Anthropic 的 Claude Haiku 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上线，是 Claude 5.5 系列中最快、最高效的模型，面向子智能体和高频成本敏感任务，多数任务成本比 Claude Haiku 4.5 低约 75%。
推荐理由：Claude Haiku 5.5 在 Amazon Bedrock 上线，给出了成本、effort controls 与和 Opus 5.5 搭配的分工方式。
NVIDIA 分享了教机器人组装 GB300 测试托盘的经验，GB300 是支撑现代基础模型训练与推理的 Grace Blackwell 超级芯片，其托盘组装目前依赖全球工厂的技能型体力劳动。文章围绕这一过程讨论了机器人学习、机械智能与工程实践。
在旧金山 Microsoft 活动上，NVIDIA 与 Microsoft 宣布共同为 AI 智能体在 Windows PC 上运行进行软硬件协同设计，Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers（MXC）正式可用，让智能体在操作系统控制下安全持续地后台运行。
推荐理由：NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力硬件一起推到 Windows 上，读者可据此判断端侧智能体的落地路径。
GitHub 披露，如今每 3 个 pull request 就有 1 个涉及 AI agent，一年前还不到 1/10。GitHub 与 Microsoft Applied Sciences 联合打造了微调分类器，把 push protection 扩展到非结构化密钥，可在 2 毫秒内评估一批候选密钥，有望把可拦截的密钥数量提升一倍以上。
Cornerstone OnDemand 基于 Amazon Bedrock 和开源智能体编排框架 Strands Agents 构建多智能体系统 Orion AI，将数据库诊断时间从 45 分钟降至 10 分钟，缩短 78%。该系统还把数据库生命周期操作从 10 多个手动步骤压缩为 1 次自然语言交互，冗余告警中位数减少 65%，SRE 与数据团队之间的 15 分钟报告延迟降为实时。该三
AWS 推出六周结构化培养项目，让非工程背景的业务人员用 Amazon Bedrock、Bedrock AgentCore 和 Strands Agents SDK 构建可运行的 AI 原型。
通过 Amazon EventBridge、AWS Lambda Durable Functions 和 Amazon Bedrock，可以把 AWS DevOps Agent 的事故调查结果转成待审批的修复方案，实现修复工作流自动化。
Qlik 用 Amazon Bedrock 打造 Qlik Answers，让员工用自然语言提问并获得带来源的可信回答，检索层由 Amazon OpenSearch Service 支撑，模型访问层经自建 LLM gateway 接入 Bedrock 的对话、流式、嵌入与重排能力，并用 Bedrock Guardrails 做内容过滤与接地校验。
AWS 提出 Agentic Value Model 框架，主张传统 ROI 模型低估了智能体自动化的价值，应从时间节省、异常处理、决策质量、变更韧性与维护成本四个维度衡量。框架引用 McKinsey 的"1:3:5"投入比例，并给出错误修正成本为原始交易 1.5–4 倍、人为错误占运营成本 2–15% 等规划区间。文中以年处理 20 万件理赔的流程为例演示测算。
NVIDIA cuOpt 中的 mPDLP 首次将 GPU 加速决策优化扩展到 1 亿变量以上。随着供应链 SKU、线路和约束持续膨胀，能源电网需实时平衡更多分布式来源，团队必须在实际规划窗口内评估更大模型和更多不确定性，而 cuOpt 相比 CPU 已可实现 10 倍以上加速。
NVIDIA 提出用数字孪生与 AI 智能体验证 AI 工厂的变更。AI 工厂融合 GPU、CPU、交换机、DPU 与 SuperNIC，并叠加大规模调度器、编排服务和安全控制。面对快速迭代的软件栈，验证基础设施、软件与策略能否协同支撑目标负载同样棘手。
NVIDIA 发布 cuPhoton，用于加速科学图像分析，解决天文望远镜、激光与 X 射线光源等高通量仪器产生的图像数据超出 CPU 流水线处理能力的瓶颈。该瓶颈并非单个慢 kernel，而是从传感器原始数据读取、点扩散函数或探测器响应匹配，到相减归约的整条决策路径。
NVIDIA Megatron Core 支持可扩展的逐位确定性预训练，让大规模预训练更易调试、验证和可复现地恢复。在数千块 GPU 上训练万亿参数模型时，多种并行维度、低精度计算和分布式 checkpointing 会加大故障复现与修复验证难度。
AWS 官方博客介绍如何在 Amazon Bedrock AgentCore 运行时的 OpenClaw 开源智能体系统上构建具备长期记忆的上下文感知助手，以园艺助手 Sprout 为例，全部组件部署在一个 CloudFormation 模板中。
NVIDIA DOCA GPUNetIO 让网络与数据搬运由 GPU 直接控制，不再依赖 CPU 中转。CPU 若处在每次网络事务的关键路径上会成为瓶颈，增加延迟并限制分布式应用的实时响应效率。该方案旨在 NVIDIA 软件栈中统一 GPU 发起的网络通信。
Atlassian 与 OpenAI 扩大合作，将前沿模型与企业知识连接起来，帮助团队规划、构建并交付工作。
亚马逊展示如何为航司应用加入语音旅行管家：基于 Amazon Bedrock AgentCore 托管智能体、Nova 2.5 Sonic 实现实时语音、Bedrock Knowledge Bases 支撑政策问答，通过 MCP 与 AgentCore Gateway 打通后端，可查行程、改座位、更新餐食偏好并转接人工客服。
亚马逊云科技为 SageMaker HyperPod 推出新能力，数据科学家可在 SageMaker Studio 界面中直接创建、配置、启停并打开 Spaces，无需再依赖 HyperPod CLI 或 kubectl。
针对多团队共享一个 Amazon SageMaker HyperPod 集群时的治理难题，AWS 给出组织、项目、集群、工作负载四层控制模型。其中项目只是协作边界而非运行时安全边界，集群与稀缺加速器容量应集中在单一 capacity account 中管理。
NVIDIA 发布 AICR v1.0，提供开放、稳定且可验证的 GPU 集群配置。GPU 加速的 Kubernetes 集群依赖主机内核、GPU 驱动、容器运行时、网络、存储、operator 与工作负载框架等数十个组件的版本兼容，某套配置在特定服务、GPU 代际和 Kubernetes 版本下可用，换一个环境可能静默失败。
NVIDIA 介绍 Green Contexts，用于控制同一进程内多个独立 GPU 组件之间的资源共享，例如延迟敏感算子与吞吐型后台 kernel、数据预处理与模型推理等场景。单个 GPU 上多阶段工作流并存时，资源分配一直难以精细控制。
电信运营商正把 AI 战略建立在开源模型之上，NVIDIA《State of AI in Telecommunications》报告显示 89% 受访者认为开源模型与软件对公司 AI 战略重要。
AWS 宣布 Z.ai（智谱 AI）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长周期智能体任务。
推荐理由：原文给出 GLM 5.3 在 Bedrock 上的接入方式与提示缓存细节，读者可据此评估如何改造自己的智能体工作流。
Amazon SageMaker AI 优化生成式 AI 推理新增 aws-ai-ml 技能，通过 Agent Toolkit for AWS 提供给 Kiro、Claude Code、Codex 等编程智能体，使其能基准测试端点、推荐部署配置并生成可执行的 SageMaker Python SDK v3 代码。
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 和 Claude Sonnet 5 现已在 AWS GovCloud (US) 区域的 Amazon Bedrock 上可用，为 ITAR 等合规工作负载提供 AI 辅助开发通道。
亚马逊云科技展示如何用 Amazon Bedrock AgentCore Evaluations 评估多智能体供应链系统，内置评估器覆盖有用性、任务完成和指令遵循，自定义评估器可检查约束满足、路线可行性、SQL 正确性和解释质量。
Amazon Bedrock Managed Knowledge Bases 新增智能体检索，通过 AgenticRetrieveStream API 将复杂问题拆成子查询、循环判断证据是否充分并按需重搜，与单次混合搜索的 Retrieve API 形成两条路径。
亚马逊为 agentic AI 助手 Amazon Quick 推出 Quick Resource Migrator，这是一款托管在 Amazon Bedrock AgentCore 上的 MCP 服务器，可在单次工具调用中把 chat agents、action connectors、知识库、flows 和 spaces 从开发账户迁移到生产 AWS 账户。
在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，训练数据来自 FRAMES、BRIGHT 和含 50 万+合成企业文档的 Enterprise RAG 数据集。
通过 Amazon Bedrock AgentCore 的 AgentCore Gateway，可将 Claude Desktop 连接到由 Amazon 网页索引支持的 Web Search，突破模型训练知识截止限制。
AWS 提出 Adjudicated Query 模式，让业务用户在 Amazon Quick 聊天界面提问，判定由确定性规则引擎完成，并生成"完整性回执"确保合规加违规加模糊加不可读等于已扫描。
OpenAI 发布 GPT-6 家族模型指南，面向初创团队讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。
OpenAI 的 GPT-6 Astra Ultrafast 在 NVIDIA Blackwell GPU 上运行，现已面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：原文给出了 Ultrafast 相对标准模式的加速倍数与适用场景，读者可据此判断它在编码智能体工作流中的实际提速空间。
AWS Professional Services 打造了四智能体模式，在 Amazon Bedrock AgentCore 上运行、通过 MCP 工具连接源与目标，把单应用 IaC 开发时间从 3 到 4 周压缩到几分钟。该模式与 AWS Transform、AWS DMS 并存，覆盖迁移发现、IaC 生成、治理报告与切换后 SRE 运维，基于 Strands Agents SDK 构建。
NVIDIA 发布 DOCA Agent Skills，为 AI 智能体补充 NVIDIA DOCA 这一基础设施软件领域的专业知识，用于在 BlueField 上更快构建应用。NVIDIA 指出，通用智能体并非为 DOCA 这类专用基础设施软件设计，缺乏领域知识时容易靠猜测行事，而基础设施开发中每次纠错都会挤占部署时间。
NVIDIA 发布 Do Inference Now (DIN) Deploy，一个开源 C++ 示例集合，将 ONNX Runtime 与 NVIDIA TensorRT RTX 执行提供程序结合，帮助开发者把模型 checkpoint 转到本地原生应用。该示例面向需要可移植模型格式、可靠运行时和跨目标系统加速的本地 AI 场景。
NVIDIA NeMo Agent Toolkit（NAT）通过自定义 MemoryEditor 接口接入 Amazon S3 Vectors，把它作为持久记忆后端，支持每个索引最多 20 亿向量、强写一致性和按 bucket/index 的 IAM 访问控制。
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化，将申请开始、提交、审批三阶段分别建模并线性组合 UCB 分数以兼顾整条漏斗；七周在线 A/B 测试中，某一人群的最终漏斗转化率取得高个位数相对提升，另一人群未见改善。团队认为问题出在内容而非模型，并公开了可在合成数据上试用的代码仓库。
Amazon Bedrock AgentCore 可构建事件驱动的环境智能体（ambient agent），由 Amazon S3 事件通知、EventBridge、Lambda 等信号触发后在 AgentCore Runtime 上运行，需要时通过单个 ask_human 工具暂停并等待人工审批再继续。
AWS 为 Claude Platform on AWS（CPonAWS）给出多环境访问的完整实现方案：在组织内设专用 AI Services 账户持有订阅与 workspace，AWS 工作负载通过跨账户 SigV4 调用推理，开发者用绑定 workspace 的长期 API key，外部环境经 OIDC 联邦获取短期凭证。