Amazon Bedrock、AgentCore 与 Strands 9 月更新汇总
Amazon Bedrock 在 9 月新增 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型，其中 GPT-6 Astra 支持最高 100 万输入 token，Ultrafast 版本推理速度最高提升 6 倍、达每秒 300 token。
#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 披露其 Agent Mode 在 Amazon Bedrock 上的生产架构，用于支撑 4000 万开发者的 API 测试、文档、发现与实现工作。
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4242 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成本降低 76 倍、速度提升 5 倍，从而为客户提供能力更强的模型。
NVIDIA BlogAI 评分3838 NVIDIA Omniverse 如何用前沿 AI 智能体把想法变成仿真应用
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。
AnthropicAI 评分5252 天体物理学家用 Claude Science 绘制首张完整紫外天图
天体物理学家 Brice Ménard 与 Claude Science 合作，制作出首张完整的紫外天图。此前天文学家已绘制从射电到伽马射线的全天图，但大片天空区域从未在紫外波段被观测过。
AWS Machine Learning BlogAI 评分4141 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，并已把端到端按次付费推理流程投入生产。
OpenAIAI 评分5252 OpenAI 公布 ChatGPT for Teens 进展并预览 College Planner
OpenAI 分享 ChatGPT for Teens 的进展，这是面向 18 岁以下用户的 ChatGPT 体验，同时预览 College Planner、新的学习工具，以及对大学顾问和青少年声音的支持。
AWS Machine Learning Blog精选AI 评分7171 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。
推荐理由：文章给出 Haiku 5.5 在 Bedrock 上的接入方式与成本定位，可据此判断它在多智能体分层中的分工。
NVIDIA Blog精选AI 评分7474 NVIDIA 与 Microsoft 发布 RTX Spark 笔记本及 Windows 智能体基础设施
在旧金山 Microsoft 活动上，NVIDIA 与 Microsoft 公布面向 Windows PC 的智能体软硬件方案：Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers（MXC）正式可用，让智能体在系统控制下安全持久地在后台运行。
推荐理由：NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力一并给出，读者可据此判断本地智能体的落地条件。
Microsoft Research精选AI 评分8080 微软研究院开源 Agent Lightning v1.0：3500 行轻量智能体 RL 框架，直接训练真实 harness
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 RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的同一 agent harness 直接参与强化学习，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，用约 3500 行代码把真实 harness 直接接入 RL 训练，并给出可复现的编码智能体训练结果。
AWS Machine Learning BlogAI 评分2222 超越节省工时：如何为智能体自动化构建商业论证
AWS 提出 Agentic Value Model，用于替代为 RPA 设计的传统 ROI 模型，从时间节省、异常处理、决策质量、变更韧性与维护成本四个维度衡量智能体自动化的价值。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能计入 P&L，并以理赔分诊流程为例演示如何分池计算收益。
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，为全球超 4 万家客户提供带来源引用的企业级问答，自 2026 年 2 月正式可用后，其 Discovery Agent 已为客户发现超 10 万条洞察。
OpenAI NewsAI 评分2626 OpenAI 为 ChatGPT for Teens 推出 College Planner 与学习功能
OpenAI 为 ChatGPT for Teens 推出 College Planner，帮助学生管理大学申请，同时上线新的 flashcards 和 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、比较并预订酒店。
Microsoft ResearchAI 评分2222 Microsoft 研究：AI 评测如何暴露传统 benchmark 之外的"意外失败"
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测对推动 AI 系统性能边界的作用，以及模型在超出传统 benchmark 测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的经历，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应仔细审视数据。
GitHub Blog · AI & ML精选AI 评分5858 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方式与评测口径，读者可据此判断自家审查智能体的强弱与取舍。
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 智能体而非只是使用它，不轻信 AI 的第一次回答，以及用 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6262 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，面向编码、企业知识工作和网络安全防御等复杂工作流。该模型当天起通过 Fairwind Program 向一批可信测试者开放。
推荐理由：Gemini 4 Argon 面向编码、企业知识工作与网络安全防御，并给出可信测试者的开放路径。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步面向开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元。
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成绩和分阶段开放路径，可据此判断前沿模型的能力边界与落地节奏。
OpenAIAI 评分2222 OpenAI 报告：小企业如何用 AI 智能体
小团队正借助 AI 承担更多工作——从寻找客户到打造产品、管理财务。 我们的新报告探讨了小企业如何让 AI 智能体投入实际工作。通过与 @ASBDC 的新合作，我们带来实操 AI 培训和本地指导，帮助更多企业主上手。 https://openai.com/index/helping-small-businesses-put-ai-to-work/
OpenAIAI 评分00 OpenAI 推出 GPT-6 Astra 驱动的 dots
推出 dots，由 GPT-6 Astra 驱动。 能力出众、始终在线的智能体，为处理一切事务而生。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可自定义的双向界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求，agent 即可生成看板、发布清单或仪表盘等界面。canvas 会保存为扩展，可随项目共享或作为个人扩展复用，社区已在 Awesome Copilot 分享现成扩展。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub 认为 chat 并非与 LLM 交互的最佳界面，在 GitHub Copilot app 中推出 canvas——一种运行在应用内、无浏览器外壳的全栈应用，可与 Copilot agent 双向通信并调用本地代码和第三方 API。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Security Lab 发布基于 Taskflow Agent 的 AI 模糊测试流水线
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，基于其 Taskflow Agent 框架构建。
推荐理由：GitHub Security Lab 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。
OpenAI精选AI 评分8282 OpenAI 为 ChatGPT Voice 加入插件支持与 GPT-6 Astra、Sol、Luna
OpenAI 宣布 ChatGPT Voice 更新：可调用邮箱、日历和 Slack 等插件，并由 GPT-6 Astra、Sol 和 Luna 驱动。该功能同时可在网页端和移动端的 ChatGPT Work 中使用，用户通过语音即可创建文档、演示文稿、网站和表格，或在浏览器中处理复杂任务。更新即日起随最新版应用在全球推送。
推荐理由：ChatGPT Voice 接入邮箱、日历和 Slack 等插件，并进入 ChatGPT Work，读者可据此判断语音入口能承接哪些实际任务。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 代码、RAG 是否已死、Skills 是否杀死 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门论断：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；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接口，二者可组合使用；RAG 并未消亡，它让模型基于训练数据外的文档、内部知识和代码库上下文作答，与 Agent、Skills、MCP 可共存于同一工作流。
Meta AI精选AI 评分6060 Meta 的 Muse 登陆 Mac，个人智能体可在电脑上代做任务
Meta 宣布 Muse 即日起在 Mac 上线，用户可在自己的电脑上直接让这个个人智能体完成任务，且所有操作都需用户明确授权。官方给出的示例包括整理下载文件夹、找回找不到的文件，以及汇总消息和笔记，并称后续还会增加更多能力。
推荐理由：Meta 官方公布 Muse 登陆 Mac，并列出个人智能体在本地可完成的三类任务与权限前提。
Meta AI精选AI 评分5858 Meta 发布个人 AI 智能体 Muse 并公开安全设计
Meta 发布个人 AI 智能体 muse.ai，并同步发布一篇关于其系统安全设计的深度解析。Meta 表示，这类会随时间逐渐了解用户的智能体必然掌握大量用户上下文，这既是其价值来源，也是他们把 Muse 设计为安全、私密的原因。完整安全解析见 security.muse.ai。
推荐理由：Meta 官方发布个人 AI 智能体 Muse，并同步公开其安全机制设计，可了解智能体长期记忆与隐私的取舍。
Meta AI精选AI 评分7070 Meta 发布个人智能体 Muse，由 Muse Spark 1.3 驱动
Meta 发布个人智能体 Muse，由 Muse Spark 1.3 驱动，可在生活各方面替用户完成任务。官方同时给出介绍页面，展示 Muse 的构建过程与具体能力，并引导用户下载 Muse 应用。
推荐理由：Meta 官方发布个人智能体 Muse 并给出构建细节入口，可据此了解其能力定位与开放方式。
Meta AI精选AI 评分6262 Meta 的 AIRA₃ 在 NVIDIA Kaggle 竞赛中获第 8 名摘金
Meta 表示，为检验其推进 AI 研究前沿的进展，6 月将下一代自主 AI 研究系统 AIRA₃ 投入 NVIDIA 在 Kaggle 举办的实时竞赛，任务是对一个 30B Nemotron 模型做微调，教模型更好地推理，所有参赛者信息相同并由外部在私有测试集上评分。
推荐理由：Meta 官方披露 AIRA₃ 在 Kaggle 微调竞赛中击败人类队伍，可观察自主研究系统在真实评测中的表现。
Meta AI精选AI 评分6262 Meta 在 Muse Code 和 Meta Model API 上线 Muse Spark 1.3 max 推理档
Meta 宣布 Muse Spark 1.3 的 max 推理档已在 Muse Code 和 Meta Model API 上线。被引用的发布者表示，Muse Spark 1.3 max 在编码和智能体任务上表现明显更强，建议即使试过 high 或 xhigh 档的用户也尝试这一档。
推荐理由：Meta 官方发布 Muse Spark 1.3 max 推理档，读者可了解它在编码与智能体任务上的定位及可用入口。
Meta AI精选AI 评分6262 Meta 发布 Muse Spark 1.3，提升智能体与编码任务表现
Meta 发布 Muse Spark 1.3，在智能体与编码任务上性能提升，并强调真实场景可用性。新版本可在单一线程中持续处理多个工作流的长周期任务，会更主动地与用户协作，包括提出澄清问题、在卡住时提示、在执行有后果的操作前确认，同时对其自身能力边界有更好的校准，减少编造结果。内部对比显示，相比 Muse Spark 1.2，工具调用减少约 20%，token 消耗减少约 25%。
推荐理由：官方给出 Muse Spark 1.3 在智能体与编码任务上的能力变化，以及工具调用和 token 消耗的对比数据。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型
Google DeepMind 发布两款新 Gemini 模型，用于扩展 AI 智能体并保障代码安全。其中 3.8 Flash 被称为其迄今最智能的模型，在软件工程、智能体任务和多步推理上相较 3.7 Flash 有明显提升；3.8 Flash Cyber 是其能力最强的网络安全模型，具备前沿水平的漏洞检测与自动修补能力。
推荐理由：官方给出两款 Gemini 新模型在软件工程、智能体任务与漏洞检测上的定位，便于判断能力边界。
Google DeepMind精选AI 评分6060 Google DeepMind 为最新 Gemini 模型带来智能体视频理解
Google DeepMind 宣布为最新 Gemini 模型加入智能体视频理解能力，模型分析视频的准确率更高，同时最多可减少 88% 的 token 消耗。
推荐理由：官方给出 Gemini 视频理解在准确率与 token 消耗上的变化，可据此判断多模态推理成本走向。
Meta AIAI 评分4040 Meta 预览 WildArtifactBench 智能体评测框架
Meta 预览内部评测框架 WildArtifactBench，用于评估智能体在多样交付格式下的复杂真实任务。该框架采用人类与智能体偏好评判的胜率和 Elo 分数，而非严格的标准答案评分标准，从而扩展了实际多模态工作流的任务覆盖范围。Meta 已从该基准中开放 10 个任务，以衡量多模态智能体的实际效用。
Meta AI精选AI 评分5858 Meta 发布 Muse Spark 1.2，支持视觉转代码与机器人导航等多模态任务
Meta 发布 Muse Spark 1.2，支持从视觉生成可运行代码、将感知转化为物理动作，并具备音视频理解能力以应对企业级视频工作流。官方同时公布了新的评测与演示，展示该模型在视觉理解与推理上的覆盖范围，其中包括解析多模态观测并调用工具引导机器人在非结构化环境中寻找橡皮鸭。
推荐理由：Meta 官方给出 Muse Spark 1.2 的多模态评测与演示，可了解其在视觉理解与工具调用上的能力边界。
Meta AI精选AI 评分7171 Meta 发布 Muse Glimmer：30B 开源权重模型，面向本地常驻智能体
Meta 发布 Muse Glimmer，一个 30B 参数的开源权重模型，面向本地常驻智能体工作流。该模型在关键智能体用例和基准上表现优于同尺寸领先模型，可完全运行在 Mac 或配备高性能 GPU 的 PC 等消费级硬件上。模型权重以宽松的 Apache 2.0 许可发布。
推荐理由：Meta 开源 30B 端侧智能体模型，可据此判断消费级硬件上常驻 Agent 的可行边界。
Meta AI精选AI 评分6262 Meta 发布终端编码智能体 Muse Code（beta）与 Muse Spark 1.2 模型
Meta 发布终端编码智能体 Muse Code（beta），面向长周期软件工程，由新的 Muse Spark 1.2 模型驱动。官方称它能规划、实现并验证大型代码仓库中的复杂多文件改动，并借助持久化子智能体更快、更准确地解决难题，减少人工干预。
推荐理由：Meta 官方发布终端编码智能体 Muse Code 与配套模型，读者可了解其面向长周期多文件改动的定位。
Berkeley AI ResearchAI 评分4040 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的上下文摘要
Berkeley AI Research 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，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重建的信念评分（rec-BG）将 ABBEL 与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 token 数也低于全上下文设置。