OpenAI 如何构建兼容 Git 的 Pando 后端以支撑 Codex 开发规模
OpenAI 构建了 Pando,一个兼容 Git 的后端,用于支撑 Codex 所带来的大规模开发。Pando 通过可扩展的 Git 兼容基础设施,承接 Codex 推动的更高开发规模,为大规模开发工作流提供底层支撑。
OpenAI 构建了 Pando,一个兼容 Git 的后端,用于支撑 Codex 所带来的大规模开发。Pando 通过可扩展的 Git 兼容基础设施,承接 Codex 推动的更高开发规模,为大规模开发工作流提供底层支撑。
Legora CTO Jacob Lauritzen 介绍团队如何构建面向律师的 AI 智能体,以及法律工作、计费模式和律所组织方式的变化。团队在无法查看客户机密数据的情况下,用 3 名工程师、3 名律师和约 100 名法律工程师构建模拟评测环境,并通过模型路由处理质量、成本、延迟与合规差异。
OpenAI 介绍了从 GPT-5.6 开始部署的激活分类器,这些轻量级模型利用 LLM 内部激活分类模型输出是否存在失配或不当行为。该方法可在生成过程中流式判断并阻断违规回复及工具调用,还支持越狱检测、模型检查点迁移和规模化评估。文章同时说明了探针对标注数据、基础模型权重变化和前置文本的依赖。
Claude Platform 推出 message threads 公测,智能体后续请求只需发送新增消息和前一次响应的 ID。官方数据显示,对于 500k 至 1M tokens 的请求,中位首 token 时间下降约 35%;线程默认对多数 Claude Code 用户开启,但 Claude 仍会读取完整对话,token 用量保持不变。
推荐理由:message threads 通过仅发送新增消息降低长会话的等待时间,并明确给出使用方式、适用场景与 token 用量变化。
OpenAI宣布将在佐治亚州Effingham County即将投用的数据中心试点“Grid Protectors Program”,极端天气或紧急情况下最多释放1,000兆瓦电力。该容量可供约700,000户家庭使用空调;OpenAI表示,公司还将与政策制定者和公用事业机构合作,为未来算力园区制定电网紧张时的需求调节安排。
Anthropic季度营收接近$17 billion,同比增长12倍,但运营成本达到$17.5 billion,净亏损为$23.3 billion。公司称成本上升主要源于锁定短期算力容量的$5 billion支出和$2 billion员工捐赠配捐,并已与Amazon、Google、SpaceX等签署数十项协议。
推荐理由:材料梳理了Anthropic营收增长、巨额亏损与算力承诺之间的关系,并呈现其IPO面临的成本压力。
Circle K利用Amazon Bedrock构建智能体事件分诊系统,将平均处理时间从45–60分钟降至15分钟以内,降幅为67–75%。
AWS 演示如何使用 Amazon Nova Multimodal Embeddings、Amazon Bedrock AgentCore 和开源 Strands Agents SDK 构建工程多智能体助手,自动汇集零部件替代证据并起草评估文档。
AWS教程演示如何使用序列级知识蒸馏(SeqKD),在Amazon SageMaker AI上训练低成本购物智能体。流程包括由Amazon Bedrock上的GLM-5.3生成并筛选 ShoppingBench轨迹,再以LoRA微调Qwen3.5-4B、评测并部署。蒸馏模型的平均ASR从基础模型的0.297提升至0.541,接近GLM-5.3贪心解码的0.540;仅保留工具调用时降至0.415。
推荐理由:完整展示SeqKD智能体的轨迹生成、过滤、训练、评测与部署链路,并量化推理保留和专项微调的效果差异。
AWS 介绍如何使用 Crawl4AI 为 Amazon Bedrock Knowledge Bases 准备网页内容,生成 Markdown 文档和 metadata sidecar 并摄取到 Amazon S3。
推荐理由:文章提供从网页抓取、Markdown 清洗、metadata 附加到知识库摄取与检索验证的完整可部署流程。
OpenAI 推出 Grid Protectors Program,计划与公用事业机构合作,帮助未来的算力园区支持电网可靠性,并保护消费者电费支出。该项目将未来算力园区的电网配套与消费者电费保护纳入同一计划,正文未披露具体合作方、时间表或实施细节。
AI 编程成本不应只看 token 消耗量,而应以每个合并 PR 的总开发成本衡量软件产出,并同步追踪返工与缺陷。HPE Private Cloud AI 将 150 多款内部应用的常规任务路由至本地开源权重模型,使 token 成本下降 30% 至 50%。多数企业可结合前沿模型 API 处理高难度或间歇性需求,并以自有容量承载重复性工作。
智元联合清华大学、无问芯穹发布群体经验学习范式CEL,通过FERT算法和FATS系统打通机器人经验获取、利用与规模化在线学习链路。在插花、叠衣、手机充电、凳子组装和手机包装5项任务中,参与学习的机器人从16台扩至96台后,成功率从86.7%升至98.3%,最高超过6名人类远程操作员平均水平16.7个百分点。
数字生命卡兹克分享了自己搭建近一年的 Agent 自动化系统,通过事件触发 Agent 工作。系统由自动化中台、Agent 执行、CI 中台和飞书决策四层组成,中台以 rules.json 管理事件触发和调度,本地 MacMini 运行任务,自建 CI 中台完成审查、检查、合并、发布、核实五步,仅在删数据、花钱和改方向等关键决策时通过飞书卡片征求作者确认。
datasette-llm 0.1a9 会自动沿用 LLM 使用的默认模型,改进 Datasette Agent 的使用体验,启动时无需显式配置 default_model。
Sundar Pichai 表示,Google Project Suncatcher 的原型卫星已在轨道启动 TPU、运行提示词,并向地面回传完整回应。地面收到的是一首 haiku,他据此称 Gemma 4 是首个在太空运行的大语言模型。
Wiz 报告称,本月至少有九个 AI 开发者平台披露安全事件,部分事件涉及“agent swarm”攻击、凭据获取、权限提升或第三方依赖。Wiz 观察到两起企业密钥被滥用案例,攻击者进行了约 800k 和 1.7 million 次 Bedrock 调用,按标价计费用可能超过 $100k。报告还追踪了与被盗密钥测试和模型访问转售相关的网站及基础设施。
推荐理由:报告串联九个平台的凭据泄露事件,并通过两起案例展示密钥盗用、模型调用滥用及转售市场的运作链条。
OpenRouter 发布教程,演示如何使用 @openrouter/agent 0.11.0 在 TypeScript 中搭建常驻 AI Agent。该 Agent 可定时监控 Hacker News 并生成摘要。
Alphabet、Meta、微软、亚马逊和甲骨文承诺未来数年投入超过3万亿美元建设AI基础设施。五家公司披露的租赁付款承诺合计1.3万亿美元,其他采购承诺合计1.9万亿美元;其中Alphabet承诺规模最大,超过1万亿美元,Meta超过8,000亿美元。相关投入部分流向尚未生效的数据中心租约,部分企业已出现自由现金流由正转负的情况。
推荐理由:汇总五家科技巨头的投资规模、承诺结构与现金流变化,为观察AI基础设施投入强度提供数据参照。
Anthropic 将文本水印扩展至 Claude Mythos 5、Claude Opus 4.7、Claude Opus 4.6 和 Claude Sonnet 4.6,以应对 EU AI Act 的 12 月期限。
Runware计划用装配线批量制造Sonic Inference Pods,并将其罗马尼亚工厂日产能提升至2028年的30 megawatts,接近每月1 gigawatt。新工厂计划于明年初上线,目标是让客户在48小时内完成模块安装和设置,同时可租用其算力或自带GPU。公司已获得超过20 megawatts的订单意向,并正推进397 megawatts的站点电力管道。
Google Suncatcher 原型卫星已上线并与地面通信,可预装 Google DeepMind 的 Gemma 4 执行推理任务。卫星搭载 4 个 TPU,但受供电限制,每次只能运行 1 个约 20 分钟;后续测试将评估芯片在热应力和太空辐射环境下的表现。
Arca 在财富管理业务中让 AI 智能体承担后台分析工作,同时由人类顾问负责最终决策和资金操作。公司为智能体建立持久记忆系统与自有模型路由框架,并采用确定性限制、沙箱和提示注入检查保障安全;人类顾问反馈与智能体运行轨迹还会用于持续改进该框架。
NVIDIA Nemotron 3.5 Super VL 已可通过 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 部署。
推荐理由:提供了从模型架构、GPU 配置到性能验证的完整部署路径,便于对照自身推理基础设施评估落地方案。
MoEngage 使用 Amazon Bedrock AgentCore Gateway,将约 400 个私有 REST API 操作转换为权限隔离的 MCP 智能体工具。该方案覆盖 7 个 AWS Regions,并通过 Cedar 策略、服务端身份注入和语义搜索控制工具可见范围,新 API 接入从数天缩短至数小时,预计节省约 6 个月平台工程投入。
推荐理由:MoEngage 公开了以中心化网关、权限策略和语义搜索管理大规模智能体工具的架构,便于读者参考私有 API 接入方案。
AWS 给出面向 FinOps 与平台团队的五阶段 Amazon Bedrock 成本管理方法,将支出治理拆为归因、观测、执行、优化和运营闭环。方法涵盖基于 IAM 身份与 CUR 2.0 的成本归因、调用日志与请求元数据、三档预算执行机制、模型路由和提示词缓存,以及按周或双周复盘的健康记分卡。
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。
Anthropic 的 Claude 官方扩展 2.1.313 被植入后门,最多影响 5,000 名开发者。恶意版本通过 Cursor 中的 Anthropic 官方账户分发,Anthropic 在数小时后推出 2.1.314;Cursor 默认自动更新扩展,但用户可以修改设置。攻击者如何取得官方账户控制权尚未明确,Anthropic 也尚未就此事件警告客户。
OpenAI CEO Sam Altman 表示,在 DRAM 供应受限的背景下,与其让有限内存闲置在个人电脑中,不如集中到数据中心以提高利用率。他提到,个人电脑中的 RAM 可能只有 5% 的时间在使用;Samsung 和 SK Hynix 已与云服务商及 OpenAI 的 Stargate 等项目签订长期协议,预订了未来数年大量 RAM 产能,这也推高了笔记本电脑和手机等设备的价格。
Google 的 Project Suncatcher 卫星已从太空生成并传输首个 AI 响应。卫星成功启动 TPU,并运行 Gemma 4 模型,根据太空主题提示词生成了一首俳句;Google 还测试了其他空间主题打油诗和遥测提示,后续将在轨评估 TPU 的热应力与辐射暴露表现,目标是让 TPUs 稳定执行太空工作负载。
Worldwide Express 与 AWS、LTM 构建基于 Amazon Bedrock 的多智能体 AI 系统,自动处理 LTL 货运计费异常。系统直连 TMS SpeedShip,由三个专用智能体调用承运商知识库给出建议,并在准确性超过 99 percent 后默认批量审批。
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。
Breakthrough Listen 与 SETI Institute 已将基于 NVIDIA Holoscan 的智能体系统用于地外文明信号搜寻。
Google DeepMind 将 PlanAssist 扩展至英格兰另外 12 个地方规划机构,启动为期 12 个月的 Beta 阶段,参与机构总数增至 15 个。该工具基于 Gemini,自动核验文件、规划约束和历史异议,并起草带引用的评估报告。早期试点中,官员平均评估耗时最多减少 58%,超过 70% 的报告无需修改即可获批,最终决定仍由规划人员作出。
Microsoft 构建 Industry Evaluation Data Generation Platform,以合成企业环境评估 Microsoft Copilot 在真实业务场景中的表现。该平台结合 O*NET、在线职位信息和 SEC 文件生成完全合成的测试环境,并通过自动化查询管线和质量框架建立首个标准化评估基线;内容安全检查用于排除有害及个人可识别信息。
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。
AWS Batch 新增 quota management 调度能力,可为 SageMaker Training 作业按团队或项目划分配额份额并跨份额借还闲置 GPU 容量。
NVIDIA Omniverse 展示了开发者如何利用 GPT-6 Astra 等前沿 AI 模型构建物理仿真应用。开发者通过自然语言指导智能体生成或修改 OpenUSD 场景、连接 Omniverse 库,并验证机器人拆装、建筑重建、燃气轮机分析和传感器输出。
推荐理由:文章通过机器人拆装、数字孪生、传感器验证和仓储仿真等项目,展示了 AI 智能体接入 Omniverse 工作流的具体方式。
OpenAI 介绍其用于监控前沿模型失对齐行为的分层系统,覆盖训练、评测、内部使用和部分外部部署。系统通过激活探针、模型审查员、调查智能体和自动化调查识别越权、欺骗、沙箱逃逸等行为;在 Hugging Face 事件重放中,监控系统在智能体首次逃出沙箱约 30 分钟后发出警报,比实际事件中 Hugging Face 系统被突破早 30 多个小时。