ShipStation Global 如何在 Amazon Bedrock AgentCore 上构建 AI IT 帮助台
ShipStation Global 基于 Amazon Bedrock AgentCore 构建了 Slack AI IT 帮助台代理 Deckhand，借助 Anthropic 的 Claude 与 Strands Agents SDK 回答常见 IT 问题、读取错误截图并自动创建 Jira Service Management 工单。
#编码
AWS Machine Learning BlogAI 评分3232 Google DeepMind同事件AI 评分7575 Gemini 4 Argon 发布：面向复杂工程与科研任务的前沿模型
Google DeepMind 发布 Gemini 4 Argon 前沿模型，主打编码、金融、法律、网络安全和科学等复杂任务，在 Vals Index 等多领域基准排名第一。
同一件事，精选收录的是《Google 发布 Gemini 4 Argon 前沿模型，定价 $2/$10 每百万 token》
Google DeepMindAI 评分6767 Google DeepMind 发布面向机器人的 Gemini 4 Argon 模型
Google DeepMind 发布 Gemini 4 Argon，作为面向机器人栈的通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
NVIDIA Blog精选AI 评分6363 NVIDIA RTX Spark 临近上市，全球 PC 应用生态全面就绪
NVIDIA RTX Spark 笔记本将于 10 月 16 日上市，NVIDIA 与生态伙伴同步发布本地 AI 智能体、Adobe 创意加速、Nemotron 3.5 Bolt 74B 模型（10 月 15 日）与 DLSS 5 等配套更新。
推荐理由：文章把 RTX Spark 上市时的本地 AI 智能体、创意软件和开发者工具一并盘点，读者可一次看清首发节奏与生态广度。
GitHub Blog · AI & ML精选AI 评分3737 GitHub Copilot 入门教程：如何让 Copilot 理解你的代码库
GitHub 在 Copilot 入门系列中介绍四种让 Copilot 理解项目代码库的方式：自定义指令、Agent skills、自定义 Agent 和 MCP servers。
推荐理由：原文把仓库级 Copilot 定制的四种机制放在一起对比，并配了具体的目录结构和示例，便于读者挑出适合自己项目的配置。
HF Daily Papers精选AI 评分5757 Last Secure Code Benchmark：AI 编码智能体 vibe coding 代码的安全性评测
研究者提出 Last Secure Code Benchmark，用 450 个任务覆盖 Java、C、C++、JavaScript、Python、PHP、Go 七种语言和 24 个 CWE（含 21 个 2025 CWE Top 25 与 8 个 Top 10 KEV 弱点）。
推荐理由：覆盖 7 种语言与 450 个真实漏洞任务，给出 6 款前沿编码智能体在功能与安全两个维度的通过率差距。
OpenAI News精选AI 评分4545 Asana 用 GPT-6.1 Sol 将浏览器智能体模型成本降低 76 倍
Asana 在 Codex 中用 GPT-6 Astra 自动优化其浏览器智能体工作流，在 GPT-6.1 Sol 上实现平均每次运行 $0.47 的模型成本和约 4 分钟时长，比 Model B 原生产配置便宜 76 倍、快 5 倍。
推荐理由：展示了用 Codex 中的 GPT-6 Astra 自动优化浏览器智能体的方法与可量化的成本、速度对比，便于评估类似工作流的优化空间。
AWS Machine Learning Blog精选AI 评分4242 AWS 汇总 9 月 Amazon Bedrock、AgentCore 与 Strands 关键更新
AWS 在官方博客汇总 9 月 Amazon Bedrock、Amazon Bedrock AgentCore 与 Strands 的多项更新。
推荐理由：原文一次性梳理 9 月 Amazon Bedrock、AgentCore 与 Strands 关键更新，可作为读者把握当前 Bedrock 模型与智能体能力变化的参照。
量子位精选AI 评分6161 TRAE 将 Code 和 Work 合并为新 TRAE，支持 Agent 与 IDE 双模式
TRAE 将原有的 TraeCode 和 TraeWork 合并升级为新 TRAE，统一提供 Agent 模式和 IDE 模式两种使用方式：Agent 模式可在同一窗口管理项目、由多个 Agent 并行推进写代码、出文档、测试与交付，IDE 模式保留代码编辑能力，右上角一键切换。
推荐理由：通过三个实测场景展示新 TRAE 在 Agent 与 IDE 模式下的协作与切换效果，为读者判断 AI 编程工具全链路整合趋势提供参考。
OpenAI NewsAI 评分3434 LegalOn 借助 Codex 按任务分级调用模型，将开发成本减半并维持开发速度
LegalOn Technologies 按任务复杂度在 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna 三款 Codex 模型间分级调用，并将 Fast mode 设为默认关闭、按部门和团队设置月度预算上限，使估算日均成本相比 GPT-5.5 降低约 65%，开发速度未受影响。成熟业务被要求提升约 20% 的成本效率，新业务则获得充足预算以鼓励 AI 广泛使用。
HF Daily Papers精选AI 评分4646 AgentSWE 基准：编码 Agent 能否真正交付用户想要的智能体
AgentSWE 是面向智能体软件工程的 25 任务基准，覆盖创建、编辑、优化三个阶段，测试发现受测编码 Agent 均无法交付真正符合需求的智能体。每个任务用少量示例供构建者迭代，再以冻结提交在覆盖完整需求的隐藏用例上按派生 rubric 通过或不通过打分，论文还归纳了对可见用例过拟合、空壳运行时与虚假完成声明三类失败模式。
推荐理由：AgentSWE 用 25 个任务以可见示例与冻结提交对照评估编码 Agent 是否真正满足需求，指出交付差距是常态而非个例。
HF Daily Papers精选AI 评分3535 ProgramGym：为长程程序复现智能体扩展训练环境
作者提出 ProgramGym 框架，包含 Program-Env 与 Program-Agent 两部分，用于长程程序复现智能体的可扩展训练环境。Program-Env 通过反馈驱动循环从仓库构建可验证训练环境，覆盖 C、C++、Go、Rust 共 1,648 个环境；Program-Agent 串联分析、实现、评审三阶段工作流并加入修订控制。
推荐理由：原文给出 1644 个跨 C、C++、Go、Rust 的可验证训练环境构建方法与长程编码智能体在 ProgramBench 上的具体提升数字，可作为同类智能体训练环境的参考。
OpenAI NewsAI 评分3434 Oracle 如何用 ChatGPT 和 Codex 把几天的工作压缩到几分钟
Oracle 已有 10 万余名员工使用 ChatGPT Work 和 Codex，把原本需要数天的专业任务压缩到几分钟。招聘场景中，基于 ChatGPT Work 自建的人才市场情报工具将资料整理从 2-4 天缩短到 15-20 分钟，调研耗时降低 98%；运维与业务分析团队则用 Codex 把 SQL 查询和故障处理从小时级压缩到分钟级。
HF Daily Papers精选AI 评分4444 SWE-Duel：面向编码智能体的自扩展对战评测方法
论文提出 SWE-Duel 评测方法，由两个编码智能体在评测时互相出题与判题，任务在测试时动态生成以避免训练数据泄漏。在 11 个模型与 15 个跨语言仓库的 1,500 轮对战里，GPT-5.5 搭配 Codex CLI 修复 98.3% 被审核缺陷，Claude Opus 4.8 搭配 mini-swe-agent 作为出题方胜率 27.3%。
推荐理由：原文给出在评测时动态生成任务与题解的自扩展基准方法，可与传统静态编码基准在抗训练污染和抗饱和上做对比。
HF Daily Papers精选AI 评分3939 论文提出面向大语言模型的通用文本化教学 UTT 框架
论文提出面向大语言模型的通用文本化教学（UTT）框架，无需更新学生模型参数，通过 Student、Prompter、Teacher、Synthesizer 多角色配对评估与迭代合成，把师生差距蒸馏成可解释、可跨模型复用的自然语言文本 Primer。
推荐理由：提出无参数更新的知识蒸馏框架 UTT，把师生差距压缩成可跨学生模型复用的自然语言教学文本 Primer，为知识蒸馏提供新的可迁移载体。
HF Daily Papers精选AI 评分4646 Opera：用于长程编码智能体的语言评论框架
Opera 是面向长程编码智能体的语言评论框架，将每次修正视为持续追踪至问题解决的备注。它在 Terminal-Bench 2.1、SWE-Bench Pro 子集和 DeepSWE v1.1 上分别把非评论者策略模型的解决率提升最多 12.4、15.0 与 8.9 个百分点，并在三个基准上均取得竞争基线的最高平均解决率。
推荐理由：Opera 把每条纠错视为待解决的持续备注，并在交付前先审计反馈，该设计可迁移到其他长程编码智能体的反馈链路。
AWS Machine Learning Blog精选AI 评分6060 Claude Haiku 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS
Claude Haiku 5.5 即日起在 Amazon Bedrock 和 Claude Platform on AWS 开放使用，Anthropic 称其为 Claude 5.5 系列中速度最快、成本最低的版本，相比 Claude Haiku 4.5 大多数任务便宜约 75%，并首次加入 effort 控制，可按任务调节成本与能力之间的取舍。
推荐理由：原文给出 Claude Haiku 5.5 与 Opus 5.5 的角色分工、effort 控制和价格对比，可作为 subagent 架构选型的参考。
HF Daily Papers精选AI 评分3535 CheckerBench：长程编码智能体能否从零开发静态分析检查器？
CheckerBench 是一个面向静态分析检查器开发的端到端智能体评测基准，包含源自 297 个 CVE、覆盖 167 个仓库与 85 类 CWE 的 300 个任务，每个任务附带漏洞版本、修复版本、固化分析环境与检查器脚手架。
推荐理由：提出了覆盖 297 个 CVE 的端到端检查器开发基准，并量化了当前编码智能体在该长程任务上的实际能力上限。
Microsoft Research精选AI 评分7070 微软研究院开源 Agent Lightning v1.0：3,500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，一个约 3,500 行的轻量级智能体强化学习框架，主打 Harnessed Agentic RL 训练范式，让部署用的 agent 框架直接参与 RL 训练。
推荐理由：把部署阶段的 agent 框架直接接入 RL 训练的方案，并给出 Qwen3.5-9B 在 SWE-bench Verified 上的具体增益，读者可据此评估迁移到自身智能体栈的成本。
Hugging Face Blog精选AI 评分6464 NVIDIA 通过微调 Nemotron 在 IOI 和 IMO 同时达到金牌水平
Nemotron-3-Ultra-CC 在 IOI 2026 拿到 535.4/600 分（来自与人类选手同条件的非官方测试），超过 361.12 的金牌线；IMO 2026 的 generate-verify-refine 系统由官方阅卷人评分，取得 30/42 分，超过 29 的金牌阈值。
推荐理由：展示了 Nemotron 通过微调与推理协同在 IOI 与 IMO 同时达到金牌水平，并公开了完整数据集与训练配方。
HF Daily Papers精选AI 评分4848 编码智能体基准应匹配用户的任务流
该研究分析了 JetBrains IDE 中 4,782 段软件工程师与编码智能体的真实交互会话，发现长会话里的任务类型覆盖项目代码问答、规划、审查、重构和执行等多类，并会随会话进展切换类型，与基于 issue 的基准任务差异显著。
推荐理由：基于 4,782 段真实 IDE 会话数据，揭示当前编码智能体基准与实际任务流的差距，为评测设计提供新的校准依据。
Mistral AI精选AI 评分7474 Mistral 推出 Mistral Large 4 公开预览版，1T 总参数原生多模态大模型
Mistral 推出 1T 总参数、49B 激活参数的原生多模态大模型 Mistral Large 4 公开预览版，权重计划月底开源，API 已上线 Mistral Studio。
推荐理由：Mistral 推出 1T 总参数、49B 激活参数的多模态大模型 ML4 公开预览版，并附带编码、Agent、网络安全、视觉理解与科学推理等多个基准的逐项对比数据与训练基础设施介绍。
AWS Machine Learning Blog精选AI 评分6363 GLM 5.3 上线 Amazon Bedrock
GLM 5.3 已在 Amazon Bedrock 上线，开发者可通过托管 API 使用 Z.ai 发布的这款 753B 参数 MoE 模型，主要面向编码与长链路智能体场景。
推荐理由：原文给出了 GLM 5.3 在 Bedrock 上的调用代码与 prompt caching 配置，并演示了与 Strix 智能体配合的安全测试流程。
GitHub Blog · AI & ML精选AI 评分6161 GitHub 发布开源 AI 代码评审基准 ReviewBench
GitHub 发布开源 AI 代码评审基准 ReviewBench，包含 219 个跨 19 种语言的公开 PR，提供 grounded 和 augmented 两类精度/召回指标。
推荐理由：原文公开了 ReviewBench 的语料来源、评测指标和接入方式，读者可据此构建可复现的 AI 代码评审离线评测体系。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-6 模型家族实用指南
OpenAI 发布 GPT-6 模型家族实用指南，介绍如何根据能力、推理力度和延迟在 GPT-6 Astra、Sol 与 Luna 之间取舍，并通过提示词缓存（最多减少 95% 成本）、compaction 与监控管理生产中的成本与上下文。
推荐理由：原文给出模型选型、推理级别与提示词配置的具体取舍方法，可帮助读者把 GPT-6 接到生产链路里。
GitHub Blog · AI & MLAI 评分2626 GitHub：AI 正在改变开发者工作，三项技能值得强化
AI 正在重塑开发者的工作重心，从编写代码转向引导 AI 智能体、评审输出并做出技术判断。文章建议强化三项技能：学会指挥多个 AI 智能体协作、不盲信首轮回答（GitHub Copilot 内置的 Rubber Duck 智能体即采用第二模型评审），以及把省下的实现时间投入到判断力与权衡决策上。
Google DeepMind同事件AI 评分7070 Gemini 4 Argon：Google DeepMind 推出新一代前沿模型
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，主打长链路推理与企业级工作流，覆盖复杂软件工程、法律与金融知识工作以及网络安全防御。
同一件事，精选收录的是《谷歌发布 Gemini 4 Argon：搭载 RSI，基准成绩领先 Opus 5.5 和 GPT-6》
OpenAI News精选AI 评分5959 OpenAI 发布 GPT-6.1 Sol，主打编码与计算机使用场景
OpenAI 发布 GPT-6.1 Sol，定位接近 Astra 智能水平，覆盖编码、计算机使用和专业工作等场景。其 API 输入和输出 token 价格仅为 Astra 标准价的五分之一。
推荐理由：原文给出 GPT-6.1 Sol 与 Astra 的能力定位和 token 价格差距，读者可据此评估其在编码与专业工作中的性价比。
AWS Machine Learning Blog精选AI 评分5858 xAI Grok 4.7 上线 Amazon Bedrock，支持 500K 上下文与四档推理
xAI 的 Grok 4.7 在 Amazon Bedrock 上线，提供 500K token 上下文与 low、medium、high、xhigh 四档可配置推理强度。
推荐理由：原文给出 Grok 4.7 在 Bedrock 上的 500K 上下文、四档推理设置，并附带 Artificial Analysis 对比 Grok 4.6 的评测数据。
HF Daily PapersAI 评分3434 RLE-Bench：面向机器人学习工程师能力的编程智能体评测基准
RLE-Bench 是一个面向机器人学习工程的编程智能体评测基准，覆盖交互式控制、策略学习、感知与估计、机械设计四类开发工作流。该基准通过成功率、训练策略、构建 harness 与机械结构等任务专用指标评估智能体产出，并聚合成 RLE Index 以支持多维能力对比。论文还结合案例研究分析了智能体在代表性任务上的当前能力与局限。
AWS Machine Learning Blog精选AI 评分6767 Claude Sonnet 5.5 在 Amazon Bedrock 上线
Anthropic 的 Claude Sonnet 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上提供，定位为面向聚焦编码和知识工作的更高效版本，多数工作下每次任务成本更低、速度更快。
推荐理由：原文给出 Sonnet 5.5 与 Opus 5.5 的分工建议和 Bedrock 调用代码，读者可据此判断如何在工作流里搭配使用。
OpenAI NewsAI 评分1515 你是 Codex Original 吗？OpenAI 征集 Codex 用户真实故事加入 Codex Originals 计划
OpenAI 正在为 Codex Originals 计划征集真实用户故事，邀请使用 Codex 的开发者、tinkerers、研究者和创作者分享项目经历。入选者将加入该计划的下一篇章，可通过文章下方表单提交自己的故事与项目。
Anthropic News精选AI 评分7575 Anthropic 发布 Claude Sonnet 5.5，速度提升 30% 且成本降低
Anthropic 发布 Claude Sonnet 5.5，定位为混合推理模型，运行速度比 Sonnet 5 快 30%，典型工作负载成本最高降低 30%，支持 1M 上下文窗口。
推荐理由：原文给出了与 Sonnet 5 的速度与成本对比，以及多家客户在编码、Agent 场景下的实测反馈，读者可据此评估实际价值。
Anthropic News精选AI 评分7878 Anthropic 发布 Claude Sonnet 5.5，比 Sonnet 5 快 30% 且多数任务成本最高低 30%
Anthropic 发布 Claude Sonnet 5.5，作为 Opus 5.5 的低成本补充版本，生成速度比 Sonnet 5 快 30% 以上，多数任务成本最高降低 30%。
推荐理由：原文给出 Terminal-Bench 4.0 等具体评测分数与单任务成本变化，便于和 Sonnet 5 横向对照升级效果。
OpenAI NewsAI 评分2121 Proaction 借助 Codex 提升 60% 销售额并节省 75+ 小时
车队管理公司 Proaction 借助 Codex 将销售额提升 60%，并节省 75+ 小时。结合 GPT-Live-1 和 GPT-6 Astra，Proaction 能够更快地构建、运营和销售现代化车队管理方案。
OpenAI News精选AI 评分7676 OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，API 价格较 GPT-5.6 下调 50%
OpenAI 发布 GPT-6 家族的 GPT-6 Sol 与 GPT-6 Luna，API 定价较 GPT-5.6 促销价下调 50%，分别为 $2/$10 与 $0.10/$0.50（每百万 token）。
推荐理由：原文把 GPT-6 Sol 和 Luna 的 API 定价、缓存折扣以及在 AutomationBench、DeepSWE 等基准上与 Claude Opus 5、Fable 5.1 的成本-得分一并列出，便于同价位横向对照。
Anthropic News精选AI 评分8181 Anthropic 发布 Claude Opus 5.5，能力接近 Fable 5.1 且运行成本降 40%
Anthropic 发布 Claude Opus 5.5，能力接近 Claude Fable 5.1，运行成本比 Opus 5 低 40%，输出速度提升超 30%。
推荐理由：Anthropic 在能力接近 Fable 5.1 的同时把 Opus 5.5 的运行成本压低 40%，并附上编码、知识工作与对齐的多项基准对比。
xAI News精选AI 评分7171 xAI 发布 Grok 4.7，主打编码与知识工作
xAI 发布 Grok 4.7，定位其在编码与知识工作方面能力最强的模型，基于比 4.6 更大的新基座模型，价格不变（每百万 token 输入 $2、输出 $6），并提供 2 倍输出速度的快速版本。
推荐理由：原文给出 Grok 4.7 与 GPT-5.6 Sol、Fable 5.1 在多项基准与价格上的横向对比，读者可据此判断它在同类模型中的性价比位置。
GitHub Blog · AI & MLAI 评分2626 GitHub 拆解 AI 编程五大热门观点：代码还要不要读、RAG 是否已死、Skills 是否取代 MCP
GitHub 在最新一期播客中逐一拆解了 AI 编程领域的五大争议观点。开发者仍需按风险分级审查 AI 生成的代码，企业更看重候选人使用 AI 的判断力而非是否采用，Skills 与 MCP 各解决不同问题可互补使用，RAG 也并未过时仍能帮助模型检索外部信息。这些技术可以共存于同一工作流，不应</think>
Anthropic News精选AI 评分4444 Claude Code：Anthropic 面向终端与 IDE 的编码智能体
Claude Code 是 Anthropic 的编码智能体，可在终端、IDE、Slack 和 Web 中运行，覆盖 macOS、Linux 和 Windows。
推荐理由：页面汇总了 Claude Code 在终端、IDE、Slack 与 Web 中的能力范围，并披露 Opus 5.5 Fast mode 的速度与定价。