公司与模型
Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
38 条精选近 30 天 28 条共收录 130 条
Amazon SageMaker Inference 新增 GPU 分区功能，利用 NVIDIA MIG 将物理 GPU 划分为独立分区，支持在单 GPU 上部署多个隔离模型。测试显示，H100 的 mig-3g.40gb 分区在吞吐和延迟上优于整卡 A100-40GB，且在长上下文高并发场景下成本降低 18%–34%。
推荐理由：SageMaker Inference 引入 MIG 分区，允许在单 GPU 上部署多个隔离模型，并提供了 H100 分区与 A100 整卡的性能与成本对比数据。
Amazon Bedrock AgentCore 的 Web Answer 功能正式可用，允许智能体通过单次工具调用获取基于当前网络来源的综合且带引用的答案。该功能由 AWS 托管，自动执行规划、并行搜索、事实核查及引用提取，无需开发者自行构建和维护检索管线。Web Answer 目前仅在 us-east-1 区域可用，定价为每 1,000 次工具调用 10 美元。
推荐理由：原文给出了 Web Answer 的 GA 状态、单次调用获取带引用答案的机制及定价，读者可据此评估其替代自建检索管线的成本。
Google DeepMind 正式发布 Gemini Omni 1.2 Flash，该模型在 Gemini API 和企业版中全面可用，原生支持最长 15 秒的视频生成与编辑。
推荐理由：原文明确了视频时长从 10 秒提升至 15 秒及价格下调 30% 的具体变化，读者可据此评估其在商业视频生成中的成本效益。
AWS 发布教程，演示如何通过代码型评估器将 Jev 和 Strands Decider 2B 两个决策模型接入 Amazon Bedrock AgentCore Evaluations。
推荐理由：文章给出了将决策模型接入 AgentCore 评测的完整代码示例，读者可据此构建可阈值化的智能体评估流程。
AWS 团队演示了如何利用序列级知识蒸馏（SeqKD）在 Amazon SageMaker AI 上微调小型购物智能体。该方法使用 Amazon Bedrock 上的 GLM-5.3 作为教师模型生成多步轨迹，并通过 ShoppingBench 评分器筛选成功样本，对 Qwen3.5-4B 学生模型进行 LoRA 微调。
推荐理由：文章提供了在 Amazon SageMaker AI 上通过序列级知识蒸馏将前沿模型行为迁移至小模型的具体流程与代码示例。
Amazon Bedrock AgentCore 发布 Session endpoints 功能，允许用户通过认证 URL 在浏览器中实时查看 Agent 会话内运行的 Web 应用。该功能支持 HTTP 和 WebSocket 协议，用户可配置允许访问的端口，在 Agent 修改文件时通过 Vite 热重载即时看到页面变化，无需等待传统部署流程。
推荐理由：原文展示了通过 Session endpoints 在浏览器中实时预览 Agent 修改的 Web 应用，提供了无需部署即可即时查看变更的开发工作流。
Reddit CEO Steve Huffman 表示 Google AI Mode 不再为任何网站带来流量，导致 Reddit 在 10 月每周损失超过 100 万次 Google 搜索引荐。尽管营收强劲，Reddit 股价仍下跌超 25%，公司正测试登录墙以应对流量依赖风险，这一变化被视为对整个依赖 Google 流量的网站的结构性警告。
推荐理由：Reddit 因 Google AI Mode 导致每周搜索引荐流量损失超百万，CEO 警告这标志着整个网络流量分配模式的结构性转变。
MoEngage 使用 Amazon Bedrock AgentCore Gateway 将 400 多个私有 REST API 转化为 Agent 工具，避免了构建 20 多个独立 MCP 服务器。
推荐理由：文章给出了将私有 API 转化为 Agent 工具的具体架构，读者可参考其权限隔离与语义搜索方案解决大规模工具接入问题。
Google DeepMind 发布 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 中排名首位，得分 59。
推荐理由：原文披露了 Gemini 4 Carbon 在网络安全基准上的具体得分及分阶段开放计划，读者可据此评估其在防御场景下的实际能力边界。
根据 Anthropic 的 S-1 文件，Amazon 和 Google 将是 IPO 的最大受益者，其收益远超 Menlo Ventures 等风投机构。Amazon 持有 62 亿美元本金的可转债，估值已达 979 亿美元，并额外投资 100 亿美元优先股，总投入约 180 亿美元。Google 早期持股约 14%，虽经稀释仍持有显著权益，且双方均与 Anthropic 有巨额云服务承诺。
推荐理由：S-1 文件显示 Amazon 和 Google 通过可转债和优先股持有巨额权益，其潜在收益远超传统风投机构。
AWS 宣布 SageMaker AI 训练和处理任务支持 SOCI 索引镜像，通过懒加载将容器启动时间从分钟级缩短至秒级。基准测试显示，35.4 GB 镜像的下载时间从 7 分 17 秒降至 3-11 秒，GPU 空闲时间最多减少 90%，且不影响后续训练性能。用户可直接使用带 -soci 后缀的预索引 DLC 镜像，或为自定义镜像创建索引，无需修改任务定义。
推荐理由：原文给出了SOCI索引在SageMaker中的具体加速数据和两种接入方式，读者可据此评估对现有训练工作流的影响。
Google DeepMind 发布 Genie 4，这是一款原生多模态世界模型，能同时生成视觉、音频和交互式对话。该模型结合 Gemini 系列能力，支持通过自然语言实时修改场景、模拟物理现象及人物行为。目前 Genie 4 已向可信测试者开放研究预览，后续将面向 Google AI Ultra 订阅者及 Gemini API 合作伙伴推出。
推荐理由：Genie 4 将原生音频生成与 Gemini 实时推理结合，展示了交互式世界模拟在物理一致性和多模态反馈上的新边界。
Google 宣布推出 Agent Compute Engine，该服务为每个 AI 智能体提供独立的硬件隔离微虚拟机，目前已支持 Gemini 并将在未来几个月开放预览。每个智能体运行在由 Google Titanium 芯片保障安全的 microVM 中，空闲时自动暂停以释放资源，VM 间共享内存进一步降低了运行成本。
推荐理由：该服务通过硬件隔离微虚拟机和共享内存机制，显著降低了大规模智能体部署的成本与资源占用。
Amazon SageMaker AI 发布训练会话 API，允许用户在本地 Python 进程中编写训练循环，由服务托管 GPU 执行采样、梯度更新和检查点操作。该功能支持 SFT、RL 等自定义算法，按 token 计费，并配套发布包含 SFT 和 RL 配方的训练会话 cookbook。
推荐理由：该功能将抽象边界下沉至训练操作层，允许用户在本地编写训练循环，由服务托管 GPU 基础设施，从而在算法自由度与运维成本间取得平衡。
Amazon Polly 生成式引擎完成重大升级，提供更具表现力和准确性的低延迟的语音输出，并新增 14 种跨 9 个地区的语音，其中印地语和芬兰语首次实现生成式语音通用可用。
推荐理由：此次升级在不改变 API 调用的前提下提升了语音自然度与准确性，并新增印地语和芬兰语支持，便于现有应用直接获得更优的语音体验。
美国国家安全局（NSA）警告称，OpenAI 和 Google 旗下安全公司 Wiz 利用 AI 发现了 PHP 中两个自 2004 年版本 5 起就存在的关键漏洞。
推荐理由：文章揭示了 AI 如何加速发现 PHP 中潜伏二十年的漏洞，并解释了为何这使未修补网站面临前所未有的即时风险。
OpenAI 与 Google Cloud 合作将前沿模型和 Codex 工作流引入 Gemini Model Garden。该服务通过 Google Cloud Marketplace 提供，用户可直接访问。
推荐理由：OpenAI 模型与 Codex 工作流进入 Gemini Model Garden，用户可在 Google Cloud Marketplace 直接获取。
TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上可用，支持直接分析最长两小时的视频并返回带时间戳的结构化 JSON 元数据。该模型新增视频分段、多模态提示（支持参考图像）和即时处理功能，无需预索引即可从 Amazon S3 或 base64 字符串直接读取视频，数据保留在 AWS 数据边界内。
推荐理由：Pegasus 1.5 在 Amazon Bedrock 上支持直接分析长达两小时的视频并返回带时间戳的结构化元数据，为长视频检索提供了新的工程路径。
Google DeepMind 团队利用四个 Gemini 4 Argon 智能体在随机生成的 Minecraft 世界中首次实现了无人类输入的完全自主通关，成功击杀末影龙。在 27 小时 14 分钟的运行中，智能体自主分配任务、共享威胁信息并记录错误，共编写 2,783 个 JavaScript 程序，交换 229 条消息，死亡 605 次，总成本为 1,620 美元。
推荐理由：展示了通用智能体在无预设策略下通过协作与共享记忆完成复杂长程任务的能力边界。
Google 发布 Gemini 4 Argon，宣称其能覆盖机器人控制、虚拟仿真构建及训练数据评估的全流程。在 ERQA 基准测试中，该模型以 87% 的得分领先 Claude Opus 5.5 约 5 个百分点，但在 AA-Robotics 真实机器人控制测试中仅排第三。目前该模型仅向 Google AI Ultra 订阅用户开放，开发者可通过 Gemini API 付费层级访问。
推荐理由：文章通过具体演示和基准测试对比，展示了该模型在机器人控制与仿真生成中的实际表现及局限。