datasette-llm 插件发布 0.1a9，开始自动读取 LLM 使用的默认模型，用户无需再显式配置默认模型即可启动 Datasette Agent。
此前需要额外指定 `-s plugins.datasette-agent.default_model gpt-6-astra`，现在可直接用 `uvx --with datasette-agent datasette content.db --internal internal.db` 运行。作者表示 Datasette Agent 还有较大升级在推进中，此次只是底层插件的一处小型体验改进。
Arca 用 AI 智能体承担财富管理中的大部分后台工作，但交易和任何资金流动仍由人类顾问最终决定。
其智能体任务最长可持续十天，过程包含大量停顿、决策点和交接，因此 Arca 自建了按客户持久保存的内部记忆系统，记录已发生事项、近期待办、长期跟踪项及各项行动的责任人。模型方面，Arca 使用 Anthropic 和 OpenAI 等前沿实验室的模型，以 Claude 为主要供应商，并自建 harness 依据内部基准自动为任务挑选最佳模型，也便于更换供应商。
Amazon Bedrock 新增按 IAM 主体粒度的成本归因能力，推理费用会自动记到发起调用的 IAM 用户、角色、联邦身份或 API key 上，调用方 ARN 写入 AWS Cost and Usage Report（CUR）2.0 的 line_item_iam_principal 列，无需自建基础设施。
AWS 发布教程，介绍 Amazon Bedrock AgentCore runtime 的 Session endpoints 功能，让编码智能体在会话内运行 Vite 网站，开发者通过带认证的 URL 在浏览器中实时查看改动。
每个会话获得独立 URL，只转发 allowedPorts 中允许的端口，支持 HTTP/1.1、HTTP/2 和 WebSocket，每次请求都需 SigV4 签名或 JWT。示例中智能体在 8080 端口调用 Claude Haiku 5.5 修改文件，Vite 开发服务器在 8090 端口热更新页面，8081 端口提供 /status 路由。
据 Ars Technica 报道，Anthropic 在 Cursor 上的 VS Code 扩展被植入后门，持续时间接近 12 小时。
攻击者如何获取 Anthropic 经过验证的 Cursor 账号权限，目前仍不清楚。
Google 搭载 AI 芯片的 Project Suncatcher 卫星首次从太空生成响应，成功启动星上 TPU，让板载 Gemma 4 模型按提示写出一首关于身处太空的俳句，并测试了其他太空主题的打油诗和遥测提示。
该卫星本月早些时候入轨，属于 Google 探索最终把 AI 数据中心送入太空的实验计划。Google 表示下一步将测试 TPU 在轨道热应力和辐射暴露下的表现，验证 TPU 能在太空可靠执行工作负载，为 2027 年发射两颗互联卫星的下一里程碑铺路。
开发者用 NVIDIA Nemotron 开源模型搭建了万圣节互动投影装置 MonsterHouse：一扇会说话的车库门，能听懂敲门的孩子、用暴躁老海盗船的嗓音回话，并在访客说“please”时软化态度。
系统基于 NVIDIA Nemotron Voice Agent，由 Nemotron 3 ASR 负责语音转文字，Nemotron 3.5 Bolt E4B 4GB 生成回复，Magpie TTS Zeroshot 合成实时语音，Audio2Face-3D 在 Unreal Engine 5 中驱动嘴部动画，Nemotron 3 Nano Omni 配合 YOLO 与 ByteTrack 识别并统计访客。
Worldwide Express 基于 Amazon Bedrock 构建多智能体 AI 方案，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。
该方案由三个专用智能体分别处理发票匹配、价格差异和附加费核验，每个智能体在决策前检索对应承运商的计费规则与争议流程文档，同一套智能体无需承运商专属代码即可覆盖全部承运商。系统通过分析师使用的同一批 SpeedShip API 读写数据，并生成通俗语言的处置说明。初期由人工在 SpeedShip 界面逐条审批建议，准确率超过 99% 后改为批量审批默认开启。
ChatGPT 桌面应用现已在 AWS GovCloud (US) 的 Amazon Bedrock 上线，可通过 Work 和 Codex 两个组件访问 OpenAI 的前沿模型。
该配置面向安全架构要求模型推理使用 AWS GovCloud (US) 身份、端点和区域控制的企业，将 Codex 的模型请求经 us-gov-west-1 的 Amazon Bedrock Mantle 路由，并用 IAM 及现有网络控制管理访问。
Google Suncatcher 的原型太空数据中心已上线并与地面通信，该卫星本月早些时候随 SpaceX Falcon 9 火箭与 100 多艘航天器一同发射。
卫星搭载 4 块 Google TPU、发电功率最高 1 kW，但受功耗限制一次只能开启一块，约运行 20 分钟，这给天地通信增加了难度。经过约三周测试各子系统的调试流程后，地面工程师本周发出首个提示词，让预装在卫星上的 Google DeepMind Gemma 4 模型写一首关于身处太空的俳句，并让航天器报告周边轨道状况，Google 称卫星运行正常。后续测试将考察芯片在热应力和太空辐射环境下的表现，地面加速器测试显示辐射对推理负载影响较小、对训练影响更大。
Runware 计划在罗马尼亚工厂以汽车流水线方式量产模块化 AI 数据中心，目标到 2028 年实现日产 30 兆瓦算力容量，约合每月近 1 吉瓦。
该公司称其 Sonic 推理舱从下单到上线可在 48 小时内完成安装配置，建造时间也将从三周缩短至一天。客户可自备场地或由 Runware 选址，可租用算力或自带 GPU 并按月支付舱体与运维费用，电力和网络另行计费。Runware 表示过去一个月已获得 10 亿美元意向订单，对应超过 20 兆瓦容量，并正与电力供应商推进总规模 397 兆瓦、可扩展至 1.2 吉瓦的站点储备。新工厂预计明年初投产，随后扩展至美国等地区；公司迄今融资逾 6000 万美元，计划启动 B 轮。
Epsilon 的 Agentic Platform 团队用 Amazon Nova Act 搭配 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。
测试步骤改为自然语言指令，由 Nova Act 执行，对纯外观的 UI 改动更稳健，非工程师也能读懂。AgentCore Browser 提供隔离的临时浏览器会话，无需分发二进制或维护显示服务器，并支持实时查看与人工接管、会话录制到 Amazon S3 以及 AWS CloudTrail 审计。
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，在一致性校验通过前不判定 Java 移植版正确。
该引擎由共享方法论、机械式发现扫描器和八阶段工作流组成，全部打包为版本化的 Markdown 技能文件（php-to-java-migration 与 php-model-discovery），因此同一套方法既能在 Kiro 中以交互方式逐个应用运行，也能交给 AWS Transform 以智能体方式并行处理多个应用。核心规则是先发现后翻译：扫描器单遍运行、无依赖，对源码 token 应用三种发现策略并输出一份 JSON manifest，歧义项进入人工复核队列。
Simon Willison 推荐 Jacob Sansbury 介绍 Spawn 的文章。
Spawn 是一个多人游戏环境，玩家可以用提示词让游戏内智能体 Savi 修改游戏世界，Willison 在手机上试玩时用提示词生成了城堡和龙，并骑龙飞行。据 Jacob 描述，Spawn 现在由一群基于 Fable 的智能体自主开发，每月 token 成本超过 300 万美元，约为人力成本的 30 倍；智能体直接修改线上代码并每小时发布，约 60% 的工作来自生产错误、Savi 提交的 bug、日志异常或功能请求。团队把一小时没有发布视为最高级别的 SEV-0 事故，并能在 30 秒内回滚局部故障。
AWS Batch 为 Amazon SageMaker Training 作业新增配额管理调度能力，管理员可按团队、项目或工作负载把 GPU 容量划分为配额份额，并配置资源借还策略。
每个配额份额包含容量上限和 RESERVE、LEND、LEND_AND_BORROW 三种空闲资源共享策略，份额作为嵌套在作业队列中的虚拟队列运行。当借出容量的份额有新作业到达时，AWS Batch 会执行跨份额抢占回收资源；开启份额内抢占后，高优先级作业可抢占 SCHEDULED、STARTING 或 RUNNING 状态的低优先级作业。
MoEngage 借助 Amazon Bedrock AgentCore 的 AgentCore Gateway，把约 400 个部署在私有 VPC 中的内部 REST API 转成按权限限定的智能体工具，节省约六个月的平台工程投入，新 API 接入从数天缩短到数小时。
这些 API 由 25 个工程团队开发，分布在七个 AWS Region，且不暴露于公网。MoEngage 放弃为每个团队单独搭建 MCP server 的方案，因为 20 多个 MCP server 会带来部署、补丁和协议兼容负担；改为团队只维护 OpenAPI spec 并声明哪些操作应成为工具，MCP 层由 AI 平台团队统一负责。
NVIDIA Nemotron 3.5 Super VL 已加入可在 AWS 上使用的 Nemotron 3 系列模型，这是一个 120B 参数的 MoE 多模态模型，每个 token 激活 12B 参数，支持文本、图像、文档和视频输入。
该模型从 Nemotron 3 Ultra 蒸馏而来，采用混合 Mamba-2、MoE 与注意力层架构，上下文长度最高 1M tokens，提供 BF16 和 NVFP4 两种 checkpoint，并公开权重、训练数据集与后训练配方。NVIDIA 报告其在 Hermes Bench 得分 63.44%、LangChain agent 评测 87.05%、CharXiv 图表推理基准 80.8%。
AnySpeechRecognizer 与 AnyDecisionModel 两个 Swift 包发布，让开发者在 Apple 平台上按需切换本地模型完成语音识别和决策任务。
AnySpeechRecognizer 沿用 Apple 的 SpeechAnalyzer API，可选用 NVIDIA Parakeet（支持 25 种欧洲语言）或阿里 Qwen3-ASR（支持 30 种语言和 22 种中文方言），并新增基于 Streaming Sortformer 的说话人分离，最多跟踪 4 位说话人。
Supabase 联合创始人 Paul Copplestone 和 Ant Wilson 首次共同做客播客，解释 AI 智能体为何偏爱 Supabase 作为应用后端。
在前沿模型的 AEO 追踪中，Supabase 几乎是各模型应用后端的首选。Supabase 在 Select 活动上按 Build、Operate、Scale 三类发布更新，包括无需 Docker 的本地运行 alpha 运行时、用 Git 保存声明式 schema，以及处于 private alpha 的 Supabase Compute，可在数据库旁运行容器处理文档切分、生成嵌入向量等长任务。
AWS 博客介绍 QA Studio 新增两项能力：以“应用”为单位组织测试并汇总健康指标，以及基于团队的用户权限管理。
每个应用绑定一个团队，测试用例与测试套件随应用继承归属；应用页展示所选窗口的通过率、执行次数、失败数和 0–100 健康分，健康分从通过率出发并对不稳定测试扣分。指标页支持 7 天按小时、30 天按天查看执行、成功、失败与平均耗时趋势，并可按环境过滤，另提供不稳定测试排名和最近失败列表，失败可直接跳转到 Amazon Nova Act 的轨迹日志与录屏。权限分 Admin、Team Lead、Editor、Executor、Viewer 五级且逐级累加，Admin 为全工作室角色，其余按团队分配。
AWS 发布 Ray Train Deep Learning Container（DLC），把 CUDA、PyTorch、NCCL、EFA 用户态库、AWS OFI NCCL 插件和 Ray 打包成同一个镜像，免去团队自行构建与对齐训练容器的工作。
该镜像发布在 Amazon ECR Public，示例使用的标签为 train-ml-cuda-v1.1，内含 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 及 EFA 相关库。
AWS 发布基于 Amazon Bedrock 与 AgentCore 的企业级 Agentic AI 平台蓝图，采用联邦式运营模型，由中央平台团队提供受治理的共享服务，各业务团队保留对自有智能体、工具和数据的归属。
蓝图以 Workstream cell 为扩展单元，通过四个相互连接的平面组织：开发者体验、平台控制、Workstream 执行、保障与运营。平台要求所有推理请求经批准的推理网关，统一施加 Amazon Bedrock Guardrails 等护栏、限制可用模型与区域，并按 Workstream 执行速率限制、token 配额与预算；工具调用须经认证的 MCP 网关，使用最小权限角色。
OpenAI 在柏林 DevDay Exchange 2026 上表示，AI 助手 Dots 预计"几周内"在欧洲更广泛上线，目前欧洲经济区、瑞士和英国的 Personal Pro 账户仍无法使用，部分企业账户已可访问。
OpenAI 称德国 Codex 周活跃用户自 2026 年 1 月以来增长 20 倍，但未公布绝对数字；近五分之一的桌面用户会用 skills 处理文档、演示和表格。管理层称客户几乎没要求视频序列理解能力，因此未优先开发；Sora 视频生成器于 3 月因资源需求过大关停，未排除日后重启。
Latent Space 访谈邀请 Anthropic 的 Katelyn Lesse 和 Angela Jiang，讲解 Claude 平台背后的工程实践，包括 Opus 5.5 的发布、把模型“大脑”与智能体“双手”分离、扩展 API，以及构建可靠的托管智能体。
节目还讨论了 Anthropic 的 S-1、改进与投资循环，以及平台为何重要。访谈涉及托管智能体的解耦设计、Claude 的隔离与凭据和网络控制、长时运行智能体的 harness 如何在多个上下文窗口间保持进度，以及用 Rust 重建 Messages API 和 CPU 约束下的扩展问题。
Latent Space 播客对话 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang，讨论 Opus 5.5 的发布流程与 Claude Managed Agents 的架构设计。
团队把智能体的会话日志与执行代码的沙箱分开，沙箱按需创建，失败不会带走整个会话；生成代码运行的沙箱不持有服务凭证，凭证单独保存并通过代理接入。嘉宾称早期把整个编码智能体放进沙箱会增加首次响应前的启动开销，拆分后可以同时追求更低延迟和更好可靠性。
Exowatt 借助 Amazon SageMaker AI 的无服务器模型定制，为边缘告警分诊和云端能源市场分析构建了可复用的微调流水线，模型精度超过前沿模型，成本最高降低 49 倍。
该方案先基于 Qwen3-1.7B 做边缘告警分诊，再以同样方法对 Qwen3-14B 做云端能源市场分析，微调采用 LoRA 与 SFT。流水线串联 S3、SageMaker 无服务器微调与评估、Model Registry、Bedrock Custom Model Import 及 Lambda 与 EventBridge，无需管理实例、集群或端点。
Property Finder 发现其评估数据集中 96.8% 的标签直接沿用了现有视觉语言模型的预测结果，而非人工核验，导致任何替代模型在比较中都处于结构性劣势。
该团队在将视觉 AI 负载迁移到 Amazon Bedrock 上更具成本效益的方案时，改为由具备房地产领域知识的专家独立标注 356 张阿联酋图片，并将单标签分类改为多标签分类，以消除人为歧义。随后他们用 Micro F1 在 256 张专家标注的开发集上评分，通过从 v0 到 v27 的提示词迭代优化选择模型，最终在 Amazon Bedrock 上实现更高准确率、成本降低 86%。
AWS 宣布为 Amazon SageMaker AI 训练和处理作业提供 Seekable OCI（SOCI）索引，容器镜像不再需要完整下载即可启动，作业启动时间从数分钟降至数秒。
SageMaker AI 会自动检测镜像是否带 SOCI 索引：有索引则懒加载、先启动容器再后台流式拉取其余文件，无索引或索引读取失败则回退为标准下载，不影响作业运行。用户可直接使用预索引的 AWS Deep Learning Container，或为自己的镜像添加索引，无需改动作业定义、入口或数据通道。
General Compute 完成 1 亿美元 A 轮融资，由 Blackbird Ventures 和 Abstract Ventures 领投，投后估值 8 亿美元，而该公司在 5 月种子轮后的估值仅为 6000 万美元。
这家 neocloud 不走 GPU 路线，而是用 Nvidia 竞争对手的推理专用芯片搭建云服务：已达成 4 亿美元协议采购 SambaNova 新芯片，这是推理芯片首次债务融资，并将 Positron 和 Cerebras 纳入芯片供应商名单。一笔年经常性收入 1 亿美元的大客户订单为这轮融资铺平了道路。
Opera 推出名为 WebAI 的新网页标准，让用户在其浏览器中直接运行 AI 模型，无需依赖云端。
该标准不绑定特定模型，支持多种开放权重模型，例如 Google 的 Gemma，在 Mac 上还支持 Apple 的设备端基础模型。该功能已在旗舰浏览器 Opera One 中以早期预览形式开放，用户需主动选择启用，Opera GX 和 Opera Neon 也将陆续支持。Opera 称本地运行可让用户无需 AI 订阅、数据留在本机，开发者也不必自建 AI 基础设施或按请求付费；但本地运行会加重设备负担，模型表现取决于硬件。
制造业的“工业智能”由员工经验、运营数据与业务理解共同构成，当前的机会是把这些分散的知识送到每个决策现场，并与物理生产环节连接。
Rockwell Automation 在新加坡工厂用维护 copilot 整合制造数据、设备手册与老员工经验，把新员工学会排查数百台机器故障的时间从九个月缩短到三个月。Toyota Industries 打通原本割裂的涂装车间数据后，分析周期从五天降到四小时以内，试点中相关涂装缺陷减少约 25%。Physical AI 让系统感知工况、推理并执行动作，例如视觉判断零件位置后由模型决定移动方式、再由控制系统在验证过的限值内调整。
Nvidia 参与印度创企 Simplismart 的 1400 万美元 B 轮融资，本轮由 Dallas Venture Capital 领投，Accel、Shastra VC 和 Micromax 跟投，投后估值约 1 亿美元。
Simplismart 的软件位于 AI 模型与算力基础设施之间，自动调整模型部署方式，优化响应速度、请求吞吐和算力消耗，让企业更充分利用现有 GPU 资源。其客户 InVideo 称借助该软件将 GPU 服务成本降低 56%，HeyGen、Higgsfield、Ema 及印度云厂商 Yotta 也在使用。公司年化收入运行率过去六个月增长 14 倍至八位数，超半数收入来自美国。
对 webframe 的评测显示，它是一个快速轻量的浏览器 JavaScript 运行器，适合网页抓取，性能与 shot-scraper 相当，但存在 CSP 失败、0×0 视口、加载挂起、缺少 HTTP 元数据和浏览器控制能力有限等明显问题。
webframe 是 Jeff Lindsay 的小型项目，可把网页当程序运行：指向 URL 或文件后在隐藏的无头 WebView 中执行，将 console.log() 输出到标准输出、异常输出到标准错误。
文章介绍如何用 AWS CDK 在托管 Amazon Bedrock Knowledge Base 上部署企业级智能体检索系统。
托管知识库（Type: MANAGED）由 Amazon Bedrock 负责数据摄取、存储、索引和检索，默认使用服务托管模型完成嵌入与重排序，用户无需再创建、扩展或按 OpenSearch Compute Units（OCUs）付费购买 OpenSearch Serverless 集合与索引。AgenticRetrieveStream API 将多轮规划、工具驱动检索和带引用的答案作为服务原生能力提供，且智能体检索仅在托管知识库上可用。
在 Amazon Bedrock 上调用 OpenAI 模型时，提示词缓存可让智能体复用已处理的输入前缀，避免每一轮都按全价重读工具定义、指令和历史。
模型每次请求都要重新预填充全部输入 token 并构建 KV 向量，缓存则保存该状态，后续请求只处理新增内容。缓存分隐式与显式两种：隐式由 Bedrock 自动决定可复用前缀的终点，显式通过 prompt_cache_breakpoint 标记边界，两者可结合使用。可复用前缀需达到 1,024 token；测试中约 4,000 token 的工具与指令前缀首次写入 4,120 token，后续请求直接读取同样数量。
AWS 发布基于 Amazon SageMaker Python SDK v3 的整厂计算机视觉模型生命周期管理方案，用 SageMaker Neo 取代已弃用的 SageMaker Edge Manager 做边缘优化。
方案以单条 SageMaker Pipeline 按摄像头训练：并行预处理并拉取该摄像头上一版已批准模型，分别训练小型卷积自编码器做异常检测、微调 ResNet18 分类器确认缺陷，各分支导出 ONNX 并在留出数据上评估，通过质量门后经 SageMaker Neo 编译为目标边缘设备产物，才注册进 SageMaker Model Registry。
Supabase 联合创始人 Paul Copplestone 和 Ant Wilson 在访谈中提出，要为 AI 智能体大量生成应用的世界设计后端基础设施。
他们介绍了 Supabase Compute，可在数据库旁运行长期工作负载；Multigres 提供高可用 Postgres 基础设施，目前处于私有 alpha 阶段；Supabase 还收购了 Turso，以拓展 scale-out 能力。讨论还涉及让 schema 更易被智能体理解、Postgres 可靠性与扩展、开源与社区驱动分发，以及 Supabase 内部如何使用 AI。访谈录制于 Supabase Select 2026 之前。
据 Bloomberg 报道，Jane Street、Hudson River Trading 等高频交易公司正竞相争夺 AI 算力，大公司投入数十亿美元用于云合同、初创公司和自建数据中心。
一位高管估计，当前算力支出是 ChatGPT 发布前的十到二十倍。XTX Markets 正在芬兰建设数据中心，Jane Street 在得克萨斯州运营的数据中心拥有超过 4000 块 Nvidia GPU。
Anthropic 表示，单个按需加载上下文的智能体在质量、成本和延迟上常优于多子智能体架构，并已在 GitHub 发布迁移工具包，帮助团队评估和切换。
从 Opus 4.5 起，以及 Opus 5.5 和 Fable 5.1 等较新模型可直接在单个循环中管理复杂计划；在一次对比中，单智能体架构运行速度约为多智能体方案的两倍。Anthropic 建议把工作流打包成技能、通过工具搜索按需加载工具，由小型中央团队维护系统提示词；当单个智能体的上下文窗口出现可测量的性能下降、需要并行运行多个任务或工具选择困难时，子智能体仍有必要。Anthropic 还提醒不要盲目合并，其一次客服智能体测试中，并入子智能体虽降低了延迟，却破坏了原有流程。
一项研究对比 Claude Code、OpenCode 和 mini-SWE-agent 三个编码智能体框架，发现框架切换带来的成绩变化与同一配置重跑一次的波动相当。
研究用 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型在 SWE-bench Verified 的 45 个最难任务及 447 个任务池上测试，同一配置重跑成绩可差 6 分，换框架时任务级结果翻转率同为 13%，换模型则升至 22%。唯一显著差异是 OpenCode 在大任务池落后最多 9 分，约一半源于输出超限后不续写。