AWS 9 月 AI 更新盘点：Amazon Bedrock、AgentCore 与 Strands 新进展
Amazon Bedrock 上线 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型，其中 GPT-6 Astra 支持最高 100 万输入 token，Ultrafast 档推理速度最高提升 6 倍、达 300 tokens/秒。
#开源/仓库
AWS Machine Learning BlogAI 评分2828 Simon WillisonAI 评分2626 ttok 1.0 发布：默认 tokenizer 从 GPT-4 切换至 GPT-5/GPT-6
Simon Willison 发布 ttok 1.0，将默认 tokenizer 从 GPT-4 切换为 GPT-5/GPT-6。
Simon WillisonAI 评分1212 ttok 0.4 发布：新增 --list-models 命令
Simon Willison 的 token 计数 CLI 工具 ttok 发布 0.4 版，修复了 Click 警告、更新了 CI，并新增 --list-models 命令用于列出可用模型。该工具基于 OpenAI 开源的 tiktoken 库，可通过 uvx 直接运行，例如 `cat file.txt | uvx ttok`。
Ars Technica · AIAI 评分6060 Artcraft 用 Claude Opus 5.5 生成七款 Adobe 软件开源替代品
Artcraft 从面向艺术家的可控 AI 工具转向开源应用套件，用 Claude Opus 5.5 以 Rust 重写并复刻 Photoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign 和 Acrobat Pro 的界面与工具，部分提供 WebAssembly 浏览器版本。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的同一套 agent harness 直接参与训练，无需在训练框架内重新实现 agent。
推荐理由：原文给出框架的代码规模、Kubernetes 支持与训练配方，读者可据此判断真实 harness 参与 RL 的落地成本。
Latent SpaceAI 评分6060 Kubernetes 创始人谈 Stacklok 如何让编码智能体在云端可靠运行
Latent Space 采访了 Kubernetes 创始人 Craig McLuckie 和 Joe Beda，他们创办的 Stacklok 正把编码智能体从桌面搬到云端。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构、Apache 2.0 许可，740M 参数，可把文本、图像、音频和视频映射到统一嵌入空间。
推荐理由：官方给出 740M 参数、模块化编码器与端侧内存占用，可据此判断本地多模态检索的落地成本。
Latent Space精选AI 评分7878 Reflection 发布 Beam：501B 总参数 23B 激活的美国开源 MoE 模型
Reflection 发布 Beam，一个面向编码、智能体和科研的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月放出。
推荐理由：Reflection 从 stealth 状态发布 501B 总参数开源权重模型，并给出预训练与 RL 的算力规模，可对照同期中美开源模型的位置。
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 推出 SynthID Bio，将水印技术引入合成生物学，把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，读者可了解其在蛋白质序列与结构上的实现方式及对 DNA 合成筛查的意义。
Microsoft Research精选AI 评分6060 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动机器人操作负载做了首次系统性测量研究，发现把物理 AI 推理从机器人本体 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软研究院首次系统测量机器人本体推理与边缘云端卸载的差异，给出任务成功率、电池续航与工具链的量化对比。
Microsoft ResearchAI 评分3939 微软在 Nature 发布 RetroChimera：开源逆合成模型实现罕见反应召回与零样本迁移
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式重排序整合两者互补预测，在盲测中化学家更偏好其单步反应预测。
Microsoft ResearchAI 评分3838 微软发布 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，用蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替代原模型，在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让搜索以现有 CUDA 内核为知识库生成 Apple Silicon 内核。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断 CUDA 经验向 Apple Silicon 迁移的可行路径。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Berkeley AI ResearchAI 评分3131 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出一种直接基于信息量评估和优化成像系统的框架，通过从含噪测量中估计互信息来预测系统性能，无需任务专用解码器。该方法在彩色摄影、射电天文、无镜头成像和显微成像四个领域验证了信息估计与下游解码性能的一致性，优化后的设计达到 SOTA 端到端方法水平，同时所需内存和算力更少。相关论文发表于 NeurIPS 2025。