AWS 发布教程，介绍面向 FinOps 与平台团队的 Amazon Bedrock 端到端成本管理五步运营模型：归属（用 IAM principal 标签与 CUR 2.0 把每笔开销归到责任人）、可观测（模型调用日志加 requestMetadata）、预算强制（监控告警、IAM deny、网关同步阻断三档）、优化平台默认值（智能 prompt 路由与 prompt caching）、以及定期复盘记分卡。文中给出共享 IAM role 的 per-user session 标签方案、CloudWatch Logs Insights 诊断查询示例，以及截至 2026 年 10 月 Claude 系列 prompt caching 计价（缓存写入 1.25x、读取 0.1x 或 0.05x）与盈亏平衡测算。
Amazon Bedrock AgentCore runtime 推出 Session endpoints，让开发者在编码智能体构建 Web 应用时从自己的浏览器实时预览：每个会话运行在隔离的 microVM 中。
作者用 NVIDIA Nemotron Voice Agent 搭建了万圣节互动投影 MonsterHouse，让车库门以暴躁海盗船的语气回应不给糖就捣蛋的孩子，访客说请和谢谢会让他态度软化。
AWS 发布教程，指导在 AWS GovCloud (US) 中配置 ChatGPT 桌面应用，将模型推理请求路由至 us-gov-west-1 的 Amazon Bedrock Mantle 端点，供 Work（多步骤任务）和 Codex（编码智能体）使用。
Worldwide Express 与 AWS 和 LTM 合作，基于 Amazon Bedrock 构建多智能体 AI 方案，接入其运输管理系统 SpeedShip，自动处理 LTL 货运账单异常。
Latent Space 发文预告今年最后一场旗舰大会 AIE CODE，定位为面向全球 1000 名顶尖 agentic 工程师的单轨邀请制 Summit，目前仅剩数百席位。
英国 Amazon Quick 用户组 2026 年举办三场季度线下聚会，累计吸引 150 多名参会者，在伦敦 Shoreditch 的 Amazon UK 办公室开展 75 分钟沙盒动手工作坊。
AWS Machine Learning Blog 介绍如何用 AI IDE Kiro 将 PHP 到 Java 迁移从一次性工程变为可度量、可复用的流程。
Epsilon 的 Agentic Platform 团队用 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser Tool 把意图驱动的 UI 测试做成多租户平台服务，以自然语言步骤补充现有 Playwright 回归套件。
Simon Willison 介绍并体验了 Jacob Sansbury 描述的多人游戏环境 Spawn，玩家可通过提示词让游戏内智能体 Savi 修改世界，他在手机上几分钟内就用提示词生成城堡和龙并骑龙飞行。
MoEngage 与 AWS 合著博文介绍如何用 Amazon Bedrock AgentCore Gateway 把约 400 个私有 REST API（由 25 个工程团队维护、分布在 7 个 AWS Region 的 VPC 中）变成权限受控的智能体工具，估计节省约 6 个月平台工程工作量，新 API 接入从数天缩短到数小时。
AWS Batch 为 Amazon SageMaker Training jobs 推出 quota management 调度能力，管理员可按团队、项目或工作负载划分 quota share。
AWS 博客介绍了 NVIDIA Nemotron 3.5 Super VL 在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上的部署方案。
AWS 在 Amazon Nova Act QA Studio 系列第三篇中介绍两项组织级扩展能力：applications 容器与基于团队的用户管理。
AWS 发布教程，演示如何不自建镜像，直接用 Ray Train Deep Learning Container（public.ecr.aws/deep-learning-containers/ray:train-ml-cuda-v1.1）在 EKS 上用 KubeRay 拉起集群。
AWS 发布 Enterprise Agentic AI Platform Blueprint，基于 Amazon Bedrock AgentCore 提供可部署的基础设施即代码，帮助企业以联邦模式构建受治理的 Agentic AI 平台。
GitHub Universe 今年的会议胸牌是一台带彩色屏幕的完整计算机，工程师 Steve Francia 借助 Gemini 在其上跑通了 NES 模拟器，并进一步部署了 Game Boy 和 Game Boy Color 模拟器，可运行《塞尔达传说：织梦岛》等 ROM 游戏。胸牌倒置后可使用机身内置的触摸按键作为游戏手柄。
Exowatt 基于 Amazon SageMaker AI 无服务器模型定制构建可复用的微调流水线，产出面向边缘与云端的两个任务专用模型，在准确率上超过前沿模型且成本最多低 49 倍。
Property Finder 发现其评估集 96.8% 的标签直接继承自单一模型预测，导致任何替代模型在比较中处于结构性劣势。团队由领域专家重新标注 356 张阿联酋图片（另用 230 张埃及图片做跨区域检查），改用多标签分类与 Micro F1 主指标，并以 v0 到 v27 的进化式提示词优化循环迭代，v27 用 MIPROv2 自动优化。
作者在喜马拉雅山麓断网环境下，用 OpenCode 连接 Ollama 本地运行的 Qwen3.5 9B，验证了离线读文件、改代码、跑测试的完整流程。
Simon Willison 用 Claude Opus 5.5 对 Jeff Lindsay 的 Go 项目 webframe 做了评测，结论是它是一个快速轻量的浏览器 JavaScript 运行器，性能与 shot-scraper 相当，适合抓取网页。
OpenAI 工程师使用 Codex Ultrafast 将事故调查时间从数小时缩短到几分钟。文章介绍了其在更快的安全分析、代码重构和日常工作流中的应用方式。
AWS Machine Learning Blog 介绍在 Amazon Bedrock 上为 OpenAI 模型的智能体做 Prompt 缓存的模式，通过缓存工具与指令等静态前缀避免每轮重复读取全部上下文。
AWS 用 Amazon SageMaker Python SDK v3 更新了边缘视觉质检的机队级模型生命周期方案，以 SageMaker Neo 取代已弃用的 SageMaker Edge Manager。
AWS 官方教程演示如何用一个 Python AWS CDK 应用部署企业级智能体检索方案：基于 Managed Knowledge Base（Type: MANAGED）与 AgentCore Gateway/Runtime。
Simon Willison 用提示词让 Claude Opus 5.5 High 构建了一个 Canvas 应用：打开照片后，用模拟画笔在几秒内"画"出该照片的版本。该实验名为 Quick Study，使用 Sobel 边缘检测，除 Google Fonts 外不依赖任何外部库。
AWS 官方教程演示如何在 Amazon SageMaker AI 上用多轮强化学习（MTRL）训练托管在 Amazon Bedrock AgentCore 上的智能体，以 Wordle 为例走通部署、数据准备、训练、MLflow 监控与评测全流程。
推荐理由：原文完整给出多轮强化学习的端到端流程、成本拆解和踩坑记录，可直接迁移到自有多步任务的训练设计。
OpenAI 详解如何将在线存储系统 Habitat 扩展到服务超过 10 亿 ChatGPT 用户，通过可靠的多租户架构、全球缓存和 Azure Cosmos DB 实现了 12× 更快的读取速度。这是该系列的第二部分，聚焦 ChatGPT 存储基础设施的规模化实践。
Bayer Crop Science 基于 Amazon Bedrock AgentCore 构建了 Agentic Decision Engine（ADE），通过多智能体自然语言接口覆盖其 Connected Decision Engine（CDE），首期约 80% 的用户问题无需工程师介入即可解答。
Amazon Quick Sight layer maps 新增 Point 和 LineString 两种 GeoJSON 几何类型，可在地图上绘制具体地点（如门店）和路线（如航班、配送路径），此前仅支持 Polygon 形状图层。
AWS 提出用可复用的 CDK construct 配合 CloudFormation 自定义资源，在端点更新前后自动完成自动扩缩容的注销与注册，实现端点配置和扩缩容参数的单次部署。
企业 AI 竞争优势正从"选哪个模型"转向"围绕模型构建什么"，核心是 serving harness——包括架构、内存管理、调度和优化在内的工程系统。文章建议从工作负载而非模型出发设计架构，先测量再优化（如 KV cache 随并发和上下文长度增长导致 GPU 显存瓶颈），并构建可随模型和硬件演进而灵活调整的架构，而非围绕当前 benchmark 一次性重建平台。
通过在 Amazon SageMaker AI 实时端点上托管 Kokoro-82M（82M 参数）TTS 模型，AI 智能体每生成一句话就立即流式送入合成，让语音在完整回复生成前就开始播放，从而消除等待空隙。
Amazon Quick 是 AWS 的 HIPAA-eligible 服务，可在 web、desktop 和 mobile 客户端中处理 PHI（受保护健康信息）。
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手，覆盖西班牙、葡萄牙、法国三国、四种语言的员工问答，无需自管向量数据库、embedding 管道等 RAG 基础设施。
AWS 博客介绍 Rescale 如何用 AI-DLC 方法论和 Strands SDK 在 Amazon EKS 上构建测试分诊智能体，自动分类并路由夜间端到端测试失败。
AWS 博客介绍在 Amazon SageMaker AI 实时端点上部署 Kokoro-82M（82M 参数 TTS 模型）自定义容器，用两个实测值替代猜测的自动扩缩容目标：Q_max（单实例在 SLO 内可承载的最大并发）和 T_total（扩容端到端耗时），并据此推导扩缩容阈值与冷却时间。
AWS Solutions Architecture 团队开源了生产级多智能体系统 Deep Insight，本文作为三篇系列的第一篇，梳理其解决的五大生产挑战及对应技术栈。
这篇 AWS Machine Learning Blog 教程演示如何用 AWS PrivateLink 将本地数据源私有接入 Amazon Quick，让流量不经过公网。
AWS 发布教程，展示如何用 Strands Agents 构建自适应智能体框架（AAIF），将常规请求交给本地 SLM（通过 Ollama 运行 llama3.2:1b 和 llama3.2-vision）处理，复杂请求经 Amazon Bedrock 路由到云端大模型，以降低成本并保持低延迟。