Mistral 與 NVIDIA 推進工程領域的 AI
Mistral 與 NVIDIA 合作開發新一代 AI 原生工程工作流程,結合 Mistral 模型、物理建模流程與 NVIDIA 加速運算,以加快工程模擬並連接模擬、模型開發和工程設計。雙方將推出公開基準測試及開放數據集,評估物理模型和 CAE、EDA 的智能體,並驗證自動化 CAD-to-simulation 工作流程。
Mistral 與 NVIDIA 合作開發新一代 AI 原生工程工作流程,結合 Mistral 模型、物理建模流程與 NVIDIA 加速運算,以加快工程模擬並連接模擬、模型開發和工程設計。雙方將推出公開基準測試及開放數據集,評估物理模型和 CAE、EDA 的智能體,並驗證自動化 CAD-to-simulation 工作流程。
NVIDIA 擴展 Nemotron Retriever 系列,推出可商用的開放模型 Nemotron 3.5 Embed、Nemotron 3.5 Rerank 及 Nemotron 3.5 Parse,涵蓋多模態檢索、重排及文件抽取。
推薦理由:這次更新把多模態嵌入、重排與文件解析納入同一檢索系列,並列出多項基準與吞吐數據,呈現準確度和部署效率的取捨。
Nebius、Nscale 等科技夥伴正採用 NVIDIA Vera CPU 建設基礎設施,以支援 AI 智能體運行軟件工具、執行程式碼和評估結果所需的 CPU 處理。Vera 可同時處理數以千計的任務,並用於伺服器、數據處理及雲端沙盒等場景,支援 AI 數據中心擴展。
嶺南大學宣佈,翻譯學系將於 2027/28 學年改名為語言產業與科技學系,相關本科及授課式研究生課程亦會更名。課程將涵蓋生成式 AI 專業提示詞、影音翻譯及譯後編輯等內容,並培養學生運用數碼工具、人工智能及人機協作技能。兩項課程的新名稱即日起用於 2027/28 學年招生資訊。
Terminal X 的 Eval Agent 使用 GPT-6.1 Sol,在 500 項評分判斷中與資深人類審核者的一致率為 88.6%。Eval Agent 按 54 項準則評分;相較次佳模型,GPT-6.1 Sol 多識別約 25% 偏離基金投資授權的建議,同一工作流程每次查詢成本低約 30%。
OpenAI 已收購 Orchestra Bio,這個平台協助生物製藥團隊協調複雜的藥物研發流程。OpenAI 將 Orchestra Bio 的團隊與技術和 Rosalind(其生命科學研究模型及工具)結合,目標是建立連接科學發現、研究、決策與後續工作的智能體。Orchestra Bio 的智能體可協助團隊追蹤研究項目,整理受影響的活動與時間安排,並比較應對方案。
推薦理由:Orchestra Bio 聚焦藥物研發項目的協調工作,與 Rosalind 結合後,OpenAI 計劃建立連接科學發現、研究安排與後續決策的智能體。
Schlotzsky’s 與 Cinnabon 特許經營商 Ted Taylor 使用 ChatGPT Work,將三間餐廳的每月現金對賬時間由 3 小時縮至 5-10 分鐘,減少 94%。
i14 與 AWS 使用 TorchNeuron Native 的原生 PyTorch 支援,在 AWS Trainium2 上訓練及推理 Laplace 3B,保留 Gated Linear Attention(GLA)架構。
NVIDIA 發佈 Cosmos3-H-Dreams,將互動式生成模擬帶入臨牀膽囊切除場景,並支援即時器械動作控制。模型以臨牀手術影片和機械人運動學訓練,結合 Cosmos 3 與 FlashDreams,可在單張 NVIDIA RTX PRO 6000 GPU 上互動運行。系統提供四步和兩步檢查點,屬研究模擬器,並非經驗證可用於病人護理的系統。
推薦理由:四步與兩步檢查點呈現視覺品質和推理速度的取捨,文章也説明兩者分別訓練,而非單純調低採樣步數。
Octave 為 Reliance 在 Amazon Bedrock 上建立三層多租戶 AI 基礎平台,以支援受監管產業的文件搜尋與 AI 工作流程。平台採用 Cohere Embed v4,並以每租戶向量儲存、AgentCore 隔離執行環境及 Amazon Bedrock Guardrails 分層控制資料存取與內容風險。
推薦理由:文章拆解多租戶合規場景中的隔離、身份與內容安全取捨,並呈現如何把共用基礎設施轉化為可重用的 AI 功能底座。
AWS 作者展示在 Amazon SageMaker HyperPod 上微調 GPT-OSS-20B,50 個測試案例中的指定語言推理正確率由基礎模型的 22% 升至 SFT 後的 100%。
AWS 團隊示範如何以 Amazon Quick 和 Amazon Bedrock AgentCore 建立對話式供應鏈流程,串連系統資料、評估中斷影響並提出採購建議。
Smartsheet 已正式推出 Smartsheet MCP Server,讓 AI 助手透過標準化協定讀取、更新及管理 Smartsheet 資料。伺服器提供超過 40 種工具,支援管理工作表、列、欄及自動化。Amazon Quick 和 Kiro 可作為 MCP 客戶端,讓用戶以自然語言查詢及更新專案資料。
Smartsheet 推出正式全面開放使用的 MCP Server,讓 AI 助手透過標準化協定讀取、修改及管理 Smartsheet 資料。伺服器提供 40 多種工具,可探索及管理工作表、列、欄和自動化。Amazon Quick 和 Kiro 可分別連接伺服器,讓用戶以自然語言處理工作,或在開發流程中查看及更新任務。
Runway 透過 Runway Creative 加入 Claude Marketplace,符合資格的企業客戶可使用部分既有 Anthropic 承諾金額購買服務。
Ai2 推出 FairStress 基準,評估 LLM 在人口羣體決策中的公平性,並檢查模型面對對抗性前綴時,是否因受惠羣體不同而改變決定。基準涵蓋 29 個領域的 300 個雙候選情境,擴展為逾 13 million 個測試案例,另有 50K 項的 FairStress-Core 子集。
推薦理由:文章把公平性評估由最終選擇延伸至對抗性前綴下的決策穩定度,並比較評測提問及答案評分方式如何改變觀察到的偏差方向。
AWS 的示例展示如何透過 AWS Agent Registry,在執行時搜尋已核准的 MCP 伺服器、智能體及技能,並按結果建立本次請求所需的用戶端。示例以訂單狀態、價格折扣及退貨退款三種情境,展示 MCP 單獨呼叫、MCP 與 A2A 串接,以及語義搜尋。搜尋結果只提供連線描述資料,不含呼叫憑證;記錄須經核准才會透過可搜尋資料平面提供,各項能力所需的呼叫憑證須另行處理。
推薦理由:文章以 MCP 與 A2A 的訂單管理示例拆解執行時探索流程,並説明搜尋描述資料、核准治理與能力呼叫憑證之間的責任邊界。
AWS 説明加拿大用戶如何透過 Amazon Bedrock 跨區域推理,存取 OpenAI GPT-5.6、GPT-6 和 GPT-6.1 Sol。
Microsoft Research Podcast 中,Weishung Liu 訪問 Catalyst Lab 主任 Chris White,談他以科技研究應對現實問題的經歷。White 曾與 DARPA 團隊探討數據分析新方法能否預防暴力、保護阿富汗戰事中的部隊,後來亦投身以暗網搜尋工具協助打擊人口販運的工作。
三位 Java Champion 分享在生產環境及開源項目中運用 GitHub Copilot 的做法,並提出提升開發效率與確保程式可靠性的實踐。其中一人以 Copilot 將 15 份簡報、約 900 張投影片由 Reveal.js 遷移至 Marp,約用 8 至 10 小時,並透過截圖、動畫及 PDF 比對驗證。
推薦理由:三位 Java Champion 的實例涵蓋功能開發、遷移和除錯,呈現需求釐清、驗證證據與人工審核如何支撐 AI 輔助開發。
Hugging Face 推出 TorchTPU,為 PyTorch 加入原生 TPU 後端,並讓 Transformers、Diffusers 和 Kernels 原生支援 TPU。
推薦理由:文章展示 TorchTPU 如何把 TPU 接入 PyTorch 及 Hugging Face 常用庫,並以測試通過率和問題修復數據呈現目前支援狀況。
ALTK-Evolve 從智能體訓練任務中自動提煉行為指引並加入提示詞,令使用 gpt-4.1 的客服智能體在不更新模型權重下,於 τ²-bench 零售任務取得 67.5% Pass^4。
推薦理由:文章比較不同指引規模、零售與航空任務,以及 gpt-4.1、gpt-5.5 的結果,具體呈現提示詞記憶對智能體準確度、可靠性和成本的不同影響。
AWS 教學示範以 AtScale 在 Amazon Redshift 建置供 AI 智能體使用的語義層,並透過 Amazon Bedrock AgentCore 將 Strands agent 接入 AtScale MCP server。
教學示範以兩個相連的 Strategy Mosaic 模型整合 Amazon Redshift 和 Amazon Aurora 的 Customer 360 資料,並透過 MCP 供 Amazon Bedrock AgentCore 上的 Strands 智能體查詢。
文章示範如何以 Denodo Platform 和 Amazon Bedrock AgentCore 建立 AI 智能體語義層,讓 Strands agent 查詢 Amazon Aurora、Amazon Redshift 與本地部署的 PostgreSQL 資料。
Eon 利用 Amazon Bedrock AgentCore MCP Gateway,將跨多個雲端的調查工具集中至單一經身分驗證的入口,供工程師及自主智能體使用。
AWS 與 Keyfactor 展示一套結合 X.509 PKI、Keyfactor EJBCA 及 AWS 服務的參考架構,為多智能體系統建立身份驗證與授權鏈。架構採用已簽署請求封套、用戶簽署的委派聲明、RFC 8693 受眾限定存取權杖,以及即時 OCSP 撤銷檢查。文章逐步説明用戶登入、智能體間呼叫、MCP 工具伺服器驗證及登出撤銷流程,並指出此模式可應用於其他兼容 MCP 的工具伺服器。
Mistral 推出 Voxtral 3,包含語音轉文字與文字轉語音模型,以及把聆聽、推理、工具調用和語音輸出整合為即時串流流程的語音智能體 SDK。語音轉錄支援 50+ 種語言,語音合成支援 35+ 種語言及 50+ 種方言;SDK 可在通話中調用工具並執行多步驟任務。Voxtral 3 現可透過 Mistral API 使用,亦可部署於自有基礎設施。
推薦理由:Voxtral 3 把聆聽、推理、工具調用與語音輸出串成即時流程,並提供 Mistral API 和自部署選項,呈現語音智能體的整合與部署方式。
Hugging Face 發佈 AnyLanguageModel 1.0,並同步推出 swift-huggingface 1.0 和 swift-xet 1.0。AnyLanguageModel 以相同 Swift API 支援本機及託管模型,新增各供應商通用的工具呼叫、引導式生成和圖像支援,並可在 Linux 執行。
PyTorch 2.15 為 Mac 的 MPS 後端加入 FP8 支援,並加快 LLM 解碼及多項 Metal 運算。在 M3 Ultra 使用 torch.compile 時,Qwen3.6-35B-A3B 的 MoE 解碼速度由 9.4 升至 61.3 tokens/s;Wan2.2 影片 VAE 解碼的峯值驅動程式記憶體由約 270 GiB 降至約 8 GiB。
推薦理由:文章列出 Mac MPS 上的模型解碼提速和 Wan2.2 影片 VAE 記憶體降幅,具體呈現 PyTorch 2.15 後端更新對本機推理工作負載的變化。
Amazon Bedrock 現已為可用的所有 Anthropic Claude 模型,在 bedrock-runtime 和 bedrock-mantle 端點提供結構化輸出,回應可符合指定 JSON Schema。
推薦理由:文章交代 JSON Schema 輸出與 strict tool use 的適用場景,並列出快取行為及不支援的 schema 特性,便於評估整合要求。
OpenAI 表示,最新模型在低資源程式語言的程式建置及 COBOL 遷移評測中均有提升。在最高推理力度下,GPT‑6 Astra 在 20 種語言的 MultiLangBench 平均測試通過率為 87.4%,高於 GPT‑5.6 Sol 的 26.8%;GPT‑6.1 Sol 在低推理力度的 COBOL 遷移評測準確率為 86.6%,GPT‑5.6 Sol 則為 5.4%。
推薦理由:兩項評測分別檢視跨語言程式建置和 COBOL 遷移,並以通過率、遷移準確率及 API 成本呈現模型表現差異。
AWS 宣佈 Amazon SageMaker Studio 已接入新版 AWS 登入及註冊流程,新用戶可用 Google、GitHub、Apple、Amazon 帳戶或電郵,在 2–3 步內建立帳戶並進入 Studio。
推薦理由:文章交代新帳戶可用既有身份在 2–3 步內註冊、約 20 秒進入已配置的 Studio 環境,並列出免費額度與停止條件。
Amazon SageMaker JumpStart 在 2026 年 1 月至 9 月新增逾 100 個模型,涵蓋 30 家供應商,並更新模型探索及部署功能。
TorchNeuron 為 AWS Trainium 提供 PyTorch 原生後端,令 Transformers、Diffusers 等 Hugging Face 函式庫可直接使用 Trainium。
推薦理由:文章比較 Optimum Neuron 與 TorchNeuron 的執行方式,並提供推理、微調及圖像生成範例,呈現 Trainium 接入 Hugging Face 工作流程的具體變化。
GitHub Copilot app 的工作階段可直接在 VS Code 開啟,並保留原有對話、程式碼變更及工作脈絡,讓用戶在同一工作樹繼續工作。用戶可在 VS Code 逐行檢視差異、手動修改及本機測試,完成後把變更推送至該工作階段關聯的 pull request。
推薦理由:文章示範如何把 Copilot app 工作階段及其工作脈絡帶入 VS Code,讓智能體產生的修改可在原有工作樹中接續檢視、測試及推送。
TwelveLabs Pegasus 1.5 現已在 Amazon Bedrock 的美國西部(俄勒岡)區域提供,可按自訂條件分析影片並輸出帶時間戳的結構化資料。模型支援最長 2 小時影片,並新增影片分段及參考圖片多模態提示。影片可直接從 Amazon S3 傳送,毋須預先建立索引。
AWS 説明 vLLM 的雙向 KV cache 傳輸如何讓 prefill 節點在多輪智能體對話中重用 decode 節點保留的 KV,減少重複計算並降低 TTFT。
vLLM 的 push-based NIXL connector 透過預先註冊 decode 端 KV 區塊,並將傳輸準備移至背景執行緒,改善分離式推理的 TTFT 與 TPOT。
Deepgram 與 AWS 把 Nova-3 語音轉文字模型移植並調校至 AWS Trainium2,以提升離線批次推理效率。單一 Amazon EC2 trn2.3xlarge 執行個體配置八個模型副本後,每美元可處理的音訊量較 Deepgram 原有運算方案增加 11–70%。這項成果有助 Deepgram 更有效率地擴展服務,並以較低價格向客戶提供模型。