Bright Machines 现在无需开放任何入站访问，即可为客户提供来自气隙隔离工厂的实时、受治理的工厂数据仪表盘。它在边缘侧用 Debezium 捕获 PostgreSQL 变更，将其写为 Apache Iceberg，通过一条可审计的出站路径推送出去，并在 Databricks 中通过 Unity Catalog 联合就地读取。首个客户可见的仪表盘在上线启动约两个月后投入使用，已提交的行可在一到两分钟内查询，仪表盘每十分钟刷新一次。
Brian Woods 认为，AI 编程智能体让第一次可用的改动变得廉价，但第二次改动才是系统出问题的地方——智能体给支付服务加上重试机制，即便测试通过，也可能导致客户被重复扣款。他提出，在接受一次改动之前必须回答四个问题：规格说明、验证、来源和授权，由智能体提出改动，由独立的工作流产出证据，再由人类批准。他还展示了一份带有失败测试的构建的签名证明可以返回 VERIFIED，因为真实性并不等于可发布。
NEAR AI Gateway 让 Claude Code、Codex 和 OpenCode 通过 NEAR AI 的私有模型路由其 AI 请求，每次调用的模型、token 和成本都会本地记录在 Mac 上。共享前，追踪数据会在设备上脱敏，用户可先查看每条追踪记录，再决定哪些数据离开本机。被接受的追踪记录可获得 NEAR AI Cloud 推理额度；该 macOS 14+ 应用版本为 1.0.7，大小 119 MB。
InferSSD 是一个基于 llama.cpp 构建的开源推理运行时，它通过将路由专家权重保留在 NVMe 存储上，同时让注意力、共享层和 KV 缓存留在 RAM 或 VRAM 中，从而在消费级机器上运行 763B 级 DeepSeek-V4.1-Flash-1017 和 816B 级 Muse-Spark-Open。在配备 32 GB RAM 和 32 GB VRAM 的 RTX 5090 上，它报告在 4K 提示层级下 DeepSeek 的预填充速度为 164.5 tokens/s、解码速度为 7.27 tokens/s，而同一系统上 llama.cpp 分别为 8.06 和 0.867 tokens/s。文章还估计，重度日常使用可能意味着每天约 85 TB 的主机读取量，并提出了一个条件性的 SSD 磨损模型，同时指出这些数字是待测试的假设，而非承诺的硬盘寿命。
Parcha Labs 开源 AgentRun，一个在 Claude Code、Codex、OpenCode 和 pi 之上叠加自改进、持久执行与控制台的 Agent 平台，采用 Apache-2.0 许可。
推荐理由：AgentRun 把自改进、持久执行和控制台叠加在 Claude Code、Codex 等现有 harness 之上，并给出代码审查成本从每月 6451 美元降到每次 18 美分的具体案例。
Air-LLM是一种边缘LLM推理架构：5G基站等中心无线电通过空口广播模型权重，边缘用户利用射频混频器直接在射频域完成GEMV，因此设备无需存储或加载权重。在NVIDIA Sionna光线追踪信道下，于两个真实城市场景中使用真实射频混频器配置进行测试，该方案将LLaMA-3.1-8B在WikiText-2上的困惑度退化限制在4.0%，同时相比FP16和仅权重量化基线分别节省157.7倍/40.4倍能量。在20个用户下，空口时间缩短104.1倍/26.0倍，且由于中心无线电不感知用户，一次广播即可服务覆盖范围内的无限用户。
Cloudflare Workers AI 已预览发布 Clairic，这是一款强类型抽取模型，可从输入中提取、计算、估计和预测数值，并为每个输出返回置信度分数和概率。该模型具有 65,536 个 token 的上下文窗口，支持视觉，提供零数据保留，定价为每百万输入 token 0.10 美元。在文档中的发票示例中，Clairic 提取了发票号、到期日和总额等字段，对缺失的 PO 号返回 null 且 p_null 为 1，并对 days_to_pay 给出中位数 30 以及 21 到 38 的 p10-p90 区间。
CanyonOS 0.2 是一个开源、与模型无关的工具的首个公开版本，用于发现、观测和扩展拖慢工作流的智能体。它可运行在 Docker 或 Kubernetes 上，兼容任何提供 OpenAI 兼容 API 的提供商，可将兼容 OpenTelemetry 的追踪和指标导出到 Datadog、Grafana、Prometheus、Langfuse 和 Arize Phoenix 等工具，并按智能体增加成本和队列时间。该项目采用 AGPL-3.0 许可证，要求将智能体重写为纯 Python，每个智能体一个文件，其 FAQ 表示尚未在大规模生产环境中运行。
Headwig 是一款 Show HN 工具，无需 Git worktree 即可运行和测试并行 AI 代理。应用被组织到“Wisdom”组中，这些组将前端和后端等服务打包在一起，以便可以一起构建和运行，并通过 Wisdom 菜单添加服务。
一篇评论文章认为，AI不会造成有意义的净就业损失，并援引Anthropic的研究指出，约30%的工作者其AI暴露度测量值为零。许多白领工作涉及协调、边缘情况和客户接触，AI目前尚无法处理；而笨拙的界面和封闭花园仍需要人类来弥合差距。
Stay-in-sight 发布了一套采用 MIT 许可证的外发邮件系统，运行在 Cloudflare Workers 和 D1 上，可从用户自己的 Gmail 和 SES 邮箱发送冷启动外联邮件、新闻简报和滴灌式邮件序列。该系统提供 64 个 MCP 工具以及一个 REST API，使 Claude Code 和 Cursor 等智能体能够导入联系人、安排发送并回复邮件；该项目声称约 30 分钟即可完成部署，低流量下托管免费，或使用 Workers Paid 每月 5 美元。
InferTrail 在 40 多个虚假 GitHub 组织中植入了 179 个 API 密钥，并运行了两个蜜罐 LLM 网关长达 36 天，记录了超过 300 万次请求。已公布的密钥中只有 18 个被用于发送提示词，其中 6 个密钥占泄露密钥提示词请求的 98.9%，而其中 86% 的流量来自托管基础设施。作者列出了三种用于识别密钥复用的日志模式：短时间内一个密钥下出现多个模型名称、密钥生效后出现固定间隔的检查，以及源地址发生变化。
一家旧金山公司使用自研AI工具设计和组装PCB，将从初始原理图到可量产电路板的周转时间从数月缩短至数周。其产品组合包括一款8层软件定义无线电前端，在保持相同射频性能的情况下体积缩小67%；一款USB-C可穿戴音频接口，从两次设计失败到实现300多台量产；以及一款加固型工业继电器控制器。PCB设计服务起价1.0万美元，集成电子产品起价2.5万美元，高级电子产品起价5万美元。
Terminal-Bench 4.1 已发布，其改进后的验证器旨在抵御奖励黑客攻击；使用新验证器对 TB 4.0 重新评分未产生额外推理成本（$0）。在 11,550 次试验中，仅约 1.16% 的分数发生变化，且全部 35 个智能体的更新后分数仍处于其原始 TB 4.0 的 95% 置信区间内。
Cerulion Inc. 发布了 Cerulion 2.0，这是一个开源、兼容 ROS 2 的机器人运行时，可记录运行过程并针对变更后的代码回放故障，默认每个节点一个进程。它提供 Linux x86_64/ARM64 和 macOS 二进制文件、一个在 Foxy 到 Lyrical 上测试过的 rmw_cerulion 层，以及带字节级精确回放验证的 MCAP 记录，出现偏差时返回非零退出码。在一台 x86-64 Linux 桌面上、1 MiB 负载下，该项目报告中位往返时间为 4.08 µs，而 ROS 2 Jazzy 使用 rmw_fastrtps_cpp 默认配置时为 10,952 µs。
Neon 与 Mubit 在 Neon Functions 和 Lakebase Postgres 上发布了一款数据分析智能体模板，该模板将每次模型调用都经由 Mubit 发送至 Neon AI Gateway。在 Mubit 针对 20 道 CL-bench 问题各运行三次的基准测试中，该方案将 gpt-5.5 的输入 token 削减了 73%，回答速度提升 40%，准确率为 65%，而单独使用 gpt-5.5 时为 60%。Mubit 会在一个小型调优模型通过基于该任务自身流量构建的考试后，将列出表、撰写答案等常规步骤交由该模型处理，而每条 SQL 查询仍由 gpt-5.5 编写。
一名开发者对支持 Wi-Fi 的 Coway Airmega IconS 空气净化器进行了逆向工程，以减少其对 Coway IoCare 云的依赖，并借助 LLM 辅助搭建了中间人攻击环境。现有的 Home Assistant 集成会冒充 Coway 的手机应用，但频繁失效——服务器封禁、IoCare 更名为 IoCare+、HTML 布局变更以及服务中断——促使了这项工作的开展。2026 年 10 月，证书颁发机构 eMudhra 发生弱密钥事件，为拦截该设备的流量提供了一个可能的切入点。
Aptiv工程副总裁Guillermo Pita解释了端到端AI与传统模块化ADAS的区别：前者训练单一模型直接从数据中学习驾驶行为，而非将感知、跟踪、规划和控制等独立模块串联起来。他指出更接近人类驾驶是主要优势，可解释性和调试是主要挑战，并指出训练的核心问题是数据多样性而非单纯的行驶里程。
Fish Audio 发布了 Live 3，这是一款面向实时语音代理的全双工语音模型，它在说话的同时保持聆听，并从真实人类对话中学习轮流发言，而非依赖手工调校的流水线规则。Fish Audio 表示，对于“mm-hmm”这类简短反应，它最快可在 186 毫秒内决定回应，但该数字只是小型反应的下限，并非完整回复的首个音频时间，且尚未公布基准测试分数。Live 3 运行于 Fish Agent Platform（公开测试版）、Fish Audio API 以及面向企业的本地部署，定价为每分钟 0.035 美元，直至 2026 年 12 月 31 日，而标价为 0.07 美元，且仅支持英语。
Amazon 宣布 SGLang-Neuron 正式公开可用。这是一个 out-of-tree 插件，通过 AWS Deep Learning Container 在 AWS Trainium 上运行 SGLang，由 RadixArk 与 Annapurna Labs 发布。用户保留相同的 SGLang 服务器接口和生成 API，而该插件提供 Trainium 专用模型、注意力、MoE，以及一个基于原生 PyTorch 和 NKI 内核、经 torch.compile 编译的图运行器。它还支持 PD 分离，通过 EFA 上的 NIXL 将 prefill KV 缓存传输到 decode 服务器；演练使用 pytorch-inference-sglang-neuronx 容器在 Trainium3 EC2 实例上服务 openai/gpt-oss-120b。
Bugsy 是一个 AI 自动化系统，最初只是一个简单的 Sentry AI 分诊器，如今已承担一家约 20 人公司的大部分日常运营工作。它负责缺陷报告与修复、代码审查、指标以及回答问题，并可通过 Slack、公司论坛及其频道访问。
Nebius在第三季度财报电话会议上公布了2027年400亿美元的支出计划，资金主要来自客户预付款和以客户合同为担保的贷款。其位于新泽西州Vineland、为微软服务的站点（合同价值高达194亿美元）已延期数月，目前计划到年底交付的微软容量仅略超一半，其余将在2027年第二季度交付。Nebius将2026年营收预期下调2亿美元至30亿美元，并公布第三季度营收为9.81亿美元，同比增长571%，同时股价下跌17%。
Natera 在 Amazon Bedrock AgentCore 上构建了用于实验室运营的智能体 AI 系统 SWARM，将首次响应时间缩短约 130 倍，并自动处理 96.2% 的支持工单。该系统将一个在工程师打开工单前起草诊断报告的 swarm-agent 与一个用于工程师实时交互的 swarm-hive 配对，两者共享同一个技能库。它每天处理三个队列中超过 65 个 Jira 工单，而这些工单此前的首次响应平均需要 17.4 小时。
Databricks 回应了对 LTAP 的四种常见误读。LTAP 是 Lakebase 架构，它让同一份受治理的运营数据副本同时服务于 Postgres 和分析，无需 CDC。文章认为 LTAP 不是复制：湖前端的各层是缓存，而不是一个拥有自己目录的第二个数据库。文章还表示，堆页面和 Parquet 是同一批行的两种无损编码，因此点查询和扫描各自读取对其而言快速的布局。
MIT Lincoln Laboratory 的三项技术获得 2026 年 R&D 100 大奖：Magnetite 操作系统，基于经过形式化验证的 seL4 微内核，并用 Rust 编写的服务来保护嵌入式计算机免受网络攻击；Quantum Microsystems 平台，将数百个超导和半导体芯片集成到单个晶圆级系统中；以及一种消除同频 RF 设备上 5G 基站干扰的算法。Magnetite 对政府使用和获批合作伙伴免费，目前正被集成到 DoW 的太空和飞行平台中。
AWS 展示了如何仅使用原生功能按 IAM 主体跟踪并限制 Amazon Bedrock 生成式 AI 支出：Bedrock 会在每次推理请求时自动记录 IAM 用户或角色，这些标签会成为成本分配标签，可在 Cost Explorer 或 CUR 2.0 导出中读取。一个限定于 Bedrock 并按某个身份或标签值筛选的 AWS Budget 可以附加预算操作，在超过阈值后应用 Deny IAM 策略，常见场景下无需应用代码。
Amazon Bedrock 的缓存时长、服务层级、推理投入和 maxTokens 设置可以在不改变模型或提示词的情况下改变推理成本。在 Claude Sonnet 5 和 Claude Opus 5 上，5 分钟缓存写入的成本是输入费率的 1.25 倍，1 小时写入是 2 倍，缓存读取是 0.1 倍；向不支持的模型发送 Flex 层级请求会以 ValidationException 失败。
Constellation 是美国最大的核电机组运营商，正在 Databricks 上构建一个受治理的企业数据平台，以便为业务提供统一的数据含义。该平台使用 Unity Catalog 实现数据血缘、细粒度访问和单一权限模型，并对关键的可复用实体采用 Data Vault 建模。早期用例包括使用 Databricks Genie 构建的核工程助手以及停堆计划。
Eclipse Aerospace 正在使用 Databricks PySpark 自定义数据源摄取近 20 年的专有飞行数据，超过 3TB，涵盖逾一百万飞行小时，且无需常开专用计算资源。这个由 Rust 支持的 Python 包在基准测试中的性能是基于 PyArrow 的类似纯 Python 数据源的两倍，几乎是不使用 Arrow 的原生 Python 实现的 20 倍。该 API 在 Apache Spark 4.0 中引入，并在 Databricks Runtime 15.4 LTS 中可用，取代了此前的 Lambda-to-Avro 管道。
Meta 的 Muse Wonder、Muse Spark 1.3 和 Muse Ember 模型现已在 Google Cloud 上以公开预览版形式公开提供。它们可通过 Google Cloud 上的模型花园进行部署，具备企业级安全性和无服务器扩展能力。
AWS 宣布更新 Amazon Bedrock AgentCore 运行时——其面向智能体的托管计算层，会话启动速度现已提升至多 15 倍，算力扩展至 4 倍（最高 8 vCPU 和 32 GB，容器镜像最大 10 GB），运行效率提升至多 68%，同时每个会话仍运行在各自硬件隔离的 Firecracker MicroVM 中。无论镜像大小或并发量如何，会话启动均在 2 秒以内，空闲智能体可缩容至零，智能体可挂载文件系统（如支持 FUSE 的 Amazon S3 桶）并保存工作成果，使数据始终留在信任边界内。该运行时现已在北美、南美、欧洲和亚太地区的 AWS 区域可用。
推荐理由：AgentCore 运行时的新版本将会话启动、算力上限和内存计费一并调整，为需要长时间运行的智能体在隔离与成本之间提供了新的取舍。
一个基于 Amazon Bedrock Application Inference Profiles 和运行在 AWS Fargate 上的 LiteLLM 构建的自助式 LLM 网关，通过 OpenAI 兼容 API 对外暴露 Bedrock 基础模型，为开发者提供单一 base URL 和每用户密钥。该方案增加了每用户支出控制、按模型配额隔离以及 CloudWatch RPM/TPM 可观测性，并使用 Langfuse 实现提示词级遥测。自助发放密钥需要 LiteLLM Enterprise，因为免费版仅限五个用户。
这篇 AWS 文章主张，Amazon Bedrock 的支出应按单任务成本而非单 token 成本来衡量，因为分词器效率、输出冗长度、智能体循环次数和推理开销可能使价格更低的模型反而成本更高。一个示例显示，标价高 2 倍的模型单任务成本反而低 65%；文章还补充了缓存、路由和输出约束，以及一个五维评分卡，用于对照人工基线衡量智能体 ROI。
Databricks 宣布 Genie Migrate 现已正式可用，让企业能够以更少的人工投入将数据工作负载迁移至 Databricks Lakehouse。该工具面向那些争相在湖仓数据之上构建 AI 智能体与应用的企业团队。
SemiAnalysis 认为，英伟达是围绕黄仁勋建立起来的，他在执掌 33 年后已卸任 CEO 一职，而他的离开削弱了公司的长期押注、芯片分配协议以及个人层面的供应链锁定关系。文章称，黄仁勋治下的英伟达约有 60 名直接下属，且缺乏深厚的继任者梯队，目前由 Colette Kress 担任临时 CEO，Ian Buck 和 Jonah Alben 被提名为内部技术人选。文章还将这一时点与华盛顿联系起来：据估计，已有超过 1.5GW 的受限英伟达芯片流入中国，而以 369 比 22 在众议院通过的《远程访问安全法案》即将在参议院表决。
推荐理由：SemiAnalysis 分析了在黄仁勋离任后，英伟达以创始人为核心的结构、供应链协议和中国政策可能如何变化，以及出口管制立法为何在此时推进。
AWS 发布了 AWS Emulator，这是一个免费的 AWS API 本地模拟器，可在笔记本电脑、开发服务器或 CI 中运行，无需 AWS 账户，其所有代码均由自主代理编写和审查。它基于 438 个 AWS API 模型构建，覆盖 200+ 服务，在 v1.0.322 版本中通过了 42,857 项评分保真度测试中的 24,243 项（56.6%），其中 AWS KMS 为 93.9%，AWS CloudFormation 为 15.8%。AWS 列出了明确的限制：无 IAM 策略评估、单区域单账户、内存中的短生命周期资源，以及默认开启遥测。
LangChain 认为，企业必须拥有自己的智能，而不能依赖通用模型，并要掌控三个层面：模型、harness 和上下文。它表示，拥有智能体系统，以及围绕它的经济性、质量和风险，才能把 AI 转化为持久的优势。
Claude 平台工程师 Jake Dejno 和 Lucca Siaudzionis 解释了 Claude API 如何随每次模型发布而演进，涵盖功能发布决策、模型版本管理与迁移以及成本管理。他们详细介绍了在对话中途更改 effort 而不破坏 prompt caching 的最佳实践，以及 Claude Mythos 和 Fable 如何共享相同的模型权重但采用不同的安全防护措施。Claude Managed Agents 和对话中途 effort 更改目前处于 beta 阶段，Mythos 的访问需通过 Cyber Verification Program。
H6.ai 在客户现有 ERP 之上实现应付账款自动化，为每个客户使用专属的 Lakebase Postgres 数据库作为记录系统。由于发票数据持续变化，团队使用 Lakebase 的写时复制分支来冻结客户数据库快照，并在各自独立的短生命周期分支上运行每项回归测试，因此绝不会写入生产数据库。每次运行由确定性断言以及来自不同模型提供商的 AI 评审团共同评判。
Databricks 推出 Lakehouse//RT，这是一个实时分析引擎，可直接在湖仓数据上运行高并发工作负载，目前已进入测试阶段。该公司表示，它能在每秒 12,000 次查询下实现低于 100 毫秒的延迟，每次增加一个节点来扩容，并避免单独的 serving 层；客户 Aurasell、VisionHeight 和 nOps 报告称，从多集群设置、Apache Pinot 和 Apache Druid 迁移后，基础设施成本降低了 6 到 10 倍。