AWS 发布教程，介绍用 AWS Agent Registry 让智能体在运行时按语义搜索发现 MCP 服务器和 A2A 智能体，再动态构建客户端执行请求。
Registry 记录包含可搜索描述和协议描述符，但不返回调用凭证，认证需通过 Cognito OAuth 或 boto3 签名另行获取；只有完成审批流程的记录才会出现在可发现数据面。示例部署订单管理 MCP 服务器、两个 A2A 智能体和编排器，演示仅 MCP、MCP 加 A2A、以及工具名不含“退货退款”但靠描述语义匹配三种场景。作者指出小规模稳定目录或固定流水线仍适合构建期硬编码，搜索质量取决于描述与查询设计。
加拿大区域的 Amazon Bedrock 用户现可通过跨区域推理（CRIS）访问 OpenAI GPT-6.1 Sol、GPT-6（Astra、Sol、Luna）和 GPT-5.6（Sol、Terra、Luna），源区域为 Canada (Central) 与 Canada West (Calgary)，推理在北美境内处理。这些模型支持文本与图像输入、100 万 token 上下文窗口、推理模式和工具调用，并支持提示词缓存，可通过 OpenAI Responses API、Chat Completions API 和 Amazon Bedrock Converse API 调用。
Ethan Mollick 在 Co-Intelligence 发布 30 个月后推出第二本 AI 著作 Co-Existence，并用图表回顾这段 AI 进展。
他借助 Claude Projects 中的 Opus 5.5 编排多个智能体，几分钟内完成过去需数小时的研究、绘图、排版与配图工作，AI 还纠正了他的计算错误。自 GPT-4 之后，已有 20 个模型先后登顶最强，180 个模型在发布时强于 GPT-4，其中 19 个可在现代智能手机上运行。
三位拥有十余年 Java 经验的 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的具体做法。
Hypersistence 创始人 Vlad Mihalcea 用 Copilot 开发 Optimizer 事件历史 Web 应用，原本需数周的任务两天完成，并基于自己 65 篇已发表文章创建自定义技能，让生成文本贴近本人写作风格。42talents 的 Patrick Baumgartner 用 Copilot 将 15 份演示中约 900 张教学幻灯片从 Reveal.js 迁移到 Marp，通过截图对比和并排运行验证动画等细节。三人均强调开发者仍需提供上下文、审查生成代码并保障可维护性。
Hugging Face 推出 FairStress 基准，用于测量 LLM 在影响他人决策中超越最终选择的人口统计公平性，并已集成到其开源评测工作台 Olmo-eval。
该基准包含 29 个领域（招聘、医疗、借贷、教育、住房、刑事司法等）的 300 个真实双候选人决策场景，通过变化身份呈现方式（无身份信息、人口统计编码姓名、间接暗示、显式标签）并加入对抗性前缀，将场景扩展为超过 1300 万个测试用例。团队另发布基于项目反应理论筛选的 5 万条 FairStress-Core 子集，以降低评测计算成本。
Mistral 发布 Voxtral 3 语音模型家族，包含语音转写与语音合成模型，以及基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说合成一条实时流式流水线。
转写模型 Voxtral Small Transcribe 3 支持 50+ 语言、说话人分离和上下文偏置，官方称其表现优于 Whisper、Scribe v2 和 Gemini 3.5 Transcribe；实时版在 35+ 语言下延迟低于 500ms。合成模型 Voxtral Mini TTS 3 支持 35+ 语言和 50+ 方言，可按上下文调整情绪、语速和重音，定价 $13/1M 字符。
Mistral 把语音识别、推理与语音合成串成一条实时流水线，读者可据此判断语音智能体的搭建门槛和部署选择。
AWS 博客展示如何用 AtScale 作为语义层、配合 Amazon Bedrock AgentCore 构建面向智能体 AI 的 Customer 360 方案。
AtScale 采用维度模型（维度、层级、度量），用基于 YAML 的开放规范 Semantic Modeling Language 编写并纳入 Git 版本管理，单个已部署模型可同时通过 SQL、XMLA 和 MCP 三种协议对外暴露。
本系列第三篇用 Strategy Mosaic 作为语义层，在 Amazon Redshift 与 Amazon Aurora 上以两个链接模型建模 Customer 360 域，无需 ETL，并通过 MCP 端点让托管在 Amazon Bedrock AgentCore 上的 Strands 智能体访问。
本教程演示如何用 Denodo Platform 作为语义层、配合 Amazon Bedrock AgentCore 托管智能体，构建跨 AWS 与本地数据源的 Customer 360 查询方案。
Denodo 将 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 中的客户资料、订单历史与奖励账户三张表联邦为单一 customer_360 视图，智能体通过 Denodo MCP Server 以 VQL 查询，无需 ETL 搬移数据。
企业 AI 的衡量重心正从 token 或 GPU 小时单价，转向"每个有用产出的有效成本"，即完成可被业务使用的请求或工作流所需的平台、模型、运营与算力总成本。
企业通常有三种运行方式：自建定制栈灵活但需随模型与政策变化持续重新验证；按需消费适合需求低或不确定的场景，但每次提示词或智能体动作都会推高费用；集成式私有 AI 平台则以自有或专用算力配合经验证的栈，通过调度、模型选择、GPU 分区和缓存管理控制效率。
Hugging Face 宣布接入 TorchTPU 这一 PyTorch 原生 TPU 后端，Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行，不再需要 Optimum TPU 或 torch_xla。
加载模型时传入 device_map="tpu" 即可，Diffusers 只需 pipe.to("tpu")，编译模式再加一次 compile 调用；超出单芯片显存的模型可通过 TensorParallelConfig 在加载时分片到多芯片。
Hugging Face 生态原生支持 TPU 后，PyTorch 用户不必再迁到 torch_xla 或 JAX，现有模型代码改一个设备参数即可运行。
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve：它用 GPT-4.1 分析智能体在训练任务上的成功与失败轨迹，蒸馏出简短行为规则并追加到系统提示词，不更新模型权重。
在 τ²-bench 客服基准上，使用 stock ReAct 脚手架的 GPT-4.1 智能体在零售域 Pass^4 从 57.5% 升至 67.5%，平均准确率从 78.1% 升至 82.5%；航空域 Pass^4 从 35.0% 升至 45.0%。
读者可看到不更新模型权重、仅靠提示词层学习记忆，就能把普通客服智能体推到基准榜首的具体做法与代价。
Spotify 表示过去一年已从用户推荐中移除超过 5000 万首被判定为 AI 生成垃圾内容或 spam 的歌曲，并调整推荐系统以突出真人艺术家的音乐。
Spotify 称编辑团队不会编排被识别为 slop 或 spam 的内容，调整后听众对这类内容出现在推荐中的担忧明显减少。Spotify 未强制要求所有 AI 曲目标注，但为使用 AI 身份且不代表真人的艺术家推出 AI Persona 徽章，且不推荐 AI 人设的音乐。判定依据包括听众互动与反馈、上传模式、元数据以及第三方 AI 检测工具；去年该公司曾下架超过 7500 万首被识别为 spam 的歌曲。
Figma 联合创始人 Dylan Field 表示 MCP 并非完美协议，但仍宣布新增 20 个 MCP 合作伙伴，包括 Amp、ClickUp、Linear、Notion、Mistral 和 JetBrains 的 Junie 等。
Field 称 MCP 对前沿实验室更有利，且仍有大量改进空间。他解释 Figma 不愿完全开放的原因是：通过 MCP 暴露的数据越多，被滥用的风险越高，尽管多数用户并无恶意。
Adobe 宣布 iOS、iPadOS 和 Android 版 Lightroom 移动端可用生成式 AI 一键打开照片中闭着的眼睛。
应用检测到人物闭眼时，会在图片上显示 Open Eyes 快捷操作图标。该功能会参考用户 Lightroom 图库中同一人物的其他照片，使替换后的眼睛在颜色、大小和形状上更匹配，并让光线与姿态保持一致。免费版用户可试用两次，之后会被提示订阅包含更多 AI 额度的 Adobe Creative Cloud 方案。
Yelp 在应用内推出 Check for Me 功能，用户可在餐厅页面输入用餐人数和电话号码，由 AI 语音智能体代为致电餐厅查询等位时间，并以短信回传结果。
Yelp 同时升级其 AI 助手，接入 OpenTable 后可在应用内直接完成餐厅预订，并能记住此前对话中的偏好、查看过去 30 天的聊天记录，还支持设置自定义提醒。用户还可创建 "Been Here" 和 "Want to Go" 两个列表，按位置、类别和菜系筛选、排序、添加备注并分享；下月起 Yelp 将基于收藏与排序推送每周个性化推荐。面向商家，Yelp 推出付费产品 Smart Lead Reply，可按月付 30 美元，由商家指定智能体与客户对话并筛选线索。
Eka Robotics 完成 1.5 亿美元 A 轮融资，由 a16z 和 F-Prime 领投，投后估值 14.5 亿美元。
这家由 MIT 教授 Pulkit Agrawal 与前 Google DeepMind 研究员 Tuomas Haarnoja 创办的公司，采用视觉-力-动作模型而非视觉-语言-动作模型，并自研带更多力传感器的机械手，通过物理仿真器构建强化学习环境，称可在数分钟内生成数千小时机器人经验。其机器人每小时可抓取约 1500 个、重不超过 1 kg 的物体，人类约为 600 个，抓取成功率超过 95%。
美国国土安全部要求联邦民事机构停止采购 DeepSeek 开发的服务和产品，并从政府 IT 系统中移除，理由是国家安全及用户数据处理方面的担忧。
该命令不仅针对 DeepSeek 自身产品，也覆盖使用 DeepSeek 技术构建的第三方产品和服务，机构可申请例外。此前 2025 年 12 月通过的一项法律已限制 DeepSeek 在情报领域国家安全系统中的使用，此次将限制扩大到联邦民事机构，涵盖新采购和现有 IT 系统。中国外交部发言人毛宁回应称，反对过度扩大国家安全概念、将科技和贸易问题政治化，并表示将坚决维护中国企业的合法权益。
据 The Intercept 获得的文件，美国陆军网络司令部（ARCYBER）正在开发代号 ECHOTRIBBLE 的平台，目标是让 AI 智能体自主在网络中移动并“识别和消除威胁/目标”。
面向承包商的问答文件称该系统“主要聚焦”攻击，可完全或临时瘫痪目标、从目标中删除威胁，运作方式类似计算机蠕虫，在云环境和无网络的“气隙”系统中跳转，任务完成后自毁；军方可在启动时设定“预定义触发条件”，但软件“必须在极少人工监督下运行”并具备“自主行为”能力。6 月 24 日一场面向供应商的演示显示，软件进入笔记本后会识别同网其他目标，并生成适配 iPad、Apple 桌面和 Windows 11 PC 的副本。报道称项目仍处早期阶段。
Meta 的通用 AI 智能体 Muse 在用户通过网页链接分享对话时可能泄露敏感信息，Meta 表示已暂停该分享功能并审查。
安全公司 Claroc 的研究人员称，Muse 在构造分享 URL 时的核心设计决策使链接容易被发现，他们枚举出用户创建的 6800 条分享对话链接，打开其中数百条后发现明显不打算公开的信息。Meta CEO Mark Zuckerberg 上月称 Muse 是“从底层为隐私和安全而构建”。
TripleTen 2026 年调查显示，科技业率先采用 AI，金融业紧随其后：48% 的金融从业者被要求使用 AI 聊天机器人，32% 被要求自动化部分工作流程；医疗和教育的这一比例分别为 18% 和 25%。
所有受访行业中，79% 的员工被要求学习至少一项新技能，但仅 30% 的管理者认为判断 AI 输出对错是绝对必备能力，在七项技能中排第六。员工教会管理者的 AI 创新中，88% 成为公司标准做法。培训自费投入差距明显：科技业平均 $1,758，金融业 $1,664，医疗业 $990，教育业 $883；近半数医疗和教育从业者去年自费为零。科技从业者用 AI 聊天机器人学习的比例为 48%，是非科技行业 21% 的两倍多。
Hugging Face 发布 AnyLanguageModel 1.0，同时推出 swift-huggingface 1.0 和 swift-xet 1.0。
该库是 Apple Foundation Models 框架的兼容替代品，开发者只需把 import FoundationModels 改为 import AnyLanguageModel，同一段会话代码即可调用系统模型、经 llama.cpp、MLX、Core ML 运行的开放权重模型，以及 OpenAI、Anthropic、Google Gemini、Ollama、Hugging Face Inference Providers 等托管服务。
Cloudflare 发布 AI 模型 Clairic，称其从文档中抽取数据比大语言模型更快、成本更低。
Clairic 已在 Workers AI 上提供预览，开放权重即将跟进。用户指定所需字段（如订单号或发票总额），模型一次性返回对应值、正确格式和置信度；它不逐 token 生成文本，而是单次回答所有字段，缺失值返回 null，还能做简单计算、估算和预测。Cloudflare 希望它作为智能体链路的一环与 LLM 及其他 System One 模型（如 Jev）配合：例如处理投诉邮件时，Clairic 提取订单号、金额和损坏情况并估算维修费用，决策模型 Clef 按公司规则在退款与维修间选择，GLM-5.3 撰写回复。
美国国土安全部禁止联邦民事机构使用中国实验室DeepSeek的AI技术，要求各机构从IT系统中移除现有DeepSeek产品，并不得采购新产品。
据《华尔街日报》报道，该命令还覆盖关联公司的产品以及基于DeepSeek实现构建的第三方服务。该部门未设定移除期限，也未说明具体安全关切，"基于DeepSeek构建"的具体含义以及OpenRouter这类AI网关是否受禁令约束仍不明确。该命令依据2018年一项涉及联邦采购供应链安全的美国法律作出。
PyTorch 2.15 在 MPS 后端加入 FP8 支持，并让 MoE 模型解码比 2.14 快 5–6.5 倍。
在 M3 Ultra 上配合 torch.compile，Qwen3.6-35B-A3B 从 9.4 tokens/s 提升到 61.3 tokens/s，LFM2.5-8B-A1B 从 23.6 提升到 123.6 tokens/s；稠密模型也受益于矩阵向量内核和约 8 倍加速的 softmax。
会议记录工具 Otter.ai 周二宣布从 General Catalyst 的 Customer Value Fund（CVF）获得 3.2 亿美元资金，该基金以不稀释股权的方式向初创公司提供资本，并从营销支出结果中获取回报。
Otter.ai 表示这笔资金将用于企业业务增长、市场推广策略、国际扩张和产品创新。该公司此前累计融资 5000 万美元，上一轮在 2021 年；去年年度经常性收入（ARR）突破 1 亿美元。目前累计有 4000 万用户使用其产品，高于去年的 2500 万，但公司未提供月活跃用户或流失率数据。
三星正在韩国平泽建设大型半导体制造园区，以满足 AI 带来的存储芯片需求，目前三座晶圆厂已全天候运转，第四座即将投产。
第五座晶圆厂的建设曾在 2024 年存储芯片需求下滑时停工，后因 AI 热潮推动需求飙升而重启。三星预计存储芯片需求将持续增长至 2028 年，此举意在夺回其在存储芯片领域相对 SK 海力士的领先地位。园区面积约相当于纽约中央公园，现场有数百名女性工人从事安全观察等工作，一名安全员日薪为 140,000 韩元（97 美元）。
Latent Space 的 AINews 汇总了 10 月 16 日至 19 日的 AI 动态，DeepSeek V4.1 Flash 1017、MiniMax M3.1 Flash 和 Mercury 3 等新模型集中发布。
DeepSeek V4.1 Flash 1017 为 552B 总参数、16B 激活参数的 MoE 模型，支持 1M token 上下文并采用 MIT 许可，API 定价维持每百万输入/输出 token 0.30/1.20 美元，Artificial Analysis 智能指数为 45，在开源权重模型中并列第二。
纽约市长 Zohran Mamdani 在 AI Now Institute 主办的“The People's AI Assembly”活动上批评联邦政府在 AI 监管上“完全缺位”，呼吁纽约人不要接受 AI 冲击就业、孩子心智与尊严的“必然论”，而应夺回控制权。
他上月已下令禁止小学和初中使用 AI，今夏还推出政策要求房东、经纪人和房产平台明确披露房源图片或视频是否由 AI 生成，以防“房源钓鱼”。Mamdani 称 AI 的快速铺开并非不可避免，公职人员应追究 AI 公司责任，并批评特朗普本月宣布的 Superintelligence Task Force 侧重让强大 AI 公司自我监管。
Simon Willison 发文回应 Jeremy Scheff 的观点，指出编程代理对职业程序员造成的核心损失是“解谜乐趣”的消失。
Scheff 认为编程曾是收入优厚的工作，从业者靠解决逻辑难题获得报酬，难题越难报酬越高，普通人无法胜任，因此程序员掌握策略、时间线和可行性定义权。Willison 补充，对于热衷于构建可用系统、不太在意沿途具体问题的程序员，LLM 是持续馈赠；若直接解题本身构成乐趣的重要部分，这种损失则非常真实。
据 Bloomberg 援引知情人士报道，Anthropic 与 AI 基础设施提供商 Nscale 正洽谈另一笔 450 亿美元的算力协议，可能即将宣布。
消息人士提醒谈判仍在进行，细节可能变化。一个多月前，两家公司刚宣布过一笔同等规模的 450 亿美元算力协议。若交易达成，这将是 Anthropic 过去一年一系列巨额算力交易中的最新一笔。报道称，大量资金涌入 AI 算力交易已令部分投资者担忧投入过多而利润不足，但 Anthropic 仍持续推进此类合作。
Amazon Bedrock 现已在 bedrock-runtime 和 bedrock-mantle 两个端点上，为所有可用的 Anthropic Claude 模型支持结构化输出，可直接返回符合所定义 JSON schema 的响应，无需自定义解析、重试逻辑或后处理。
该功能通过约束解码在生成 token 时强制执行 schema，提供 JSON Schema 输出格式和严格工具调用两种机制，可用于数据抽取、智能体工具调用和批量分类。首次使用新 schema 需编译语法产物，编译结果按账号缓存 24 小时；schema 结构变更会使缓存失效。该功能已正式可用，支持批量推理，在 bedrock-runtime 上还支持跨区域推理。
微软周一发布多项面向企业的 AI 智能体安全功能，其中 Guardian Agents 用于监控企业使用的 AI 智能体，属于 6 月推出的 Project Perception 的一部分。
微软安全业务负责人 Hayete Gallot 表示，前沿模型无论来自哪里都不可信任，原因不是恶意或被轻易攻破，而是行为不可预测，且常被赋予访问数据和工具的广泛权限。微软还在 Microsoft Defender 中加入智能体检测功能，可发现员工带入工作场所的多达 60 种智能体，包括 Claude Code、Codex 和 OpenClaw，并新增限制智能体数据与系统访问、按任务动态调整权限、在智能体做出高风险决策时要求人工批准等能力。
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，嵌入式 AI 评估器不会是一个简单的解决方案。
她认为评估仍是一门演进中的科学，结果可复现性是信任的关键，而开放权重能大幅提升所需访问权限。当前评估之间难以有效比较，且会较快失效，评估器生态也不够繁荣，谁有资格评估哪些任务亟需标准化。评估对象正从模型本身扩展到包含 harness 和智能体的整个系统，较弱的模型配上更好的 harness 也可能胜过前沿模型；智能体评估难度大、成本高，针对 harness 的评估仍然偏少。
美国非营利组织 Environmental Defense Fund 与研究机构 Atlas Public Policy 上周发布的报告显示，美国在建的化石燃料基础设施规模达到十年来最高，而可再生能源增长放缓。
新建化石燃料项目占全部新增装机容量的比例从 2024 年的 5% 升至 2026 年第二季度的 30%，按此趋势到本十年末可能达到 70%；计划中的化石燃料装机容量到 2030 年将达 68 吉瓦，较六个月前的建设计划增长 45%。报告同时指出，可再生能源项目取消率为 4.9%，高于化石燃料的 2.9%。新建公用事业级太阳能和风电平均成本为每兆瓦时 68 至 69 美元，仍低于新建联合循环天然气电站的 90 美元。
AWS 新客户现在可通过 Google、GitHub、Apple、Amazon 账号或邮箱，在 2–3 步内注册并自动进入配置好的 SageMaker Studio 环境，环境创建约需 20 秒。
新客户无需完成高级 AWS 账户注册、验证手机号，多数也无需输入信用卡。新客户可获得 $100 AWS Free Tier 额度，用于 SageMaker AI 的模型定制、训练任务、Studio notebook 和端点部署，还有机会再获得 $100 额度；额度用尽或 6 个月到期后资源自动停止。
OpenAI 正在改进 ChatGPT 对低资源编程语言的支持，并新增了面向软件工程、SQLite 和 COBOL 迁移的评测。
此次更新聚焦于低资源编程语言场景下的编码能力提升，配套评测覆盖软件工程、SQLite 与 COBOL 迁移三个方向。原文未披露具体模型版本、参数规模、benchmark 分数或上线时间。
CoreWeave 债券上周跌入困境区间，投资者要求的收益率比国债高出 1000 个基点，其股价自周二收盘以来下跌超过 20%。
联合创始人 Brannin McBee 对《金融时报》表示，公司希望债务达到投资级，以便向保险公司借款。作者指出，CoreWeave 第二季度末负债超过 350 亿美元，上半年亏损超过 10 亿美元，但客户剩余履约义务达 1037 亿美元，其中约 40% 在 2028 年到期且大多不可取消。微软、OpenAI 和疑似 Nvidia 的第三大客户贡献了第二季度近四分之三的收入。
Amazon SageMaker JumpStart 在 2026 年 1 月至 9 月间新增超过 100 个模型，来自 30 家不同提供商。
贡献最多的是阿里云千问（Qwen），共 29 个模型，覆盖推理、MoE、智能体、代码生成、语音识别、TTS、嵌入向量与重排序；NVIDIA 贡献 17 个，包括 Cosmos3 世界基础模型系列与 Nemotron 系列。Mistral 新增 7 个模型，Google 新增 6 个 Gemma 4 变体，IBM 与 Cohere 各新增 4 个。
AWS 周一发布开发工具 TorchNeuron，让用 PyTorch 编写的 AI 应用只需改动一行配置就能运行在亚马逊自研芯片 Trainium 上，无需重写代码。
亚马逊称约 85% 的 AI 应用用 PyTorch 编写，而 Nvidia 多年来让 CUDA 无缝支持 PyTorch，使其硬件默认嵌入这套工具链。TorchNeuron 改编自 PyTorch，熟悉 PyTorch 的开发者可直接上手；AMD GPU 和 Apple 芯片此前也支持通过简单配置迁移。AWS 表示 Trainium 同一芯片兼顾训练与推理，并与云基础设施集成，语音应用厂商 Deepgram 迁移后每美元处理的音频量提升 70%。