Exa 通过 AWS Neuron 芯片优化将嵌入吞吐量提升约 50%
Exa 通过 AWS Inferentia2 和 Trainium2 优化嵌入基础设施,将最终性能和每百万文档嵌入成本改善了 47%,吞吐量较初始基线提升约 1.5 倍。文章面向 30 billion 高优先级文档的重新嵌入需求,介绍了权重布局、NKI 内核、注意力计算和减少 FLOPS 等优化方法。Exa 还使用 Flyte 构建智能体工作流,由不同模型验证正确性、测试性能和分析瓶颈。
Exa 通过 AWS Inferentia2 和 Trainium2 优化嵌入基础设施,将最终性能和每百万文档嵌入成本改善了 47%,吞吐量较初始基线提升约 1.5 倍。文章面向 30 billion 高优先级文档的重新嵌入需求,介绍了权重布局、NKI 内核、注意力计算和减少 FLOPS 等优化方法。Exa 还使用 Flyte 构建智能体工作流,由不同模型验证正确性、测试性能和分析瓶颈。
Amazon SageMaker AI Serverless 模型定制现已支持 FFT 全参数微调,无需管理 GPU 集群或分布式训练配置。作者以 Qwen3-4B 和 110K 代码指令数据集进行实验,FFT 在 100K+ 训练样本上的 LLM-as-Judge 语义正确率达到 90.0 percent,并提供 SageMaker Python SDK 示例。
Airbnb 介绍了如何通过自有任务评测和 Amazon CloudWatch 生产监控运营 Amazon Bedrock 上的编码智能体,并用单任务成本选择默认模型与推理强度。其评测覆盖 7 个任务套件和数百个任务,发布后则结合延迟、限流、token 消耗与费用记录持续复核模型选择。实践中还给出了按团队、应用及功能归因成本,以及在配额紧张时切换等价模型的方法。
推荐理由:Airbnb 展示了如何把自有任务评测、单任务成本与生产监控联动,为编码智能体的模型选型和成本治理提供可复用流程。
RadixArk 发布首个模型 DaisyRose-27B,该模型基于 Qwen3.8-27B,使用 Miles 通过强化学习完成后训练。训练使用约 1,200 个精选任务,在 18 天内动用 144 张 H200 GPU,支持最长 1M tokens 的会话,并将 Terminal-Bench 4.1 pass@1 从 5.6% 提升至 12.0%。
推荐理由:RadixArk 公开了长程智能体后训练的数据、训练后端与沙箱方法,便于读者比较其效率收益与复现条件。
OpenAI 介绍了 Codex 沙箱在 macOS、Linux 和 Windows 上运行本机命令的工作方式。运行过程会遵循用户设置的文件系统与网络访问限制。
OpenAI 发布 GPT-6.2 Astra 和 Sol,提升专业输出、编码、电脑操作与效率,并降低 ChatGPT Work、Codex 和 API 的使用成本。新模型已面向 ChatGPT Work、Codex 和 API 提供。
推荐理由:发布信息聚焦专业输出、编码、电脑操作和效率提升,并说明这些变化覆盖 ChatGPT Work、Codex 与 API。
Revolut 利用 OpenAI 模型和 Codex 缩短 30–60% 的编码时间,同时扩大金融犯罪调查规模。该实践在推动创新的同时保持安全标准,并支持 RevOps、风险、增长和人才团队的代码开发。
AWS Machine Learning Blog 展示了基于 Amazon Bedrock、Kiro IDE 与 AWS Transform 的五阶段主机现代化方法,将 Assembler 业务逻辑先转换为 COBOL,再转为 AWS 云上的 Java Spring Boot 应用。
AWS 演示如何使用 LiteLLM 与 NVIDIA NeMo Switchyard 在 Amazon Bedrock 上为编码智能体请求选择合适模型。教程涵盖 Stage 与 Random 路由策略、AWS CDK 部署、网关测试,以及按通过测试的任务成本对比路由组和单模型基线。
推荐理由:教程给出模型路由配置、AWS 部署和任务成本评测流程,并以通过测试的任务成本比较路由与单模型基线。
Google 开放 Antigravity 的 /teamwork、/boost 等智能体工具,并与 Gemini 4 Argon、Gemini 4 Carbon 和 Gemini 4 Hydrogen 配合用于研究、形式化验证、编码和系统优化。
推荐理由:文章同时给出多智能体工作流的设计机制、研究案例与性能数据,便于评估其对研究和工程流程的实际影响。
Gondola 将营收翻倍,其首席工程师借助 Codex 将产出提升 50%。这个帮助创意人才获得认可和就业机会的平台,还使用 ChatGPT 简化日常工作。
Amplitude 借助 OpenAI 模型,让主动式产品智能体 Wave 识别需要构建的功能,并协助团队通过 coding agents 交付改动。其流程还能衡量产品改进的实际影响,将需求判断、开发与效果评估连接起来。
Microsoft Research Focus 第98期由 Anson Ho 汇总微软最新研究,涵盖 AI 语音翻译、31 年数学猜想 KLS 的突破,以及 AI 编程智能体效率优化。
Amplitude 借助 OpenAI 模型,让主动式产品智能体 Wave 识别需要构建的功能,并协助团队通过 coding agents 交付改动。其流程还能衡量产品改进的实际影响,将需求判断、开发与效果评估连接起来。
AWS 展示了如何使用 Amazon Bedrock Application Inference Profiles 与 AWS Fargate 上的 LiteLLM 构建自助式 LLM 网关。
Holiday Extras 正利用 Codex 将客户专业经验转化为更优质的应用,同时提升预订转化率,并探索新的增长可能。该实践将 Codex 的应用构建能力用于改善现有产品和拓展业务增长。
AWS Quick 通过六个人工审批型 AI 智能体,将产品开发的发现、决策、设计和原型四个阶段串联起来。团队可从 AI-PDLC GitHub 仓库获取智能体指令、参考架构、提示词模板和配置指南,并在 Deep Discovery 与 Fast Track 两种模式间选择。
推荐理由:文章提供六智能体配置步骤与完整流程,可用于理解如何把企业数据、产品决策和人工审批串成可追溯的开发流程。
Moonshot AI 的 Kimi K3.1 Pro Highspeed 已上线 Amazon Bedrock,配备 1-million-token 上下文窗口,Moonshot AI 称其输出速度为 Kimi K3.1 Pro 的 2–3 倍。
推荐理由:提供了模型接入、推理档位、提示词缓存和 OpenCode 接入示例,并给出 Flex 成本与区域路由取舍。
TCS 基于 Amazon Bedrock AgentCore 构建了智能体测试编排器,将业务需求转换为可执行、可治理的 API 与 UI 测试。平台利用专用智能体、上下文检索和 LangGraph 工作流完成测试生成、执行、纠错与报告,并通过租户级身份、数据和密钥隔离支持金融服务场景。
推荐理由:文章拆解了TCS多租户测试编排器的架构、智能体分工与安全边界,并提供可量化的效率对比。
Google DeepMind 使用 AlphaProof Code 引导 AI 智能体,对 Signal 密码协议实际运行代码的关键安全属性进行形式化证明。由 Gemini Carbon 驱动的智能体生成了超过 600 万行 Lean 证明,供专家复核的代码范围仅占 1%,整个验证过程耗时 4 周,相关形式化验证工件也已开源。
推荐理由:文章详述多智能体形式化验证框架如何将密码协议安全目标转化为 Lean 证明,并给出人工复核比例与周期等验证细节。
CodeRabbit 使用 OpenAI 模型治理并信任 AI 生成代码,并借助 Codex 在工程团队规模不变的情况下交付 20 倍更多软件。这套工作流将 OpenAI 模型与 Codex 用于代码管控,以扩大智能体软件开发的产出。
AWS 宣布 Claude Fable 5.2 与 Claude Mythos 5.2 登陆 Amazon Bedrock 和 Claude Platform on AWS。
推荐理由:文章提供了模型能力、适用场景、数据治理要求及迁移方法,可帮助开发者评估接入方式并完成代码适配。
HOPE 论文提出一种面向 MoE 语言模型的二阶专家剪枝方法,通过 F 矩阵保留专家之间的协作关系。实验覆盖 Qwen3.5-122B、Qwen3.5-35B 和 GLM-4.5-Air,在 50% 剪枝率下取得 1.58 的平均排名,并在 Qwen3.5-35B-A3B 的 SWE-Bench Pro 上达到 42.3。团队还开源了包含校准、求解二次规划和剪枝三步流程的代码包。
推荐理由:HOPE 把专家两两协作纳入剪枝目标,并通过多模型基准与三步使用流程说明其在高剪枝率下的取舍。
GitHub Copilot 演示面向软件开发的智能体工程工作流,涵盖 Plan、Build、Verify 和 Observe 四个阶段。十月 GitHub 单周提交量超过 1.2 billion commits,同比增幅超过 400%;但 Faros AI 研究显示,团队从低 AI 采用转向高采用后,pull request 审查耗时增加 441%。
AWS 教程演示如何将 Claude Code 接入 Amazon Bedrock AgentCore,以远程会话运行编码任务并返回 GitHub pull request。每个任务在 AWS 账户内的独立 microVM 中执行,并通过短期 GitHub 凭据、私有网络、Guardrails 和最小权限 IAM 控制访问,智能体只创建草稿 pull request,最终由人工审核并合并。
推荐理由:示例完整展示了远程编码智能体的部署、安全隔离和提交流程,并明确其适用边界与人工审核要求。
Cult.fit 正在使用 Codex,帮助跨职能团队构建工具、加快工作并改变工作方式。Codex 被用于支持不同团队开展运营工作。
Merge 使用 GPT-6 Astra、ChatGPT 和 Codex 构建产品与业务工具,用于审查产品代码并支持营销工作。其团队还借助 AI 规划高管晚宴和准备销售更新。
Microsoft Research 推出研究原型 PDD Kit,将用户意图转为 Verus 形式化规范,验证编码智能体生成的 Rust 代码,并在证明无法覆盖处回退到测试。
推荐理由:给出了从意图澄清、Verus 证明、信任边界测试到 CI 接入的完整流程,可用于评估形式化验证如何约束编码智能体生成代码。
AWS 解决方案架构师团队以开源多智能体数据分析方案 Deep Insight 为参考实现,讲解生产级 AI 智能体的四层上下文工程方法。文章介绍多智能体架构隔离、输出 token 预算与自包含代码、文件化上下文与按需加载技能,以及独立验证智能体和安全机制。参考实现中,单次写入并执行工具可减少脚本加入上下文的 token 约 95%,按需加载技能可减少系统提示词约 97%。
推荐理由:文章以 Deep Insight 代码演示四层上下文工程,涵盖多智能体隔离、提示词控制、文件系统外部化和验证机制,便于迁移到生产级智能体开发。
OpenAI 将收购 Pierre Computer Company,以扩展 Codex 构建、理解和审查代码的工具能力。
ChatGPT 与 Codex 正在帮助工程师加速实体世界中的工程工作,覆盖 CAD、PCB 设计、仿真等流程。相关工具面向实体工程场景,可用于提升这些设计与分析工作流的速度。
Heimstaden 正在使用 OpenAI 的 ChatGPT Enterprise 和 Codex 改造物业管理方式,以降低成本并赋能其欧洲各地员工。该案例展示了生成式 AI 工具在住宅地产管理场景中的实际落地路径。
Qodo 将公司知识和编码标准接入 Codex,帮助开发者在创建 pull request 前发现多个仓库中的 P0 问题。该方案把企业上下文融入 AI 代码审查流程,以辅助开发者提前处理高优先级代码风险。
Amazon Bedrock AgentCore runtime 教程演示了如何通过 Session endpoints 和本地端点,在浏览器中实时查看编码智能体持续修改的 Vite 网站。
推荐理由:文章通过可运行的 Vite 示例,拆解如何配置端口、认证和本地代理,让编码智能体生成的应用在浏览器中实时预览。
AWS 指南介绍如何在 AWS GovCloud (US) 中配置 ChatGPT 桌面应用,将模型请求通过 Amazon Bedrock Mantle 的 us-gov-west-1 端点路由至 GPT 模型。
Microsoft Research Focus 第 97 期由 Sowbhagya Suresh 主持,聚焦 coding agents、职场 AI 使用与天气预报。
Epsilon 介绍了如何将 Amazon Nova Act 与 Amazon Bedrock AgentCore Browser Tool 集成为多租户 UI 测试服务,并用自然语言步骤执行浏览器操作。
AWS 展示了如何用 Kiro 构建可重复的 PHP 到 Java 迁移引擎,通过模型发现扫描器、八阶段工作流和一致性验证工具,把原 PHP 应用作为行为规格。
Mistral AI 发布 Mistral Large 4(Le Chonk)开放权重,这是一款 1-trillion-parameter 原生多模态模型,重点增强编码与防御性网络安全能力。
推荐理由:文章汇总模型在编码、终端任务和网络安全评测中的数据,并给出推理模式与部署入口,便于比较实际能力边界。
Google DeepMind 发布 Gemini 4 Carbon,主打长时程智能体工作流和网络安全防御。模型在 Artificial Analysis Intelligence Index v5.0 得分为 59,并在 SEC-bench Pro、ExploitGym 和 CWE-bench 上分别达到 88.2%、54.8% 和 71.0%。
推荐理由:把长时程编码与漏洞发现、验证、修补放在同一模型能力框架下,并披露基准成绩与分阶段开放安排。