Liquid AI 发布 LFM3 系列:六个 2B 级多模态模型共享同一骨干
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models,把文本、视觉、音频、omni 和决策模型统一到 2B 参数级的同一骨干上,全部开源权重并已在 Hugging Face 上线。
推荐理由:Liquid AI 公布 LFM3 系列六个 2B 级模型共享同一骨干,并给出单卡微调与端侧部署路径,可据此判断小模型专用化路线。
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models,把文本、视觉、音频、omni 和决策模型统一到 2B 参数级的同一骨干上,全部开源权重并已在 Hugging Face 上线。
推荐理由:Liquid AI 公布 LFM3 系列六个 2B 级模型共享同一骨干,并给出单卡微调与端侧部署路径,可据此判断小模型专用化路线。
Exowatt 借助 Amazon SageMaker AI 无服务器模型定制,用同一套流水线微调出面向边缘和云端的两个模型,在各自任务上准确率均超过前沿模型。
Property Finder 发现其评测标签中 96.8% 直接来自现有视觉语言模型的预测而非人工核验,导致任何替代模型在比较中处于结构性劣势。
AWS 宣布为 Amazon SageMaker AI 训练和处理作业提供 Seekable OCI(SOCI)索引,镜像改为懒加载,只拉取启动所需文件、其余后台流式加载,作业启动从数分钟降至数秒。
Ai2 发布 Old Ideas, Novel Problems 研究,测试 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5 和 Claude Opus 4.6 六个 LLM 判断研究想法新颖性的可靠性。
OpenAI 与 Oracle 扩大合作,把 Oracle 的业务应用和 AI 智能体引入 ChatGPT,同时为 Oracle 的新产品提供支持。
Google DeepMind 发布世界模型 Genie 4,原生支持多模态,可在生成世界的同时生成音乐、环境音与交互对话。Genie 4 支持用自然语言实时修改场景,并借助 Gemini 3.8 Flash 作为引导智能体拆解多步任务、校验执行进度。
推荐理由:官方披露了原生音频、实时文本操控与 Gemini 引导推理三项能力,可据此判断世界模型与语言模型结合后的交互形态。
C-BRAIN 联合 NVIDIA 用 AI 整合此前无法访问的"暗数据",其 OpenScientist 工具可在数分钟内完成原本需数周至数月的分析,单次运行成本低于 10 美元。
Greptile 使用 GPT-6 Astra 测试用户工作流,把缺陷检测从代码审查延伸到实际使用场景。它还借助 Daybreak 加强安全,并用 Codex 减少返工。
OpenAI 公布其在 Kakeya 猜想、指数时间假设(ETH)和量子色动力学三个问题上的模型结果,并说明研究人员如何验证和在此基础上继续推进。
CodeRabbit 使用 GPT-6.1 Sol 排查复杂代码库中的安全风险。其安全智能体可帮助开发者审查发现的问题与建议修复方案。
OpenAI 发布 GPT-6.1 Terra,官方称其将快速且能力较强的 computer use 带给所有人。
OpenAI 工程师使用 Codex Ultrafast 将事故调查时间从数小时缩短到数分钟。该工具还用于更快的安全分析和代码重构,并融入日常开发工作流。
AWS 发布基于 Amazon SageMaker Python SDK v3 的车队级边缘计算机视觉模型生命周期方案,用 SageMaker Neo 取代已弃用的 SageMaker Edge Manager 做边缘优化。
OpenAI Signals 数据覆盖近 100 个国家的 165 项工作活动,展示人们如何用 ChatGPT 处理工作以及使用方式随时间的变化。
本文介绍如何用 AWS CDK 在 Amazon Bedrock Managed Knowledge Base 上部署企业级智能体检索系统。
针对 AI 智能体每轮都要重读全部上下文的“土拨鼠之日”困境,Amazon Bedrock 的提示词缓存可复用已保存的 KV 状态,只对新增内容计费。缓存支持隐式与显式两种模式,显式模式通过 prompt_cache_breakpoint 标记可复用前缀,且前缀需达到 1,024 tokens 才生效。
Fanatics 借助 OpenAI 的 Shop the Look 功能帮球迷搭配比赛日全套装备,在约 3 万件 MLB 商品上的测试显示互动率提升 10%。
Google Research 与 Google for Health 在 IDWeek 2026 分享将健康 AI 研究落地结核病筛查的路径:从胸部 X 光算法到开放基础模型 MedGemma。
OpenAI 说明了如何强化前沿模型训练与评估的隔离防护,措施包括离线环境和面向高算力的红队测试。
Amazon SageMaker AI 的多轮强化学习(MTRL)通过 AgentCore 托管智能体、按整局结果给奖励来训练模型,示例中把 gpt-oss-20b 在留出词上的解谜率从 61% 提升到 84%(默认推理强度),低推理强度下从 15% 提升到 69%,训练 token 成本约 339 美元。
Bayer Crop Science 在 Amazon Bedrock AgentCore 上构建了智能体决策引擎 ADE,作为 CDE 之上的多智能体自然语言接口,第一阶段约 80% 的用户问题无需工程师介入即可解决。
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型,可在地图上标注门店等具体位置并绘制配送路径、航班航线等路线。图层地图通过共享 join key 将 GeoJSON 文件与 Quick Sight 数据集关联,文件需为 .geojson 格式且不超过 100 MB,每个图层一次只渲染一种几何类型。
针对 SageMaker AI 实时端点更新配置时因扩缩容目标已注册而部署失败的问题,AWS 给出一个可复用的 CDK construct,用 CloudFormation 自定义资源在端点更新前后自动完成注销与重新注册扩缩容。
Hugging Face 联合宾夕法尼亚大学开发了 LitPivot,一个帮助研究者在文献阅读中完成"文献触发的转向"的系统,通过 Asta Paper Finder 检索论文,围绕提案中被编辑的部分组织文献并给出带原文摘录的批评与修改建议。
OpenAI 通过可靠的多租户架构、全局缓存和 Azure Cosmos DB 扩展 Habitat 存储系统,使 ChatGPT 的读取速度提升 12 倍。该系统需支撑超过 10 亿 ChatGPT 用户。
Hugging Face 推出 torch-neuronx 模型支持 Space,可查询 Hub 上热门模型能否在 AWS Trainium 上原样运行,并给出复现脚本。
OpenAI 与波兰 NASK 建立合作,聚焦 AI 安全、安保与技术研究,以强化防护措施并支持更具韧性的数字生态。
Firebird 与哈萨克斯坦政府签署投资协议,获得 45,000 块 NVIDIA Grace Blackwell GPU 的美国出口许可,首期项目与 Kazakhtelecom 在 Data Center Valley 共建,目标 2027 年第三季度商用。
Anima 使用 GPT-6 和 GPT-Live 将诊所电话等待时间降低 75%,帮助护理团队提升患者响应能力。
微软与 Hugging Face 发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的可执行校验当作 RL 奖励,对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。
OpenAI 发布 Decisions API,面向各类应用提供快速、聚焦且低成本的决策能力。该 API 主打响应速度与低成本,用于构建响应更灵敏的应用。
在 Amazon SageMaker AI 上托管的 Kokoro-82M 文本转语音模型可按句流式合成,让 AI 语音智能体在第一句生成后就开始播放音频,而不必等完整回复结束。该模型仅 8200 万参数,可运行在单台 ml.g5.xlarge GPU 实例上,容器同时提供 POST /invocations 与 WebSocket 双向流两条路径。
Amazon Quick 是 AWS 的 HIPAA-eligible 服务,其 Web、桌面和移动客户端均可在签署 AWS BAA 后处理 PHI。该平台的 chat agent 可跨临床笔记等非结构化内容和理赔、会员记录等结构化数据执行多步任务,并通过 connectors 和 MCP 连接外部系统。
Amazon SageMaker AI 的训练会话 API 让开发者用 forward_backward()、optim_step()、sample() 等调用在本地 Python 进程中驱动一个常驻 GPU 的有状态会话,模型连同 LoRA 适配器保持加载,服务端负责分布式执行、梯度同步与故障恢复。
AWS 宣布 SageMaker AI 无服务器模型定制中的 Training Sessions 正式可用,用户可自行编写并协调训练循环,GPU 分配、分布式执行、故障恢复与 checkpoint 存储由平台托管。
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手,覆盖零售运营、兽医护理、人事入职和采购,支持四种语言、三个国家,无需自建 RAG 基础设施。
Amazon Polly 生成式引擎完成升级并正式可用,语音更自然、更准确且保持低延迟,新增 14 种语音、覆盖 9 个 locale,生成式语音总量达 57 种、覆盖 11 种语言和 25 个 locale。
Rescale 基于 AWS 的 AI-DLC 框架构建了 AI 分诊智能体,从问题定义到预发部署仅用五天,数周内进入生产。
针对自托管 TTS 端点自动扩缩容目标值靠猜的问题,AWS 在 Amazon SageMaker AI 实时端点上部署 82M 参数的 Kokoro-82M 自定义容器,用实测的 Q_max(单实例在 SLO 内可承受的最高并发)和 T_total(一次扩容端到端耗时)通过算术推导出扩容阈值、缩容阈值和两个冷却时间。