GPT-6.1 Sol 助力 CodeRabbit 强化复杂代码库安全
CodeRabbit 使用 GPT-6.1 Sol 调查复杂代码库中的安全风险。其安全智能体协助开发者审查发现的安全问题及建议的修复方案。
CodeRabbit 使用 GPT-6.1 Sol 调查复杂代码库中的安全风险。其安全智能体协助开发者审查发现的安全问题及建议的修复方案。
OpenAI 发布 GPT-6.1 Terra。该模型交付大规模快速且强大的计算机使用能力。
OpenAI 工程师使用 Codex Ultrafast 将事故调查时间从数小时缩短至几分钟。该工具还用于加速安全分析、代码重构及日常工作流程。
OpenAI 发布 Signals 数据,展示近 100 个国家中 165 项工作活动的 ChatGPT 使用情况。数据揭示了人们如何使用 ChatGPT 辅助工作,以及使用模式随时间的变化趋势。
AWS 发布基于 AWS CDK 的解决方案,在 Managed Amazon Bedrock Knowledge Base 上构建企业级智能体检索系统。该系统利用 AgenticRetrieveStream API 实现多轮规划与工具驱动检索,并通过 Amazon CloudWatch 仪表盘提供全链路可观测性。
在 Amazon Bedrock 上使用 OpenAI 模型时,通过提示缓存可复用智能体重复发送的工具定义与指令,降低输入成本。文章演示了结合隐式与显式缓存,利用 prompt_cache_breakpoint 标记静态前缀,使后续请求仅处理新增内容。此前智能体每轮需重读全部历史,导致 token 费用随轮次线性增加。
基于 SageMaker SDK v3 构建的边缘端计算机视觉全车队生命周期管理方案,利用 SageMaker Neo 替代已弃用的 Edge Manager 进行模型优化。
Fanatics 利用 OpenAI 技术通过 Shop the Look 功能帮助球迷完成比赛日穿搭。在约 30,000 个 MLB 产品的测试中,该功能使参与度提高了 10%。
OpenAI 披露了针对前沿模型训练与评估环境的强化隔离措施。具体手段包括部署离线环境以及实施高算力红队测试,旨在提升模型开发过程中的安全性与可控性。
Google Research 在 IDWeek 2026 分享如何利用 MedGemma 等开源基础模型实现全球 TB 筛查民主化。其合作工具已在 6 国约 40 家机构部署,将胸片分析时间从数周缩短至 45 秒内。此前该团队已发布 MedSigLIP 等模型,旨在解决偏远地区放射科医生稀缺导致的 TB 漏诊问题。
AWS 官方博客发布在 Amazon SageMaker AI 上实践多轮强化学习(MTRL)训练智能体的动手指南,以 Wordle 展示从部署到评估的端到端流程。实验将 gpt-oss-20b 在保留词上的解决率从 61% 提升至 84%,训练 token 费用约 $339。教程指出同一管道适用于公开模型未训练过的内部多步任务。
宾夕法尼亚大学与 Hugging Face 合作开发 LitPivot,利用 Asta Paper Finder 检索文献,辅助研究人员在早期构思阶段进行文献驱动的研究方向调整。该系统将提案分解为问题、贡献和评估等维度,提供基于文献摘录的批评与修改建议。在 17 名研究人员的实验中,LitPivot 生成的研究想法在文献支撑度上优于传统文本编辑器加 AI 聊天工具的基线组合。
OpenAI 通过可靠的多租户架构、全球缓存及 Azure Cosmos DB 扩展了 Habitat 系统,为 ChatGPT 实现了 12 倍更快的读取速度。该方案旨在支撑超过 10 亿用户的在线存储需求,是 OpenAI 此前关于扩展存储以服务海量用户系列内容的第二部分。
拜耳作物科学基于 Amazon Bedrock AgentCore 构建 Agentic Decision Engine (ADE),作为多智能体自然语言接口连接其 Connected Decision Engine。ADE 在生产环境运行 22 个专家智能体,利用 LangGraph 编排,第一阶段可独立解决约 80% 的用户问题。此前诊断工作流故障需超过一小时,现缩短至 10 分钟以内。
Amazon Quick Sight 图层地图新增支持 GeoJSON 中的 Point 和 LineString 几何类型,可绘制具体位置点及连接各点的路线。该功能通过共享键将 GeoJSON 文件与数据集关联,最大支持 100 MB 文件,此前图层地图仅支持上传自定义形状层。
AWS CDK 通过自定义资源编排 SageMaker AI 端点更新时的自动扩缩容注册与注销流程。该方案解决了 CloudFormation 在更新端点配置时因自动扩缩容目标未注销导致的部署失败或状态丢失问题。开发者可在单次部署中同时更新端点配置和自动扩缩容参数,无需手动干预。
Hugging Face 推出 TorchNeuron 模型支持查询 Space,用于检测 Hub 热门模型在 AWS Trainium 上的兼容性。该工具展示模型运行状态、Trainium 核心分片数及峰值内存,并提供基于 torch-neuronx 的 run.py 脚本供用户自行部署。目前仅测试文本生成和图文转文本模型,结果数据已公开为 Parquet 数据集。
OpenAI 与波兰 NASK 达成合作,共同推进 AI 安全、安全及技术研究。双方旨在加强保障措施,支持构建更具韧性的数字生态系统。
NVIDIA 创始人黄仁勋访问阿斯塔纳,宣布投资哈萨克斯坦初创公司 Higgsfield AI。Firebird 获准在哈萨克斯坦部署 45,000 块 NVIDIA Grace Blackwell GPU,一期目标 2027 年第三季度商用,总容量规划达 500 兆瓦。
Anima 利用 GPT-6 和 GPT-Live 帮助诊所将电话等待时间减少 75%。该方案扩展了护理团队使用 OpenAI 模型的能力,使其拥有更多响应患者的容量。
Microsoft 与 Hugging Face 联合发布 ThinkingBox-Training,将数据库终态的可执行检查转化为强化学习奖励。使用该方法对 Qwen3.8-27B 进行 50 步 GRPO 微调后,其在 ThinkingBox-Bench 上的平均成功率从 51.70% 提升至 60.78%,且 20 次尝试全部正确的任务数从 38 增至 107。
OpenAI 推出 Decisions API,旨在为各类应用提供快速、专注且低成本的决策支持。该 API 专注于提升应用响应速度,通过降低决策成本优化开发体验。
Amazon Quick 作为 HIPAA 合格服务,支持在受监管环境中处理受保护健康信息(PHI)。其智能体通过连接器访问结构化与非结构化数据,并提供 ACL 感知检索及行为审计日志以强化治理。该服务资格涵盖 Web、桌面及移动端,但实现完全合规需结合 BAA 签署及企业自身配置。
Amazon SageMaker AI 扩展了无服务器模型定制能力,推出训练会话 API,允许用户通过 Python 代码直接控制训练循环,无需管理底层 GPU 基础设施。
AWS SageMaker AI 无服务器模型定制功能扩展,新增训练会话(Training Sessions)正式可用。该功能允许用户编写自定义后训练逻辑(如 SFT、DPO、RLVR),由 SageMaker AI 自动处理 GPU 分配、分布式执行及故障恢复,无需管理底层基础设施。此前该服务已提供无服务器模型定制,此次更新旨在解决多轮强化学习等复杂场景下的基础设施管理难题。
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建了企业知识助手,利用原生 SharePoint 连接器直接摄取文档,无需自建 RAG 基础设施。该方案支持四国语言混合检索与文档级权限控制,团队使用 Kiro 和 Claude Haiku 4.5 完成了从前端到部署的全栈开发。
Amazon Polly 生成引擎升级现已正式可用,新增 14 种语音覆盖 9 个地区,并首次提供印地语和芬兰语生成语音。此次升级保持 API 调用和语音名称不变,现有应用无需修改代码即可直接享受更自然、低延迟的语音输出。
该方案在 Amazon SageMaker AI 上部署 Kokoro-82M 模型,通过流式传输实现 AI 智能体语音生成的低延迟响应。模型仅含 8200 万参数,运行于 ml.g5.xlarge GPU 实例,支持双向流式传输以在生成过程中即时合成音频。
Flint-interactive 是微软研究开发的用于创建交互式数据可视化的语言,通过编译器将交互转为语义事件。它支持智能体经 Flint-MCP 在聊天中生成可点击筛选的图表,分离视觉与交互逻辑以减少调试成本。
Uber 向超过 30,000 名员工部署 ChatGPT Work,协助团队进行研究、数据分析、创建演示文稿及完成复杂工作流。
今日发布 OlmoEarth v1.3 卫星嵌入模型,同时开放全球年度嵌入数据与 OlmoEarth Embeddings Explorer 浏览器工具。模型为每10米像素生成128维向量,在27项评估中20项得分最高,权重数据代码全开放。此前使用需GPU微调,现可零门槛探索九年间地表变化。
Rescale 利用 AWS 的 AI-DLC 框架和 Strands Agents 构建了自动化测试失败分诊智能体,从问题定义到预发布部署仅用五天。该智能体运行在 Amazon EKS 上,调用 Claude Opus 4.8 对端到端测试失败进行分类和路由,并通过 MCP 查询日志生成修复报告。此前 Rescale 工程师需手动处理大量测试失败,导致发布流程受阻。
在 Amazon SageMaker AI 部署 Kokoro-82M 模型时,通过实测单实例最大并发数 Q_max 和扩缩容耗时 T_total,推导自动扩缩容阈值。该方法替代了传统猜测式配置,利用原生指标 ConcurrentRequestsPerModel 避免 TTS 场景下因目标值偏差导致的资源闲置或延迟超标。
NVIDIA 发布 AIOps 平台 Minerva,旨在通过整合基础设施与 AI 工作负载遥测数据,利用专用 AI 模型提升 AI 工厂生产力。该平台构建动态知识图谱,每小时分析数十亿数据点以检测异常并预测故障,将相关事件聚合为单一可操作项。IREN、IBM、Tesla 等合作伙伴计划部署 Minerva,Dell、Lenovo 和 Supermicro 也将将其纳入 AI 工厂运营组合。
Google DeepMind 绘制全球森林类型地图 ForTy 2020,以 10 米分辨率将各地块分为六类森林与土地利用类型。该地图附带 2017 至 2025 年年度变化序列,验证准确率 90% 且已在 Google Earth Engine 开放。这是继去年 Natural Forests of the World 2020 后进一步区分森林类型的努力。
OpenAI 解释了其内部 Forward Deployed Engineering(FDE)的具体含义。
IBM Granite 开源 Granite Timeseries Ensemble r1,将四种预训练时间序列架构集成为统一接口输出点预测与分位数预测。默认 Probabilistic Ensemble 等权池化免拟合,在 GIFT-Eval 97 项配置上聚合 MASE 优于四成员但优势微小,价值在于跨序列鲁棒性。
NVIDIA 合作伙伴与欧洲多国政府合作,利用开源模型在受控基础设施上部署 AI 以提升公共行政效率。项目涵盖波兰医疗影像分析、英国 Nemotron-Personas-UK 数据集发布及德国机密数据主权云建设。这些举措旨在让政府保留数据主权,同时利用 NVIDIA Nemotron 等模型优化本地化公共服务。
NVIDIA 在欧洲部署 Earth-2 开源模型,最新推出的 StormScope EU 利用 EUMETSAT 卫星数据每 10 分钟更新欧洲区域短期预报。AXA、Vaisala 及曼彻斯特大学等机构正利用 FourCastNet 3、CorrDiff 等模型优化风险预测、空气质量建模及太阳能发电评估。
欧洲零售商利用 NVIDIA 加速的开放模型与物理智能技术优化业务,Shopify 通过微调 Nemotron 3.5 Lightning 将推理成本降低 90% 且响应速度提升 7 倍。