NVIDIA 推出 Kumo Relational,無需任務專屬訓練即可預測關聯數據
NVIDIA 推出預訓練關聯數據基礎模型 Kumo Relational,可直接在企業數據庫上預測,並以最多 10,000 個歷史樣本作上下文,無需任務專屬訓練。
推薦理由:文章比較 Kumo Relational 與監督式模型及 AutoGluon,並交代評測範圍和樣本限制,呈現其在關聯數據預測中的適用邊界。
NVIDIA 推出預訓練關聯數據基礎模型 Kumo Relational,可直接在企業數據庫上預測,並以最多 10,000 個歷史樣本作上下文,無需任務專屬訓練。
推薦理由:文章比較 Kumo Relational 與監督式模型及 AutoGluon,並交代評測範圍和樣本限制,呈現其在關聯數據預測中的適用邊界。
OpenAI 為 ChatGPT 建構一套自訂廣告投放系統,以經後訓練的前沿 LLM 編排廣告流程,根據對話脈絡調用工具進行檢索、排名、相關性評估和競價。廣告系統與 ChatGPT 的答案生成分開運作,避免廣告影響回答並維持中立語氣。ChatGPT Ads 上線不足 200 天後,年化收入運行率達 $1 billion;自推出以來,超過 100,000 名廣告商曾在 ChatGPT 投放廣告。
推薦理由:ChatGPT 廣告系統以跨回合及多次對話的狀態和 LLM 工具調用追蹤變化中的商業意圖,並將廣告流程與答案生成分開處理。
OpenAI、PerturbAI 與 Scripps Research 使用由 GPT‑Rosalind 驅動的數千個 AI 智能體,在 32 分鐘內分析數百萬個小鼠腦細胞的既有實驗數據,找出可供後續研究的生物學線索。
推薦理由:以小鼠腦細胞數據展示分佈式智能體如何串連基因擾動結果與科學文獻,並以單一智能體和盲評比較其分析廣度。
OpenAI 與 Google Cloud 合作,將 OpenAI 前沿模型及 Codex 智能體工作流程帶入 Google Cloud 的 Model Garden。
推薦理由:這項合作把 OpenAI 模型帶入企業既有的 Google Cloud 環境,並交代受規管行業所需的存取控制、數據治理與採購安排。
Microsoft Research 研究人員 Xinzhi Zhang 與合作者證明 KLS 猜想,解決了提出 31 年的高維幾何核心難題。研究團隊以人類主導的 AI 智能體流程探索逾 100 條候選路徑,再透過遞歸精化及控制累積誤差完成證明。另有獨立團隊提出證明,相關結果其後亦有 Lean 4 形式化驗證。
推薦理由:研究呈現研究者如何透過多輪篩選引導 AI 探索證明方向,並以遞歸精化和有界累積誤差完成 KLS 猜想的維度無關證明。
Mistral 與 NVIDIA 合作開發新一代 AI 原生工程工作流程,結合 Mistral 模型、物理建模流程與 NVIDIA 加速運算,以加快工程模擬並連接模擬、模型開發和工程設計。雙方將推出公開基準測試及開放數據集,評估物理模型和 CAE、EDA 的智能體,並驗證自動化 CAD-to-simulation 工作流程。
NVIDIA 擴展 Nemotron Retriever 系列,推出可商用的開放模型 Nemotron 3.5 Embed、Nemotron 3.5 Rerank 及 Nemotron 3.5 Parse,涵蓋多模態檢索、重排及文件抽取。
推薦理由:這次更新把多模態嵌入、重排與文件解析納入同一檢索系列,並列出多項基準與吞吐數據,呈現準確度和部署效率的取捨。
Nebius、Nscale 等科技夥伴正採用 NVIDIA Vera CPU 建設基礎設施,以支援 AI 智能體運行軟件工具、執行程式碼和評估結果所需的 CPU 處理。Vera 可同時處理數以千計的任務,並用於伺服器、數據處理及雲端沙盒等場景,支援 AI 數據中心擴展。
Terminal X 的 Eval Agent 使用 GPT-6.1 Sol,在 500 項評分判斷中與資深人類審核者的一致率為 88.6%。Eval Agent 按 54 項準則評分;相較次佳模型,GPT-6.1 Sol 多識別約 25% 偏離基金投資授權的建議,同一工作流程每次查詢成本低約 30%。
OpenAI 已收購 Orchestra Bio,這個平台協助生物製藥團隊協調複雜的藥物研發流程。OpenAI 將 Orchestra Bio 的團隊與技術和 Rosalind(其生命科學研究模型及工具)結合,目標是建立連接科學發現、研究、決策與後續工作的智能體。Orchestra Bio 的智能體可協助團隊追蹤研究項目,整理受影響的活動與時間安排,並比較應對方案。
推薦理由:Orchestra Bio 聚焦藥物研發項目的協調工作,與 Rosalind 結合後,OpenAI 計劃建立連接科學發現、研究安排與後續決策的智能體。
i14 與 AWS 使用 TorchNeuron Native 的原生 PyTorch 支援,在 AWS Trainium2 上訓練及推理 Laplace 3B,保留 Gated Linear Attention(GLA)架構。
Octave 為 Reliance 在 Amazon Bedrock 上建立三層多租戶 AI 基礎平台,以支援受監管產業的文件搜尋與 AI 工作流程。平台採用 Cohere Embed v4,並以每租戶向量儲存、AgentCore 隔離執行環境及 Amazon Bedrock Guardrails 分層控制資料存取與內容風險。
推薦理由:文章拆解多租戶合規場景中的隔離、身份與內容安全取捨,並呈現如何把共用基礎設施轉化為可重用的 AI 功能底座。
AWS 團隊示範如何以 Amazon Quick 和 Amazon Bedrock AgentCore 建立對話式供應鏈流程,串連系統資料、評估中斷影響並提出採購建議。
Smartsheet 已正式推出 Smartsheet MCP Server,讓 AI 助手透過標準化協定讀取、更新及管理 Smartsheet 資料。伺服器提供超過 40 種工具,支援管理工作表、列、欄及自動化。Amazon Quick 和 Kiro 可作為 MCP 客戶端,讓用戶以自然語言查詢及更新專案資料。
Runway 透過 Runway Creative 加入 Claude Marketplace,符合資格的企業客戶可使用部分既有 Anthropic 承諾金額購買服務。
AWS 的示例展示如何透過 AWS Agent Registry,在執行時搜尋已核准的 MCP 伺服器、智能體及技能,並按結果建立本次請求所需的用戶端。示例以訂單狀態、價格折扣及退貨退款三種情境,展示 MCP 單獨呼叫、MCP 與 A2A 串接,以及語義搜尋。搜尋結果只提供連線描述資料,不含呼叫憑證;記錄須經核准才會透過可搜尋資料平面提供,各項能力所需的呼叫憑證須另行處理。
推薦理由:文章以 MCP 與 A2A 的訂單管理示例拆解執行時探索流程,並説明搜尋描述資料、核准治理與能力呼叫憑證之間的責任邊界。
三位 Java Champion 分享在生產環境及開源項目中運用 GitHub Copilot 的做法,並提出提升開發效率與確保程式可靠性的實踐。其中一人以 Copilot 將 15 份簡報、約 900 張投影片由 Reveal.js 遷移至 Marp,約用 8 至 10 小時,並透過截圖、動畫及 PDF 比對驗證。
推薦理由:三位 Java Champion 的實例涵蓋功能開發、遷移和除錯,呈現需求釐清、驗證證據與人工審核如何支撐 AI 輔助開發。
ALTK-Evolve 從智能體訓練任務中自動提煉行為指引並加入提示詞,令使用 gpt-4.1 的客服智能體在不更新模型權重下,於 τ²-bench 零售任務取得 67.5% Pass^4。
推薦理由:文章比較不同指引規模、零售與航空任務,以及 gpt-4.1、gpt-5.5 的結果,具體呈現提示詞記憶對智能體準確度、可靠性和成本的不同影響。
AWS 教學示範以 AtScale 在 Amazon Redshift 建置供 AI 智能體使用的語義層,並透過 Amazon Bedrock AgentCore 將 Strands agent 接入 AtScale MCP server。
教學示範以兩個相連的 Strategy Mosaic 模型整合 Amazon Redshift 和 Amazon Aurora 的 Customer 360 資料,並透過 MCP 供 Amazon Bedrock AgentCore 上的 Strands 智能體查詢。
文章示範如何以 Denodo Platform 和 Amazon Bedrock AgentCore 建立 AI 智能體語義層,讓 Strands agent 查詢 Amazon Aurora、Amazon Redshift 與本地部署的 PostgreSQL 資料。
Eon 利用 Amazon Bedrock AgentCore MCP Gateway,將跨多個雲端的調查工具集中至單一經身分驗證的入口,供工程師及自主智能體使用。
AWS 與 Keyfactor 展示一套結合 X.509 PKI、Keyfactor EJBCA 及 AWS 服務的參考架構,為多智能體系統建立身份驗證與授權鏈。架構採用已簽署請求封套、用戶簽署的委派聲明、RFC 8693 受眾限定存取權杖,以及即時 OCSP 撤銷檢查。文章逐步説明用戶登入、智能體間呼叫、MCP 工具伺服器驗證及登出撤銷流程,並指出此模式可應用於其他兼容 MCP 的工具伺服器。
Mistral 推出 Voxtral 3,包含語音轉文字與文字轉語音模型,以及把聆聽、推理、工具調用和語音輸出整合為即時串流流程的語音智能體 SDK。語音轉錄支援 50+ 種語言,語音合成支援 35+ 種語言及 50+ 種方言;SDK 可在通話中調用工具並執行多步驟任務。Voxtral 3 現可透過 Mistral API 使用,亦可部署於自有基礎設施。
推薦理由:Voxtral 3 把聆聽、推理、工具調用與語音輸出串成即時流程,並提供 Mistral API 和自部署選項,呈現語音智能體的整合與部署方式。
Amazon Bedrock 現已為可用的所有 Anthropic Claude 模型,在 bedrock-runtime 和 bedrock-mantle 端點提供結構化輸出,回應可符合指定 JSON Schema。
推薦理由:文章交代 JSON Schema 輸出與 strict tool use 的適用場景,並列出快取行為及不支援的 schema 特性,便於評估整合要求。
Amazon SageMaker JumpStart 在 2026 年 1 月至 9 月新增逾 100 個模型,涵蓋 30 家供應商,並更新模型探索及部署功能。
GitHub Copilot app 的工作階段可直接在 VS Code 開啟,並保留原有對話、程式碼變更及工作脈絡,讓用戶在同一工作樹繼續工作。用戶可在 VS Code 逐行檢視差異、手動修改及本機測試,完成後把變更推送至該工作階段關聯的 pull request。
推薦理由:文章示範如何把 Copilot app 工作階段及其工作脈絡帶入 VS Code,讓智能體產生的修改可在原有工作樹中接續檢視、測試及推送。
AWS 説明 vLLM 的雙向 KV cache 傳輸如何讓 prefill 節點在多輪智能體對話中重用 decode 節點保留的 KV,減少重複計算並降低 TTFT。
Stack Overflow for Agents 的 ChatGPT 外掛令註冊量一夜增至 3 倍,智能體建立量最高達 10 倍。兩名工程師利用 Codex 在數週內完成產品;Codex 亦將單個連接器的平均開發時間由 3–6 週縮短至 4 天。
AWS Sales, Marketing, and Global Services(SMGS)團隊以 Amazon Bedrock AgentCore Evaluations 建立九階段評估框架,涵蓋 AI 智能體由開發到正式環境運作的完整生命週期。
推薦理由:文章把工具、單一智能體與多智能體協作納入九階段評估流程,並展示如何透過回歸門檻、線上監測及追蹤資料定位品質退化。
Google Research 分享三項研究,探索以 AI 智能體連接計算設計與濕實驗室實驗,涵蓋 VERID 實驗室數碼孿生、適配體閉環設計及從頭設計蛋白質結合體。適配體設計經三輪迭代後,兩個蛋白質靶標的確認命中率分別達 33.5% 和 42.1%;蛋白質結合體流程以局部結合口袋裁切,將每輪計算加速逾八倍,並取得個位數納摩爾親和力。研究流程包括模擬驗證、序列生物安全篩查及人工授權與監督。
推薦理由:文章串連實驗室數碼孿生、適配體閉環測試與蛋白質結合體設計,呈現 AI 智能體如何依據實驗回饋修正設計,並連接計算探索與實驗驗證。
Reflection AI 發佈開放權重模型 Reflection Beam,面向智能體編碼及維護程式碼、使用工具等長流程任務。
推薦理由:文章並列 SageMaker JumpStart 託管端點與 HyperPod 上的 JumpStart、SGLang、vLLM 部署選項,並説明各路徑對應的基礎設施控制程度。
Reflection 在 Hugging Face 發佈開源模型 Beam,採用 501B 參數 MoE 架構,每個 token 啟用 23B 參數,支援 1M tokens 上下文窗口。
推薦理由:文章詳列不同精度檢查點的硬件配置與評測,並附推理及微調配方,呈現自行部署這個 501B 模型的資源要求。
HKGAI 開放旗下 HKGAI Agent Workshop 的 API,讓開發者把可自主執行複雜長程任務的 AI 智能體接入自家產品。平台支援在獨立雲端沙盒內連續運作數十小時、單輪執行過百次工具調用,讀取時最高支援 10 路並行,並具備自動容災及斷線續傳功能。
Sullivan & Cromwell 與 OpenAI 合作開發 Agreement Analyzer,將律師事務所的法律專業知識融入草擬協議審閲。工具結合事務所先例、談判手冊及 ChatGPT Enterprise,經多輪審閲後提供分析備忘錄和建議修訂,供律師檢視及調整。輸出亦列明經質疑後成立、已駁回及附保留的未核實問題。
Localiza 使用 ChatGPT Enterprise、OpenAI API、Codex 及 60+ 個專用智能體重組工作,並打造 AI 原生的流動出行體驗。
Grupo Boticário 營運自有智能體平台,可自主處理轉售商最多 80% 的營運需求,讓銷售團隊擔任顧問角色。該集團近 50 年前從巴拉那州一間配藥藥房起步。
Meta 推出 Muse Spark Open,一款約 816B 參數、每個 token 約啟用 42B 參數的開放權重多模態混合專家模型,支援文字、圖像、音訊和影片輸入,並生成文字。模型的上下文窗口最高為 1M tokens。文章列出 Transformers、llama.cpp、SGLang 和 vLLM 等推理部署方式,以及使用 TRL 進行 LoRA 微調的示例。
推薦理由:文章把模型規模、長上下文與多模態輸入能力,連同多種部署和微調方案放在同一份技術指南中,可用來瞭解模型的運行配置與使用方式。
Google DeepMind 展示以 Google Antigravity 搜尋、結構評估及排序抗菌肽候選物的流程,並介紹嵌入平台的 Biomolecular Structure Viewer。
AWS將一套分層治理方法稱為 Trust in Depth,主張以可驗證規則支撐智能體在保留控制下承擔更多自主工作。框架分為 Scope、Know、Bound、Observe 四個環節,並以自動推理檢查可精確表述的規則;需要情境判斷的部分則交由人處理。以員工離職流程為例,Amazon Bedrock AgentCore 會阻止未先封鎖登入或查核法律保留的操作,並記錄每一步。