OpenAI 推出 ChatGPT Wallet,让智能体在用户批准下完成购买
OpenAI 推出 ChatGPT Wallet,为 ChatGPT Work、Codex 和 dots 中的智能体提供安全的购买方式,需经用户批准并沿用现有银行卡保护。原文未披露更多功能细节与上线时间。
推荐理由:原文交代了 ChatGPT Wallet 的适用场景与用户授权机制,读者可据此了解智能体代付的边界。
OpenAI 推出 ChatGPT Wallet,为 ChatGPT Work、Codex 和 dots 中的智能体提供安全的购买方式,需经用户批准并沿用现有银行卡保护。原文未披露更多功能细节与上线时间。
推荐理由:原文交代了 ChatGPT Wallet 的适用场景与用户授权机制,读者可据此了解智能体代付的边界。
Amplitude 以 OpenAI 模型为主要基础构建主动式产品智能体 Wave,可识别该做什么、帮助团队用编码智能体交付改动并衡量影响,从而在 1–2 天内完成产品改进。
GitHub 发布 agent skills 实用指南,介绍以 SKILL.md 为核心的版本化目录如何封装可复用任务指令,并可在不同智能体间共享。
Natera 基于 Amazon Bedrock AgentCore 构建了实验室运维智能体系统 SWARM,将支持工单首次响应时间提升约 130 倍,自动化覆盖率达 96.2%。
Microsoft Research Focus 第98期由 Anson Ho 主持,介绍 AI 通用翻译进展、31 年 KLS 猜想被解决,以及让 AI 编码智能体更高效的新方法。
Amplitude 以 OpenAI 模型为主要基础构建主动式产品智能体 Wave,可识别该做什么、帮助团队用编码智能体交付改动并衡量影响,从而在 1–2 天内完成产品改进。
AWS 提出以“单任务成本”而非“单 token 价格”衡量 Amazon Bedrock 上的模型开销,并给出计算真实模型成本的框架。文章拆解了 tokenizer 效率、输出冗余、智能体循环轮次和推理开销四类隐藏成本驱动因素,示例中单价高 2 倍的模型因单轮完成、输出更短,单任务成本反而低 65%。
AWS 发布新一代 Amazon Bedrock AgentCore runtime,每个会话仍运行在独立的 Firecracker MicroVM 中,会话启动最高快 15 倍、算力扩展至 4 倍(最高 8 vCPU 和 32 GB)、运行效率提升最高 68%。
推荐理由:原文给出会话启动、算力上限与内存回收的具体变化,读者可据此判断智能体生产部署的成本与隔离取舍。
该方案用运行在 AWS Fargate 上的 LiteLLM 代理,将 Amazon Bedrock 封装为 OpenAI 兼容 API,并通过 Application Inference Profiles 实现按用户和按模型的成本控制与配额隔离。
Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流,并在 Google AI Studio、Gemini API、Gemini app 和 Google Search 等全线开放。
推荐理由:原文给出 Hydrogen 与 Carbon、Argon 的定位分工及多项基准与定价,读者可据此判断它在多模型工作流中的位置。
AWS 提出 Agent Development Lifecycle(Agent DLC),用一个生命周期、两个循环和统一的验收标准来判定智能体的每次变更是否可上线。
针对智能体代用户检索内部文档时的越权风险,Amazon Bedrock 方案在 AgentCore Gateway 工具层用请求拦截器从已验证 JWT 中注入 userContext,再由 Managed Knowledge Base 的 ACL awareness 只返回该用户可见的文档。
AWS 发布基于 A2A 协议的多智能体参考架构,让跨组织智能体无需共享框架或密钥即可互相发现、通信与交换任务。
Agent Toolkit for AWS 的 amazon-bedrock 技能新增知识库迁移指南,让编码智能体协助把客户自管知识库迁移到 Amazon Bedrock Managed Knowledge Base。
AWS 发布教程,演示 Java 团队如何用 Spring AI 2.0 与 spring-ai-agentcore 2.0 在 Amazon Bedrock AgentCore 上构建自主 AI 智能体。
开源引擎用反合一(anti-unification)在 e-graph 上计算两条形式化策略的最具体公共模式,把相同部分只展示一次、差异部分并列保留,从而过滤掉重排合取项、等价谓词等语法噪声。该引擎不导入 Cedar、Dogwood、OpenShell、CEL 的原生策略,而是把相关语法编码为项并声明等式。它可用于对比 LLM 自动形式化多次生成的候选,先审查变化部分。
Amazon Bedrock 上线 Claude Haiku 5.5,据 Anthropic 称其为最强 Haiku,多数任务成本比 Claude Haiku 4.5 低约 75%,并首次支持 effort controls。
Amazon Bedrock AgentCore 发布 Web Search API,开发者用一次 InvokeWebSearch 调用即可从 Amazon 自建网页索引获取带文本摘录的排序结果,无需先创建 Gateway 或管理 API key。
DXC Technology 基于 Amazon Bedrock 为 DXC OASIS 构建了多模型 AI 底座,统一接入 Anthropic Claude、Amazon Nova、Meta Llama 及开源权重模型家族。
AWS 提出一种事件驱动架构,用 CloudTrail、EventBridge 和 Lambda 自动同步 AWS Agent Registry 中 MCP 服务器的工具与 schema 变更。
AWS 将于 11 月 30 日至 12 月 4 日举办 re:Invent 2026,AI/ML 专场提供超过 140 场课程,覆盖 AI 芯片、模型训练与推理、智能体开发管理等 AWS AI 技术栈各层。
AWS 生成式 AI 创新中心(现属 AWS Frontier AI Engineering & Services)开放了 23 个生产级可复用资产目录,覆盖 RAG 流水线、文档处理、智能体脚手架等组件,可将开发时间从数月缩短至数周。
AWS 发布开源框架 UAEF(Universal Agent Evaluation Framework),通过适配器把 LangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore 和 Langfuse 的 trace 统一为 AgentTrace 格式,再用 7 个维度共 36 项内置指标打分。
推荐理由:原文给出跨框架统一评测的适配器设计与 36 项指标清单,读者可据此判断如何搭建可比较的智能体回归评测流程。
AWS Quick 推出 AI-PDLC 框架,用六个专用智能体覆盖产品开发前四个阶段,由 Orchestrator 统一调度,每个环节都设人工审批关卡。Discovery 智能体按严重度和频率为痛点打分生成 Pain Point Board,Prioritize 智能体用 0–10 分双框架评估用例优先级。
Tether AI Research 发布 BotPsy,一个基于 Qwen3.5-0.8B 的 0.8B 参数模型,面向函数调用与智能体工作流,适合端侧部署。
新加坡航空借助 OpenAI 模型与 API 提升客服、旅行发现和员工效率,其 Kris 聊天机器人的 CSAT 实现翻倍。
Cogent 结合 OpenAI 模型与企业上下文,用智能体帮助企业自动修复漏洞。
Moonshot AI 的 Kimi K3.1 Pro Highspeed 已在 Amazon Bedrock 上线,基于 Kimi K3 后训练而来,保持 3T 级开放权重架构和 100 万 token 上下文窗口,官方称输出速度是 Kimi K3.1 Pro 的 2–3 倍。
Amazon Bedrock AgentCore 的 Web Search API 现已可用,通过单次 API 调用返回带标题、URL、发布日期和摘录的实时网页结果,查询由 AWS 自有索引处理、不经过第三方搜索引擎。
微软研究人员发现名为 Lazarus 的后门技术,通过改写 LLM 中不到 10 个休眠神经元、无需训练即可给基于该模型的智能体植入后门,模型仍能通过标准评测,直到触发条件出现(如时钟跨入 2027 年)才执行下载并运行攻击者代码等命令。
推荐理由:微软研究团队披露一种无需训练、改写不到 10 个休眠神经元即可给智能体植入后门的方法,并给出权重溯源与扫描的防护思路。
Amazon Bedrock AgentCore Evaluations 提供内置、DeepEval 和 AutoEval 三类评估器,内置评估器由 AWS 编写并经过质量测试,共 16 个,涵盖响应质量、任务完成、工具使用、技能和安全五组。
Hugging Face 发布决策模型(decision model)支持,在 Transformers 中新增 DecisionPipeline、AutoModelForDecision 和 DecisionConfig,模型接收 state 与 questions,直接返回带概率的结构化决策而不生成文本。
Trovata 基于 Amazon Bedrock 和 Amazon Bedrock AgentCore 构建了自主财务智能体,从 2023 年面向财务领域的生成式 AI 演进为可自主执行任务的智能体工作流。
TCS 基于 Amazon Bedrock AgentCore 构建了多租户智能体测试编排器,将需求自动转化为可执行的 Java 或 Python 测试。平台把测试拆分为多个专职智能体,由确定性 supervisor 调度,AgentCore runtime 为每个会话提供独立 microVM 隔离,并按需扩展以支持多租户并发执行。
Google DeepMind 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长周期智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,单任务成本比次优外部模型低 2 倍以上。
推荐理由:原文给出 Carbon 与 Argon 的定位差异、多项基准排名和定价,读者可据此判断该模型适合哪类任务。
NVIDIA 在 KubeCon + CloudNativeCon 上把用于保障和治理自主智能体的开源运行时 NVIDIA OpenShell 贡献给 CNCF,作为 Sandbox 项目接受社区治理。
推荐理由:原文给出 OpenShell 与 Agent Substrate 的治理定位,以及 NVKE、NVKR、Snapshot 在 GPU 集群上的具体能力与实测数字。
Google DeepMind 发布 AlphaProof Code,这是一个多 LLM 智能体框架,用于对实际运行代码做深度形式化验证。研究团队与模型协作把 Signal 的安全目标转写为形式化规格,由 Gemini Carbon 驱动的智能体生成超过六百万行 Lean 证明,整个过程耗时四周,而人工团队通常需要数年。
推荐理由:原文交代了多智能体框架如何把形式化验证拆成规格与证明两步,并给出四周完成 Signal 协议验证的对照。
AWS Quick 通过智能体与技能机制把重复性任务编码复用:智能体遵循指令、按需加载技能、经连接器执行操作,并以 space、知识库、数据集和仪表盘作为数据依据。技能是可复用的指令集,系统技能默认支持生成 Word、PowerPoint、Excel、PDF 文档,以及浏览网页、运行代码、深度研究、音视频转写和图像生成。Quick 是内置默认智能体,自定义智能体可限定资源并共享给账户内用户和群组。
CodeRabbit 使用 OpenAI 模型治理并信任 AI 生成的代码,并借助 Codex 在工程团队规模不变的情况下将软件交付量提升 20 倍。
NVIDIA Nemotron 3.5 Super VL 已在 Amazon SageMaker JumpStart 上线,可通过 SageMaker Studio 或 Python SDK 部署。