微软与 Hugging Face 发布 ThinkingBox：按数据库终态而非回答给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，按终端后端状态和副作用而非生成文本打分，覆盖 507 个有状态业务流程、每个任务重复 20 次。
推荐理由：微软与 Hugging Face 联合发布的智能体评测研究，用 507 个有状态工作流各跑 20 次，揭示单次成功率与稳定复现之间的差距。
10月4日 · 周日
精选
最新精选
Hugging Face Blog精选AI 评分7171
Google Research精选AI 评分6262 Google 发布基于 TEE 的联邦学习系统，Gboard 已采用
Google Research 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，Gboard 已采用该系统上线英语和日语下一词预测模型，隐私保证更强且准确率提升。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，并给出 Gboard 已落地的训练提速与隐私保证细节。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，仅调整 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数，其余走默认值。
推荐理由：AWS 团队公开了多轮 RL 微调搜索智能体的完整配置与四个基准结果，可据此评估该训练路径的落地成本。
NVIDIA Blog精选AI 评分6262 NVIDIA DGX Spark 推出 64GB 版本，支持双机集群扩展本地 AI
NVIDIA 宣布 DGX Spark 将于本月推出 64GB 统一内存版本，由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 等厂商发售，10 月 23 日上市，起售价 4,999 美元。
推荐理由：原文给出 64GB 新配置的售价、上市时间与双机集群方式，读者可据此判断本地跑大模型的硬件门槛。
NVIDIA Blog精选AI 评分7878 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行，并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：原文给出 Astra Ultrafast 在 Blackwell 上的加速幅度与开放入口，读者可据此判断它对编码智能体循环的实际影响。
Hugging Face Blog精选AI 评分6060 AI2 发布 Olmo-core 3：面向万亿参数 MoE 的开源训练基础设施
AI2 发布 Olmo-core 3，这是其大语言模型训练框架的一次重大升级，重新设计了开放的 MoE 训练系统，目标是把 MoE 训练扩展到万亿参数规模并保持计算效率。
推荐理由：原文给出了 MoE 训练栈的吞吐与显存对比数据，读者可据此判断万亿参数 MoE 训练的开源方案成熟度。
AWS Machine Learning Blog精选AI 评分7272 GPT-6.1 Sol 在 Amazon Bedrock 正式可用
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，面向智能体编码、计算机使用和日常专业工作负载提供更强的推理能力。据 OpenAI 称，它在 DeepSWE v1.1 上以约五分之一的单任务成本达到 GPT-6 Astra 的水平，并比 GPT-6 Sol 的最佳成绩高出 6.4 个百分点。
推荐理由：AWS 官方给出 GPT-6.1 Sol 在 Bedrock 上的可用范围与数据隔离条款，便于评估企业落地条件。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全防御上的基准成绩和内部落地案例，可据此判断前沿模型的能力边界与分阶段开放节奏。
AWS Machine Learning Blog精选AI 评分6262 在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 官方博客介绍如何在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线：作曲智能体用 Claude Sonnet 4.6 生成音乐简报并在实例自带的 NVIDIA L4 上运行 ACE-Step 渲染音频，交付智能体读取共享文件做 DSP 处理，合规智能体独立复测并比对曲库。
推荐理由：通过一个三智能体音乐制作流水线，展示 Runtime Instances 的共享会话、GPU 与多日持久化能力如何落地。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 发布 SynthID Bio，把水印技术引入合成生物学，将不可感知的签名直接嵌入生物代码，使水印不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时保持其生物功能。
推荐理由：SynthID 水印从图像扩展到合成生物学，读者可了解其在 DNA 合成筛查与数据库标注中的验证层作用。
OpenAI News精选AI 评分6060 OpenAI 阻断一次协同模型蒸馏行动
OpenAI 披露其阻断了一次协同的模型蒸馏行动，该行动试图提取受保护的模型推理内容。OpenAI 表示正在加强对对抗性蒸馏的防御。
推荐理由：OpenAI 官方披露其阻断了一次针对模型推理能力的蒸馏提取行动，读者可了解这类对抗手段与防御方向。
Hugging Face Blog精选AI 评分6666 NVIDIA 发布表格基础模型 Kumo Tabular，四个基准排名第一
NVIDIA 发布开源表格基础模型 Kumo Tabular，属于 NVIDIA Kumo Structured 模型集合，已在 Hugging Face 上线。
推荐理由：原文给出表格基础模型的架构、训练数据来源与四个基准排名，可据此判断免训练表格预测的可用边界。
Microsoft Research精选AI 评分6262 微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨模态生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-6.1 Sol，面向编码与计算机操作
OpenAI 发布 GPT-6.1 Sol，定位为接近 Astra 的智能水平，面向编码、计算机操作和专业工作场景。其标准 API 输入与输出 token 价格为 Astra 的五分之一。
推荐理由：OpenAI 发布 GPT-6.1 Sol，给出与 Astra 的能力定位和五分之一价格对比，可据此判断成本与适用场景。
OpenAI News精选AI 评分8080 OpenAI DevDay 2026 回顾：GPT-6 Astra、ChatGPT、Codex 与 API 等 20 多项发布
OpenAI 发布 DevDay 2026 回顾，汇总了 20 多项发布，涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。原文未展开各项发布的具体内容。
推荐理由：OpenAI DevDay 2026 一次性放出 20 多项发布，读者可据此快速了解 GPT-6 Astra、Codex 与 API 的更新范围。
AWS Machine Learning Blog精选AI 评分6262 xAI 的 Grok 4.7 上线 Amazon Bedrock
xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，提供 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度，支持 Responses、Chat Completions 和 Converse API。
推荐理由：文章给出 Grok 4.7 在 Bedrock 上的接入方式与四档推理强度，便于判断长任务智能体的成本与延迟取舍。
AWS Machine Learning Blog精选AI 评分6262 AWS 上线 Claude Sonnet 5.5
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。
推荐理由：原文给出 Sonnet 5.5 在 Bedrock 上的能力定位与调用方式，读者可据此判断它与 Opus 5.5 的分工。
Hugging Face Blog精选AI 评分7171 H 公司发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两个版本
H 公司发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 版，两者均已在 H Models API 上线，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
推荐理由：Holo4 同时覆盖 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，读者可据此判断通用计算机智能体的成本与能力边界。
Google Research精选AI 评分6262 Google Research 发布 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director，一个构建在 Gemini 和 Veo 之上的多智能体编排框架，用于生成多镜头连贯长视频。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性与十分钟级生成的评测结果。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 智能体，自动完成 C/C++ 模糊测试全流程
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率补洞与崩溃分诊交给 LLM 智能体，并公开了完整实现与运行方式。