Pydantic AI Harness 发布 AWSLambdaDurability 能力，把每次模型请求、函数工具调用、MCP 调用和动态工具集解析都记录为 AWS Lambda durable functions 的步骤，恢复执行时从存储结果中读取已完成步骤。使用时需在构建智能体时挂载该能力，并用 durable_agent_handler 改造处理函数，@durable_execution 必须位于最外层。步骤默认至少执行一次并带重试，副作用需保持幂等；改变步骤数量或顺序会使在途执行失效，需发布新版本并让旧版本执行完。
匹配字段标题、摘要、正文
AWS 发起 Trainium Frontier 竞赛，要求研究者在专用 AI 芯片 Trainium 上从零训练语言模型，探索硬件约束改变时最优架构的差异。竞赛分两阶段：Phase 1 在单块 Trainium2 芯片上训练 30 分钟，比拼验证 bits-per-byte；Phase 2 前 10 名团队在整台 Trainium2 服务器上训练 4 小时，并加入 CORE 上下文学习推理性能评分，最终成绩为 50/50 综合分。冠军奖金 25,000 美元，颁奖仪式将在 NeurIPS 2026 悉尼站举行。
匹配字段标题、摘要、正文
The Next Platform 提出一个思想实验：亚马逊可考虑将芯片设计部门 Annapurna Labs 与 AWS 分别分拆上市，但仅出售 20% 至 30% 股份、由亚马逊保留多数股权。AWS 称 Annapurna Labs 定制芯片业务年化营收已超 250 亿美元且仍保持三位数增长，Graviton CPU 截至 2026 年第二季度已有超 13 万客户、同比增长 45%。Jassy 表示若将自研芯片对外销售而非作为 EC2 容量出租，年化营收规模约为 500 亿美元。
匹配字段标题、摘要、正文
Browser Use 将其运行数百万个不可信 AI 智能体的沙箱运行时迁移到 AWS Bedrock AgentCore，每个会话运行在独立微 VM 中且不持有任何凭证。所有出站调用经控制平面代理，LLM 请求通过 /api/v4/llm/anthropic/v1 等端点转发并计量，每个会话获得隔离的 1 GB /mnt/workspace 持久挂载。AgentCore 按需启停会话，容量从零弹性扩展至数千个并发智能体。
匹配字段标题、摘要、正文
The Next Platform 分析认为，Meta Platforms 正筹备更正式地对外出售云服务，直接对标 AWS、Microsoft Azure 和 Google Cloud，该计划被称为 Meta Compute。文章援引 Bloomberg 报道称，Meta 可能提供运行其较新 Muse Spark 模型的 API，以及虚拟机和容器等基础 IaaS，由全球基础设施负责人 Santosh Janardhan 等人牵头。文章还提到 Meta 去年 8 月与 Google Cloud 签下 100 亿美元算力租约、并向 CoreWeave 采购 210 亿美元容量，认为其庞大 AI 基础设施投资需要靠云服务变现。
匹配字段标题、摘要、正文
一篇拖了很久（3 年多？）的关于 scaling laws 的文章。 算力很贵。scaling laws 是一种帮助我们在投入大规模训练之前，推理数据与模型规模之间最优算力分配的方法。 文章涵盖 scaling laws 预测了什么、算力最优分配如何运作、为什么 Kaplan et al. 与 Chinchilla 结论不一致，以及数据限制 + 拟合细节如何让外推变得棘手。
匹配字段标题、摘要、正文
Lilian Weng 在 Lil'Log 发文系统梳理深度学习缩放定律（Scaling Laws）的发展脉络，涵盖 Kaplan et al. (2020) 与 Chinchilla 缩放定律，以及拟合缩放定律的三种方法：固定模型规模变化 token 预算、IsoFLOP 曲线和参数化拟合。文章还讨论了数据无限与数据受限两种情形下的缩放规律，以及现实中拟合缩放定律的难点。
匹配字段标题、摘要、正文
AWS 发布基于 Graviton5 的 EC2 M9g 和 M9gd 实例，通用计算性能较 Graviton4 提升最高 25%，Web 应用和机器学习推理提升最高 35%，数据库提升最高 30%。Graviton5 采用四 chiplet 架构，核心数从 96 翻倍至 192，配备 192MB L3 缓存，支持 DDR5-8800 内存和 PCIe gen6，并采用 3 纳米工艺。新实例还引入经形式化验证的 Nitro Isolation Engine，用于强化虚拟机隔离。
匹配字段标题、摘要、正文
Zyphra Research 与 AWS 合作，在 AWS Neuron 推理栈中实现了 Domino 式张量并行通信重叠，并在 Inferentia2 上对 Llama 3-8B 进行不同 NeuronCore 数量的基准测试。结果显示聚合输出吞吐量提升，首 token 时间和每输出 token 时间均下降，在张量并行度更高、集合通信占关键路径更大时收益最明显。
匹配字段标题、摘要、正文
Amazon Stores 旗下 StoreGen 负责人 Steve Tarcza 在 AWS 伦敦峰会后表示，AI 生成代码仍受幻觉和越界行为困扰，规范驱动开发最多只能减少而非消除这些问题，因此所有 AI 改动都必须经人工审核后才能上线。他透露工程师目前只有不到 30% 的时间用于核心编码，并强调不能因 AI 而停止招聘初级工程师，否则将无人维护这些系统。
匹配字段标题、摘要、正文
Modal 现已上架 AWS 和 GCP Marketplace，企业客户可通过这两大云市场购买和管理 Modal，并将既有的 AWS 或 GCP 支出承诺用于 Modal 用量。Sandbox 新增执行时间线，展示从创建到终止的完整生命周期，并优化了资源与区域信息展示。客户端 1.3.1 版本新增 Python 3.14 支持（含容器内实验性 free-threaded Python 3.14t）以及 CLI 的 token 信息和时间戳标志。
匹配字段标题、摘要、正文
旧金山云平台 Railway 宣布完成 1 亿美元 B 轮融资，由 TQ Ventures 领投，FPV Ventures、Redpoint 和 Unusual Ventures 参投，此前累计融资仅 2400 万美元。Railway 称其平台部署时间低于 1 秒，按秒计费，内存 0.00000386 美元/GB-秒、vCPU 0.00000772 美元/vCPU-秒，客户报告开发速度提升 10 倍、成本最高节省 65%。公司目前每月处理超 1000 万次部署，团队仅 30 人，并已于 2025 年 8 月发布 Model Context Protocol 服务器，让 AI 编码智能体可直接从编辑器部署应用。
匹配字段标题、正文
AWS 正为 Anthropic 扩建多吉瓦级 AI 训练基础设施，三个接近完工的园区合计拥有逾 1.3GW IT 容量，最大园区将部署近百万颗 Trainium2。Trainium2 的多项性能落后于 NVIDIA 系统，但在单位内存带宽总拥有成本上具有优势，契合 Anthropic 侧重强化学习和训练后扩展的路线。Anthropic 还深度参与 Trainium 的系统设计，同时继续使用 Google TPU 和 NVIDIA GPU。
匹配字段标题、摘要、正文
安全研究者 Johann Rehberger 在 AWS Kiro 发布当天测试发现，该编码智能体可被间接提示注入劫持，实现任意操作系统命令执行。两条攻击路径分别是：Kiro 无需开发者批准即可写入 .vscode/settings.json，从而把任意 Bash 命令加入允许列表；以及写入 .kiro/settings/mcp.json 添加恶意 MCP 服务器，保存文件即触发代码执行。作者于 2025 年 7 月 15 日发布当天向 AWS 披露，AWS 在 8 月 5 日前修复，v0.1.42 中报告已修复，未分配 CVE。
匹配字段标题、摘要、正文
Pydantic AI 官方发布 2026 年 Python AI 智能体框架对比，按模型可切换性、崩溃后持久执行、人工审批、前端与语音接入、MCP 和可观测性等标准逐项评估九款框架，并给出各自适用场景。文章称 Pydantic AI 支持 30+ 模型提供商、8 个持久执行引擎（Temporal、DBOS、Prefect、Restate、AWS Lambda、Absurd、pgtask、Apache Airflow）、5 家语音到语音提供商和 10 个沙箱，同时说明其仅支持 Python、不提供托管平台，检索类集成少于 LangChain。对比还覆盖 LangGraph/LangChain、OpenAI Agents SDK、Google ADK、Microsoft Agent Framework、Strands Agents、CrewAI、Claude Agent SDK 和 Agno，并单列 LiveKit Agents 与 Pipecat 两款语音框架。
匹配字段摘要、正文
Anthropic 的 Messages API 上线消息线程公测，API 在服务端缓存对话，后续请求只需发送新消息和上一条消息 ID，Claude 能更快开始响应。官方称已在 Claude Code 中集成该功能，500K 至 1M token 的请求首 token 中位时间降低约 35%，长对话的中位请求体积从约 800 KB 降至 1.8 KB。使用时需在请求中加入 thread 参数和 beta header，该功能已在 Claude Platform、AWS 上的 Claude Platform、Microsoft Foundry 中的 Claude 和 Google Cloud 上的 Claude 提供，按标准 token 价格计费。
匹配字段摘要
Claude Code 集成消息线程后，在 500K 至 1M token 的请求上，首 token 中位延迟降低约 35%；长对话中单次请求的中位体积从约 800 KB 降至 1.8 KB。消息线程已在 Messages API 进入公开测试，服务端在轮次之间缓存对话，调用方只需发送新消息和上一条消息 ID，并需添加 thread 参数和 beta header，可在 Claude Platform、AWS 上的 Claude Platform、Microsoft Foundry 中的 Claude 以及 Google Cloud 上的 Claude 使用，按标准 token 价格计费。
匹配字段摘要
Anthropic 在 Messages API 上公测消息线程功能，API 会在服务端缓存对话，开发者只需发送新消息和上一条消息 ID，无需重发完整对话。该功能已在 Claude Code 中集成，在 500K 至 1M token 的请求上，首 token 中位时间降低约 35%；长对话中请求体积中位数从约 800 KB 降至 1.8 KB。使用时需在请求中加入 thread 参数和 beta header，该功能已在 Claude Platform、AWS 上的 Claude Platform、Microsoft Foundry 中的 Claude 以及 Google Cloud 上的 Claude 提供，按标准 token 价格计费。
匹配字段摘要、正文
Circle K 用 Amazon Bedrock 构建智能体式自动分诊系统，把 DevOps 事件平均分诊时间降到 15 分钟以内，按团队内部指标降幅达 67–75%。系统由 Grafana 告警经 Amazon SNS、Amazon SQS 触发 AWS Lambda 调用 Amazon Bedrock Flows，并行调度多个专用智能体查询日志与基础设施，并将结构化摘要推送到 Slack；后续已迁移至 Amazon Bedrock AgentCore。
匹配字段摘要、正文
AWS 展示了基于 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和开源 Strands Agents SDK 的多智能体工程助手，用于减少零件替代评估中的人工交叉核对。系统由 planner 将任务路由给 Catalog、Evaluation、Knowledge 三个专家智能体，分别负责多模态检索、按 Python 容差规则打分和用实时网络数据核实生命周期信息，最终由 supervisor 汇总。系统只组装证据并起草评审文档，不自行推荐或批准替代方案，每次评估都会写入对齐 AS9100 8.4 和 8.5.6 的审计记录。
匹配字段摘要、正文