TwelveLabs 的 Pegasus 1.5 视频语言模型已在 Amazon Bedrock 上线。据 AWS Machine Learning 发布的信息,该模型可把长视频转成带时间戳的结构化 JSON 元数据;新版本支持按用户定义的分段规则返回匹配片段、结合参考图像的多模态提示,以及无需预索引的即时处理,单次请求可分析最长 2 小时视频。模型通过 InvokeModel 和 InvokeModelWithResponseStream 调用,目前在美国西部(俄勒冈)区域提供。
匹配字段摘要
Amazon Bedrock 已为所有 Anthropic Claude 模型支持结构化输出。据 AWS Machine Learning 2026 年 10 月 20 日发布的信息,该功能已在 bedrock-runtime 和 bedrock-mantle 两个端点提供,可返回符合 JSON Schema 的响应,无需自定义解析或重试逻辑。其实现方式为通过约束解码在生成 token 时强制执行 schema,并提供 JSON Schema 输出格式和严格工具调用两种机制。编译后的语法缓存 24 小时,首次使用新 schema 的请求会略慢;递归 schema、外部 $ref 以及数值、字符串长度约束不被强制执行。目前尚无后续发展事实。
匹配字段摘要
Anthropic 为 Claude Security 推出新版本，可随代码变更持续扫描仓库、在修复上线后自动标记问题已修复，并通过 API 和 MCP 接入现有工具，目前面向 Claude Enterprise 客户公测。新版本为每个项目提供知识库和可编辑的威胁模型，扫描会据此判断哪些风险值得标记，并为每条发现给出严重程度评级和攻击路径说明。Claude Security 自 4 月公测以来已有数千家机构使用，累计发现超过 100 万个漏洞；企业客户每月可获得 25,000 美元免费额度，为期两个月，适用于截至 2026 年 12 月 31 日的用量。
P additions are a game changer and will be the path forward for IonQ’s Product Security team to further operationalize Claude Security.” “Claude Security found a number of logic flaws that none of our other tools had caught. Once we wrote our own risk policy into the threat model, focusing on what external users can actually reach, the findings matched how we prioritize instead of only a severity score” “Claude Security found many material issues that a traditional pen test conducted at the same
匹配字段正文
Nvidia 在 GTC Berlin 发布 DSX POD 参考设计，让合作伙伴在工厂内把 Vera Rubin 机架、网络和液冷装进集装箱后再交付。每个集装箱装 7 个 Vera Rubin NVL72 机架、共 504 块 Rubin GPU，预装约 20 公里铜缆和 17 公里横向扩展网络，重约 28 吨；只要站点已有供电、制冷和网络条件，最快 14 天即可开始产出 token。Nvidia 称该系统制冷不用水，Vera Rubin 可用 45 摄氏度冷却液运行，2 吉瓦部署下干冷器相比冷却塔每天可省约 5400 万升水，合作伙伴将从 2027 年初开始全球交付。
与冷却塔相比，干冷每天可节省约5400万升水。 集装箱式数据中心 这种“服务器装进集装箱”的做法可能让人有些似曾相识，的确，科技公司确实热衷于使用集装箱，尽管有时这更像是一种公关噱头，而非对真实问题的解决方案。 例如，早在2006年，Sun Microsystems就推出了Project Blackbox，这是一个装在20英尺集装箱里的数据中心。十年后，时任AWS CEO的Andy Jassy在re:Invent 2016主题演讲的结尾，让一辆18轮卡车将Snowmobile——一个可运输100 PB数据的45英尺集装箱——开上了舞台。 此后，微软和AWS都为灾区和军事任务建造了集装箱式数据中心。 然而，所有这些都与Nvidia在这里所做的不同。DSX POD本质上是可插入数据中心的预制部件。Buck将其描述为新建AI工厂的构建模块。 Armada已经在销售集装箱式边缘数据中心，它是建造这些系统的17家合作伙伴之一，其他合作伙伴还包括Bull、Dell、HPE、Schneider Electric和Vertiv。 Nvidia表示，合作伙伴将从2027年初开始在全球交付DSX POD系
匹配字段正文
Zoom 在 Zoomtopia 大会上发布 Unified Context Layer，把会议、通话和客户互动信息与 Salesforce、ServiceNow、Workday 等系统数据整合成实时更新的关系图谱，供 AI 智能体共享记忆和协同工作，该层已可用。Zoom 称内部基准显示这一方式比独立智能体各自解析信息降低成本 45% 至 65%，但未提供独立验证。同期还推出 ZoomMate Agent Teams、扩展到 40 多个第三方应用的智能体搜索、支持多语言广播的翻译与语音克隆，以及通过 MCP 服务器和 Search、Ask API 向外部应用开放上下文，多数功能计划在 2027 年初前陆续发布。
now, assigns specialized agents to different parts of a project simultaneously, with a lead agent coordinating tasks and combining their output for human review. Agentic search draws answers from Zoom and more than 40 third-party applications. The My Notes note-taker is expanding from meeting capture into workflow automation. Users will be able to send summaries to Salesforce, Zoom Chat and other destinations using templates or natural-language instructions. A forthcoming standalone mobile app
匹配字段正文
LMSYS于2026年10月16日宣布,SGLang已原生支持Reflection的Beam模型,并用于支撑其生产API。Beam是501B参数、每token激活23B的MoE模型,原生1M token上下文窗口,计划以Apache 2.0发布;SGLang为其提供BF16、NVFP4和动态FP8支持、DFlash2投机解码与混合注意力前缀缓存。在4张NVIDIA GB300 GPU上以NVFP4运行OpenHands多轮智能体编码回放,并发32时达到每GPU 127.6K tokens/sec、每用户185.87 tokens/sec(p50)。同日,Reflection发布Beam模型权重,Ollama作为day-zero合作方限时免费提供并采用零数据保留;Beam总参数量约5010亿、每token激活约230亿,上下文窗口100万token,以Apache 2.0许可发布。后续AWS方面信息称,Beam权重已在Hugging Face发布,提供BF16、FP8和NVFP4三种checkpoint,并已在Amazon SageMaker JumpStart上线,也可通过SageMa
匹配字段摘要
2026年10月9日,AWS 正式发布 Amazon Bedrock AgentCore payments,为 AI 智能体提供按需付费的托管能力,支持 x402 协议端点,其中包括 Amazon Bedrock 推理端点,使智能体可按次支付模型推理费用。据 AWS Machine Learning 发布的信息,Incarna 借助该服务让智能体逐次向 BlockRun 支付模型推理费用,集成工作从原计划的 2 至 3 个月缩短到 3 天,约 200 行应用代码。测试期间智能体已处理超过 1000 笔支付,单次金额在 0.001 至 0.05 美元之间,每笔在链上独立结算,花费上限由基础设施层强制执行。目前该能力已正式可用,尚无进一步发展事实。
匹配字段摘要
2026年10月6日,Z.ai(智谱)的GLM 5.3模型在Amazon Bedrock上线。据AWS Machine Learning发布的信息,该模型为753B参数的MoE模型,面向编码与长程智能体任务优化。Bedrock提供全托管API,支持跨区域推理、提示词缓存和服务层级,目前面向符合条件的企业客户开放。官方称,相比GLM 5,GLM 5.3在DeepSWE、Terminal Bench 3.0、FrontierSWE等编码基准上具有竞争力,并在CyberGym基准上测得84.5分。同日,唐杰也在社交平台发布了GLM-5.3上线Amazon Bedrock的消息。目前该故事尚无后续发展事实。
匹配字段摘要
2026年9月2日,Cursor发布Self-Hosted Machines功能,允许团队在自己的网络内运行云智能体,执行环境由用户管理,而智能体循环、推理和规划仍在Cursor云端。团队可通过Cursor CLI启动worker连接基础设施,支持My Machines和Pools两种配置,Pools能按需扩缩容并服务任意仓库。该功能与AWS Lambda、Cloudflare、Coder、Daytona、E2B、Modal、Namespace和Vercel等沙箱提供商合作,Linux和Mac均支持浏览器控制。
匹配字段摘要
2026年8月28日,Anthropic开放Model Hardware Standard(MHS)研究预览,让AI智能体通过自然语言生成的参考文件学习并操作显微镜、机械臂等设备。据Anthropic介绍,MHS可将设备接入时间从数周缩短至数小时或数分钟,并计划日后开源;Tecan、QIAGEN、AWS、Hugging Face和Raspberry Pi将参与合作或设备适配。目前尚无后续有证据的发展。
匹配字段摘要
2026年8月18日,Cerebras 发布第四代 Cerebras System CS-4。官方信息称,CS-4 由三颗 Wafer Scale Engine 3 Turbo 处理器构成,推理速度最高可达 GPU 系统的 30 倍,每瓦吞吐量最高为 CS-3 的 10 倍;晶圆间互联延迟最低 2 微秒,可在超过 10 万亿参数的模型上实现每秒 1000 token 以上,并原生支持解耦推理,可搭配 AMD Helios、AWS Trainium 等平台做 prefill。该系统基于新的 Cerebras Nexus 平台架构,组件数量减少 50%,首批出货于本季度开始。后续报道称,CS-4 未推出 WSE-4,而是采用超频版 WSE-3 Turbo,核心数与片上 SRAM 仍为 90 万核和 44GB,主频从 1.4GHz 提升到 2.8GHz,算力翻倍;新 Nexus 机架把计算晶圆与 AMD Epyc 主机 CPU 从供电和网络模块中拆出,三部分可独立升级,单机架算力为此前 CS-1 至 CS-3 的三倍,组件减少 50%,部署速度最多快 3 倍,部分客户已可提前使用,本季度晚些
匹配字段摘要
Hugging Face与AWS 推出 一键进入SageMaker Studio定制或部署模型的功能
English translation is being prepared.
匹配字段摘要
2026年5月6日,ServiceNow宣布扩展AI Control Tower。据The Register报道,此次扩展在Australia平台版本中落地,覆盖发现、观测、治理、安全和度量五个领域,并新增30个企业连接器,可发现运行在AWS、Google Cloud、Microsoft Azure以及SAP、Oracle、Workday上的AI资产、模型、智能体和提示词。报道称,演示中系统检测到针对定价智能体的提示词注入攻击,借助Veza的访问图谱定位影响范围并自动触发终止开关。ServiceNow同时发布Action Fabric,通过正式可用的MCP服务器让Claude、Copilot等外部智能体触发受治理的企业流程,Anthropic是首个设计合作伙伴。目前尚无后续发展事实。
匹配字段摘要
2026年4月19日,Browser Use 发布并开源了约600行的极简 agent harness(browser-harness)。据其联合创始人兼 CTO 介绍,该方案直接给模型原始 CDP 访问权限,harness 由 run.py(13行)、helpers.py(192行)、daemon.py(220行)和 SKILL.md 组成;工具缺失时智能体自行 grep helpers.py 补写函数并重跑,文中举例称智能体曾自行写出 upload_file()、改用分块上传绕过 CDP websocket 约10MB 的载荷上限,仓库地址为 github.com/browser-use/browser-harness。2026年4月25日,Browser Use 又发布 Browser Use Box(BUX),一台预装 Claude Code 和 Browser Harness 的 24/7 远程 VM,可通过 Telegram、网页或 SSH 控制,基于预烘焙 AMI 启动耗时30-60秒,运行在零 AWS 权限的受限 IAM 角色下,浏览器会话每240分钟轮换,架构已开源,
2026年4月19日,Browser Use 发布并开源了约600行的极简 agent harness(browser-harness)。据其联合创始人兼 CTO 介绍,该方案直接给模型原始 CDP 访问权限,harness 由 run.py(13行)、helpers.py(192行)、daemon.py(220行)和 SKILL.md 组成;工具缺失时智能体自行 grep helpers.py 补写函数并重跑,文中举例称智能体曾自行写出 upload file()、改用分块上传绕过 CDP websocket 约10MB 的载荷上限,仓库地址为 github.com/browser-use/browser-harness。2026年4月25日,Browser Use 又发布 Browser Use Box(BUX),一台预装 Claude Code 和 Browser Harness 的 24/7 远程 VM,可通过 Telegram、网页或 SSH 控制,基于预烘焙 AMI 启动耗时30-60秒,运行在零 AWS 权限的受限 IAM 角色下,浏览器会话每240分钟轮换,架构已开源,
匹配字段摘要
NVIDIA 发布开源工作负载级恢复服务 NVIDIA Recovery，通过应用日志、GPU 指标和调度器信号检测训练中断，并按检测、归因、隔离、重启或停止四阶段循环处理。该服务以 Apache 2.0 许可在 dsx-ai-factory/NVIDIA-Recovery 仓库开放，Slurm 集成通过 Helm chart 部署的 Advisor Controller 实现，支持集群内和 SSH 两种模式。新部署默认处于监控模式，只输出恢复建议不执行调度动作；7 月 9 日至 10 月 9 日在一个训练集群上的监控覆盖每天近 200 个任务，记录约 8,550 次异常检测，平均检测与恢复动作延迟分别为 69 秒和 94 秒。
lby Laboratories 领导 AI 基础设施与研究技术项目。她拥有滑铁卢大学管理工程学士学位，并持有 PMP 认证。 查看 Ripple Patel 的所有文章 关于 Ian Gibbs Ian Gibbs 是 NVIDIA 的高级技术产品经理，负责领导 NVIDIA Recovery 的产品工作，致力于让大规模 AI 训练更加韧性和高效。他曾在 AWS 参与将 Amazon SageMaker HyperPod 从概念打造为用于韧性模型训练的重要服务。在加入 AWS 之前，他在 General Motors 领导产品与数据科学团队，构建了用于产品安全监控和 OnStar 的 AI 系统。 查看 Ian Gibbs 的所有文章 关于 Rick Izzo Rick Izzo 花了十多年时间构建开源 AI 工具和科学计算基础设施。他最初是一名医学影像研究员和开源维护者，之后联合创立了 Tensor[werk]，该公司后来被 Lightning AI 收购。过往的知名项目包括 VMTK、RedisAI、Hangar 和 PyTorch Lightning。加入 NVIDIA 后，R
匹配字段正文
GitHub 在 2026 年 10 月 28 至 29 日举行的 GitHub Universe 2026 上宣布，整合自动模型选择与多模型协作的 Copilot Fusion 正式提供，可在 VS Code、GitHub Copilot 应用、CLI 和 JetBrains IDE 中使用，按 Standard、High、Max 三档处理级别自动决定所用模型与 Single、Cascade、Critique 三种执行方式。桌面版 GitHub Copilot 应用同时开始公测 Projects，把资料、仓库、会话与成果物集中到一处管理。GitHub 称 Fusion Max 在 Artificial Analysis Coding Agent Index 上得分 60，与使用 Opus 5.5 Max 的 Claude Code 相差 2 分以内，单任务平均 API 费用约为其一半、耗时约少 40%。
独立增减。写入时，仅在更新分支等引用目标的部分进行协调，以确保更新内容不冲突。使数据的存储和检查能够与其他写入并行推进，并将繁重的数据整理从处理常规Git请求的服务器中分离出来[16]。 GitHub正在将运行基础设施迁移到Azure的多个区域，并在Universe上表示，这一迁移预计于2027年初完成。 Actions将目标Linux作业分散到Azure和AWS 除Git基础设施的变更外，还宣布了将GitHub Actions的托管运行器扩展到多个云端的变更。GitHub Actions会将目标Linux作业自动分配到可用的Azure或AWS执行环境。通过增加执行目标，减少拥堵时的等待时间和计算资源不足。现有的运行器标签和工作流语法不变[17]。 对象为标准2核和4核Linux运行器，以及不具备特殊配置的相应2核和4核大型运行器。Windows运行器以及使用私有网络等特殊配置的运行器不在对象范围内。Free、Pro、Team会自动应用于对象运行器，Enterprise Cloud则由管理员启用AWS的使用。 Universe相关发布列表可通过GitHub Changelog的Univ
匹配字段正文
Anthropic 开源 sandbox-runtime（srt），以 OS 级隔离限制进程可访问的文件和网络主机，无需启动容器，npm 包 @anthropic-ai/sandbox-runtime v0.0.81 采用 Apache-2.0 许可，要求 Node.js 22.12+。macOS 使用 Seatbelt，Linux 依赖 bubblewrap、socat 和 ripgrep，Windows 支持处于 alpha 阶段。Anthropic 称内部 Claude Code 使用中权限提示减少 84%，该数字为自报数据；网络默认拒绝，流量经主机侧代理按域名白名单放行。
x CLI 沙箱Docker SandboxesE2B 隔离方式操作系统原语：Seatbelt、bubblewrap、Windows 账户 + WFP操作系统原语：Seatbelt、bubblewrap、原生 Windows 沙箱每个沙箱一个 microVM每个会话一个 Firecracker microVM 运行位置本地机器本地机器本地机器云或 BYOC（AWS、GCP） 是否需要容器或虚拟机否否是（microVM）是（托管 microVM） 能否在其自身智能体之外使用可以，CLI + 库适用于任意进程内置于 Codex可以，面向编码智能体的 sbx CLI可以，JS 和 Python SDK 网络默认拒绝全部；代理允许列表在 workspace-write 中关闭；配置开关首次启动时选定策略（例如全部拒绝、均衡）默认开启；可禁用 域名允许列表支持，通配符 + 端口未披露（文档中有开/关切换）支持，通配符 + 端口支持，allowOut 带通配符（基于 SNI/Host） 许可证Apache-2.0Apache-2.0未披露Apache-2.0（SDK） 状态Beta 研究预览；Wi
匹配字段正文
Sakana AI 发布 AI 智能体构建与运营平台 Sakana Aquarium，以本体（Ontology）为核心，把组织内分散的知识、规则和数据整理成统一语义，供智能体完成信息确认、判断与执行。平台包含本体、治理和托管智能体三层机制，可设置访问权限与执行前审批，并记录从判断依据到执行结果的全过程。整理好的数据与本体可被其他智能体直接复用，Sakana AI 称后续还将开发让智能体随组织变化持续更新本体、以及由 AI 辅助构建智能体的机制。
项目中，FDE（Forward Deployed Engineer，前置部署工程师）都深入理解现场的数据和流程，承担从工作流设计到评估、精度改善的全过程。在此过程中，我们发现了每接一个项目都要从零重复进行数据连接以及术语、判断标准整理这一课题。Aquarium正是将这类工作汇总为组织内可通用的基础。开发工作由Sakana AI中负责AI落地的ARE和FDE，以及在Palantir、Snowflake、Microsoft、AWS等公司从事数据基础和数据治理建设的成员共同推进。 Aquarium今后将继续扩充功能。我们还在推进开发能够吸纳运营中产生的修正与判断、随组织变化持续更新本体和智能体的机制，以及由AI辅助智能体构建本身的机制。 同时，Sakana AI的FDE将与客户共同反复进行构建与验证，从一个业务扩展到整个组织，不断扩大AI的应用。应用案例也将陆续介绍。 我们可根据您希望解决的课题和业务条件，提供导入与应用的咨询。有关Aquarium的详情及咨询方式，请参阅平台介绍页面。 Sakana AI 我们正在招募愿与Sakana AI共同开拓日本AI未来的人才。请参阅本公司的採用情報。
匹配字段正文
Google 宣布将在今年晚些时候向 Google Cloud 用户开放 Agent Compute Engine 预览，为每个 AI 智能体提供硬件隔离的 microVM，兼顾容器的启动速度与沙箱的安全性。该服务原本是 Gemini、Antigravity 及 Google 模型训练流水线的内部基础设施，智能体空闲时会对 microVM 做检查点以释放资源。Google 同时提供开源运行时 Agent Substrate，可在任意 Kubernetes 集群上运行，官方称在 20 万智能体基准中实现每秒 500 次激活、挂起与恢复低于半秒。
举行的 Linux 基金会 AGNTCon+MCPCon 上发布，将于今年晚些时候向 Google Cloud 用户提供预览版。它将为每个 AI 智能体提供一个硬件隔离的 microVM，兼具容器的速度与沙箱的安全性。 还有谁提供智能体沙箱？ 当然，智能体沙箱的概念并不新鲜。E2B 和 Daytona 等初创公司向开发者提供此类沙箱（并支持在任何云上运行），AWS 也通过 Bedrock AgentCore 提供。 E2B 在 Firecracker microVM 中运行每个沙箱，这是 AWS 最初为 Lambda 构建的开源虚拟化技术。它可以暂停沙箱并保留其内存和文件系统，然后在大约一秒内恢复。Daytona 最初使用容器，但在 7 月增加了 microVM 沙箱。这些沙箱可以暂停整台机器，或将运行中的机器分叉为完全相同的副本。 AgentCore 也为每个智能体会话提供独立的 microVM。当智能体等待模型或工具调用时，AWS 不收取 CPU 费用，但内存会持续计费，直到运行时回收为止。这些会话最长可持续八小时。8 月，AWS 增加了基于 EC2 的运行时实例，可使共享会话保持
匹配字段正文
Amazon SageMaker AI 在无服务器模型定制中新增训练会话 API，把 forward_backward()、optim_step()、sample() 等操作变成 API 调用，模型在 GPU 上保持加载，用户只需在本地 Python 进程里编写训练循环，GPU 分配、分布式执行、故障恢复和检查点存储由服务负责。该 API 按处理的 token 计费，本地奖励计算等环节不计 GPU 时间。随附的 cookbook 提供 SFT 与 RL 配方，示例中 GPT-OSS 20B 的 GRPO 循环在 GSM8K 上训练 10 步，留出集准确率从 56% 升至 75%；Code RL 配方训练 50 步后测试准确率从 40% 升至 50.5%。
d in sequence. A ServiceClient holds the platform-level settings (execution role, model package group, Amazon Simple Storage Service (Amazon S3) output location, and optionally an AWS Key Management Service (AWS KMS) key and virtual private cloud (VPC) configuration, which you can also override per session) and starts a session. The ServiceClient instantiates a TrainingClient (training and checkpointing operations such as forward, forward backward, optim step, and save weights for sampler), whic
匹配字段正文