AI 基礎設施／資料中心
AWS 接收首套 Vera CPU／Vera Rubin 系統，並規劃兩年增設 200 萬顆 NVIDIA GPU
AWS 已取得首套 Vera CPU 伺服器及 Vera Rubin GPU，兩家公司並計畫於 2027至2028年部署額外200萬顆 NVIDIA GPU。合作同時把 NVLink Fusion、NVHBM、Nitro 與 EFA 納入異質機架設計，但多數容量與效能仍屬未來承諾。
Archive
所有新聞
共 949 篇技術新聞
AI 基礎設施／資料中心
AI 軟體／文件處理
Cohere Parse 5 以 2.3B 視覺模型處理企業文件，但基準分數排除了圖表與版面定位
Parse 5 將 PDF、簡報與影像轉成保留表格及閱讀順序的 Markdown，API 定價為每千頁 1.50 美元。官方公布的 ParseBench 79.2 分只涵蓋五個評測維度中的三個，不能當成完整文件理解成績。
Developer platforms / enterprise AI
GitHub 將網頁 Copilot 遷移至 agent sessions，對話保存期由 28 日改為帳戶存續期
GitHub 預定最早於 9 月 28 日統一網頁、行動版與 cloud agent 的體驗及政策，並預設啟用。同期 Copilot code review 的預設分析由 Lite 升至 Balanced，單次估算 AI credits 成本區間也明顯提高。
AI coding tools / security
Claude Code 2.1.251 修補符號連結越界讀寫，並加入模型切換攔截點
Anthropic 在 2.1.248 restricted 模式後，再修補五類檔案、外掛與設定信任邊界問題。新版同時開放模型切換 hook 與 prompt cache 指標，讓企業閘道可攔截切換並追蹤重新快取成本。
AI 推論系統／開發工具
TensorRT Model Connect 將模型 checkpoint 編成原生 C++ bundle，但介面尚未定版
NVIDIA 公開 TensorRT Model Connect，透過 Python 建置工具把支援的 Hugging Face checkpoint 封裝成可由 C++ 載入的 TensorRT bundle。專案已宣告 84 個模型家族與 221 組端到端 manifest，但仍採 nightly 開發模式，支援表不等於每款硬體均已通過驗證。
開放模型／AI 程式設計
GLM-5.3 開放 744B MoE 權重，百萬 token 部署仍需資料中心級資源
Z.ai 在 API 上線兩週後釋出 GLM-5.3 權重，模型沿用 GLM-5.2 基礎架構，能力增益主要來自代理式程式設計與資安後訓練。FP8 檔案仍約 756GB，加上自訂授權與廠商主導評測，實際採用前需另做效能、安全及法律驗證。
開放模型／持續訓練
Thomson-1.0-Small 以 200B token 持續訓練強化專業能力，但權重授權限制生產使用
Thomson Reuters 以 Qwen3.6-35B-A3B 為基礎，公開具 35B 總參數、每次啟用 3B 的 Thomson-1.0-Small。模型在法律、稅務與研究代理評測有所提升，但成績主要由開發團隊量測，PolyForm Strict 授權也不是一般開源授權。
代理安全／校準
偽造的專業儀表板令 LLM 代理更敢下注，12 款模型行動承諾率升至 36.8%
新研究發現，無法預測的問題只要配上權威感十足的數據面板，LLM 代理便更容易作出方向性決策，即使全部數字都是捏造。以 540 筆合成案例微調可暫時修正行動閘門，但強制輸出格式會令效果失效。
代理安全與瀏覽器自動化
Claude in Chrome 全面開放自動操作，以內容與逐動作分類器防堵提示注入
Anthropic 將瀏覽器代理推向所有付費方案，使用者可一次核准計畫，讓 Claude 跨分頁點擊、輸入及執行工作流程。每個自主動作會再經安全分類器審查，但官方測試仍有 0.3% 攻擊成功率，畫面截圖也可能帶入敏感資料。
機器人與具身 AI
Isaac 0.5 統一影片理解與機器人控制，但關鍵未來感知訓練目標仍未開放
Perceptron AI 釋出 360 億參數 Isaac 0.5 權重及 LeRobot 整合，讓同一稀疏骨幹輸出語言、空間座標與連續或離散動作。官方宣稱一般影片可大幅減少遙操作資料需求，但這是離線 action loss 的換算，且核心自監督目標仍屬專有技術。
模型與推論架構
Qwen3.8-Flash-Next 用區塊稀疏注意力與 n-gram 參數擴展，為 Qwen4 預演新架構
阿里巴巴公開 Qwen3.8-Flash-Next 權重，以 Qwen Sparse Attention、Gated Residual 與 510 億個 n-gram embedding 參數降低長上下文運算成本。模型原生支援 26.2 萬 token，但效能數字主要來自官方評測，授權亦不是常見的 Apache 2.0。
LLMOps 與評測工具
MLflow 3.15.2 加入多評分器集成，資料集不可變版本目前僅限 Databricks
新版可用投票、平均值或自訂函式合併多個 LLM 評分器，並保留各子評分的理由與來源。發布說明所稱的不可變評測資料集版本目前只支援 Databricks，開源追蹤後端仍未具備同等能力。