HKT 推出自家研發 AI 平台 HKT.AI,供消費者及中小企訂閲使用,實踐「AI ON. FEAR GONE」品牌承諾
HKT 推出自家研發 AI 平台 HKT.AI,消費者及中小企可透過訂閲使用。月費分別由 HK$48 和 HK$88 起,平台現有超過 80 個 AI 智能體,並設有個人及企業專用應用程式和智能體。平台亦提供 LLM Arena、Image Studio 和 Video Studio 等功能。
HKT 推出自家研發 AI 平台 HKT.AI,消費者及中小企可透過訂閲使用。月費分別由 HK$48 和 HK$88 起,平台現有超過 80 個 AI 智能體,並設有個人及企業專用應用程式和智能體。平台亦提供 LLM Arena、Image Studio 和 Video Studio 等功能。
Tamnoon 以 Amazon Bedrock 建構 Tami,一個 AI 智能體雲端修復協調平台,可自主調查 CNAPP 等來源的安全發現、評估修復安全性,並在護欄和治理機制下生成及協調修復。該方案在 90 天內令嚴重雲端安全暴露減少逾 90%,期間沒有生產環境問題。不同智能體可透過單一 API 使用各自合適的基礎模型。
AWS 團隊示範以 Amazon Bedrock AgentCore 建置智能體系統,根據企業文件生成 PowerPoint 簡報。以 90 頁 Amazon 2024 Annual Report PDF 進行的內部測試中,系統生成 6 頁簡報需 70–90 秒,模型呼叫成本約 $0.04(us-east-1,撰文時)。
印尼建築工地運用 AI、電腦視覺及數碼監測,協助安全團隊識別預設風險、接收警示並檢視反覆出現的安全事件。攝影機可監測工作區域,感測器則可收集環境狀況,AI 可分析影像中的預設安全事件。AI 是輔助技術,不能取代 SMKK、風險評估、實體控制、工人培訓或合資格的 HSE 監督。
AWS 的教學示範如何從 Amazon SageMaker JumpStart 部署預訓練模型,使用 SageMaker Python SDK 執行可重複的輕量測試,並在完成後刪除端點。
OpenAI 經濟研究報告指出,歐盟企業正擴大 AI 智能體工具的使用;在其歐盟樣本中,Codex 和 ChatGPT Work 已佔超過一半輸出 token。
「智方便」推出「AI助手」功能,運用人工智能從官方渠道即時尋找政府公共服務相關資訊,並整理成條理清晰的內容供市民參考。具備該功能的「智方便」5.0版本即日起至十月下旬由官方應用程式商店逐步推送。數字辦預計於二○二六年年底推出「AI助手」加強版,提供個人化服務。
歐洲多地的城市及合作夥伴正使用 NVIDIA 加速運算建構實體 AI 智能體和數碼孿生,支援城市規劃、維護及公共服務。法國 Côte-d’Or 的方案覆蓋 500 多幢公共建築,文件搜尋時間由數星期縮短至數分鐘,營運成本降低 10%,並以規模化後降低 30% 為目標。當地運作的 AI 工廠讓城市可在保留數據、模型和營運控制權的同時,自訂並運行智能應用。
NVIDIA 宣佈計劃投資 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane,擴大對英國初創企業生態系統的支持。五家公司分別涉足生物分子模型、基建項目規劃、演算法優化、生物基礎模型及量子計算錯誤校正。NVIDIA 亦作出為期五年、價值 $250 million 的算力承諾,以加強英國智能體安全與保安研究。
港口電腦視覺 AI 的六類已驗證應用,涵蓋岸邊貨櫃起重機監測、RTG 危險區域偵測、碼頭車輛監測、裝卸工人個人防護裝備偵測、碼頭閘口監測及貨櫃火警偵測。系統分析 CCTV 影像,識別工人、車輛、設備和可見安全風險,並記錄偵測事件及相關片段。偵測準確度視乎模型、鏡頭視角及作業環境。
Google DeepMind 與新加坡政府合作開發端側 Gemma 詐騙偵測模型,針對本地詐騙對話微調,並在智能手機上分析訊息以保護私隱。系統先以低耗電分類器篩查新訊息,再由微調後的 Gemma 評估較大的對話片段,偵測操控模式時會在裝置上即時發出警告。微調在 GovTech 管理的 GCP 環境內進行,訓練排除私人及可識別個人資料,並使用源自詐騙報告和情報資料的匿名化數據集。
Higgsfield 藉助 GPT‑6 Astra,將 AI 影片製作時長由約 1 分鐘延長至超過 10 分鐘,並以 AI 工作流程製作超過 10 分鐘的教學影片。GPT‑Image‑2.5 協助小型企業製作文字和資訊圖表更精準的宣傳內容,Codex 則讓創意團隊將構想轉為軟件原型。
Anchor Browser 整合 Amazon Bedrock AgentCore payments,讓 AI 智能體可在同一瀏覽器工作階段自動支付受 x402 保護的網頁和 API。
推薦理由:文章梳理 Anchor Browser 與 AgentCore payments 處理 x402 付款的端到端流程,説明預算控制及私鑰簽署如何由受管基礎設施承擔。
Google DeepMind 開始廣泛推出 Gemini 4 Argon,並擴大 Fairwind Program,讓更多可信網絡防禦者參與。在端到端模擬網絡攻擊測試中,Argon 解決全部 12 個情境,上一代為 5 個;Gray Swan 的 Indirect Prompt Injection(IPI)基準中,15 次自適應攻擊的成功率降至 0.7%。
推薦理由:文章並列高風險能力測試與多層防護安排,呈現 Gemini 4 Argon 如何應對網絡、生物濫用及智能體越界風險。
AWS Machine Learning Blog 介紹兩種透過 AWS License Manager 啟用 Amazon Bedrock 私人定價優惠權益的方法,分別用於一次性處理及持續自動化。
GitHub 訓練並部署微調 ModernBERT 分類器,與 regex 候選生成組成兩階段機密掃描流程,以周邊脈絡區分真實憑證和相似字串。相較舊有 LLM 流程,線上以儲存庫擁有者加權的接受率提高 11.5%,post-push 掃描中位執行時間降低 86%,服務成本降低逾 98%。
推薦理由:文章拆解 regex 與微調 ModernBERT 結合的兩階段設計,並以接受率、掃描時間及服務成本數據呈現其相較舊 LLM 流程的變化。
Liquid AI 發佈 LFM2.5-24B-A2B,這款 24B 參數推理模型每個 token 僅啟用 2B 參數,面向在裝置上運行智能體。它在 LiveClaw 得分 48.09,高於 Qwen3.6-35B-A3B 的 38.19,並在 Apple M5 Max 上達到 184 tokens/s。
推薦理由:LFM2.5-24B-A2B以2B活躍參數面向本機智能體,並列出工具使用基準及CPU、GPU推理速度,呈現模型效能與本機部署的取捨。
Orca Security 在 Amazon Bedrock 上建構 Discovery AI,將自然語言問題轉換為 Sonar 查詢,並已在生產環境每日處理數千次查詢。相較初始基準,輸入 token 減少 93%、查詢成本降低 90%,端到端延遲由約 60 秒降至 15 秒。系統結合 RAG 範例檢索、Cohere Rerank 3.5、按階段分配模型,以及專家持續標註。
Google DeepMind 發佈 Gemini 4 Argon,今日起按用戶類別透過 Gemini API、AI Studio、Google Antigravity、Gemini app 及 Search 的 AI Mode 提供使用。
推薦理由:文章並列 Argon 的跨領域基準表現、使用入口、定價與工程及科研案例,讀者可據此瞭解其能力定位和實際應用範圍。
Google DeepMind 推出 Gemini 4 Argon,作為適用於整個機械人生命週期的通用物理推理模型。它在 Embodied Reasoning(ERQA)基準上以純推理取得 87%,勝過所有其他前沿模型;文章亦展示其在機械人控制、Real2Sim、物理理解及研究與自我改進方面的用例。
推薦理由:文章以機械人控制、Real2Sim、物理理解及自我改進案例,呈現 Gemini 4 Argon 涵蓋的機械人工作流程。
香港中文大學與布達佩斯考文紐斯大學於 10 月 12 日至 15 日在香港科學園合辦 CogInfoCom 2026,探討人工智能、ICT 與認知科學的交匯。這是該會議自 2010 年創辦以來首次在中國舉行,活動包括主題演講、專題展示及學術交流。大會亦延續雙方於 2025 年及 2026 年簽署的戰略合作,推進中匈聯合研究及產學研協作。
AWS 與 vLLM 社羣為融合 MoE 模型實作多項核心優化,並將其應用於 Amazon SageMaker AI 的 LMI Deep Learning Container,整體最高提升 10% 吞吐量及 9% TTFT。
文章展示如何在 Amazon Bedrock 上以 Grok 4.7 建立工具呼叫智能體,並以三項需要搜尋的任務比較 low、medium、high、xhigh 四種推理力度。
推薦理由:文章以三項答案可窮舉驗證的任務比較推理力度與 token 用量,並提供可移用於自有 Agent 評測的測試設計和生產監控方法。
ShipStation Global 在 Amazon Bedrock AgentCore 上建構 Slack AI IT 服務台 Deckhand,以知識庫回答常見問題、分析錯誤截圖及建立或更新 Jira Service Management 工單。
推薦理由:文章拆解以 RLM 從 Slack 已解決支援對話抽取結構化解法、建立知識庫的流程,並呈現三個月內 812 次 Agent 對話未轉成工單。
AI 影片分析可利用現有 CCTV 持續監察化學品儲存及處理區域,在出現指定安全風險時向相關人員發出警示,補足庫存系統無法即時觀察現場情況的不足。若現有鏡頭覆蓋範圍合適,無須新增攝影機;影片分析可與傳統化學品庫存管理系統並行,而非取代它。
AWS 説明如何透過 Amazon Bedrock 全球跨區域推理,在泰國、馬來西亞、新加坡、印尼及台灣存取 GPT-6 Sol 和 GPT-6 Luna,並在新加坡存取 GPT-6 Astra。
推薦理由:文章把 API 呼叫、IAM/SCP 權限、配額與監控串成部署流程,並交代跨區域請求的資料保留位置及來源區域追蹤方式。
Microsoft Research 介紹 StudentSim,這套研究系統以去識別化學習紀錄建立個人化學生模擬器,供研究者在測試真實學習者前評估及改進 AI 導師。
AWS 示範使用多節點 Ray LLM Deep Learning Containers,在 Amazon EKS 將單一大型語言模型部署至兩個 GPU 節點,由兩個節點分別執行 prefill 與 decode,並透過單一 OpenAI 相容端點提供服務。
AWS 介紹如何在 Amazon SageMaker AI 上以 llama.cpp 部署決策模型,並可用 SemIf 擴展服務,直接返回指定選項的概率而不生成答案 token。
NVIDIA 在 OCP 全球峯會透過開放式 NVIDIA MGX 架構,向 OCP 提交 Vera Rubin 機架及運算托盤設計,並宣佈多項 AI 工廠基礎設施合作與開放標準。
推薦理由:文章將機架、供電、網絡與軟件更新放在共同開放標準下,呈現跨供應商協作如何支撐 AI 工廠擴展的整體架構。
人工智能可協助保險中介查詢保單資料、準備續保文件清單及初步解釋條款,但不能完全取代中介人。持牌中介人須核實條款和答案是否適用,並為發給客戶的答覆負責;監管指引亦強調人為監督。使用工具前,還須留意個人資料、輸入資料是否齊全,以及有否安排人手覆核。
測試零售 AI FAQ 前,團隊應先限定一類問題,指定核准政策來源和審核人員,並設定人工轉介方式。測試需涵蓋資料不足、政策衝突、例外要求及人工轉介,並檢查回答是否符合來源、避免未經核實的承諾,以及提供可行的下一步。政策或指示更新後,應使用保存的測試集重測;測試通過率只反映該測試集,不能代表客戶問題已解決。
Asana 以 GPT-6 Astra 在 Codex 中進行實驗,優化 GPT-6.1 Sol 上的瀏覽器智能體工作流,較原有 Model B 生產配置成本低 76 倍、速度快 5 倍。團隊測試了延長瀏覽歷史快取、提高可保留文字量,以及分批移除截圖等改動。優化後的工作流平均每次估算成本為 $0.47,約需 4 分鐘;較大的歷史容量下,18 次測試均產生正確答案。
推薦理由:144 次測試對照了瀏覽歷史、文字保留量和截圖清理策略,呈現這些設定對智能體成本、速度與作答完成率的影響。
Postman 分享如何透過 Amazon Bedrock 為 40 million 名開發者運行 Agent Mode,並歸納將成熟產品接入 AI 智能體的生產架構經驗。核心做法包括按任務動態篩選工具、以結構化資料支援查詢,以及為不同實體建立專用上下文處理器;修改應用程式狀態前仍須用戶批准。Agent Mode 亦使用模型選擇、跨區域推理、為支援模型設定的零數據保留,以及分層提示詞快取。
推薦理由:文章拆解 Postman 如何按任務動態配置工具、以結構化資料查詢及專用上下文設計,處理成熟產品接入智能體的工程難題。
AWS 回顧 2026 年 9 月 Amazon Bedrock、Amazon Bedrock AgentCore 和 Strands 的更新,涵蓋模型選擇、智能體運行及企業資料連接。
Ai2 的 AI 基礎設施團隊以 GPU 時間預算、階層式公平分配及時間切片合約取代優先級排程,將 GPU 時間分配由逐案處理改為透明的預算流程。實施後的 30 日測試期內,團隊獲得應得 GPU 時數的 98%,叢集佔用率維持 98%;debug 工作負載的 p90 等候時間由 2 小時降至 30 秒,需人工介入的維修減少 74%。
Sophos 透過 OpenAI Daybreak 將威脅調查時間縮短 96%,使用 AI agents 的個案平均回應時間降至 89 秒。AI 已端到端解決 52% 的 MDR 個案;Sophos 仍要求可能造成破壞的操作接受適當的人類監督。
推薦理由:從約 38 分鐘降至 89 秒的平均回應時間,以及 52% 的端到端解決率,可見 Sophos 如何在客戶控制和人類監督邊界內擴大自動化。
LegalOn 按任務複雜度及開發階段選用 GPT-6 Astra、GPT-6.1 Sol 或 GPT-6 Luna,估算每日成本較 GPT-5.5 降低約 65%,並維持開發速度。公司亦開始預設限制 Fast mode,並按部門、羣組及個人設定 AI 開支上限;成熟業務目標是提升成本效益最多約 20%,新業務則獲較充裕預算。
作者以 ML-intern 建立六個原本沒有的模型,並完成訓練、評估及公開發布到 Hugging Face Hub。文章分享提示詞如何列明數據集與基礎模型,要求先測基準、執行小規模 smoke test 並設定支出上限;六個項目的運算費用合計約 USD 103。
推薦理由:文章把 ML-intern 的提示詞設計拆成可操作環節,從先測基準、設定小規模 smoke test 到限制預算,並以六個模型專案展示這套流程。
NVIDIA 展示開發者如何結合前沿 AI 模型與 NVIDIA Omniverse libraries,把構想轉化為模擬應用,用於探索情境、調查故障及改良設計。案例涵蓋工業數碼孿生、機械人操作和感測器驗證,開發者以自然語言指揮智能體,再檢查結果及引導修改。一次 256 個病房的 Microduck 模擬中,14 個模擬秒後仍有 768 隻中的 766 隻站立。