AWS 宣布 GLM 5.3 已在 Amazon Bedrock 上提供，企业用户可通过托管 API 调用该模型，并使用跨区域推理、提示词缓存和不同服务层级。文章给出 OpenAI 兼容 API 调用及显式提示词缓存的 Python 示例，还演示了如何将模型接入开源 AI 渗透测试智能体 Strix，对本地 OWASP Juice Shop 执行授权安全测试。
推荐理由：文章把 GLM 5.3 在 Amazon Bedrock 上的接入方式与缓存配置写成可操作示例，并展示了它在授权安全测试工作流中的用法。
AWS 介绍了在 AWS GovCloud (US) 中通过 Amazon Bedrock 配置 Claude Code，为受监管工作负载提供 AI 辅助开发方案。
推荐理由：文章并列说明 bedrock-runtime 与 bedrock-mantle 的功能和合规差异，并提供配置步骤，便于团队按审计与接口需求选择接入方式。
Amazon SageMaker AI 推出 aws-ai-ml skill，可接入支持 MCP 的编码智能体，协助优化生成式 AI 推理。它能对端点进行基准测试、推荐部署配置、比较性能数据，并生成可检查和运行的 SageMaker Python SDK v3 代码；文章介绍了通过 Agent Toolkit for AWS 或 SageMaker Studio 安装和使用的方法。
推荐理由：文章说明了如何将 aws-ai-ml skill 接入 MCP 兼容的编码智能体，并展示其基准测试、部署配置推荐与结果对比流程。
GitHub 推出 ReviewBench 开放基准，用于评测 AI 代码审查智能体，并提供公开数据集、统一评分方法和系统比较入口。基准包含来自 187 个开源许可仓库的 219 个 PR，覆盖 19 种语言，其分布参考了对 103.9M 个 GitHub PR 的分析；资深工程师独立复核标注，判断一致率为 96.6%。
推荐理由：ReviewBench 将真实 PR 分布、多来源标注和专家复核纳入同一评测流程，并用线上实验对照离线信号，为代码审查智能体比较提供可复现依据。
AWS 介绍了 Quick Resource Migrator，这是一个运行在 Amazon Bedrock AgentCore 上的 MCP 服务器，可将 Amazon Quick 资源从开发账户迁移到生产账户。
推荐理由：文章拆解了跨账户迁移的资源选择、权限复用、备份回滚与预览流程，可帮助团队理解如何把 Amazon Quick 资源纳入可审计的发布流程。
文章演示如何在 LangChain 与 Amazon Bedrock Managed Knowledge Base 中使用标准检索和智能体检索，比较它们处理多部分问题的方式。标准检索以一次混合搜索返回结果，智能体检索则拆分子查询、评估证据并在需要时继续搜索；前者更快、更便宜，后者在多跳问题上的召回有所提升，但成本和延迟更高。
推荐理由：文章用同一多部分问题对比单次检索与规划式检索，并拆解其成本、延迟和召回取舍，提供了按查询复杂度选择路径的依据。
AWS 展示了如何使用 Amazon Bedrock AgentCore Evaluations 构建并评估多智能体供应链决策系统，检查帮助性、业务准确性与可解释性。示例采用协调智能体和优化、分销、路线规划、分析四个专业智能体，并结合内置评估器与自定义评估器，分层验证通用质量、业务规则和决策说明。评估支持开发阶段的按需模式与生产环境的在线监控模式，文中提供部署、运行及评估步骤。
推荐理由：文章用供应链多智能体示例拆解三层评估流程，将通用质量、业务规则正确性与可解释性分开衡量，便于定位不同的改进方向。
Microsoft 与 Hugging Face 发布 ThinkingBox 和 ThinkingBox-Bench，用数据库终态及副作用评估 AI 智能体是否真正完成业务工作流，并将每项任务独立运行 20 次衡量一致性。
推荐理由：ThinkingBox 将评估焦点从对话和工具调用转向数据库终态，并通过每项任务重复运行衡量一致性，为检验智能体是否可靠完成业务流程提供了可复用基准。
AWS 介绍 Adjudicated Query 模式，使用 Amazon Quick 对话界面接收合规问题，并由确定性规则引擎完成租约核查，模型只负责将自然语言转换为固定操作调用和叙述结果，不参与判定。
推荐理由：文章以租约合规为例，拆解如何用确定性规则引擎与完整性回执保证逐条核查，并说明对话模型应与判定环节隔离。
Asta 团队开源 AstaBrief 8B，这是一款根据研究问题和检索到的文献片段生成带引用报告的模型，也已作为 Asta 的 Fast 模式上线。该模型以 Qwen3-8B 为基础，开放模型权重和训练数据；在 Asta 全流程中，Fast 模式平均每份报告耗时 51.1 秒，Thinking 模式为 178.5 秒，约快 3.5 倍。
推荐理由：AstaBrief 的训练经验显示，筛除低引用密度样本比尝试更复杂的过滤组合更有效，为科学报告模型的数据筛选提供了具体参考。
Google Research 介绍了新一代基于可信执行环境（TEE）的联邦学习（FL）系统，通过公开访问策略、可验证执行和差分隐私，增强数据匿名化的可审计性。Gboard 已用该系统部署英语和日语的下一个词预测模型，获得更强隐私保障和更高准确率，训练时间也较以往显著缩短。
推荐理由：文章梳理了 TEE 如何把访问策略、可审计执行与差分隐私结合起来，并以 Gboard 部署说明这种架构的实际应用。
NVIDIA DGX Spark 将推出 64GB 配置，面向开发者、研究人员和 AI 爱好者，可在设备本地运行最多 100-billion-parameter 模型。
推荐理由：64GB 配置覆盖单机本地运行与双机扩展，文中还给出 Qwen 3.8 27B 测试的性能对比和集群接入方式，便于评估扩容路径。
ServiceNow CoreAI 构建了 AutoSynthData，根据目标模型的失败和更强教师模型的成功生成、验证训练任务，并用于模型微调。
推荐理由：文章展示了从模型失败提炼能力缺口、生成并验证训练任务的流程，并报告该方法在 EnterpriseOps Gym 两个领域的微调结果。
OpenAI 的 GPT-6 Astra Ultrafast 运行于 NVIDIA Blackwell GPU，现已通过 OpenAI API 向开发者提供，并面向符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：材料比较了 Astra Ultrafast 与 Standard 模式的生成速度，并联系编码智能体的多轮工具工作流，说明响应延迟如何影响交互节奏。
Google 宣布推出前沿模型 Gemini 4 Argon，面向软件工程、企业知识工作和网络安全等复杂工作流，现正通过 Fairwind Program 向可信网络防御人员分阶段开放。
推荐理由：1M tokens 的输出上限与分阶段开放安排，呈现了 Gemini 4 Argon 在长流程任务能力和前沿模型发布管控上的两项具体变化。
Google DeepMind 推出 SynthID Bio，可将可检测的水印嵌入AI生成的蛋白质序列或预测结构，同时保留蛋白质的生物功能。针对VEGF-A、SARS-CoV-2刺突蛋白RBD和PD-L1的湿实验显示，带水印的蛋白质结合体在命中率、结合亲和力和天然序列多样性方面与未加水印版本相当。Google DeepMind还将发布方法论文、开放代码和体外数据，并向研究社区开放模型权重。
推荐理由：SynthID Bio将水印嵌入蛋白质序列或预测结构，并以实验结果说明其检测信号与生物功能可以并存，为识别AI生成生物设计提供验证层。
NVIDIA 与 CoreWeave 宣布在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72，并推出模型与智能体训练、评估和改进环境 CoreWeave Forge。
推荐理由：文章把 Vera Rubin 的生产部署、Vera CPU 测试和 Forge 的训练改进流程放在同一案例中，呈现从推理到持续优化的具体做法。
Hugging Face 推出 Open TTS Leaderboard，使用客观指标评测开源 TTS 模型的可懂度、速度和说话人相似度。排行榜支持多语言与音色克隆比较，并提供试听和投票功能；流式性能按首段音频时间（TTFA）衡量，可查看 H200 GPU 和部分 CPU 结果。该排行榜补充而不取代人工偏好评测，评测脚本计划随后开源。
推荐理由：排行榜将多语言语音合成、音色克隆和流式延迟纳入同一评测框架，并与人工偏好投票互补，呈现开源 TTS 模型比较中的不同维度。
NVIDIA 发布开源表格基础模型 Kumo Tabular，用于表格分类和回归，可根据带标签的上下文行在一次前向传播中预测新行，无需训练、调参或特征工程。模型有 28M 至 215M 参数的三种尺寸，以人工数据预训练，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 四项基准上排名第一。
推荐理由：文章交代了人工合成表格预训练的构建方式，并列出四项基准结果，便于了解该模型的训练设计与评测表现。
Microsoft Research 推出 Quine，这是一个结合生物多模态世界模型与交互式研究环境的实验性 AI 研究系统，可连接科学工具、文献、湿实验室和研究人员。
推荐理由：Quine 将生物多模态世界模型与实验工具及文献连接，并以胰腺癌细胞状态实验展示其筛选候选化合物的研究流程。