OpenAI 研究:编码智能体加速 AI 研究,但能力边界参差不齐
OpenAI 测量了编码智能体加速 AI 研究的实际效果,发现其表现并不均衡。该研究同时探讨了这一"参差不齐的前沿"对递归自我改进意味着什么。
OpenAI 测量了编码智能体加速 AI 研究的实际效果,发现其表现并不均衡。该研究同时探讨了这一"参差不齐的前沿"对递归自我改进意味着什么。
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端任务完成,在 Artificial Analysis Intelligence Index 上以 61 分位列第 3。
推荐理由:官方给出 Gemini 4 Neon 在多项基准上的排名、定价与思考档位,读者可据此判断它在 Gemini 4 家族中的定位与成本取舍。
Airbnb 通过 LLM gateway 在 Amazon Bedrock 上运行编码智能体 AirChat,并用“每任务成本”指导模型选型。约五周内上线八款新模型,到 10 月中旬约三分之二的编码智能体请求已流向这些新模型。Airbnb 在发布前用自有任务评测各模型的得分与每任务成本,发布后借助 CloudWatch 的延迟、限流和 token 指标核对生产表现。
Salesforce 在 Amazon SageMaker AI 上采用跨区域推理路由,把分布在 30+ Region 和数百个 AWS 账户的已有端点注册到一次调用之后,本地端点无法承载的流量改由其他区域承接。
Amazon Bedrock AgentCore Identity 新增私有 CA 支持,智能体可连接使用私有证书颁发机构的自托管 IdP。
Stretto 基于 Amazon Bedrock 上的语音到语音模型 Amazon Nova 2 Sonic 构建了 AI 语音智能体 Tara,通过电话完成破产申请的多阶段信息采集,并按律师设定的规则将线索分为合格、不合格或需补充信息。
Amazon Bedrock AgentCore Gateway 可通过自管理模式的 VPC Lattice resource gateway 接入 hub-and-spoke 网络中的私有 API 和 MCP 服务器,且双向流量都经过中心防火墙检查。
AWS Quick 在 DC 用户组活动上展示其从 BI 可视化工具演进为统一 AI 助手,可把自然语言问题转为多步可复用动作,并内置 Salesforce、Slack、Google Drive、Microsoft 365 连接器。
NVIDIA 宣布华硕、戴尔和微星的 RTX Spark 紧凑台式机即日开售,搭载 20 核 Grace CPU 与 Blackwell RTX GPU(6,144 个 CUDA 核心),最高 128GB 统一内存、1 petaflop AI 性能,可本地运行 1200 亿参数大模型并支持 24/7 常驻智能体。
推荐理由:原文列出 RTX Spark 紧凑台式机的硬件规格与本地模型、智能体运行能力,可据此判断本地 AI 工作站的配置取舍。
针对 Flightscape 航班运营平台的培训排程优化智能体,团队用三种可组合策略处理 20 MB+ JSON 负载,在 23 MB 代表性负载的基准测试中将 token 消耗最多降低 71%、平均延迟最多降低 80%。
OpenAI 发布 ChatGPT for Sales,新增 Sales 插件及 30+ 款新上线和扩展的合作伙伴插件,用于调研潜在客户、准备推介材料、更新 CRM 并推进交易。
AWS 提出在生成式 AI 工作流中先判断每一步是否真的需要调用模型:能用格式、schema、关键词或数值范围等规则校验的步骤应交给确定性代码,只有开放式任务才用 Amazon Bedrock 上合适规模的模型。
Amazon SageMaker AI 新增 AI 数据准备能力,包含自动标注、人工审核、合成数据生成、数据质量评估和数据转换五项,可通过 Python SDK API 和 AI-ML agent skill 在 notebook 或 IDE 中调用。
Amazon Bedrock AgentCore Identity 针对 Snowflake 托管的 MCP 服务器测试了三种 OAuth 配置:Snowflake OAuth(3LO,无需外部 IdP)、第三方 IdP 三腿 OAuth(企业 SSO)和第三方 IdP 两腿 OAuth(共享服务用户)。
AWS Agent Registry 新增自定义元数据 schema,管理员可定义字段名、类型、允许值和必填项并强制应用于注册表内所有记录。记录缺少必填字段或含未知字段、非法值时会被拒绝并返回 ValidationException,无自定义元数据的记录则标记为 NON_COMPLIANT。元数据值可被索引,消费者和智能体可用 environment=prod 等过滤条件检索,且只返回已批准记录。
AWS 发布开源 Python SDK 与 Terraform 栈 SMART(Social Messaging Agent Runtime Toolkit),用于在 Amazon Bedrock AgentCore 上构建 WhatsApp AI 智能体,一条命令即可把整套基础设施部署到自己的 AWS 账户。
AWS Forward Deployed Engineering(FDE)现已在美国、墨西哥、巴西、加拿大、澳大利亚、新加坡、印度、韩国、日本、英国、德国、荷兰、法国、瑞典和沙特阿拉伯 15 个国家向商业与公共部门客户开放,并内置数十个生产就绪加速器。
OpenAI 的 Astra for Law 在一项覆盖 24 个法律领域的发布评测中排名第一。所有 ChatGPT Enterprise 客户现在均可申请使用。
OpenAI 发布 GPT-6.2 Astra 与 Sol,在专业输出、编码和电脑操作方面有所提升,并降低了成本。新模型覆盖 ChatGPT Work、Codex 和 API 三个入口。
推荐理由:原文给出 GPT-6.2 Astra 与 Sol 在专业输出、编码和电脑操作上的能力变化,以及更低成本这一关键信息。
AWS 提出面向智能体 AI 平台的负责任 AI 三阶段成熟度框架:治理基础、试点部署、评估与加固,并配套 Responsible AI Assessment Skill 与评分卡,将 AWS Responsible AI Lens 各支柱映射到 12 周可定制实施时间线。
LoanPro 联合 AWS 合作伙伴 AllCloud 与 AWS 生成式 AI 创新中心,基于 Amazon Bedrock AgentCore 构建了多智能体贷款服务助手,早期结果显示客服通话时长最多缩短 15%。
AWS re:Invent 2026(11 月 30 日至 12 月 4 日)设多场 AWS Quick 专题分会,Allianz、Cox Automotive、Mondelez、DXC、Southwest Airlines 等客户将登台分享治理、扩展与规模化部署经验。
NVIDIA 在 SC26 大会上发布 Nemotron for Science,将 Nemotron 3.5 Super VL 开放模型与新的开放化学数据集及后训练配方结合,可在 DGX Spark、工作站或自有超算上本地运行。
Amazon Bedrock Managed Knowledge Base 与 Amazon Bedrock AgentCore memory 集成,通过 AgenticRetrieveStream 请求中的 memoryConfiguration 把 AgentCore memory 变为知识库之外的检索源,自动恢复会话、提取并调用用户长期记忆。
AWS 博客系统梳理多智能体设计模式,按控制流分为开发者定义路径的 Tier 1(顺序流水线、条件工作流、条件路由、并行工作流)和模型运行时决定路径的 Tier 2(计划编排、交接、对话驱动、辩论共识),并建议默认从 Tier 1 起步。
Duco 基于 Amazon Bedrock 与 Bedrock AgentCore 重建智能体 AI 栈,从传统机器学习转向智能体方案,以缩短部署时间并降低客户接入成本。
Holiday Extras 部署的 OpenAI dots 会在无人要求时主动交付上线报告、标记容易被忽略的问题,并在通勤途中讲解即将召开的会议内容。
微软研究院联合 UC Berkeley 和 Microsoft Security 提出开源插件 TokenEconomizer,它从编码智能体在仓库中的历史会话学习,在不修改智能体和底层模型的情况下减少重复探索、无用工具加载和失败循环。
推荐理由:微软研究院等机构提出的插件在不改动智能体和模型的前提下,用仓库历史降低编码智能体的 token 成本,并给出多组合实测数据。
MoEngage 基于 Amazon Bedrock 与 AgentCore 构建了 Merlin AI 智能体体系,通过 MCP Connector 让 Claude、ChatGPT 等兼容 MCP 的助手以租户隔离方式访问品牌分群、活动历史与内容库。
Amazon Bedrock Managed Knowledge Base 新增表格检索,可在智能体检索中对 CSV、XLSX、XLS 文件按整表运行代码并给出带引用的答案。
Novo Nordisk 的 Tablet 制造技术团队基于 Amazon Bedrock AgentCore 构建了智能支持系统,让主题专家原本需要数小时或数天完成的工作缩短到几分钟。
NVIDIA 扩展 CUDA-X 库,新增 cuPhoton、cuPotential 和 cuSpa 等库,让 AI 智能体协助研究人员加速从天体物理到单细胞生物学的数据分析。
OpenAI 宣布 ChatGPT for Healthcare 新增计算机操作智能体、改进的临床回答,以及可跨医疗软件工作的新医疗插件。原文称这些能力用于在医疗软件中完成实际工作。
推荐理由:原文列出 ChatGPT 医疗场景新增的计算机操作智能体、临床回答改进和跨软件插件三类能力。
NVIDIA 在首尔 COEX 举办为期两天的 AI Day Seoul,吸引超 2000 名参会者,聚焦物理 AI 与 AI 智能体。Doosan Robotics、现代汽车集团、LG 电子、SK 集团及 Real World、Luda Robotics 等初创公司正使用 NVIDIA 平台将通用机器人推向现实。
Shield 利用 OpenAI 帮助 IT 技术人员交接遗留门户中的工作,其 Forge 智能体可自主导航这些系统,让技术人员专注于需要人工判断的问题。
Google Research 公布 Antigravity /teamwork 多智能体系统在数学、化学、系统软件和 ML 工程上的近期成果,并称这些工具已对外部研究者开放。
推荐理由:Google 公开了 /teamwork 多智能体系统在数学证明、化学结构解析和内核优化上的具体结果与外部开放方式。
NVIDIA NeMo Switchyard 是一个开源库,可让 AI 智能体为每个请求选择由哪个模型处理,其 LiteLLM 集成支持 Stage 路由(读取请求历史中的工具活动与结果,在两个候选模型间选择)和 Random 路由(按权重分流用于 A/B 对比)。
Amazon Bedrock AgentCore runtime 的 platformVersion "V2" 改为在创建或更新时一次性构建快照,新会话直接恢复快照,不再每次拉取容器镜像,会话启动更快更稳定。V2 还会回收会话未使用的内存,使计费贴合实际用量。文章给出四种模式,包括用 build hook 预加载大文件、CLI 或浏览器,以及在用户打开应用或聊天窗口时后台预热会话。
Amazon SageMaker HyperPod 推出 Data Capture 能力,可在端点、负载均衡器和模型 Pod 三个层级把线上推理的输入输出记录到 S3。
Ai2 联合 CMU、NVIDIA 和约翰霍普金斯大学发布 XYBench,一个含 8,115 个真实问题的基准,专门测试 AI 助手能否识别用户提问中的错误假设(XY 问题)并引导其解决真正目标,该基准获 EMNLP 2026 最佳资源论文奖。