跳到正文
实时信息流

#产品发布

全部动态
  1. AWS Machine Learning Blog一手

    利用 Amazon Bedrock AgentCore runtime 预览 coding agent 构建的网页

    Amazon Bedrock AgentCore runtime 允许 coding agent 在会话内保持 Vite 网站运行,通过 Session endpoint 认证的 URL 将会话端口转发至本地浏览器。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了如何利用 Amazon Bedrock AgentCore runtime 的 Session endpoint 功能,在浏览器中实时预览由 coding agent 生成的网页,并演示了在不重新部署的情况下通过 agent 进行主题切换等交互的完整流程。

  2. AWS Machine Learning Blog一手

    Amazon Bedrock 助力 Worldwide Express 自动化处理运输异常

    Worldwide Express 借助 Amazon Bedrock 构建多智能体系统,自动化处理运输异常。系统检测到约 14% 的发票在三单匹配失败后进入异常处理,通过三类专用智能体(Invoice Matching、Pricing Variance、Accessorial Validation)分别核对运单、对比合同价格和验证附加费。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了 Amazon Bedrock 多智能体系统如何将 1500 万美元冻结的现金流释放,并将处理时间从数周缩短至分钟级,读者可据此评估 agentic AI 在异常处理场景下的实际落地价值。

  1. AWS Machine Learning Blog一手

    亚马逊 Nova Act 实现意图驱动的 UI 测试平台服务

    亚马逊 Nova Act 与 Amazon Bedrock AgentCore Browser Tool 联合发布,旨在为企业提供意图驱动的 UI 测试能力。Epsilon 作为 Publicis Groupe 的一部分,利用该方案将 UI 测试转化为平台级管理服务。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文详细展示了 Epsilon 如何利用 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser Tool 构建 UI 测试平台服务,提供了 18 步测试工作流、成本对比和最佳实践,读者可直接获取实施思路和技术细节。

  2. AWS Machine Learning Blog一手

    MoEngage 利用 AgentCore Gateway 将 400 个 API 转换为智能体工具

    MoEngage 利用 Amazon Bedrock AgentCore Gateway 将 400 个内部 REST API 转换为智能体工具,无需每个团队部署 MCP 服务器。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了 AgentCore Gateway 如何将 400 个私有 API 映射为权限范围的智能体工具,解决了 MCP 服务器运维、跨域授权和上下文窗口膨胀三大难题,并提供了从 OpenAPI 到工具的自动化映射、基于 Cedar 的服务端策略过滤以及 VPC Lattice 管理的私有连接三个关键技术细节,读者可直接学习其架构模式和实施要点。

  3. AWS Machine Learning Blog一手

    AWS Batch 发布 SageMaker Training 任务配额管理功能,支持跨团队资源借用与优先抢占

    AWS Batch 发布 SageMaker Training 任务配额管理功能,管理员可通过配额共享策略将算力划分为团队或项目份额。配置了 LEND_AND_BORROW 策略的配额可在空闲时借出、有工作时借入;支持院内优先抢占,高优先级作业可抢占同配额内低优先级作业。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  4. Cointelegraph

    Kalshi完成10亿美元融资,估值达40亿美元,非体育业务年化营收突破10亿美元

    Kalshi完成10亿美元融资,估值达40亿美元。非体育市场年化营收突破10亿美元,较此前5月完成的40亿美元估值融资时的1.5亿美元营收增长显著。过去30天交易量达158亿美元。公司正在扩展金融市场合约,并与S&P Dow Jones Indices合作,同时面临包括Utah州诉讼和CFTC在内的监管挑战。

    阅读原文 来源:Cointelegraph

    推荐理由Kalshi完成40亿美元估值的10亿美元融资,非体育业务年化营收突破10亿美元,体育博彩合法化进程加速。

  1. Hugging Face Blog一手

    Project ProtoStar:让公共科研资源AI化

    Project ProtoStar 是一个汇聚高校、研究机构、产业界和开源社区的计划,旨在通过开放挑战让公共科研资源更易被发现、重用和构建。该项目发布首个挑战:气候风险智能体,由卡内基梅隆大学主办,时间为11月2日至13日。

    阅读原文 来源:Hugging Face Blog

    推荐理由项目汇聚高校、机构、企业和开源社区,通过开放挑战展示AI重用公共科研资源的可行性,首个挑战聚焦气候风险预测,提供数据集与政策提案两类评估维度。

  2. The Verge · AI

    Anthropic ipo 财务细节与AI行业经济模型深度解读

    Anthropic ipo 财务细节与AI行业经济模型深度解读。Anthropic ipo 财务细节与AI行业经济模型深度解读。Anthropic ipo 财务细节与AI行业经济模型深度解读。

    阅读原文 来源:The Verge · AI

    推荐理由原文通过S-1文件披露Anthropic财务细节,对AI行业的经济模型、算力效率和竞争格局进行了深度拆解,读者可了解到AI公司的成本结构、收入来源及未来AGI路径的关键信息。

  3. Hugging Face Blog一手

    欢迎 Le Chonk:Mistral Large 4 在 Hugging Face 上线

    Mistral Large 4(代号 Le Chonk)是 Mistral 推出的多模态 MoE 模型,总参数约 1T,激活参数 49B,上下文窗口 1M tokens。

    阅读原文 来源:Hugging Face Blog

    推荐理由Mistral Large 4 发布,作为开源 MoE 模型在 1T 总参数、1M 上下文窗口和多模态能力上具有显著规格,尤其在网络安全、编码智能体和多模态理解方面表现突出,且提供 FP8、GGUF 等多种部署形式,读者可据此评估其在安全与开发场景的实际可用性。

  4. The Verge · AI

    Anthropic 的商业计划:造神或死而后已

    Anthropic 的营收在2026年上半年同比增长14倍至16.3亿美元,但公司面临巨额固定成本压力,20年最低计算与基础设施承诺总额达850亿美元,可能升至万亿美元。

    阅读原文 来源:The Verge · AI

    推荐理由原文通过对Anthropic S-1财报的深度拆解,揭示了公司在剧烈增长与天文数字的固定成本之间的内在矛盾,展示了其商业模式对递归自改进的依赖以及由此带来的安全权衡,读者可从中获取AI公司商业生存的真实成本与策略图景。

  5. Hugging Face Blog一手

    Hugging Face 发布 AnySpeechRecognizer 和 AnyDecisionModel Swift 包,实现 Apple 平台开源语音识别与决策模型

    Hugging Face 博客发布 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包,旨在为 Apple 平台提供开源语音识别和决策模型的新 API。

    阅读原文 来源:Hugging Face Blog

    推荐理由原文介绍了 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包,提供了在 Apple 平台上使用开源语音和决策模型的新 API,读者可以了解到具体的模型选择、运行时配置和性能数据。

  6. AWS Machine Learning Blog一手

    在 EKS 上使用 Ray Train DLC 和 EFA 进行分布式训练

    原文介绍了在 Amazon EKS 上使用 Ray Train DLC 和 EFA 实现分布式 PyTorch 训练的完整流程。该方法无需手动构建训练镜像,直接使用 AWS 发布的 Ray Train DLC(public.ecr.aws/deep-learning-containers/ray:train-ml-cuda-v1.1)即可启动包含 EFA 网络堆栈的训练作业。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文提供了完整的分布式训练配置细节,读者可以直接参考 Ray Train DLC 和 KubeRay 实现多节点 FSDP 训练,无需手动构建镜像。

  1. BeInCrypto

    Anthropic IPO前现金超 Nvidia 与 Apple 合计,但未偿债高达 5870 亿美元

    Anthropic 在 IPO 前的 S-1 申报文件显示,其现金及短期投资总计 131.7 亿美元,超越 Nvidia 和 Apple 合计现金水平。然而,披露的未确认租赁义务与固定支出合计 5870 亿美元,现金仅覆盖其中 22%。

    阅读原文 来源:BeInCrypto

    推荐理由Anthropic的IPO前财务数据披露显示,其现金与短期投资虽超 Nvidia 与 Apple 合计,但未偿还义务高达 5870 亿美元,仅覆盖 22%,且收入与义务的缺口需通过 2045 年持续弥补。

  2. Latent Space

    Anthropic 发布 Claude Opus 5.5 并介绍平台架构:分离大脑与手部,更新定价与能力对比

    Anthropic 发布 Claude Opus 5.5,发布说明给出了与上一版本的能力对比:工具调用成功率提升、支持多步任务规划,并公布了各档位的调用限额与计费口径。

    阅读原文 来源:Latent Space

    推荐理由原文发布了 Claude Opus 5.5 并介绍了 Claude Platform 的核心架构,读者可以了解到模型行为改进、定价变化以及受控智能体的技术实现细节。

  3. AWS Machine Learning Blog一手

    Exowatt 利用 SageMaker 无服务器模型自定义在精度上超越前沿模型

    Exowatt 利用 Amazon SageMaker AI 无服务器模型自定义,在两个部署目标(边缘和云端)上分别微调了 Qwen3-1.7B 和 Qwen3-14B 模型,在报警分类和能源市场分析两项任务上分别实现 0.911 和 0.975 的 macro-F1 分数,显著超越同等规模的前沿模型。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  4. AWS Machine Learning Blog一手

    亚马逊云科技:通过修正评估偏差在Amazon Bedrock上解锁更优模型

    Property Finder发现其评估标签有96.8%来自单一模型预测而非人工验证,导致任何替代模型都处于结构性劣势。团队通过手工标注356张阿联酋房产图建立无偏地面真值,并从单标签转向多标签分类以消除歧义。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了如何通过重新构建人工标注数据集、引入多标签分类以及使用提示词优化,在成本大幅降低的情况下实现模型性能的显著提升,读者可直接学到构建无偏评估框架的实践方法。

  5. AWS Machine Learning Blog一手

    AWS 发布 SOCI-indexed 镜像,SageMaker AI 作业启动速度提升

    AWS 宣布 Seekable OCI (SOCI) 索引技术将上线 SageMaker AI 训练和处理作业。SOCI 索引通过元数据实现容器镜像的懒加载,仅在启动时下载启动所需文件,其余按代码运行时流式传输,使作业启动从分钟级降至秒级。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了 SOCI-indexed 容器镜像在 SageMaker AI 训练和处理作业中的下载时间从分钟级降至秒级,GPU 空闲时间下降 90%,读者可直接通过 -soci 后缀的镜像标签或自行创建索引来实现零代码改造的加速。

  6. LangChain Blog

    LangChain 如何构建设计智能体 Content Studio:从捕捉品味到异步子代理的完整实践

    Content Studio 是一个在 Slack 中运行的设计智能体,可从单一提示词生成视频、社交图形、UI 图片和幻灯片等资产。该智能体由 LangChain 内部团队基于 Managed Deep Agents 自研,通过四个月的迭代教学,学习了公司的设计品味与原则。

    阅读原文 来源:LangChain Blog

    推荐理由原文详细拆解了从零构建设计智能体的全过程:如何通过捕捉设计师的品味、搭建媒介环境和异步子代理机制,让 AI 从生成‘千篇一律’的内容转向有品味、可迁移的设计产出。读者可学到具体的技巧、工具配置和团队协作模式。

  1. The Decoder

    OpenAI发布GPT-6.1 Terra,API价格较GPT-5.6 Terra降低一半

    OpenAI发布GPT-6.1 Terra,API价格较GPT-5.6 Terra降低一半。输入token成本为每百万1美元,输出token为每百万5美元,缓存输入token降至每百万0.05美元。

    阅读原文 来源:The Decoder

    推荐理由OpenAI发布GPT-6.1 Terra,API价格较GPT-5.6 Terra降低一半,且在智能指数和推理效率上显著提升,为用户提供更具成本效益的高性能模型。

  2. TechCrunch · AI

    Anthropic IPO filing reveals strategy to keep enterprise customers hooked on Claude ecosystem

    Anthropic提交IPO文件,展示通过跨产品生态留存企业客户的策略。截至9月30日,超过11,900家客户年支出超10万美元,其中1,900家年支出超100万美元,250家年支出超1000万美元。

    阅读原文 来源:TechCrunch · AI

    推荐理由Anthropic的IPO filing展示了其通过跨产品生态锁定企业客户的策略,数据显示高净值客户使用率显著提升,揭示了AI企业客户留存的关键路径。