模型厂商、公司和研究机构自己发布的消息：官网、官方博客和官方账号。
AWS 介绍了其 SMGS 运营团队如何使用 Amazon Bedrock AgentCore，为内部销售智能系统构建了一个包含九个阶段的评估框架。该框架结合了特定领域的评估器、版本化的黄金数据集、CI/CD 门禁、持续监控，以及基于追踪数据对工具、代理和多代理工作流进行改进。AWS 报告称，自动化评估将质量回归的发现时间从几天或几周缩短到不到四小时。
推荐理由：该框架提供了一种可迁移的方法，可将特定领域的故障类别与发布门禁和生产监控相结合，覆盖工具、单个代理和多代理工作流。
Google Research 介绍了三个将 AI 智能体与湿实验相结合的项目：VERD 实验室自动化、闭环适配体发现，以及从头设计蛋白质结合体。经过三轮实验，适配体对肌红蛋白和 α-凝血酶的靶向命中率分别达到 33.5% 和 42.1%；蛋白质设计流程将计算周期加快了八倍以上，并获得了亲和力达到个位数纳摩尔级的结合体。整合这些项目仍是下一步工作，相关保障措施包括序列筛查、机器人执行前进行模拟，以及取得人工授权并由人工监督。
推荐理由：适配体实验展示了实验反馈如何揭示具有误导性的优化目标，为自动化发现流程提供了一种可迁移的方法，用于区分真正的生物学改进与实验伪象。
Reflection AI 推出了 Beam，这是一款用于智能体编程和多步骤任务的开放权重模型，总参数量为 5010 亿，激活参数量为 230 亿。Reflection 称其有效上下文长度为 100 万个 token，并以 Apache 2.0 许可发布 Beam 1.0，提供 BF16、FP8 和 NVFP4 版本。本指南介绍如何通过 Amazon SageMaker JumpStart，或借助 JumpStart、SGLang 或 vLLM 在 HyperPod Inference 上进行部署，内容包括容量规划、调用、性能测量和清理。
推荐理由：部署方式的比较说明了何时托管端点已足够，以及何时 Kubernetes 基础设施或自定义运行时能为服务配置、分布式执行和扩缩容提供有用的控制。
Reflection在Hugging Face上发布了Beam。这是一款501B的MoE模型，每个token激活23B参数，支持100万token的上下文窗口，并采用Apache 2.0许可证。这款纯文本模型面向编程和智能体工作，提供BF16、FP8和NVFP4检查点，并在发布首日支持transformers、vLLM和SGLang。Hugging Face还提供部署和后训练方案，以及自有的任务评测和演示。
推荐理由：部署指南区分了活跃计算量与权重总内存用量，帮助团队评估运行和适配一款具有长上下文窗口的稀疏模型所需的硬件配置。
AWS 的 Shawn Bice 介绍了深度信任（Trust in Depth），这是一种通过四个层次——范围（Scope）、了解（Know）、约束（Bound）和观察（Observe）——来管理智能体的框架。他介绍了 AWS 工具如何支持策略、智能体身份、外部强制执行和追踪，并以员工离职流程说明依赖顺序的防护措施。自动推理可以在系统定义的假设范围内，证明表述精确的规则；而依赖上下文的预期则需要评估和人工判断。
推荐理由：员工离职示例提供了一种可迁移的方法，将业务要求转化为强制执行的前置条件，并说明操作顺序的重要性可能不亚于单个工具的权限。
NVIDIA 发布了 Nemotron 3.5 Super VL，这是一款面向多模态智能体的开放式 1200 亿参数模型；还发布了 Nemotron 3.5 Bolt 74B-A9B 24GB，面向本地智能体工作负载。Bolt E4B 4GB 将于 10 月 23 日推出。Super VL 面向工具调用、业务工作流和视觉文档理解，并开放模型权重、数据集和训练方案。Bolt 74B-A9B 采用原生 2 位量化，可装入 24GB 内存；Bolt E4B 则面向物理智能体和对话智能体。
推荐理由：开放模型权重、数据集和训练方案，为组织提供了定制智能体以适配自身工作流的途径，同时满足本地部署和数据驻留要求。
Google Research 在 Research@ 上发布了 10 项进展，涵盖地理空间智能、科学智能体、文档核验、边缘硬件、数值模型、医疗保健、灾害预测、教育和协作原型设计。它正扩大实验性 Google Earth AI 功能的早期体验范围，并在早期版本审阅了超过 16,000 篇研究论文后，向公众开放 Deep Review。其他进展包括即将将 TimesFM 和 TabFM 集成到面向企业的 Gemini 中，以及一项涉及 98 名患者的 AMIE 研究；在该研究中，临床医生表示，AI 摘要在 75% 的病例中帮助他们做好了准备。
推荐理由：这些进展展示了研究工具如何通过扩大使用范围融入专业工作流程；文档核验就是一个具体例子，它能提供支持，同时保留人工监督。
Google Research 已公开发布 Deep Review，这是一种用于对研究论文及其他复杂文档（包括法律和金融材料）进行技术核验和反馈的智能体 AI 系统。它从 Paper Assistant Tool 演进而来；该工具曾为超过 16,000 份手稿提供可选反馈。Deep Review 结合了文档分段、自适应计算预算、并行核验和全局综合。全球用户每天可免费获得两次评审；使用 Gemini API 密钥可获得更高额度并接入 API。上传的文档绝不会用于训练、微调或改进 Google 模型。
推荐理由：该评审流程通过结合针对各章节的计算预算、全文上下文以及跨章节的最终一致性检查，为核查长文档提供了一种可迁移的方法。
本指南介绍 Anchor Browser 如何与 Amazon Bedrock AgentCore payments 集成，在同一浏览器会话中处理受 x402 保护的页面和 API。将 session.x402 设为 true 后，即可自动付款，但须遵守已配置的支出限额和有效期限制；钱包凭据则保留在智能体运行时之外。现有浏览器自动化代码可以保持不变；如果付款被拒绝或遇到不受支持的质询，原始 HTTP 402 响应会保持不变。
推荐理由：该集成展示了一种可迁移到付费智能体工作流的架构：将付款签名和预算执行置于智能体运行时之外，同时保留浏览器会话上下文。
Liquid AI 发布了 LFM2.5-24B-A2B，这是一款开放权重推理模型，总参数量为 24B，激活参数量为 2B，面向能够进行推理并调用工具的设备端智能体。其上下文窗口从 32K 扩展至 131K 个 token，推理版和 Base 版均已在 Hugging Face 上提供。Liquid AI 报告称，该模型在 Apple M5 Max 上的速度为 184 tokens/s，工具使用表现具有竞争力，同时也承认，在知识密集型和代码基准测试中，更大的模型仍有优势。
推荐理由：基准测试对比有助于区分适合本地部署的工作负载：该模型在工具使用和指令遵循方面表现出色，但在知识和代码方面不及某些更大的模型。
Orca Security 与 AWS 合作，基于 Amazon Bedrock 构建了 Discovery AI，可将自然语言问题转换为经过验证的 Sonar 查询，覆盖 900 多种云基础设施和应用模型。其架构结合了示例检索与重排序、相关架构选择、智能体生成和验证，并由领域专家持续更新示例库。与最初的基线相比，Orca 报告称成本降低了 90%，输入令牌减少了 93%，延迟降低了 75%，响应时间从约 60 秒缩短至 15 秒。
推荐理由：该架构提供了一种可迁移的方法来查询大型架构：检索经过验证的示例、选择相关架构片段，并将验证错误反馈给生成流程。
AWS 展示了如何使用 Amazon Bedrock 上的 Grok 4.7 构建和评估工具调用智能体，并在三项合成任务中比较四种推理力度。该智能体在 72 次运行中有 67 次回答正确；xhigh 为 18 次全对，而 low 答对 18 次中的 15 次，输出 token 数约为前者的八分之一。本指南涵盖任务设计、自动评分、生产监控和运维控制，并指出这些小规模结果仅供参考，不足以得出统计学上确凿的结论。
推荐理由：答案可验证且唯一的任务，加上重复运行，为比较推理力度提供了一种可复用的方法；分别测量正确性和 token 数，则能具体体现两者之间的权衡。
AWS 展示了如何使用 Ray LLM 深度学习容器，在 Amazon EKS 上跨两个 GPU 节点部署 Qwen3.5-9B，并在一个兼容 OpenAI 的端点后配置独立的预填充和解码部署。该演示使用 YAML 配置应用，并通过 EFA 上的 NIXL 在节点间传输 KV 缓存。内容涵盖集群配置、模型调用、传输验证和资源清理。
推荐理由：本指南提供了一种可迁移的部署模式，用于分离预填充和解码，并说明如何验证传输后端，避免通信悄然回退到 TCP 速度。
AWS 介绍了如何在 Amazon SageMaker AI 上使用其 llama.cpp 深度学习容器部署 GGUF 模型，然后添加 SemIf 适配器，以便针对已声明的选项返回概率，而不生成答案词元。该指南包含 CPU 和 GPU 部署代码。在使用 Qwen3.5-4B Q4_K_M 完成的 231 项 JevBench 任务中，与 CPU 配置相比，GPU 配置的 p50 延迟快 4.9 倍，p95 延迟快 32.2 倍，且准确率相近。
推荐理由：这种部署模式展示了应用如何为预定义选项评分，而无需解析生成的散文，同时将授权、阈值和回退规则保留在应用控制之下。
作者在 HuggingChat 中开启 ML-intern，用提示词描述需求，两天内做出六个模型并发布到 Hub，总计算花费约 103 美元。其中把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 版本，可在 CPU 上运行，输出有效率 99.7%，token 用量约为教师模型的四分之一。作者公开了全部七个提示词，并建议在提示中要求基线对比、冒烟测试和预算上限。
推荐理由：作者用 ML-intern 在两天内做出六个模型，公开了全部提示词与成本明细，可迁移到自己的训练流程。
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线。
推荐理由：AWS 官方给出 Haiku 5.5 的定位、成本变化与调用方式，读者可据此判断它在多智能体分层中的位置。
NVIDIA 与 Microsoft 在旧金山 Windows AI and Surface 活动上宣布为 Windows PC 的智能体时代共同设计软硬件，Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers（MXC）正式可用，让智能体在系统控制下安全持久地在后台运行。
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一起补齐，读者可据此判断本地智能体工作流的落地条件。
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量级智能体 RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的同一 agent harness 直接参与强化学习，无需在训练框架内重新实现智能体。
推荐理由：原文给出了框架的代码规模、Kubernetes 支持与训练配方，读者可据此判断真实 harness 参与 RL 的落地成本。
AWS 官方博客介绍如何在 Amazon Bedrock AgentCore runtime 上运行开源智能体系统 OpenClaw，构建带长期记忆的个人助手 Sprout。
推荐理由：原文给出可复用的容器包装、命名空间与提示词缓存排序方法，读者可据此搭建带长期记忆的智能体。
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、490 亿激活参数的 natively 多模态模型，权重将于本月底开放。
推荐理由：Mistral 官方给出 1 万亿参数多模态模型的开放权重时间表与自建欧洲算力背景，可对照其与主流开源模型的定位差异。
