AWS Quick 推出 AI-PDLC，這是一套由六個專用代理組成的框架，並由一個 Orchestrator 統籌，涵蓋 Discovery、Prioritize、Working Backwards、Spec Generator 與 Designer，能將來自 Slack、Jira、Salesforce 與 SharePoint 的分散企業訊號，轉化為可追溯的 prototype_spec.md。每個階段都需經人工核准，且規格可透過開放的 Agent Client Protocol（ACP）交給 Kiro 或 Claude Code 等編碼代理。
AWS 發布了一份目錄，收錄來自其生成式 AI 創新中心（現隸屬於 AWS Frontier AI Engineering & Services）的 23 項可投入生產的開源生成式 AI 資產。這些建構模組涵蓋 RAG 流程、文件處理器、代理程式骨架與評估框架，AWS 表示它們能將開發時間從數月縮短至數週。DoorDash 回報測試能力提升 50 倍，Ricoh 則在採用這些資產後回報吞吐量提升 7 倍。
DXC Technology 在 Amazon Bedrock 上為其 DXC OASIS IT 營運框架建置了模型基座，透過單一託管介面即可存取 Anthropic Claude、Amazon Nova、Meta Llama 及開放權重模型。Amazon Bedrock Guardrails 對所有模型統一套用內容過濾、PII 去識別化與拒絕主題政策，而 AWS PrivateLink 則讓推論流量維持在客戶 VPC 內。DXC OASIS 自 2026 年 3 月起正式可用，並在 56 個實測使用案例中平均縮短了 95% 的解決時間。
AWS 推出代理開發生命週期（Agent DLC），這是一套框架，包含一個生命週期、兩個迴圈，以及單一明確標準，用來評判每一次代理變更。它針對三項會破壞傳統 CI/CD 的代理特性：非確定性、提示詞即原始碼，以及獨立移動的依賴項。一個參考用的人力資源政策助理顯示，在三道測試題中，區塊層級檢索精確度皆為 1.00，而事實層級精確度降至 0.09，且其中一道題的檢索覆蓋率為 0.00。
AWS 展示如何透過 AgentCore Gateway 將搜尋功能以 MCP 工具形式開放，讓共用 AI 代理在 Amazon Bedrock Managed Knowledge Base 上實現每位使用者的文件存取權限。請求攔截器會將 Cognito JWT 中經驗證的使用者電子郵件注入 userContext，而 ACL 感知機制只會回傳該使用者有權檢視的文件。AgentCore 中的 Cedar 政策與知識庫上的資源型政策則提供第二層防禦，抵禦偽造或未經授權的搜尋。
AWS 發布了一套參考架構：在 Amazon ECS 上以 LangChain 為基礎的企業編排器，透過 A2A 協定呼叫部署於 Amazon Bedrock AgentCore、以 Strands Agents 為基礎的合規 SaaS 代理，雙方位於不同的 AWS 帳戶，且不共用任何密鑰。雙方各自以來自自家 Amazon Cognito 使用者集區的權杖進行驗證，而 SaaS 代理會回呼企業情境代理以取得帳戶中繼資料，因此這些代理是對等關係，而非用戶端與伺服器關係。該系統可從三個 Jupyter notebook 部署，這些 notebook 會佈建五個 CloudFormation 堆疊，並執行端對端測試及七項信任邊界檢查。
AWS 在 Agent Toolkit for AWS 的 amazon-bedrock 技能中新增了知識庫遷移指南，讓編碼代理能夠規劃從客戶自管知識庫遷移至 Amazon Bedrock Managed Knowledge Base。代理會先進行唯讀探索與逐行審查的計畫，接著在原始知識庫旁建立新的知識庫與資料來源，或撰寫遷移後的 IaC 範本。Managed Knowledge Base 將預設配額提高至每個知識庫 200 個資料來源，以及每個帳戶每個 Region 10,000 個知識庫，並新增代理式擷取、AgentCore Gateway 整合與資源型政策。
Replit Agent 現在有兩項新任務：透過 Link 和 Visa 購買業務用品，以及在搜尋、YouTube、多媒體廣告和探索上建立 Google Ads 廣告活動。在購買流程中，瀏覽器子代理會導覽商家網站並準備結帳，然後等待擁有者核准最終總金額；付款期間會停用 shell 存取，且核准檢查會在程式碼中強制執行。Agentic Commerce 先在美國開放給 Core 和 Pro 使用者，僅限一次性購買；Agentic Ads 則全球開放給 Pro 使用者。
推薦理由：Replit Agent 現在能處理購買和 Google Ads 廣告活動，並透過程式碼強制執行的核准關卡，展示如何設計代理的消費上限。
Databricks 已將其 Genie 的 Slack 應用程式正式推出一般可用版本，讓使用者可透過私訊或 @提及 提出資料問題，並在討論串中取得以 Unity Catalog 權限為基礎的答案。每個答案都會引用來源，且透過 MCP 連接器，Genie 可先草擬文件、工單與紀錄的變更內容，待核准後再執行。
Block 打造了 Buzz，這是一個開源協作工作空間，讓員工與 AI 代理在小組討論、聚焦對話和一對一交流中共同作業，並以 Databricks Unity Gateway 作為模型存取層。員工可以建立代理、為每個代理挑選背後的模型或程式設計工具，並選擇 Databricks 作為推論供應商，透過單一整合即可存取 OpenAI、Anthropic 和 Google 的前沿模型，以及部分開放權重模型。Block 的工程師也正在實驗多代理架構，由能力較強的模型協調執行較小、更高效模型的代理，並已建立一套內部方法來對這些代理團隊進行基準測試。
由 KING Art Games 開發、Deep Silver 發行的 Warhammer 40,000: Dawn of War IV，將於 12 月 3 日（週四）在 Steam 推出時同步登上 GeForce NOW。這款即時戰略遊戲收錄超過 70 個戰役任務，可單人遊玩或合作遊玩，另有 The Last Stand、遭遇戰與多人模式。搭載 3D-Guided Neural Rendering 的 NVIDIA DLSS 5 也將於 11 月中旬登陸 War Thunder，並於 11 月 23 日（週一）登陸 Where Winds Meet。
NVIDIA 董事會宣佈，黃仁勳已辭去總裁、執行長及董事職務，即時生效；執行副總裁兼財務長 Colette Kress 將出任臨時執行長，董事會同時尋找正式繼任人選。董事會亦任命 Synopsys 前執行長兼執行董事長 Harvey C. Jones 為首任董事會主席，並表示預期營運、客戶承諾及產品路線圖將不受中斷地持續推進。NVIDIA 表示，將按原定計劃於 11 月 17 日公布 2027 財年第三季業績。
推薦理由：黃仁勳即時辭任後，NVIDIA 董事會任命財務長 Colette Kress 為臨時執行長，Harvey Jones 則成為首任董事會主席。
Meta 已簽署一系列涵蓋水泥、鋼鐵、貨運與再生塑膠的長期採購承諾，以在其資料中心供應鏈中將清潔製造推向商業規模。這些交易包括向 Sublime Systems 採購至少 180,000 噸低碳水泥、向總部位於瑞典的 Stegra 採購近零排放鋼鐵、與 Nevoya 在加州和亞利桑那州沿 I-10 公路擴大零排放貨運路線，以及與 MacroCycle Technologies 每年採購 5,000 噸再生 PET。
ElevenLabs 於 11 月 11 日在紐約高峰會上宣布，永久失去聲音的人現在可以免費使用 ElevenMusic，讓無法再唱歌的藝術家能繼續創作和發行音樂。該計畫與 Songwriters of North America (SONA) 合作推出，由 SONA 負責驗證資格並發放使用權限。
Holiday Extras 正運用 OpenAI 的 Codex，將客戶專業知識轉化為更優質的應用程式、更高的預訂轉換率與新的成長機會。這家旅遊附加服務公司正在重新思考，能借助這個程式碼模型打造出哪些東西。
OpenAI 研究人員描述，自動化紅隊測試以 GPT-5.6 Sol 系列推理模型作為攻擊方，對 GPT-5.4 與 GPT-5.5 防守方進行攻擊，產生合成越獄，並將其用作 GPT-6 Astra 與 Sol 的強化學習訓練資料。在先前針對 GPT-5.4 與 5.5 的攻擊所產生的固定越獄上，GPT-6 Astra 在網路安全方面有 91.5% 安全作答，而 GPT-5.6 Sol 為 59%；且在自適應多輪評估中，它在所有攻擊方預算下都保持更穩健。OpenAI 報告指出，穩健性訓練並未提高對良性任務的拒答率，並引用 GPT-6 Astra 系統卡中安全與有用性方面的帕雷托改進。
LangChain 內部的 GTM Agent 在 12 週內產出了 1,540 份銷售素材，為業務代表在客戶計畫、提案簡報等文件上節省了 337 小時。在有寄出素材的交易中，47% 推進到後續階段，而條件相近但未寄出素材的交易僅有 16%；此外，46% 的素材在 14 天內促成了客戶通話。此 Agent 運行於 Deep Agents 框架上，其沙箱、技能、記憶與排程執行功能均已在 Managed Deep Agents 中提供。
AWS 向 Java 團隊展示如何運用 Spring AI 與 Amazon Bedrock 的 AgentCore，並透過 spring-ai-agentcore 整合來打造自主 AI 代理。文中詳細介紹了兩套參考系統：一套是具備工具呼叫與記憶功能的單一代理旅遊助理，另一套是多代理智慧文件處理平台，包含五個專責代理、一個規則引擎與警示功能。此技術堆疊需要 JDK 21、Spring Boot 4.1 與 Spring AI 2.0，並透過 AgentCore 執行環境部署於 ARM64 容器上。
Gilbert + Tobin 合夥人兼執行長 Sam Nickless 在 OpenAI 發布的一場對談中，討論該律師事務所如何以 AI 重新思考法律業務。訪談聚焦於該事務所在法律工作與商業模式中應用 AI 的做法。
LiveKit 發布 LiveKit Cloud API 公開測試版，讓編碼代理能建立與設定專案、管理成員與 webhook，並從代理通話中提取逐字稿、日誌、追蹤記錄與錄音。此 API 為 REST API，以使用者身分登入執行，會依據專案角色驗證短效權杖，敏感操作僅限專案管理員執行。在 LiveKit 文件助理上的一項測試中，一個編碼代理讀取了過去一週的 4,321 個工作階段，並在約 30 分鐘後回傳一份依序排列的 8 個問題清單。工作階段資料需要 Agent Observability，而透過 API 建立的專案預設關閉此功能；API 請求免費，但會依方案受到速率限制。
OpenRouter 發布一項損益平衡分析，說明自架開放權重 LLM 在何時比透過 API 呼叫更便宜，並採用截至 2026 年 10 月 8 日的各供應商價格。依這些價格，Qwen3.8 27B 在一張每小時 0.50 美元的租用 RTX 3090 上，於 6% 至 12% 負載時達到損益平衡；而 DeepSeek V4.1 Flash 在四張 H200 上，始終無法勝過最便宜的零資料保留端點。文章也指出，provider.zdr 以及歐盟與美國網域已能涵蓋多數隱私需求，無需自架，並建議在本機執行穩定的基礎負載，同時將尖峰流量送往 API。
vLLM 在 day 0 支援 Thinking Machines 的 Inkling 2 Small，這是一個多模態文字與視覺 MoE，總參數 594B、活躍參數 17B，上下文最多可達 1M 個 token。此整合加入了搭配 PDL 的核心融合、用於 prefill 的序列平行，在 TP4 下將 8K token 的 prefill 步驟縮短 22%，TP8 下縮短 26%，以及一個 Gluon 相對注意力解碼核心，將 100K 上下文下 batch-1 的解碼步驟從 15.1 ms 降至 4.8 ms。vLLM 回報在 GB200 上 TP4 時可達每使用者最高 630 TPS，接受長度 3.5，並且也透過 SkyRL 支援 LoRA 與 RL。
推薦理由：vLLM 在發布當天即支援 Inkling 2 Small，並給出核心融合、序列平行和 Gluon 解碼核心的具體優化數據，可供部署大型 MoE 模型的團隊參考。
OpenRouter 推出簡體中文、西班牙文、巴西葡萄牙文、德文、法文、日文與韓文的 Beta 版本地化，並詳細說明讓 16,918 條英文字串維持翻譯的自動糾錯流程。這個每日循環會將有變動的字串以每批最多 40 條送往 GPT-6.1 Sol，由程式碼攔截損壞的佔位符與違反詞彙表的情況，再以第二次呼叫同一模型作為驗證器，依嚴重程度回傳錯誤以便重試。OpenRouter 表示，將整個目錄完整重新翻譯成 7 種語言約需 460 美元，相較於 Smartling 公布的機器翻譯費率約需 7,200 美元。
OpenRouter 發布指南，說明如何阻止卡在重複重試失敗工具的 AI agent，採用四項防護機制，並在六個現行模型上測試。啟用 doomLoop 偵測後，六個模型都在第三次相同的工具呼叫時被攔下；在 18 次執行中，工具呼叫次數從 314 降到 64，花費則從 $0.29 降至 $0.05。該指南新增 loopKey 來正規化參數、以 stopWhen 設定步數與成本上限，並在 API 金鑰上設定額度上限，超額時會回傳 402，limit_source 為 openrouter_key_limit。
OpenRouter 發布了一份指南，說明如何以你自己應用程式的輸入對 LLM 進行基準測試，用程式碼為輸出評分，並比較準確率、計費成本和請求時間。在其 60 項合成任務中，GPT-6.1 Sol 在三次重複中共通過 180/180 次試驗，而 DeepSeek 的通過次數為 157/180，回應成本最低。與公開排名的吻合度較弱，Spearman 相關係數為 0.109。
vLLM-Omni 將 MiniMax H3-Image 帶到 NVIDIA Vera Rubin，並測得在四張 GPU 上進行原生 4096×4096 文字轉圖像的中位延遲為 0.87 秒，另在獨立吞吐配置下達到每小時 6,115 張影像。H3-Image 是一個開放權重的文字轉圖像與編輯模型，結合 Qwen3-VL 編碼器、33.1B 稠密 DiT 與影像 VAE，以六個取樣步驟處理這兩項任務，並支援最多 16 張參考影像。團隊報告了 MXFP8 DiT GEMM、Ulysses SP4、AdaLN 快取，以及一項將解碼時間從 2.635 秒縮短至 0.213 秒的 VAE 解碼變更，並列出 AMD、Intel、華為昇騰與摩爾線程硬體的配置方案。
推薦理由：vLLM-Omni 的基準測試顯示 MiniMax H3-Image 在 Vera Rubin 上以不到一秒的 4K 延遲運行，並附有各硬體配置與服務經濟性的成本模型。
OpenAI 承諾投入 200 萬美元用於 AI 與兒童安全研究，資助有助於建立共享工具、衡量年輕人面臨的風險與機會的工作。這項承諾聚焦於衡量 AI 為年輕用戶帶來的風險與益處。
vLLM 報告指出，在單一 NVIDIA Vera Rubin NVL72 機架上服務 DeepSeek-V4.1-Flash，每 GPU 達 1.7M tokens/s、每位使用者 387 tokens/s，為 GB300 NVL72 的 58 倍，峰值達 2.52M tokens/s，單一使用者可達 1,810 tokens/s。這些增益來自為 Rubin 分割記憶體域與 FP4 張量核心重建的 kernel、專用的 TP8 解碼路徑，以及透過 NVLink 共享的整機架 KV 與 Engram 池。透過整機架的前綴池化與 Dynamo 的工作負載感知路由，即使在高併發下前綴命中率仍維持在 96.5-97%。
推薦理由：vLLM 第三篇 DeepSeek-V4.1-Flash 文章詳述 Rubin 專用 kernel 與整機架記憶體池化如何將吞吐量提升至 GB300 NVL72 的 58 倍，為大規模服務優化提供了具體參考。
Apple Machine Learning Research 的研究人員推導出 KL 正則化語言模型對齊的資訊理論極限，給出在固定 KL 預算下最大期望獎勵增益的閉式表達式，該增益由 Jeffreys 散度項決定，而非先前分析中使用的 √KL。他們證明理想對齊與代理對齊之間的差距（獎勵駭客）會隨獎勵誤差增大和 KL 懲罰減小而擴大，並證明獎勵集成可緩解此問題。在安全與摘要任務上，best-of-N 緊密接近理論極限，而 PPO 與 GRPO 仍顯著次優。
Hugging Face 發布了 3D 生成模型 TRELLIS.2 的微調腳本與容器，可在本機或 Hugging Face Jobs 上執行。該指南透過 PEFT 函式庫使用 LoRA 適配器，僅套用於稀疏結構流 DiT 與形狀流 DiT，材質階段則保持凍結。在 GSO 資料集的 188 個物件鞋類子集上，預訓練模型經常渲染出錯誤的鞋底，而 LoRA 微調正是針對此問題。
本文說明如何將 OpenAI Codex 模型請求路由至 Amazon Bedrock，同時沿用既有的 AWS 身分、IAM、區域與可觀測性實務做法。文中建議先以 Native AWS Access 進行小規模的最小權限試點，並以 AgentCore Gateway 或 LLM Gateway 作為替代方案，接著逐步說明 IAM Identity Center 登入，以及使用 GPT-5.6 Sol 直接檢查 Bedrock Runtime 的流程。
一個開源引擎利用在 e-graph 上的反統一來計算形式化策略的語意差異，將共享結構只呈現一次，並保留每個差異部分的兩個版本。它針對 SMT-LIB、Cedar、Dogwood、OpenShell 策略與 CEL 中的自動形式化輸出，其中由 LLM 撰寫產物，但不參與差異的計算。
在 Amazon SageMaker HyperPod 上執行的 PyTorch DDP 訓練迴圈新增了三項檢查來捕捉無聲資料損毀：非有限梯度檢查、環狀重播稽核（比對各節點的損失位元與梯度指紋），以及最佳化器步驟後的權重指紋比對。在 4 台 ml.p5.48xlarge 執行個體（32 張 NVIDIA H100 GPU）上以軟體注入故障測試，這些檢查能指出可疑的 rank、將其對應到節點，並讓 HyperPod 更換該節點並從檢查點繼續執行。
Amazon Bedrock AgentCore 現在提供獨立的 Web Search API，讓開發人員可直接從 AWS SDK 或 AWS CLI 以單一請求呼叫 InvokeWebSearch，無需建立任何資源。它會從 Amazon 營運的網路索引傳回排序後的結果，每筆結果包含文字摘錄，並在可用時附上標題、URL 與發布時間，且支援網域與日期篩選。請求以 SigV4 與 IAM 簽署，使用與 AgentCore Gateway 路由相同的權限。
AWS 的 2026 年 10 月彙整新增了 Claude Haiku 5.5，Anthropic 表示其在多數任務上的成本比 Claude Haiku 4.5 低約 75%；此外，Amazon Bedrock 上線 OpenAI GPT-6.1 Terra，輸入 token 最高可達 100 萬，價格至少比 GPT-6.1 Sol 與 GPT-5.6 Terra 低 50%。AgentCore CLI 達到 1.0 版，AgentCore Gateway 則新增模型容錯回退，並將 Step Functions 工作流程作為代理工具。
AWS 將於 11 月 30 日至 12 月 4 日舉行年度 re:Invent 大會，AI/ML 軌道在超過 2,000 場總學習議程中提供逾 140 場獨特議程。該指南將議程對應至 AWS AI 堆疊，涵蓋 AI 晶片（AWS Trainium 與 NVIDIA GPU）、Amazon Bedrock 與 SageMaker AI 上的模型與推論，以及使用 Amazon Bedrock AgentCore 的代理程式開發。議程從新手內容編排至技術深入探討，且許多可隨選觀看。
AWS 概述了一套事件驅動的管線，可在無需手動更新的情況下，讓 MCP 伺服器的 AWS Agent Registry 記錄保持最新。AWS CloudTrail 擷取 UpdateAgentRuntime API 呼叫，Amazon EventBridge 將其路由至跨帳戶，而 Lambda 函式則透過 AgentCore Identity OAuth 權杖查詢 MCP 伺服器的工具，接著比對差異並更新相符的登錄記錄。此範例僅更新現有記錄，並同時支援單一帳戶與多帳戶設定。
Google Research 提出一套研究性框架，可將消費級穿戴式裝置資料轉化為可據以指導的健康年齡，並模擬個人化的 12 週「假設情境」健康軌跡。SensorWM 世界模型以約 10 萬名使用者、共 228 萬人週的去識別化 Fitbit 資料進行預訓練，能在不同的步數、睡眠與有氧作息下預測 20 項生理指標。在一項盲測研究中，生活型態教練在 71.4% 的評估中選擇以反事實為依據的計畫為整體最佳，醫師則評定 99.2% 的計畫落在安全運動強度範圍內；作者指出這些模型屬於研究原型，並非臨床診斷工具。
Google 推出 Gemini Decisions API，由全新的 Gemini Decision 1 模型（gemini-decision-1）驅動，並可透過 Google AI Studio 中的 Gemini API 使用。單次多模態輸入最高可達 256K token，能在一次前向傳遞中對最多 1,000 道是非題、選擇題與評分規準評分題進行檢查，回傳機率與信心分數，端到端延遲為 150-250 毫秒，每 1M 輸入 token 收費 $0.10，且不收取輸出 token 費用。Google 表示，該模型在其基準測試套件中領先，校準誤差最低，且搭配 Interactions API 時比 Gemini 3.5 Flash-Lite 便宜近 5 倍；內部用途包括 Gemini Notebook 中的模型路由、Stitch 中的線框圖生成，以及 Search 中針對 MCP 工具的對抗性內容檢查。
推薦理由：Google 的新端點能在一次傳遞中以 150-250 毫秒對最多 1,000 道多模態是非題、選擇題與評分規準題進行評分，為代理路由與政策檢查提供了比生成式呼叫更便宜的替代方案。
AWS 正使用其自動推理工具 Tiros，對所有已建模路徑進行靜態驗證網路分段，而非依賴基於封包的取樣。Tiros 將 Cloud WAN 配置中的路由表、連接附件與政策文件轉換為邏輯命題，然後檢查政策宣告為禁止通行的分段之間不存在任何路徑，分析頻率最高可達每小時一次。