AWS 宣布 Claude Fable 5.2 和 Claude Mythos 5.2 现已在 Amazon Bedrock 与 Claude Platform on AWS 上可用，通过 US Geo CRIS 和 Global CRIS inference profiles 提供。
推荐理由：原文同时给出模型能力定位、数据保留策略与迁移路径，读者可据此评估在 Amazon Bedrock 上接入新模型的实际门槛。
AWS Machine Learning Blog 系列第三篇演示了如何用 AtScale 作为语义层，在 AWS 上为智能体 AI 构建 Customer 360 场景。
Amazon Bedrock 现已正式为所有 Anthropic Claude 模型提供结构化输出，在 bedrock-runtime 和 bedrock-mantle 端点上均可返回符合 JSON schema 的响应，无需自定义解析、重试或后处理。
推荐理由：原文说明了约束解码如何把输出从概率性变为确定性，并给出 schema 缓存与最佳实践，可直接迁移到自己的集成中。
Postman 与 AWS 撰文介绍 Postman Agent Mode 如何在 Amazon Bedrock 上为 4000 万开发者提供服务，核心经验是把上下文而非能力当作主要瓶颈。
AWS 9 月为 AI 构建者带来 Amazon Bedrock、AgentCore 和 Strands 的多项更新：OpenAI 模型驱动的 Amazon Bedrock Managed Agents 进入公测，AgentCore runtime 降低冷启动延迟并按实际用量计费，开源 Strands harness 在精度持平下节省 28% token。
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用，据 Anthropic 介绍它是 Claude 5.5 家族中最快、最高效的模型，面向子智能体和高量低成本任务，多数任务成本比 Claude Haiku 4.5 低约 75%。
推荐理由：原文给出了成本降幅、effort controls 与 Opus 5.5 分工方式，便于判断何时选用该模型。
AWS 博客介绍了如何在 AWS GovCloud (US) 的 Amazon Bedrock 上使用 Claude Code，让带合规要求的工作负载获得 AI 辅助开发能力。
Amazon Bedrock AgentCore Gateway 新增 Web Search 能力，可让 Claude Desktop 突破模型训练知识截止限制，获取实时信息。
AWS Machine Learning Blog 发布了 Claude Platform on AWS（CPonAWS）多环境访问的完整分步实施指南，覆盖 AWS 生产负载、开发者笔记本和外部 CI/CD 三类环境。
Amazon Bedrock 现已在首尔 Region 支持 Claude Opus 5 和 Claude Sonnet 5、在新加坡 Region 支持 Claude Sonnet 5 的区域内推理，请求全程在所调用 Region 内处理、不离开该 Region，以满足金融、医疗和公共部门等严格的数据驻留要求。
Amazon Bedrock 宣布 Claude Opus 5、Claude Sonnet 5 和 Claude Haiku 4.5 在印度可用，通过地理跨区域推理把请求限制在 ap-south-1 与 ap-south-2 之间，实现数据在印度境内处理。
AWS 分享了基于 Amazon Quick 和 Amazon Bedrock AgentCore 构建合同智能平台的架构，用结构化提取替代 RAG 语义检索来回答跨数百份合同的聚合类问题。
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用，定位为面向聚焦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：官方给出 Sonnet 5.5 在 Amazon Bedrock 上的能力定位与调用示例，可据此判断它适合承接哪类持续运行的编码任务。
Hugging Face 给出两条迁移路径，让因 Anthropic 限制 Claude 模型访问而受影响的 OpenClaw、Pi、Open Code 智能体改用开源模型继续运行：通过 Hugging Face Inference Providers 托管调用（推荐 GLM-5），或用 llama.cpp 在本地跑 Qwen3.5-35B-A3B（32GB RAM 可用）。
Hugging Face 发布开源工具 upskill，用 Claude Opus 4.5 等大模型生成并评测 agent skill，再迁移到更小或本地模型使用，本次以编写 diffusers 模型的 CUDA 内核为基准任务。
推荐理由：原文给出用大模型生成技能再迁移到小模型的完整流程与实测数据，读者可据此判断能否降低自己的调用成本。
Hugging Face 发布 hf-llm-trainer skill，让 Claude Code 等编码智能体通过对话完成开源 LLM 微调的全流程，包括校验数据集、选择硬件、生成并提交训练任务、监控进度以及把模型推到 Hub。
推荐理由：教程给出了从数据校验到成本估算的完整闭环，读者可据此评估用对话完成微调的可行性。
OpenAI 与 Anthropic 公布首次联合安全评估结果，双方互相测试对方模型在错位对齐、指令遵循、模型幻觉和越狱等方面的表现，展示了进展、挑战以及跨实验室协作的价值。
推荐理由：两家头部实验室互测对方模型并公开结果，可了解跨机构协作评估的做法与发现的问题。
Hugging Face 官方教程介绍如何把 Claude 连接到 Hugging Face MCP Server，从而调用 ZeroGPU 驱动的 Spaces 生成图像。
Hugging Face 与 Atla 联合推出 Judge Arena，让任何人并排对比模型作为评判者的表现：系统随机生成或自定义样本，两个 LLM 评判者分别打分并给出理由，用户投票选出更符合自己判断的一方，投票后才揭示模型名以避免偏差。
Hugging Face 发布用开源模型实现 Constitutional AI 的端到端配方，并开源基于 Slurm 集群、由 TGI 和 vLLM 支撑的可扩展合成数据生成工具 llm-swarm。
推荐理由：完整给出用开源模型做 Constitutional AI 的可复用配方与评测数据，便于迁移实践。
OpenAI 与 Anthropic、Google、Microsoft 联合宣布 Frontier Model Forum 新任执行主任，并推出 1000 万美元 AI Safety Fund。该基金由四家共同发起，用于支持人工智能安全相关研究与项目。
OpenAI 联合多家公司成立新行业组织 Frontier Model Forum，旨在推动前沿 AI 系统的安全与负责任发展。该组织将推进 AI 安全研究、识别最佳实践与标准，并促进政策制定者与行业之间的信息共享。