inclusionAI đã phát hành Duo-1.0-distill-quant, trọng số Realization chưng cất bốn bước được lượng tử hóa FP8 cho mô hình thế giới đa phương thức song công toàn phần Duo 1.0. Các trọng số này được phủ lên gói inclusionAI/Duo-1.0-causal-base, gói này cung cấp Intent, codec, mô hình giọng nói và xương sống Realization dùng chung, và yêu cầu môi trường chạy hỗ trợ định dạng ModelOpt FP8 được đóng gói. Các trọng số được khởi tạo từ MiniMax H3 và sau đó được nhóm Duo huấn luyện.
inclusionAI đã phát hành Duo-1.0-distill, trọng số Realization chưng cất bốn bước cho Duo 1.0, một mô hình thế giới đa phương thức song công toàn phần dành cho tương tác âm thanh-hình ảnh theo thời gian thực. Các trọng số này được phát hành dưới dạng lớp phủ PyTorch Distributed Checkpoint trên gói inclusionAI/Duo-1.0-causal-base, sử dụng bộ lấy mẫu Euler với 4 bước và flow shift 5.0. Các trọng số được khởi tạo từ MiniMax H3 và sau đó được nhóm Duo huấn luyện.
Sing VL S1, một mô hình quyết định đa phương thức 4 tỷ tham số được xây dựng trên Qwen3.5, nay đã có bản phát hành GGUF cho suy luận CPU với llama.cpp. Nó được phát hành với các bộ giải mã BF16 (8,42 GB), Q8_0 (4,48 GB) và Q4_K_M (2,71 GB) cùng một bộ chiếu thị giác F16 dùng chung, với ngữ cảnh mặc định 4096 token. Kiểm định GGUF bao gồm 9 ví dụ và 11 câu hỏi; điểm số công khai đầy đủ cho các biến thể GGUF vẫn đang chờ.
ElevenLabs phác thảo bảy kỹ năng chăm sóc khách hàng — giao tiếp, giải quyết vấn đề, xử lý xung đột, đồng cảm, thích ứng, cá nhân hóa và kiến thức sản phẩm — mà cả nhân viên hỗ trợ con người lẫn AI đều cần. Tài liệu trích dẫn một nghiên cứu của Zendesk cho thấy hơn 50% khách hàng đã chuyển sang đối thủ cạnh tranh sau một trải nghiệm tồi tệ, và dự báo của Gartner rằng ít nhất 70% khách hàng sẽ bắt đầu hành trình của họ bằng một giao diện AI vào năm 2028. Hướng dẫn nhấn mạnh việc đánh giá các chỉ số hội thoại trong quá trình huấn luyện và sau khi triển khai, cùng với việc chuyển giao liền mạch cho con người để giảm căng thẳng.
Modal hiện tính phí Sandboxes theo mức sử dụng tài nguyên thực tế thay vì đặt trước cố định, cho phép mỗi Sandbox burst vượt mức yêu cầu mặc định 0,125 lõi và 128 MiB và chỉ trả tiền cho những gì nó sử dụng mỗi giây. Trong ví dụ coding agent 20 phút, burst tốn 8,4¢ mỗi Sandbox-giờ so với 20,0¢ cho đặt trước cố định, tiết kiệm 58%. CPU có thể burst tới 16 lõi vượt mức yêu cầu theo mặc định, với bộ nhớ không giới hạn trừ khi đặt giới hạn.
Factory đã ra mắt Cyber Defense Network, một hệ sinh thái gồm các công ty an ninh mạng có phát hiện được đưa vào Security Factory để Factory Droids có thể điều tra lỗ hổng, triển khai thay đổi mã và xác thực bản sửa lỗi thông qua kiểm thử. Các đối tác sáng lập gồm Snyk, Palo Alto Networks, Semgrep, Cogent, Casco, DepthFirst và Detail. Quy trình bao gồm tín hiệu từ công cụ của đối tác, phân loại lỗ hổng có thể khai thác, và khắc phục liên tục tạo ra bản sửa lỗi sẵn sàng để đội ngũ kỹ thuật xem xét và hợp nhất, trong khi các tổ chức giữ nguyên công cụ và quy trình bảo mật hiện có.
Databricks giải thích chi tiết cách các cuộc tấn công dựa trên thông tin xác thực diễn ra trên nền tảng của mình và cách nhật ký kiểm tra chi tiết cùng Genie có thể phát hiện sự thay đổi hành vi sau khi PAT, cookie phiên hoặc thông tin xác thực của service principal bị đánh cắp được sử dụng. Bài viết phân loại hoạt động của kẻ tấn công thành sáu giai đoạn, từ đăng nhập ban đầu đến trinh sát môi trường, đồng thời đề cập các bước ứng phó và biện pháp kiểm soát nhằm hạn chế phạm vi mà thông tin xác thực bị đánh cắp có thể tiếp cận.
Bright Machines hiện cung cấp cho khách hàng bảng điều khiển dữ liệu nhà máy trực tiếp, có quản trị từ các nhà máy cách ly mạng mà không cần mở bất kỳ quyền truy cập vào nào. Công ty ghi lại các thay đổi PostgreSQL tại biên với Debezium, ghi chúng dưới dạng Apache Iceberg, đẩy ra ngoài qua một đường ra duy nhất có thể kiểm toán, và đọc tại chỗ trong Databricks thông qua liên kết Unity Catalog. Bảng điều khiển đầu tiên mà khách hàng nhìn thấy đã đi vào hoạt động khoảng hai tháng sau khi khởi động, với các hàng đã cam kết có thể truy vấn trong một đến hai phút và bảng điều khiển làm mới mỗi mười phút.
OpenRouter đã benchmark 11 reranker trên một bộ dữ liệu RAG tổng hợp gồm 274 câu hỏi và phát hiện rằng việc rerank 30 ứng viên hàng đầu từ tìm kiếm vector bằng voyageai/rerank-3-lite đã nâng precision@1 từ 81,0% lên 97,1% với chi phí khoảng 0,10 USD cho mỗi 1.000 truy vấn. Hướng dẫn khuyến nghị truy xuất khoảng 30 chunk, rerank chúng, và chỉ gửi 3 chunk hàng đầu đến LLM, điều này trong thử nghiệm của họ đã nâng độ chính xác câu trả lời lên 99,3% đồng thời giảm chi phí trả lời từ 0,22 USD xuống 0,16 USD cho mỗi 1.000 câu hỏi. Nó cũng chỉ ra các chế độ lỗi: bỏ qua tham số input_type mất 7 đến 12 điểm precision@1, và cohere/rerank-v3.5 âm thầm bỏ qua nội dung vượt quá giới hạn 4.096 token của nó.
Gondola đã tăng gấp đôi doanh thu trong khi mở rộng việc sử dụng Codex của OpenAI, công cụ này đã nâng năng suất của kỹ sư trưởng lên 50%. Công ty, chuyên giúp các nhà sáng tạo được ghi nhận và được tuyển dụng, cũng sử dụng ChatGPT để đơn giản hóa công việc hàng ngày.
Wave, đại lý sản phẩm chủ động của Amplitude, được xây dựng chủ yếu trên các mô hình OpenAI, xác định những gì cần xây dựng, giúp các nhóm triển khai thay đổi với các đại lý lập trình và đo lường tác động. Thiết lập này cho phép Amplitude ra mắt cải tiến sản phẩm trong 1–2 ngày.
Amazon đã công bố tính khả dụng công khai của SGLang-Neuron, một plugin out-of-tree chạy SGLang trên AWS Trainium thông qua AWS Deep Learning Container, được phát hành bởi RadixArk cùng Annapurna Labs. Người dùng giữ nguyên giao diện máy chủ SGLang và các API sinh, trong khi plugin cung cấp các mô hình, attention, MoE dành riêng cho Trainium và một graph runner được xây dựng trên các kernel PyTorch và NKI gốc được biên dịch bằng torch.compile. Nó cũng hỗ trợ PD disaggregation, chuyển bộ nhớ đệm KV prefill sang máy chủ decode qua NIXL trên EFA, và hướng dẫn thực hành phục vụ openai/gpt-oss-120b trên một phiên bản EC2 Trainium3 với container pytorch-inference-sglang-neuronx.
GitHub đã công bố một hướng dẫn thực hành về agent skills, các thư mục được đánh phiên bản tập trung vào tệp SKILL.md mô tả khi nào và cách thực hiện một tác vụ lặp lại. Hướng dẫn sử dụng hai ví dụ, Proof Agent để xác minh đối kháng mã do AI tạo ra và Data Forge cho một pipeline dữ liệu đa kỹ năng, để cho thấy cách các skill chia sẻ một manifest dự án, tái sử dụng một đường thực thi và đặt phê duyệt của con người ở mỗi giai đoạn. Nó cũng mô tả một script đóng gói tạo ra các tệp riêng cho từng client dành cho Claude Code, Cursor và GitHub Copilot từ một nguồn skills duy nhất.
Natera đã xây dựng SWARM, một hệ thống AI tác tử cho vận hành phòng thí nghiệm, trên Amazon Bedrock AgentCore, giảm thời gian phản hồi đầu tiên khoảng 130 lần và tự động hóa 96,2 phần trăm số ticket hỗ trợ. Hệ thống kết hợp một swarm-agent soạn thảo báo cáo chẩn đoán trước khi kỹ sư mở ticket với một swarm-hive để kỹ sư tương tác theo thời gian thực, cả hai cùng chia sẻ một thư viện kỹ năng. Nó xử lý hơn 65 ticket Jira mỗi ngày trên ba hàng đợi mà trước đây trung bình mất 17,4 giờ cho phản hồi đầu tiên.
Microsoft Research Focus Edition #98 nêu bật những tiến bộ AI đưa dịch thuật phổ quát đến gần thực tế hơn và một chứng minh mới giải quyết giả thuyết KLS đã tồn tại 31 năm trong hình học chiều cao. Ấn bản cũng đề cập CompactionBench và APEC, giúp giảm chi phí nén ngữ cảnh của tác nhân lập trình tới 25,4% và thời gian thực thi 9,6%, cùng với Latent Core Tokenizer, cải thiện token hóa trên 104 ngôn ngữ.
Databricks phản hồi bốn cách hiểu sai phổ biến về LTAP, kiến trúc Lakebase giữ một bản dữ liệu vận hành duy nhất được quản trị, phục vụ cả Postgres lẫn phân tích mà không cần CDC. Bài viết lập luận LTAP không phải sao chép: các lớp phía trước hồ dữ liệu là bộ nhớ đệm, không phải cơ sở dữ liệu thứ hai có catalog riêng. Bài viết cũng nói rằng heap page và Parquet là hai cách mã hóa không mất mát của cùng các hàng, nên tra cứu điểm và quét mỗi bên đọc bố cục nhanh cho mình.
AWS hướng dẫn cách theo dõi và giới hạn chi tiêu cho AI tạo sinh Amazon Bedrock theo từng IAM principal chỉ bằng các tính năng gốc: Bedrock tự động ghi lại IAM user hoặc role trên mỗi yêu cầu suy luận, và các thẻ đó trở thành thẻ phân bổ chi phí có thể đọc được trong Cost Explorer hoặc các bản xuất CUR 2.0. Một AWS Budget giới hạn phạm vi cho Bedrock và lọc theo một danh tính hoặc giá trị thẻ có thể gắn một hành động ngân sách áp dụng chính sách Deny IAM khi vượt ngưỡng, không cần mã ứng dụng cho trường hợp thông thường.
Thời lượng bộ nhớ đệm, bậc dịch vụ, nỗ lực suy luận và cài đặt maxTokens của Amazon Bedrock có thể thay đổi chi phí suy luận mà không cần thay đổi mô hình hay prompt. Ghi bộ nhớ đệm 5 phút trên Claude Sonnet 5 và Claude Opus 5 tốn 1,25 lần mức giá đầu vào, ghi 1 giờ tốn 2 lần, và đọc bộ nhớ đệm tốn 0,1 lần; các yêu cầu bậc Flex đến các mô hình không được hỗ trợ sẽ thất bại với ValidationException.
IBM đã phát hành hai mô hình xem trước thử nghiệm, granite-4.1-3b-LLMON-preview và granite-4.1-8b-LLMON-preview, được phát triển từ các checkpoint cơ sở Granite 4.1 và được huấn luyện để tiếp nhận và tạo ra LLMON, một ngôn ngữ đánh dấu bản địa của LLM đánh dấu chỉ dẫn, dữ liệu và yêu cầu bằng các dấu phân cách token đặc biệt dành riêng. Trên bộ đánh giá OPI, các mô hình tránh được nhiều hơn 47% các cuộc tấn công chèn prompt gián tiếp so với mô hình tiên tiến nhất được thử nghiệm và nhiều hơn 95% so với mô hình mã nguồn mở tốt nhất, đồng thời hoạt động ngang bằng với Granite 4.1 Instruct trên các bộ đánh giá tiêu chuẩn. Bản phát hành bao gồm một bộ công cụ GitHub với các bộ chuyển đổi JSON sang LLMON không mất dữ liệu, và các tác giả lưu ý rằng bản xem trước dành cho mục đích khám phá, không phải để sử dụng trong môi trường sản xuất.
Vì sao đáng chú ý: IBM đã huấn luyện một mô hình xem trước trên Granite 4.1 có thể đọc và ghi các thẻ LLMON, sử dụng việc tách biệt rõ ràng giữa chỉ dẫn và dữ liệu để giảm tỷ lệ thành công của các cuộc tấn công chèn prompt gián tiếp trên bộ đánh giá OPI xuống gần bằng không trong khi vẫn duy trì các khả năng chung.
Wave, đại lý sản phẩm chủ động của Amplitude, được xây dựng chủ yếu trên các mô hình OpenAI, xác định những gì cần xây dựng, giúp các nhóm triển khai thay đổi với các đại lý lập trình và đo lường tác động. Thiết lập này cho phép Amplitude ra mắt cải tiến sản phẩm trong 1–2 ngày.
LangChain giải thích phát triển dựa trên đánh giá (EDD), một quy trình ba bước để xây dựng AI Agent: xác định thế nào là tốt, viết đánh giá trước khi xây dựng, và so sánh kết quả sau mỗi thay đổi. Vì agent có tính không xác định, đánh giá sẽ chấm điểm các lần chạy trên một tập dữ liệu ví dụ và có thể dùng LLM-as-a-judge, với các lần chạy agent thực tế trong LangSmith làm nguồn đầu vào kiểm thử.
Constellation, đơn vị vận hành đội hạt nhân lớn nhất Hoa Kỳ, đang xây dựng Nền tảng Dữ liệu Doanh nghiệp có quản trị trên Databricks để mang lại cho doanh nghiệp một ý nghĩa chung cho dữ liệu của mình. Nền tảng này sử dụng Unity Catalog cho phả hệ, quyền truy cập chi tiết và một mô hình phân quyền duy nhất, cùng với mô hình hóa Data Vault cho các thực thể quan trọng có thể tái sử dụng. Các trường hợp sử dụng ban đầu bao gồm một trợ lý kỹ thuật hạt nhân được xây dựng với Databricks Genie và lập kế hoạch ngừng hoạt động.
Eclipse Aerospace đang sử dụng nguồn dữ liệu tùy chỉnh Databricks PySpark để nhập gần 20 năm dữ liệu chuyến bay độc quyền, hơn 3TB trải rộng trên hơn một triệu giờ bay, mà không cần tính toán chuyên dụng luôn bật. Gói Python được hỗ trợ bởi Rust đã mang lại hiệu suất gấp đôi so với chuẩn đánh giá của một nguồn dữ liệu Python thuần dựa trên PyArrow tương tự và gần 20 lần so với triển khai Python gốc không có Arrow. API, được giới thiệu trong Apache Spark 4.0 và có sẵn trong Databricks Runtime 15.4 LTS, thay thế quy trình Lambda-to-Avro trước đó.
AWS công bố cập nhật cho runtime Amazon Bedrock AgentCore, lớp tính toán được quản lý dành cho agent, với các phiên nay khởi tạo nhanh hơn tới 15 lần, mở rộng lên tới 4 lần năng lực tính toán (tối đa 8 vCPU và 32 GB, với container image lên tới 10 GB) và chạy hiệu quả hơn tới 68%, trong khi mỗi phiên vẫn nằm trong Firecracker MicroVM cách ly phần cứng riêng. Phiên khởi tạo dưới 2 giây bất kể kích thước image hay mức đồng thời, agent nhàn rỗi tự động co về 0, và agent có thể gắn kết và lưu công việc vào hệ thống tệp như bucket Amazon S3 với hỗ trợ FUSE để dữ liệu nằm trong ranh giới tin cậy. Runtime hiện có sẵn tại các AWS Region ở Bắc Mỹ, Nam Mỹ, Châu Âu và Châu Á - Thái Bình Dương.
Vì sao đáng chú ý: Phiên bản mới của runtime AgentCore điều chỉnh đồng thời việc khởi tạo phiên, giới hạn tính toán và tính phí bộ nhớ, mang lại cho các agent cần chạy lâu dài một sự đánh đổi mới giữa cách ly và chi phí.
Một cổng LLM tự phục vụ được xây dựng trên Amazon Bedrock Application Inference Profiles và LiteLLM chạy trên AWS Fargate, đưa các mô hình nền tảng của Bedrock ra sau một API tương thích OpenAI, mang lại cho nhà phát triển một base URL duy nhất và khóa riêng cho từng người dùng. Thiết lập này bổ sung kiểm soát chi tiêu theo từng người dùng, cô lập hạn mức theo từng mô hình và khả năng quan sát RPM/TPM qua CloudWatch, cùng với Langfuse để theo dõi telemetry ở cấp độ prompt. Việc cấp khóa tự phục vụ yêu cầu LiteLLM Enterprise, vì gói miễn phí chỉ giới hạn ở năm người dùng.
Google DeepMind giới thiệu Gemini 4 Hydrogen, một mô hình Gemini 4 được xây dựng cho lập trình hàng ngày nhanh và thực thi tác tử thay vì suy luận tầm xa của Gemini 4 Carbon và Argon. Nó đạt 51 điểm trên Chỉ số Trí tuệ Artificial Analysis ở mức suy nghĩ cao mặc định so với 50 của Argon, đạt 54 ở cài đặt xhigh mới, và có giá cố định 1,50 USD mỗi triệu token đầu vào và 7,50 USD mỗi triệu token đầu ra trên cửa sổ ngữ cảnh 1 triệu token. Google cũng ra mắt Orchestrator trong Google Antigravity, công cụ chuyển đổi giữa các mô hình như Carbon và Hydrogen trong một phiên và đạt mức thành công nhiệm vụ gần bằng Carbon trên Terminal-Bench 4.0 trong khi sử dụng ít hơn 24% hạn mức và hoàn thành nhanh hơn 19%.
Vì sao đáng chú ý: Gemini 4 Hydrogen của Google nhắm đến lập trình hàng ngày nhanh và công việc tác tử, với giá cố định 1,50/7,50 USD mỗi triệu token trên cửa sổ ngữ cảnh 1M và Orchestrator mới chuyển đổi giữa các mô hình Gemini 4.
Bài viết này của AWS lập luận rằng chi tiêu cho Amazon Bedrock nên được đánh giá theo chi phí trên mỗi tác vụ thay vì chi phí trên mỗi token, vì hiệu quả của tokenizer, độ dài đầu ra, số vòng lặp agentic và chi phí suy luận có thể khiến một mô hình có giá niêm yết thấp hơn lại tốn kém hơn. Một ví dụ minh họa cho thấy một mô hình có giá niêm yết gấp 2 lần lại hoàn thành với chi phí rẻ hơn 65% trên mỗi tác vụ, và bài viết bổ sung thêm caching, định tuyến và ràng buộc đầu ra cùng một bảng điểm năm chiều để đo ROI của agent so với đường cơ sở do con người thực hiện.
Databricks thông báo Genie Migrate đã chính thức được phát hành rộng rãi (GA), cho phép các công ty chuyển khối lượng công việc dữ liệu của họ lên Databricks Lakehouse với ít thao tác thủ công hơn. Công cụ này nhắm đến các nhóm đang chạy đua để xây dựng AI agent và ứng dụng trên nền dữ liệu lakehouse.
Google Search đã chuyển toàn bộ người dùng trên toàn thế giới sang Gemini 4 Hydrogen, mà công ty gọi là bản nâng cấp mô hình lớn nhất cho Search từ trước đến nay. Mô hình này cải thiện khả năng hiểu ý định đối với các câu hỏi nhiều phần và nhiều lỗi chính tả, bổ sung khả năng tuân theo chỉ dẫn và gọi công cụ sâu hơn, đồng thời tăng cường query fan-out để hiển thị các liên kết mà người dùng có thể không tìm thấy. Phản hồi cũng trở nên trực quan hơn, với nhiều hình ảnh, bảng so sánh và công cụ tùy chỉnh hơn, trên tất cả các ngôn ngữ AI Mode được hỗ trợ.
Vì sao đáng chú ý: Bản nâng cấp mô hình lớn nhất từ trước đến nay của Google Search, với Gemini 4 Hydrogen hiện xử lý các câu hỏi nhiều phần, gọi công cụ và query fan-out cho tất cả người dùng trên toàn cầu.
LangChain lập luận rằng các công ty phải sở hữu trí tuệ của mình thay vì dựa vào các mô hình phổ thông, kiểm soát ba lớp: mô hình, harness và ngữ cảnh. Họ nói rằng việc sở hữu hệ thống agent, cùng với các yếu tố kinh tế, chất lượng và rủi ro xung quanh nó, chính là điều biến AI thành lợi thế lâu dài.
H6.ai tự động hóa các khoản phải trả trên nền ERP hiện có của khách hàng, sử dụng một cơ sở dữ liệu Lakebase Postgres riêng cho từng khách hàng làm hệ thống lưu trữ gốc. Vì dữ liệu hóa đơn liên tục thay đổi, nhóm sử dụng các nhánh copy-on-write của Lakebase để đóng băng ảnh chụp nhanh cơ sở dữ liệu khách hàng và chạy từng bài kiểm tra hồi quy trên nhánh ngắn hạn riêng của nó, nhờ đó cơ sở dữ liệu trực tiếp không bao giờ bị ghi vào. Mỗi lần chạy được đánh giá bằng các khẳng định tất định cùng một hội đồng giám khảo AI đến từ các nhà cung cấp mô hình khác nhau.
Databricks giới thiệu Lakehouse//RT, một engine phân tích thời gian thực chạy các khối lượng công việc có độ đồng thời cao trực tiếp trên dữ liệu lakehouse và hiện đang ở giai đoạn beta. Công ty cho biết nó đạt độ trễ dưới 100 mili giây với 12.000 truy vấn mỗi giây, bổ sung dung lượng từng node một và tránh cần một lớp phục vụ riêng; các khách hàng Aurasell, VisionHeight và nOps báo cáo chi phí hạ tầng thấp hơn 6 đến 10 lần sau khi chuyển từ các thiết lập đa cụm, Apache Pinot và Apache Druid.
Amazon Bedrock AgentCore Evaluations hiện cho phép các nhóm chạy các trình đánh giá tích hợp của AWS song song với các chỉ số DeepEval và AutoEval được quản lý, cùng các trình đánh giá tùy chỉnh bắt nguồn từ một trong hai. Danh mục tích hợp bao gồm 15 trình đánh giá trên chất lượng phản hồi, hoàn thành mục tiêu, sử dụng công cụ, kỹ năng và an toàn, với ba kiểm tra quỹ đạo cho các đường dẫn công cụ dự kiến. DeepEval bổ sung các chỉ số đa lượt như ConversationCompleteness và KnowledgeRetention, trong khi AutoEval đóng góp các tín hiệu chuyên biệt bao gồm bảo mật.
API Tìm kiếm Web trong Amazon Bedrock AgentCore hiện đã khả dụng, cung cấp cho các agent kết quả web hiện tại thông qua một lệnh gọi API duy nhất được ký SigV4, phục vụ từ chỉ mục web do Amazon vận hành. Một hướng dẫn xây dựng trình theo dõi phụ thuộc hàng ngày dưới dạng đồ thị LangGraph, nghiên cứu song song npm, PyPI và các image nền container, với cửa sổ ngày, danh sách chặn và ngân sách tìm kiếm được thực thi trong mã. Trong thử nghiệm, ba nhánh hoàn thành trong 36 giây so với 99 giây khi chạy tuần tự.
Kimi K3.1 Pro Highspeed của Moonshot AI hiện đã có trên Amazon Bedrock, đây là phiên bản được huấn luyện hậu kỳ của Kimi K3 với cùng kiến trúc trọng số mở cấp 3T và cửa sổ ngữ cảnh 1 triệu token, được huấn luyện với nhiều tính toán hậu kỳ hơn cho công việc tác nhân dài hạn và ít lỗi thực tế hơn. Moonshot AI báo cáo tốc độ đầu ra gấp 2–3 lần Kimi K3.1 Pro, và người dùng Kimi K3 hiện tại có thể chuyển đổi bằng cách thay đổi ID mô hình. Bài đăng trình bày các lệnh gọi API Chat Completions, Responses và Converse, gói Flex với giá bằng một nửa giá Standard, bộ nhớ đệm lời nhắc rõ ràng với prompt_cache_breakpoint, và kết nối mô hình với tác nhân lập trình OpenCode.
Amazon SageMaker AI phát trực tuyến hai chiều hiện hỗ trợ đo lường theo mức sử dụng, cho phép các nhà cung cấp mô hình báo cáo mức tiêu thụ thực tế cho phí phần mềm trên AWS Marketplace trong khi phí hạ tầng endpoint vẫn được áp dụng. Deepgram là đối tác ra mắt, mang đến tính phí Speech-to-Text và Text-to-Speech theo mức sử dụng trên AWS Marketplace. Thiết kế bổ sung một luồng siêu dữ liệu WebSocket đi kèm, giới hạn ở một tin nhắn mỗi giây và 512 byte, để các nhà cung cấp có thể gửi các bản ghi đo lường tăng dần trong các phiên trực tiếp.
AWS đã mã nguồn mở UAEF (Universal Agent Evaluation Framework), một hệ thống độc lập với framework sử dụng các adapter để chuẩn hóa dấu vết tác nhân từ LangGraph, LangChain, Strands Agents, Amazon Bedrock AgentCore và Langfuse thành một AgentTrace chuẩn duy nhất, sau đó chấm điểm chúng bằng 36 chỉ số tích hợp trên 7 khía cạnh. Kết quả được lưu trữ theo từng thử nghiệm trong Amazon DynamoDB và Amazon S3, để các nhóm có thể so sánh các phiên bản tác nhân với một đường cơ sở, đánh dấu các hồi quy với ngưỡng mặc định 5 phần trăm, và tạo báo cáo thống kê cùng các thông tin chi tiết do LLM viết. Bài viết cho biết khách hàng trên 12 tổ chức trong lĩnh vực viễn thông, chăm sóc sức khỏe và dịch vụ tài chính đã sử dụng UAEF trước khi phát hành, và mã Apache 2.0, thư viện Python, triển khai CDK cùng các notebook theo từng framework nằm trong kho GitHub awslabs/uaef.
Vì sao đáng chú ý: Nhóm AWS đã mã nguồn mở UAEF, sử dụng các adapter để thống nhất quỹ đạo tác nhân từ các framework khác nhau thành một định dạng duy nhất, sau đó chấm điểm chúng trên 7 khía cạnh bằng 36 chỉ số, cung cấp một lớp đánh giá có thể tái sử dụng để so sánh các phiên bản tác nhân across frameworks.
AWS Quick giới thiệu AI-PDLC, một khung gồm sáu tác nhân chuyên biệt—dẫn dắt bởi một Orchestrator bao gồm Discovery, Prioritize, Working Backwards, Spec Generator và Designer—biến các tín hiệu doanh nghiệp phân tán từ Slack, Jira, Salesforce và SharePoint thành một prototype_spec.md có thể truy vết. Mỗi giai đoạn đều yêu cầu con người phê duyệt, và bản đặc tả có thể được chuyển giao cho các tác nhân lập trình như Kiro hoặc Claude Code thông qua Agent Client Protocol (ACP) mở.
AWS đã công bố danh mục 23 tài sản AI tạo sinh mã nguồn mở, sẵn sàng cho môi trường sản xuất, từ Trung tâm Đổi mới AI tạo sinh của mình, nay thuộc AWS Frontier AI Engineering & Services. Các khối xây dựng này bao gồm pipeline RAG, bộ xử lý tài liệu, khung tác nhân (agent scaffolding) và khung đánh giá, và AWS cho biết chúng có thể rút ngắn thời gian phát triển từ nhiều tháng xuống còn vài tuần. DoorDash báo cáo năng lực kiểm thử tăng 50 lần và Ricoh tăng thông lượng gấp 7 lần sau khi xây dựng trên các tài sản này.
DXC Technology đã xây dựng nền tảng mô hình cho bộ công cụ vận hành IT DXC OASIS trên Amazon Bedrock, truy cập Anthropic Claude, Amazon Nova, Meta Llama và các mô hình trọng số mở thông qua một giao diện quản lý duy nhất. Amazon Bedrock Guardrails áp dụng lọc nội dung, che giấu PII và chính sách chủ đề bị cấm một cách thống nhất trên mọi mô hình, trong khi AWS PrivateLink giữ lưu lượng suy luận bên trong VPC của khách hàng. DXC OASIS đã được cung cấp rộng rãi từ tháng 3 năm 2026 và giảm thời gian giải quyết trung bình 95% trên 56 trường hợp sử dụng được đo lường.