchmark 之外测试时出现的"意外失败"。她同时分享了使用当前 AI 系统的实用建议，并强调当结果偏离预期时深入审视数据的重要性。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含 219 个 pull request、覆盖 19 种语言。
推荐理由：GitHub 公开了 AI 代码审查基准的构建方法与评分口径，读者可据此理解离线评测如何对应线上实验。
GitHub Blog · AI & MLAI 评分2222 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 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明它用第二个模型对计划、代码和测试进行批判性审查，从而发现首个模型遗漏的问题。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准与内部落地案例，可据此判断前沿模型的能力边界与分阶段开放节奏。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 入门：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvases（画布扩展）是一种可自定义界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，即可生成看板、发布清单或仪表盘等界面，无需编写代码或手动设计。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub Copilot 提出用 canvas 替代 chat 作为 AI 交互界面，canvas 是运行在 GitHub Copilot 应用内的全栈小应用，可与 agent 双向通信并调用第三方 API、在本地执行代码。
GitHub Blog · AI & ML精选AI 评分6666 GitHub Security Lab 发布 Fuzzing Taskflow 智能体流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告、改进 harness、分诊崩溃并为每个独立缺陷生成漏洞报告。
推荐理由：GitHub 安全实验室把模糊测试的 harness 编写、覆盖率追踪与崩溃分诊交给 LLM 智能体，读者可据此判断自动化安全测试的边界。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 代码、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期拆解了五个 AI 开发热梗：AI 生成的代码仍需阅读和负责，但审查力度应随风险分级；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是智能体连接工具与数据的标准，二者可组合使用；RAG 并未消亡，检索能为模型提供训练数据外的上下文，减少 token 浪费并降低答案不完整的概率。
Berkeley AI ResearchAI 评分3434 伯克利提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，用受自编码器启发的重建式信念评分（belief grading）作为辅助 RL 任务。在 CollabBench 协作编程任务上，ABBEL-rec-BG 将全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也明显低于全上下文设置。
Berkeley AI ResearchAI 评分3232 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分低于 $0.10，数据系统需应对三大新挑战：为智能体服务、由智能体运行、由智能体合成。其中智能体查询会产生大量重复子计划，文本到 SQL 基准中仅 10-20% 子计划不同，80-90% 属重复工作。