Ai2 如何实现高影响力的 GPU 集群调度
Ai2 用 GPU 时间预算、分层公平份额分配和时间切片契约取代了基于优先级的调度器,把各研究项目 GPU 时间多少的争论从逐案运营任务转为透明的行政预算流程。Ai2 管理数千张 NVIDIA H100、B200 和 B300 GPU,服务约 150 名内部研究员,未满足的 GPU 需求随时达到可用量的 2-3 倍。旧的优先级调度导致了 GPU "占坑"、优先级通胀等"公地悲剧"问题。
Ai2 用 GPU 时间预算、分层公平份额分配和时间切片契约取代了基于优先级的调度器,把各研究项目 GPU 时间多少的争论从逐案运营任务转为透明的行政预算流程。Ai2 管理数千张 NVIDIA H100、B200 和 B300 GPU,服务约 150 名内部研究员,未满足的 GPU 需求随时达到可用量的 2-3 倍。旧的优先级调度导致了 GPU "占坑"、优先级通胀等"公地悲剧"问题。
Simon Willison 今天为博客上线了 Newsletters 页面,该功能几乎全部通过 ChatGPT 桌面应用 Codex 标签页的语音对话模式完成,模型为 GPT-6 Astra High。
LegalOn 将每日 Codex 估算成本降低 65%,同时保持开发速度。其做法是将 Astra、Sol 和 Luna 与任务相匹配,并进行策略性的预算管理。
作者在 HuggingChat 中开启 ML-intern 模式,用自然语言描述需求,几天内做出六个自定义小模型,总计算成本约 103 美元。
推荐理由:作者用六个总成本约 103 美元的项目,总结了给智能体设预算、要基线、做冒烟测试的可复用方法。
开发者正将 GPT-6 Astra、GPT-6 Sol 与 Claude Code 等前沿模型接入 NVIDIA Omniverse 库,驱动 AI 智能体构建数字孪生、机器人与 VR 仿真。
AWS 给出 Amazon SageMaker HyperPod 的多租户参考架构,让多团队共享同一 EKS 集群时仍保持工作负载隔离与资源公平。
AWS 官方博客演示用 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock 为 AWS DevOps Agent 补上自动修复环节,把调查摘要变成经一次审批即可执行的修复。
Qlik 基于 Amazon Bedrock 构建企业级 AI 助手 Qlik Answers,为全球 40,000 多家客户提供带来源、可验证的问答能力。自 2026 年 2 月正式上线以来,其 Discovery Agent 已为客户呈现超过 100,000 项发现。
AWS 机器学习博客提出 Agentic Value Model,指出 RPA 时代的工时乘人工成本式 ROI 模型遗漏了智能体自动化的大部分价值。该模型把价值拆为时间节省、异常处理、决策质量、变更韧性与维护经济性四个池,每个池都需设定变现机制与责任人,文中以年处理 20 万件、约 12 分钟每件的理赔分拣为例给出测算。
Cornerstone OnDemand 基于 Amazon Bedrock 与 AWS 开源智能体编排框架 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟压缩至 10 分钟,降幅 78%。三人团队历时六个月完成交付,该系统将十余步手动数据库生命周期操作合并为单次自然语言交互,并将冗余告警量中位数削减 65%。
AWS 设计了为期六周的结构化项目,支持非工程背景业务人员构建 AI 原型,一支四人团队据此开发出多智能体金融顾问工具 WealthWise 并获第一名。90% 的受访业务人员希望获得构建 AI 智能体的实操经验,分阶段培养留存的实用技能为两天集训形式的三倍。
Jump Trading 使用 OpenAI 扩展其量化研究能力。其更长时间的 AI 工作流将多个数据源与人工审查相结合,从而支持更复杂的研究流程。
:
推荐理由:文章给出了一套可复用的有状态 Agent 设计方法,包括记忆命名空间隔离、按任务路由模型和 prompt 缓存排序,可直接迁移到自己的助手项目。
作者用 llm 工具让 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 与 mistral/mistral-large-4 四个模型生成同一幅"穿渔网袜在火星上乱穿马路的犰狳"SVG。wren6991 评论称基准已饱和,前沿模型开始接受这类搞怪任务测试。文中还列出了各模型的默认 reasoning level。
Simon Willison 分享了如何让 Parseable 接收来自 Datasette 的 OpenTelemetry 追踪数据。Parseable 是兼容 OpenTelemetry 的新观测平台,开源版为 AGPL 协议的 Rust 实现(单个约 180MB 二进制文件),另有企业版与云端托管选项。
AWS 发布指南,详解如何用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾。智能体基于 Strands Agents 与 MCP 对接后端,实现语音查航班、改座位与转接人工。系统各层可独立扩展,并提供含合成数据的示例航空后端。
通过 Amazon SageMaker Unified Studio 管理 SageMaker HyperPod 时,可在组织、项目、集群、工作负载四个层级保留治理控制。
AWS 阐述如何依据 ISO/IEC 42005:2025 开展 AI 系统影响评估,并将其纳入企业整体风险管理流程。
AWS 官方博客介绍如何在 AWS GovCloud (US) 中通过 Amazon Bedrock 运行 Claude Code,让受 ITAR 等合规要求约束的工作负载也能进行 AI 辅助开发。
Quick Resource Migrator 是基于 Amazon Bedrock AgentCore 的 MCP 服务器,可单次调用把 Amazon Quick 的代理、连接器、知识库、流程与空间从开发账户提升到生产账户。迁移为幂等 upsert,变更前写入 Amazon S3 备份并支持只读预览,权限经 API 读取后在目标账户重放。源代码在 aws-samples 仓库提供。
AWS 官方博客逐步演示了在 Amazon Bedrock Managed Knowledge Base 上用 LangChain 构建 RAG 应用,对比标准检索与智能体检索两条路径。
AWS 官方博客演示如何用 Amazon Bedrock AgentCore Evaluations 构建并评估一个多智能体供应链决策系统,示例企业 AnyCompany Retail 采用一个编排智能体加优化、配送、路由、分析四个子智能体。
OpenAI 发布 GPT-6 系列模型实践指南,说明创业公司如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具,并为生产环境准备工作流。
推荐理由:指南覆盖模型选型、推理强度调节与生产工作流准备,可直接用于 GPT-6 多版本之间的选型与调参决策。
AWS 提出 Adjudicated Query 模式:业务用户在 Amazon Quick 聊天界面用自然语言提问,模型只负责翻译问题和复述结果,通过/失败判定全部由确定性规则引擎完成。
推荐理由:原文给出了一种可迁移的架构方法,把自然语言入口交给大模型、把通过/失败判定保留在确定性规则引擎中,适合需要可证明完整性与可辩护性的合规场景。
AI 正在改变开发者工作,GitHub 提出三项需要强化的技能:指挥 AI 智能体、不盲信 AI 的首个答案、用 AI 解决更大的问题。例如让第二个 AI 模型审查第一个模型的输出:GitHub Copilot 内置的 Rubber Duck 智能体即用第二模型在推进前评审方案、代码与测试。当 AI 承担更多实现,清晰定义问题、评估权衡与做出技术决策等人类判断力反而更关键。
Airbnb CTO Ahmad Al-Dahle 接受 Latent Space 采访,介绍公司向 AI-native 转型的由内而外策略:先用 AI 提速内部产品开发,再把同样能力用于客户体验。
GitHub Copilot app 的 canvases 是用户与 agent 双向共享的可定制界面,可做成看板、问题分流板或清单等形态。在 agent 会话中输入 /create-canvas 并用自然语言描述工作流,agent 即会生成界面并在右侧面板打开,无需手写代码。创建后可持续调整,也能作为扩展保存给团队共享,或从 Awesome Copilot 安装现成模板再定制。
GitHub Copilot 的 canvas 是运行在 Copilot 应用内的全栈小应用,可与智能体双向通信;作者认为聊天并非 AI 的最佳交互界面,多数场景下自定义 UI 更合适。文中演示了与 GPT-5.6 Sol 对战 Connect 4、Winget 包管理、SQLite 数据库操作等 canvas 示例,并建议让智能体构建可复用工具而非把智能体本身当工具,以避免浪费 token。
推荐理由:作者给出可迁移的方法,与其把聊天当万能界面,不如让智能体先构建专用工具,后续交互不再消耗 token。
GitHub Security Lab 开源了 Fuzzing Taskflow,一条面向 C/C++ 项目的全自动模糊测试流水线,只需指向 GitHub 仓库即可自动完成入口识别、harness 编写、运行 AFL++、覆盖率分析、崩溃分类和漏洞报告。
推荐理由:原文给出了把模糊测试循环交给 LLM 智能体的完整设计,其决策与执行分离的思路可迁移到其他安全自动化流水线。
GitHub Copilot app 重构了 pull request 视图,使超大 diff 与海量评论下浏览依然流畅;团队用一个 2,200 文件、超过 100 万行改动、400 余条内联评论的开源 pull request 做极限验证。核心方案是把文档高度拆成确定性的代码行高与按需测量的动态块两套几何,动态块以文件、行和侧边锚定并记录内容指纹,重排时也不会丢失定位。
支撑 Copilot CLI、应用和 SDK 的 Copilot agent runtime 已从 TypeScript 完全重写为 832,378 行生产级 Rust,大部分代码由 Copilot 智能体经 128 个 PR 以逐组件原子替换的方式完成,运行时性能提升数个数量级。
推荐理由:原文完整记录了用智能体完成大规模语言迁移的方法与数据,原地原子替换和提示缓存策略可直接迁移到同类重构项目。
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 油藏模拟器代码迁移到 C++,该代码库没有测试套件和集中文档。团队先给 Fortran 代码加状态导出并用 C++ 测试框架做数值一致性验证,再用 Vibe CLI 生成上百个智能体沿调用树整理散落在 PDF 和注释中的文档。