AWS 销售、营销与全球服务（SMGS）运营团队基于 Amazon Bedrock AgentCore 搭建了一套面向生产环境的多智能体持续质量评估框架，用于服务全球 AWS 现场销售。
该框架以 AgentCore Evaluations 为核心，配合 Amazon Bedrock Guardrails、CloudWatch、S3、Redshift、Amazon Quick 和 Lambda，检查回答是否有据、正确，并追溯失败根因。
两名工程师用 Codex 在几周内做出 Stack Overflow for Agents，其 ChatGPT 插件推动智能体创建量最高增长 10 倍，注册量随之增至三倍。
Google Research 发布博客，介绍三项将 AI 智能体与真实湿实验室实验衔接的研究。
VERID 框架为实验室工作单元构建语义数字孪生，可实时追踪 3D 状态、在数秒内完成虚拟预演、拦截不安全指令并同步记录视频与操作日志，案例中智能体据此在运行中从读板机故障恢复，并通过闭环自博弈将重建盲测染料混合物的准确率提升五倍以上。在适配体方向，智能体在 myoglobin 和 α-thrombin 两个靶点上经过三轮设计-测试迭代，确认命中率分别达到 33.5% 和 42.1%，其中 α-thrombin 首轮因固定引物侧翼破坏折叠而命中率为 0%。
Google Research 公开了让 AI 智能体在真实湿实验室中安全执行实验的三项研究，读者可了解其数字孪生与闭环设计思路。
Reflection AI 发布开源权重模型 Beam，面向智能体编码与长周期任务，如维护代码、调用工具、解读结果并完成多步工作流。
Beam 是稀疏 MoE 模型，总参数 5010 亿、激活参数 230 亿，Reflection 称其有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布，提供 BF16、FP8 和 NVFP4 三种 checkpoint。
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持文本输入和 1M token 上下文窗口，以 Apache 2.0 许可开放，面向编码与智能体场景。
模型共 52 层，每层 256 个专家、每 token 路由 8 个，提供 BF16、FP8 和 NVFP4 三种 checkpoint，BF16 版本约 1 TB。
Reflection 首个开源模型 Beam 给出 501B 参数、1M 上下文与完整部署配方，可据此评估自托管前沿模型的硬件门槛。
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言，并同步开源用于生成该语料、基于 GPU 加速的数据生成流水线。
语料含 2,601.0 亿原生文字 token 和 224.6 亿罗马化 token（按 Gemma-4 tokenizer 计），覆盖 34 种语言—文字组合，其中 12 种语言同时提供原生文字与罗马化数据。
OpenAI 与律所 Sullivan & Cromwell 合作开发了 AI 工具 Agreement Analyzer，用于识别合同草案中的问题。
该工具面向协议审查场景，帮助发现草拟协议中的潜在问题点。
Grupo Boticário 搭建了自有的智能体平台，可自主处理经销商最多 80% 的运营类请求，让销售团队转向顾问型角色。
这家集团起家于巴拉那州一家配药药房，至今已近 50 年。
Localiza 借助 ChatGPT Enterprise、OpenAI API、Codex 和 60 多个专用智能体重组工作流程，打造 AI 原生的出行体验。
该案例展示了这家出行公司将生成式 AI 嵌入日常运营与产品开发的具体做法，覆盖企业级 ChatGPT 使用、API 集成和 Codex 辅助开发等环节。
OpenAI 推出 Rosalind Academic Plan，为符合条件的学术实验室提供 GPT-Rosalind 的赞助访问权限及配套工具，用于推进生命科学研究。
该计划面向学术研究实验室，具体申请资格与使用条件尚未在材料中说明。
IBM 发布 Granite Switch 4.1，Granite-Switch-4.1-8B 和 -30B 在同一个托管端点上支持自然语言对话、通用与专用决策以及语音转文字。
新版本加入通用决策 aLoRA、在安全决策任务上平均优于 Jev 1.13、Microsoft-Decision-1、GPT-Luna-Decisions 和 Clef-Flash 的 Guardian aLoRA，以及 OpenASR 排行榜上最快的 ASR 模型 Granite-Speech-5.0-Turbo-CTC。
Granite Switch 4.1 把决策适配器与语音识别合入单一端点，读者可据此判断多任务模型在显存与部署上的取舍。
Mistral 发布首个时间序列基础模型系列 Timestral，最大版本仅 209M 参数，在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上均排名第一，参数量约为此前 SOTA 的三分之二。
该系列包含 5M、28M、123M 和 209M 四个尺寸，共享同一架构与训练配方，支持概率化多变量预测以及过去协变量和已知未来协变量。推理无需 GPU，在 8 线程标准服务器 CPU 上，用三周 15 分钟粒度历史预测未来一天，5M 模型耗时 10 ms，209M 模型耗时 140 ms。
时间序列基础模型首次进入通用预训练范式，读者可据此判断企业传感器与金融预测场景的落地门槛。
Meta 的编码优化开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，可在自己的 AWS 账户中部署到 SageMaker AI 端点，无需自行管理服务基础设施。
该模型采用 MoE 架构，总参数 816B、每 token 激活 42B，支持 1M token 上下文窗口，输入可接受文本、图像、文档、音频和音视频，输出为文本，权重按 Muse Model License（含 Muse Spark Usage Policy）发布。
Meta 的编码优化开源模型首次接入 SageMaker JumpStart，文中给出两种量化变体与对应实例，可据此估算部署成本。
Meta 发布开源权重模型 Muse Spark Open，采用混合专家架构，总参数约 816B、每 token 激活约 42B，上下文窗口最高 100 万 token，可输入文本、图像、音频和视频并输出文本。
该模型面向智能体编码训练，能读取代码库、编写和调试代码并调用工具，同时可处理截图、语音和录屏。模型提供 BF16 与 NVFP4 两种 checkpoint，BF16 约 1.5 TB，NVFP4 面向 NVIDIA Blackwell GPU；官方给出 transformers、llama.cpp、SGLang、vLLM、MLX 的部署配方，以及用 TRL 在 64 张 H100 上微调 LoRA 的示例。
Meta 开源 816B 多模态 MoE 模型，给出量化、部署与微调配方，可据此评估本地与云端落地成本。
Google DeepMind 发布技术演示，展示生物学家如何用其智能体开发平台 Google Antigravity 发现一种新型抗菌肽候选物，该候选物被预测对呼吸道感染相关病原体具有活性，目前正进行湿实验验证。
Antigravity 提供智能体科学工作台，把原本分散在多个数据库的检索压缩到单次会话，并借助 ProtNLM 模型从氨基酸序列预测生物功能，扫描 UniProt 中数百万条此前未表征的蛋白质。
微软研究院发布 Magnetar，一个通用零知识虚拟机（zkVM），可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行，并返回约 12 毫秒即可验证的短证明。
它在笔记本上每秒可证明 7.2 至 8.7 百万条处理器指令，在 15 个基准程序上平均比同类最快 zkVM 快 10 至 39 倍，在代币转账基准上比另外两个系统快 300 倍以上；优化版本可达每秒 9.5 至 12.8 百万周期。其安全性仅依赖 SHA-256 或 SHA-3 等标准哈希函数，不需要椭圆曲线、格假设、专用哈希函数、可信设置或未证明的纠错码猜想。该成果是微软研究院十余年零知识证明研究的延续，技术论文给出完整设计、安全分析与测量结果。
微软研究院公开 Magnetar 的 zkVM 设计与基准数据，读者可了解零知识证明在通用程序上的性能与安全取舍。
Black Forest Labs 发布 FLUX.3 Image Klein，并在 Diffusers 中首日支持。
该模型用同一个模型完成文生图、多参考图生图和新增的布局控制，可在提示词中写入边界框指定画面各部分的摆放位置，或指定参考图中哪些部分需要移动。两个开放 checkpoint 已收录在 FLUX.3 Image Klein collection 中，蒸馏版默认 16 步、无需 CFG，基础版 50 步并支持 CFG。
FLUX.3 Image Klein 在 Diffusers 首日支持，读者可了解其布局控制能力与量化权重带来的显存门槛变化。
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张用相互独立的信任层替代逐步骤人工审批，让智能体在可验证的范围内自主行动。
框架围绕四个问题展开：运行前界定范围（Scope）、部署时确认身份与授权（Know）、运行中约束言行（Bound）、每次运行后回溯并改进（Observe）。其中可精确表述的规则由自动推理做数学验证，无法证明的模糊判断仍交给人。
OpenAI 在教师节推出面向教育者的 AI 工具，新增巴西葡萄牙语支持，并展示 Study Mode 如何帮助教师支持学生主动、分步骤地学习。
Apertus 1.5 在 Apertus 1.0 的 8B 和 70B 模型基础上新增图像与音频理解、可选思考模式、4 倍长的上下文窗口，并改进指令遵循和工具调用能力，权重以 Apache 2.0 许可发布在 Hugging Face。
模型采用早期融合方式，图像和音频以离散 token 与文本进入同一序列，图像用 Emu3.5 tokenizer 编码（512×512 图像为 1,024 token），音频用 WavTokenizer（每秒 40 token），架构不变，模型只输出文本。上下文窗口扩展到 262,144 token，8B 和 70B 分别增加 4 万亿和 2 万亿 token 训练数据，总量达 19T 和 17T。
Apertus 1.5 把 8B/70B 文本模型扩展为多模态并开放全部训练细节，可观察开源模型如何用 tokenizer 方案做多模态。
Block 正基于 OpenAI 技术构建 AI 驱动的安全体系，其安全团队借此更快调查威胁，并能在数分钟内提出补丁方案。
SentinelOne 借助 OpenAI Daybreak 将恶意软件分析周期从数周压缩到数小时，从而腾出更多精力调查更多威胁。
Amp 利用 GPT-6 Astra、Ultrafast、GPT-Live-1 及 Sign in with ChatGPT，将 AI 智能体从写代码拓展到更广泛的任务场景。
该案例展示了智能体在编程之外的能力边界。
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其降尺度模型 HiROv2 可同时预测多种高分辨率气象场，不再只限于降雨，并提升了对极端事件的预测能力。
HiRO-ACEv2 把全球 3 km 气候数据的生成成本降到 X-SHiELD 的约 1/300，并公开模型与教程，便于研究者评估极端天气模拟的可用性。
亚马逊云科技介绍如何用 Amazon Bedrock AgentCore 构建智能体式文档处理（IDP）系统，由 8 个专用智能体组成识别与训练两条工作流，自动分类、提取、校验并从新文档格式中学习。
系统可在 20 分钟内完成部署，无需为新文档类型手动配置模板，验证失败时由 Instructions Fixer 或 Troubleshooter 智能体自动修复。
Google 公开发布 Deep Review，一个面向复杂文档的智能体审阅系统，可对论文、法律和财务文档做逻辑一致性、数学陈述与事实核查，并给出改进建议。
系统采用文档分段、自适应算力分配、并行验证和全局综合四阶段流水线，由 Gemini 4 Argon 提供底层能力。
Google 公开了面向长技术文档的智能体审阅系统，并给出四阶段流水线与会议试点规模，可据此判断自动审阅在论文与法律文档中的可用边界。
Google Research 在 Research@ 活动上公布 10 项研究进展，包括扩展 Google Earth AI 早期访问并开放三项实验能力，以及向公众开放智能体审稿系统 Deep Review。
Google 发布地理空间推理智能体的技术报告，并开源 GeoKTools 和 GeoExpertQueries 两个新基准的开发集，供研究者测试自己的地理空间推理智能体。
Google 公开了地理空间推理智能体的技术报告与两个新基准，并给出与 WHO 等伙伴的实测案例，可据此判断专业工具加前置规划相对通用 LLM 的差距。
Third Moment Research 借助 GPT-6 Astra、GPT-6.1 Sol、Codex 以及网络安全工具 Daybreak，构建出可连续专注运行 36 小时以上、并随使用不断改进的 AI 智能体，单次可调度 10,000 个。
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再生成带护栏和回滚指引的修复方案。
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可自动生成 PowerPoint 演示文稿，内部测试中完成一份仅需不到 90 秒。
Amazon SageMaker JumpStart 提供可复用 Python 脚本，从模型目录部署模型、用示例提示词测量延迟与单请求生成速率，并在测试后删除端点。
2026 年该服务新增 Model Hub 浏览与一键从 Hugging Face 跳转部署，并提供面向低成本、低延迟或通用负载的预配置端点选项。该流程适用于多种模型，但负载格式、实例类型、EULA 与响应解析可能需按模型调整。
OpenAI 发布新分析，指出欧盟企业与小型企业正在加速采用智能体化 AI，并点出更深入的使用可在哪些环节释放更多价值。
该分析聚焦欧盟企业内部智能体 AI 采用度的增长情况。
Google DeepMind 与新加坡政府科技局（GovTech）合作，基于轻量级 Gemma 模型微调出可在普通智能手机上本地运行的诈骗检测模型，用于识别冒充公共机构、银行和本地人物的诈骗对话。
端侧运行、不读取云端消息的诈骗检测方案，为端到端加密场景下的隐私保护提供了可参考的落地路径。
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步扩展 Fairwind Program 给更多可信网络安全防御方。
该模型在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在对抗测试集上违规请求减少近两倍，Gray Swan 间接提示注入基准上 15 次自适应攻击的成功率降至 0.7%。
官方披露 Gemini 4 Argon 在网络安全与生物风险上的防护设计，可了解前沿模型安全护栏的具体做法。
Anchor Browser 与 Amazon Bedrock AgentCore payments 集成，让 AI 智能体在遇到 HTTP 402 Payment Required 时自动完成 x402 协议支付并重试请求，该方案已在 AWS Marketplace 上线。
材料给出把支付能力下沉到托管基础设施的具体做法，读者可据此判断浏览器智能体处理付费资源时的改造范围。
Higgsfield 借助 GPT-6 Astra 把 AI 视频生成时长从 1 分钟延长到 10 分钟以上，并用 GPT-Image-2.5 提升画面精度，同时通过 GPT-Live 探索语音驱动的电影制作路径。
GitHub 公开其密钥检测新方案：用两阶段流水线替代此前基于 LLM 的流程，先用正则生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭据。
相比旧 LLM 流水线，用户对告警的接受度提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本降低逾 98%，并让通用密钥检测得以扩展到推送保护阶段。
Amazon Bedrock 的托管权益（managed entitlements）支持从中心账户一次性订阅 AWS Marketplace 私有定价优惠（MPPO），再把第三方模型访问权限分发到组织内多个 AWS 账户。
Liquid AI 发布 LFM2.5-24B-A2B，这是一个 24B 总参数、每 token 仅 2B 激活参数的推理模型，面向端侧私有智能体，会先推理再作答并支持工具调用。
24B 总参数仅 2B 激活的推理模型，给出端侧速度与工具调用基准，可据此判断本地智能体的可行边界。