用 Grok 4.7 在 Amazon Bedrock 上构建长程智能体
AWS 机器学习博客演示在 Amazon Bedrock 上用 Grok 4.7 构建工具调用智能体,并在三个需搜索而非查询的任务上逐档评测推理强度。72 次运行答对 67 次,xhigh 全部答对,low 以约八分之一的输出 token 答对 15/18 次。文章还给出按请求选档、用输出 token 与工具调用数做生产监控的可迁移方法。
AWS 机器学习博客演示在 Amazon Bedrock 上用 Grok 4.7 构建工具调用智能体,并在三个需搜索而非查询的任务上逐档评测推理强度。72 次运行答对 67 次,xhigh 全部答对,low 以约八分之一的输出 token 答对 15/18 次。文章还给出按请求选档、用输出 token 与工具调用数做生产监控的可迁移方法。
Google DeepMind 发布最新前沿模型 Gemini 4 Argon,面向开发者、企业和消费者全球开放。该模型在 Vals Index 排名第一,API 输入价格为每百万 token $2、输出为每百万 token $10,支持 1M token 的统一输入输出上限。
推荐理由:原文给出了新模型在编码、科研和具身智能等领域的实测数据与安全机制,读者可据此评估其在复杂任务中的实际能力边界。
Google DeepMind 发布 Gemini 4 Argon,一款覆盖整个机器人生命周期的通用物理推理模型,在 ERQA 基准上以纯推理取得 87%,超过其他所有前沿模型。
NVIDIA 团队基于 Nemotron 3 通过 SFT、RL 与反馈式推理构建专家系统,在 IOI 2026 取得 535.4/600(超过 361.12 的金牌线),在 IMO 2026 取得 30/42(超过 29 的金牌线)。
推荐理由:原文完整给出从基座模型、数据筛选、SFT/RL 到推理循环的四步专精化方法,读者可将其迁移到自己的领域模型训练。
OpenAI 公布了内部前沿模型在数学开放问题上的新研究结果,并在 GitHub 上分享了 Lean 证明形式化与研究细节。
推荐理由:OpenAI 公布内部前沿模型在数学开放问题上的新结果,并同步开放 Lean 证明形式化与研究细节,可作为判断其数学推理能力边界的依据。
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。
GPT-6 Astra Ultrafast 现已通过 OpenAI API 提供,运行在 NVIDIA Blackwell GPU 上,并向符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由:原文给出了 Astra Ultrafast 相对 Standard 模式最高 8 倍的 token 生成速度对比,读者可据此判断其对编码智能体工作流的影响。
Google DeepMind 发布前沿模型 Gemini 4 Argon,面向真实软件工程、法律金融等企业知识工作与网络安全防御,可在长程复杂工作流中维持深度推理。
推荐理由:原文给出输出上限从 64K 提升到 1M token 的关键变化,并附上 Google 内部代码迁移与内存优化的量化结果,可据此判断长程任务工作流的改动幅度。
CoreWeave 在旧金山举行的 CoreWeave Fully Connected 大会上宣布 NVIDIA Vera Rubin NVL72 系统在 CoreWeave Cloud 上可用,并推出统一的训练与评估环境 CoreWeave Forge。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架,用离线 RL 将数据库感知的查询分解编译为监督信号,推理时无需思考 token 即可单次生成属性对齐的查询扇出。
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型,前者主打规模与成本效率,后者面向高复杂度任务的多步推理。
推荐理由:原文给出两款模型在语音对话质量榜和多项 agent 基准上的具体得分,并说明开发者与企业的分阶段获取入口,可据此评估落地成本。
Microsoft Research 提出 MindTopo 基准,围绕连通性、分离、顺序、包围和打结五类拓扑性质,评估多模态模型在静态场景识别与交互式规划两层的表现。测试显示模型静态推理 consistently 强于交互规划,且均远低于人类水平,错误多发生在规划阶段,如丢失结构关系或提出违反物理约束的动作。图像与视频生成工具仅在单帧可见关系时偶有帮助,跨多步动作时并不可靠。
Berkeley AI Research 的分析指出,自适应并行推理正成为高效推理扩展的下一个范式——由模型自行决定何时分解子任务、生成多少并发线程并加以协调。
GRASP 是一种面向学习式世界模型的新型基于梯度的规划器,让长时程规划真正可行。它将轨迹提升至虚拟状态以实现跨时间并行优化,向状态迭代直接注入随机性促进探索,并重塑梯度使动作获得干净信号,同时避开穿越高维视觉模型的脆弱“状态-输入”梯度。长时程规划此前因深度计算图病态、梯度爆炸或消失以及非贪心优化陷阱而普遍脆弱。