AWS Machine Learning Blog3838Smartsheet MCP on AWS 推出通用模型上下文协议 (MCP) 服务器
Smartsheet 推出通用模型上下文协议 (MCP) 服务器，使 AI 助手能通过标准化协议读写管理 Smartsheet 数据；支持 Amazon Quick 和 Kiro 连接，Quick 供知识工作者和运营团队自然语言查询更新 Smartsheet，Kiro 让开发者能参考项目规格和更新任务状态，无需离开编码环境。
实时
全部 AI 动态
- AWS Machine Learning Blog3838
Amazon Science亚马逊携手 AVERI 独立第三方审查强化 AI 安全评估
亚马逊与 AVERI 合作对内部安全评估数据集进行独立审查，验证了评估流程的全面性、多样性及低污染风险，但也发现语言风格、攻击复杂度、评估时效性等方面可改进。亚马逊已根据反馈更新测试集、引入难度分级框架、建立季度审查机制并扩大语言覆盖范围，此举被视为评估 AI 安全流程质量的最佳实践。
Databricks BlogDatabricks 推出 Agent Memory 增强智能体能力
Databricks 推出 Agent Memory，通过存储关键事实、偏好和流程提升智能体质量、降低成本和延迟，支持在 Lakebase 上运行，目前处于 Beta 版本。Agent Memory 基于 Databricks 最新内存研究，采用 MemCurrent 架构，在内部基准测试中使智能体任务通过率提升三倍，同时减少 31% 的 token 使用量。
Claude · YouTube2525Anthropic 工程师如何使用 Claude Docs
Anthropic 工程师 Doug 分享在站会与发布评审中使用 Claude Docs 的方法；Claude 在文档中协同工作，自动提取数据、验证论断并响应评论问题；该工具专为团队协作设计，支持多人实时编辑与智能分析。
OpenAI Alignment Blog5050OpenAI 推出互补指标 g-mean² 以提升模型可监控性评估
OpenAI 推出互补指标 g-mean² 以提升模型可监控性评估。g-mean² 通过行为标签和监控预测计算 TPR 和 TNR，但无法解决不同模型任务混合差异和部署风险问题。新指标包括对齐共享实例的配对匹配指标、模拟监控拒绝输出的后控制集成指标，以更全面评估模型部署风险。
Hugging Face Blog5858FairStress: 一个更深入评估 LLM 决策公平性的基准
FairStress 基准通过 300 个跨 29 个领域（如招聘、医疗）的决策场景，评估 LLM 在人口统计公平性方面的表现，包含 13 百万测试用例。研究发现，相同说服性前缀（adversarial prefixes）对模型决策的影响因人口群体而异，且模型在解释含人口信息决策时存在差异。
PyTorch Blog3535PyTorch Foundation 招募九位新成员，推动开源 AI 生态发展
PyTorch Foundation 宣布新增九位成员，包括 Nebius、Nscale 和 Shopify，强化其在开源 AI 发展中的核心地位，加速生态突破。新成员的加入凸显了 PyTorch、vLLM、DeepSpeed 等项目的生态重要性，推动 AI 研究与商业应用的融合。
- PyTorch Blog
Nebius 成为 PyTorch 基金会白金会员
Nebius 加入 PyTorch 基金会成为白金会员。该公司为开发者和企业提供从数据、模型训练到生产部署的 AI 云平台服务。Nebius 已支持 vLLM 用于开发、测试和基准测试，包括 DeepSeek R1 等大型模型的节点工作，其开源工作已整合到 PyTorch 生态系统中。
- Hugging Face Blog5858
ALTK-Evolve如何通过学习记忆在τ²-bench客户服务任务中超越前沿模型
ALTK-Evolve 使用 GPT-4.1 学习并应用客户服务剧本，在 τ²-bench 客户服务代理基准测试中超越零售领域所有零售条目，得分达 67.5% Pass^4，且无需更新模型权重。该模型基于基本 ReAct 代理和 GPT-4.1，通过分析任务尝试并使用 GPT-4.1 将成功与失败蒸馏为简短行为规则，然后将这些指南添加到代理的系统提示中，无需权重更新或人工标注。
Sakana AISakana AI Engineer Open House 2026 活动报告
Sakana AI 举办第二次工程师开放日，涵盖五个职种，介绍各部门工作内容，展示金融和防务领域应用，强调AI主权战略及产品线扩展。
Mistral AIMistral AI 推出 Voxtral 3 语音代理 SDK 和尖端语音模型
Mistral AI 推出 Voxtral 3，包含 50+ 语言实时多步对话的尖端语音模型和语音代理 SDK，其语音转文本模型 Voxtral Small Transcribe 3 在 FLEURS 45 基准中 Forced WER 0.9%。
IBM Research Blogllm-d 1.0 发布：强化开源 AI 推理生产环境
llm-d 项目宣布发布 1.0 版本，这是一个 Kubernetes 原生的分布式推理服务网络，支持在任何加速器上、任何云中部署任何模型的推理栈。该版本增强了多租户服务质量、零停机操作和智能体感知服务，以在常见生产操作中实现持续性能。通过前缀缓存感知路由和 KV 缓存卸载等技术，llm-d 1.0 可捕获 97% 的可用缓存重用，降低大规模 AI 服务的成本。
Microsoft Official BlogMicrosoft 推出 Sovereign Cloud 增强数字主权控制与选择
Microsoft 发布 Sovereign Cloud 新阶段，通过 Sovereign Public Cloud、Sovereign Private Cloud 和 Sovereign Partner Ecosystem 提供分级控制选项，满足不同工作负载的数字主权需求。
Gemini CLI releases77Gemini CLI v0.66.0-nightly.20261020.g76e4d7c04 发布
Gemini CLI v0.66.0-nightly.20261020.g76e4d7c04 发布，修复了视口刷新时保留终端滚动回溯的 UI 问题，以及解码流式 Node HTTP 活动块的 CLI 问题。
- Hugging Face Blog5858
AnyLanguageModel 1.0 发布：一年支持苹果平台本地模型进展
AnyLanguageModel 1.0 发布，一年支持苹果平台本地模型进展。新增支持 OpenAI Chat Completions、Anthropic Messages、Google Gemini 等云端模型，本地模型支持 llama.cpp、MLX、Core ML，工具调用与引导生成功能扩展。云端模型具备本地模型相同功能，API 密钥支持闭包动态获取。
Google Developers BlogGoogle 推出基于 TPU 的 vLLM 和 SGLang 推理引擎
Google发布原生PyTorch后端的vLLM和SGLang推理引擎，支持TPU并优化生产级服务；vLLM-TorchTPU在SemiAnalysis InferenceX基准测试中实现175B参数模型每百万token成本2.01美分，行业领先。
Anthropic ResearchClaude 如何设计针对蝎子神经毒素的蛋白质结合剂
Claude 在 64 小时内自主生成 318,484 个蛋白质设计并筛选 180 个用于测试，与 Adaptyv Bio 和 Twist Bioscience 合作实验验证 211 个设计，其中 17 个符合结合标准，所有设计数据已公开。专家认为这是针对蝎子神经毒素的首次 AI 设计尝试，可能加速对忽视疾病的药物发现。
vLLM BlogvLLM TorchTPU 发布：在 Google Cloud TPU 上运行 vLLM 的新后端
vLLM TorchTPU (vllm-torchtpu) 发布，可在 Google Cloud TPU 上运行 vLLM，支持 Pallas 内核的注意力、Mixture-of-Experts 和量化矩阵乘法，保持 vLLM 体验不变，支持六维并行，推荐 TPU v7x (Ironwood)。
- Google Developers Blog
Meta 的 TorchTitan 集成 TorchTPU 并优化 TPU 模型训练
Meta 的 TorchTitan 集成 TorchTPU 使 PyTorch 模型可在 Google Cloud TPU 上原生训练，仅需少量代码更改。
- Hugging Face Blog精选6262
PyTorch 2.15 为 MPS 后端带来 FP8 与更快的 LLM 解码
Hugging Face 的 PyTorch 团队介绍 PyTorch 2.15 在 MPS 后端的更新，新增 torch.float8_e4m3fn 张量与 F.scaled_mm，FP8 张量占用为 BF16 的一半。
推荐理由: 原文给出 MPS 后端在 FP8、MoE 解码和显存占用上的具体数字，可据此判断 Mac 本地跑模型的实际变化。
- Anthropic Research
Anthropic 使用 Claude 减少 code 的攻击面
Anthropic 使用 Claude 分析 25 个开源项目（逾 500 万行代码），发现 493 个安全问题。Claude 在 11 个受保护项目中识别出 191 个未授权可达的代码点，包括 93 个默认配置下可访问的预认证表面、37 个认证前执行代码或记录状态的位置，以及 61 个导致预认证控制被管理员配置弱化的配置组合。
- Google Developers Blog
Coral NPU的开放标准如何统一边缘AI并实现便携式、节能型智能
Coral NPU 发布了完整的 32 位架构，包含新的矩阵执行单元，支持高达 1 TOPS 性能和 10mW 平均功耗；推出基于 IREE/MLIR 的 Coral Compiler v1.0。
- Google Developers Blog
Arm 使用 Google AI Edge Model Explorer 为自定义边缘编译器添加视觉图调试功能。
Arm 利用 Google AI Edge Model Explorer 的分层图可视化和插件架构，开发了支持 TOSA、VGF 和 PTE 等格式的开源适配器，帮助开发者更便捷地检查边缘模型转换流程。
- Hugging Face Blog
Hugging Face 推出 TorchTPU：原生 PyTorch 后端支持 TPU
Hugging Face 发布 TorchTPU，使 TPU 成为 PyTorch 的原生后端设备。Transformers、Diffusers 和 Kernels 现可直接在 TPU 上运行，用户只需从 Hugging Face Hub 选择模型，指定 device_map="tpu" 即可。
- Claude · YouTube
Claude 推出 Claude Dashboards 和 Claude Motion
Claude 推出 Claude Dashboards 和 Claude Motion，前者在所有付费计划中支持将数据平台或 CRM 数据实时转化为仪表盘，后者在 Team 和 Enterprise 计划中支持将报告或图表生成动画解释视频，两者均以代码形式生成无需视频模型，可修改内容后导出 MP4 或编辑。
Meta EngineeringMeta 推出 GenRecs Tokenization 以稳定模型词汇表重塑广告推荐
GenRecs Tokenization 通过将广告、产品等项用稳定语义词汇表表示，结合 Meta 生成式广告模型（GEM）和自适应排序模型，为广告主带来 0.35% 的转化率提升。该技术利用预训练大模型的世界知识，使推荐系统能理解新项目或无历史交互的用户偏好，并通过共享概念加速学习、实现跨活动迁移、随大模型规模提升性能，形成性能改进的反馈循环。
- Meta Engineering
Meta 工程师如何通过精简路由器提升 AI 代理的可靠性
Meta工程师通过构建一个1,300行的精简路由器，将20+工作流分配给14个专业AI代理，路由器自身不执行任何领域工作，显著提升了数据管道代理的效率和准确性。
- Sakana AI5555
Sakana AI 提案「QD-Rec」以开放式探索方法提高推荐的质量和多样性
Sakana AI 提出了‘QD-Rec’，将候选与假设的组作为推荐单位，通过生成AI参考过去的优秀假设来生成新的假设的循环，积累高质量的多样化推荐。在并购、客户定位、论文推荐方面进行了实验，在许多设置中平均评估都很高，构建了规模较大的推荐集合。
LangChain BlogNu公司如何用LangGraph和LangSmith构建AI健康教练并优先进行评估
Nu公司在开发AI健康教练Nu时，优先构建了评估标准以避免越界医疗诊断，采用LangGraph框架和LangSmith工具，通过按类别评分的LLM裁判和开放式行为测试，确保系统在满足健康指导需求的同时符合监管要求。评估框架针对单一回复和完整对话分别设计，支持在两个前沿模型提供商间快速迁移，安全探针和守门节点实时审查对话内容，确保产品始终处于合规边界内。
- Meta Engineering
Meta 的 Prometheus 超级集群：构建兆瓦级 AI 基础设施的旅程
Meta 完成了 Prometheus 超级集群的首阶段建设，该集群计划扩展至约 100 万个 GPU，采用闭环液体冷却技术，目前运行 Muse 大型语言模型。
- Microsoft Official Blog
Microsoft 推出 Project Perception 系统，实时监控和治理企业智能体
Microsoft 发布 Project Perception 系统，通过红蓝绿智能体团队实时监控企业内部智能体行为，动态计算风险并实施确定性控制。该系统利用新网络安全栈，为智能体分配身份、容器和政策权限，并持续监督每项行动，提供实时响应和可追溯性，使防御者能以与攻击者相同的速度运作。模型透明化是下一步关键，需深入理解智能体意图与任务目标的一致性。
- IBM Research Blog2222
Coursera 新课程《AI 数据流架构：从原理到实践》教授现代加速器运行原理
Coursera 新课程《AI 数据流架构：从原理到实践》教授工程师如何跨 GPU、TPU、Cerebras WSE、Groq LPU 和 IBM Spyre 加速器工作。课程由 IBM 研究院高级研究科学家 Kaoutar El Maghraoui 主讲，通过六门课程和动手实验覆盖执行模型、编译、内存系统、调试和性能建模，强调不同架构如何影响模型性能及编译器优化关键作用。
腾讯混元 · Hugging Face 新模型腾讯发布 Hy-Memory-30B-A3B-GGUF 模型量化文件
Tencent 混元发布的 Hy-Memory-30B-A3B-GGUF 模型量化文件采用 imatrix 校准和 MoE 感知的混合精度量化方案，在 llama.cpp 上实现高效本地推理，其中 ~8 GB 的 expert-mixed 构建文件大小降至约 24.71 GB，性能仅比 Q6_K 下降 1.53%。
- vLLM Blog
vLLM 如何实现弹性专家并行近零停机扩展
vLLM 通过异步准备和 NIXL EP 技术，将 DeepSeek V4 Pro 从 16GB200 到 20GB200 的扩展停机时间缩短至 0.82 秒，从 20GB200 回缩至 16GB200 的停机时间缩短至 1.96 秒。
- Google Developers Blog
LiteRT Tensor API 发布：边缘设备原生模型开发新方案
LiteRT Tensor API 发布，支持开发者以 C++ 在边缘设备原生编写和优化模型，实现跨平台（CPU/GPU/NPU）部署，无需转换脚本。开发者可完全控制计算图结构并直接加载模型权重，通过共享加速器缓冲区实现零拷贝数据流转，同时为 AI 编码智能体提供构建模块。
- Hugging Face Blog
TorchNeuron：在 AWS Trainium 上运行 HF 模型变得前所未有的简单。
TorchNeuron 为 PyTorch 在 AWS Trainium 提供新原生后端，Transformer、Diffusers 和 Kernels 均原生支持，使在 Trainium 上运行模型和在 HF Hub 分享模型变得前所未有的简单。
- Google Developers Blog
使用 ADK 和 Gemini 3.8 构建「永不沉默」的语音代理
使用 ADK 和 Gemini 3.8，通过流式工具和异步函数实现非阻塞语音交互，将销售报告工作流的首次响应时间从 14.4 秒缩短至 1.2 秒，支持零静默、进度更新和并行对话。
MiniMax NewsMiniMax M3.1 Flash 发布：性能提升与成本降低的下一代模型
MiniMax M3.1 Flash 正式推出，相比前代在线推理速度提升近三倍、成本降低 70%。该模型在复杂智能任务（cowork）、计算机使用、软件开发和网络安全等基准测试中表现优异，自动化任务排名 AutomationBench-AA 前列，DeepSWE v1.1 得分 73.7%，OSWorld V2 和 ALE 分别得分 61.7 和 29.6，CyberGym 得分 82%。
Ollama BlogCloudflare 的 27B 多模态决策模型 Clef 已登陆 Ollama 云平台
Cloudflare 的 27B 多模态决策模型 Clef 已登陆 Ollama 云平台，用户可本地运行或使用云端服务。Clef 将状态和类型化问题模式转化为决策，支持文本和图像输入，兼容 Jev 和 System One API，基于 Qwen3.8-27B 微调并采用 Apache 2.0 许可证。在 Cloudflare 决策指数评测中，Clef 优于 Jev 并在多数基准测试中表现领先。
Together AI BlogTogether Post-Training：灵活高效的模型微调服务
Together AI 推出 Post-Training 服务，支持通过强化学习和监督微调构建定制模型，无需复杂基础设施。该服务提供灵活的训练循环定义能力，并优化底层系统与基础设施以提升模型质量与训练速度。支持 Muse Spark Open、GLM 5.3、Kimi K3 和 Qwen 3.8-27B 等主流开源模型，运行在专属 GPU 资源上，确保高效且数值一致的训练。
