Tamnoon 如何用 Amazon Bedrock 构建 AI 驱动的云安全修复平台 Tami
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami,可自主调查 CNAPP 等来源的安全发现并评估修复安全性,再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%,且未引发任何生产问题。Tami 由调查、安全评分、修复和代码生成四个专用智能体组成,通过单一 API 按任务调用不同基础模型。
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami,可自主调查 CNAPP 等来源的安全发现并评估修复安全性,再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%,且未引发任何生产问题。Tami 由调查、安全评分、修复和代码生成四个专用智能体组成,通过单一 API 按任务调用不同基础模型。
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可将季度报告、合规文档等自动生成 PowerPoint 演示文稿,内部测试中耗时不到 90 秒。
Amazon SageMaker JumpStart 提供预训练模型目录,可通过 SageMaker Python SDK 部署模型、运行可重复的轻量性能测试并在测试完成后删除端点。
欧洲多国城市正联合 ABA Technology、Akila、K2K、ThinkDeep 等软件伙伴,基于 NVIDIA Cosmos、Nemotron 开放模型及 Metropolis VSS 蓝图构建物理 AI 智能体与数字孪生,用于交通、能源、公共安全等城市运营。
NVIDIA 宣布计划投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子计算初创公司,并作为 Global Alliance Founding Partner 与 Earthshot Prize 合作。
Anchor Browser 与 Amazon Bedrock AgentCore payments 集成,让 AI 智能体在遇到 HTTP 402 Payment Required 时自动完成 x402 协议支付并重试请求,该方案已在 AWS Marketplace 上线。
推荐理由:原文给出 x402 支付与 AgentCore payments 的集成方式,读者可据此判断智能体自动付费的落地路径。
GitHub 为密钥扫描训练了基于 ModernBERT 的上下文感知分类器,替代此前的 LLM 流水线,使推送后扫描中位执行时间降低 86%、服务成本降低超 98%,用户对告警的接受度提升 11.5%。该方案采用两阶段流水线:先用正则表达式高召回生成候选,再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭证,从而过滤占位符、测试样例等硬负例。
Amazon Bedrock 的 managed entitlements 支持从中心账户一次性订阅第三方模型,再把访问权限分发到组织内各账户,无需每个账户单独接受 AWS Marketplace 私有定价优惠(MPPO)。
AWS 博客介绍 SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线,并演示如何构建工具调用智能体。作者在三个需要搜索而非查表的一次性答案任务上跑了 72 次智能体运行,共答对 67 次;xhigh 档 18 次全对,low 档答对 15 次但输出 token 约为 xhigh 的八分之一。
推荐理由:作者在 Amazon Bedrock 上实测 Grok 4.7 四档推理强度,给出可迁移的智能体评测与监控方法。
ShipStation Global 工程团队基于 Amazon Bedrock AgentCore 打造了 Slack 内的 AI IT 服务台 Deckhand,可回答常规 IT 与公司问题、识别报错截图并创建和更新 Jira Service Management 工单。
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了自然语言查询智能体 Discovery AI,可将自然语言问题转换为 Sonar 查询。
AWS 在 Amazon SageMaker AI 上针对融合 MoE 模型实现多项内核优化:通过 Swap-AB 转置矩阵乘法以匹配 NVIDIA Hopper 的 WGMMA 指令布局,在 H200 上为大规模 MoE 模型带来 2–4% 端到端输出吞吐提升,该优化已合入 vLLM 0.24.0 及更高版本。
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市,最高 128GB 统一内存、1 petaflop AI 算力,首发覆盖数百款游戏与 130 多个加速应用。
推荐理由:原文列出 RTX Spark 首发时本地智能体、模型与开发工具的适配清单,可据此判断本地 AI 工作流的可用边界。
NVIDIA 宣布计划投资 Doctolib、Entalpic、Genesis AI 和 Pigment 四家法国初创公司,分别覆盖医疗智能体、原子级材料工程、通用机器人和企业规划平台。
Amazon Bedrock 现可通过全球跨区域推理,从新加坡、雅加达、马来西亚、泰国和台北五个 AWS 区域调用 OpenAI GPT-6 Sol、GPT-6 Luna 和 GPT-6 Astra。
AWS 发布面向多节点部署的 Ray LLM Deep Learning Containers,可在 Amazon EKS 上把单个大语言模型拆分到两个 GPU 节点,以 prefill/decode 分离方式共用一个 OpenAI 兼容端点。
AWS 发布 llama.cpp 专用深度学习容器(DLC),可在 Amazon SageMaker AI 上以 CPU 或 GPU 托管量化模型,并通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions。
NVIDIA 在 OCP Global Summit 上通过 MGX 开放架构贡献 Vera Rubin 机架与计算托盘设计,为系统厂商提供下一代 AI 工厂基础设施的共同基础。
推荐理由:NVIDIA 在 OCP 峰会上开放 Vera Rubin 机架与计算托盘设计,读者可了解 AI 工厂基础设施的开放标准走向。
Asana 借助 Codex 中的 GPT-6 Astra,在测试中让浏览器智能体的模型成本降低 76 倍、速度提升 5 倍,从而为客户提供能力更强的模型。
Postman 披露其 Agent Mode 在 Amazon Bedrock 上支撑 4000 万开发者的生产架构,核心经验是把上下文而非模型能力视为主要瓶颈。
Amazon Bedrock 上线 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型,其中 GPT-6 Astra 支持最多 100 万输入 token,Ultrafast 档可达 6 倍推理速度、每秒 300 token。
Ai2 用 GPU 时间预算、分层公平分配和时间切片合约替换了原有优先级调度器,把"每个研究项目该分多少 GPU 时间"从事后逐案协调变成透明的预算分配流程。Ai2 管理数千块 NVIDIA H100、B200 和 B300 GPU,集群规模 88 至 1024 块,服务约 150 名内部研究者,待处理需求常年是可用算力的 2-3 倍。
LegalOn 将 Codex 每日预估成本削减 65%,同时保持开发速度。其做法是按任务匹配 Astra、Sol 和 Luna,并对预算进行策略性管理。
作者借助 HuggingChat 中的 ML Intern,在两天内做出六个模型,包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机视角 LoRA、Doodle-in LoRA 和 Agate 4-step 蒸馏模型,总计算成本约 103 美元。
推荐理由:作者用 ML Intern 在两天内自建六个模型,公开了完整提示词与成本明细,可迁移到自己的训练流程。
NVIDIA 开发者用 GPT-6 Astra 等前沿 AI 模型配合 Omniverse 库构建仿真应用,通过自然语言指令驱动智能体完成资产生成、物理与渲染连接。
Incarna 借助 Amazon Bedrock AgentCore payments,让智能体通过 x402 按次向 BlockRun 支付模型推理费用,将接入 x402 支付支持的工作量从数月缩短到数天,并已把端到端按次付费推理流程投入生产。
Oracle 在招聘、工程和运营环节用 ChatGPT Work 与 Codex 将专家知识转化为快速、可复用的工作流,把原本需要数天的工作压缩到几分钟完成。
AWS 发布基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构,让多个团队共享同一 GPU 集群。
《Gears of War: E-Day》在 10 月 6 日全球发售后已上线 GeForce NOW,Ultimate 会员可以 GeForce RTX 5080 级性能云端游玩,并支持 NVIDIA DLSS 和 NVIDIA Reflex。
Amazon Quick 与 Amazon Bedrock Knowledge Bases 在原有预检索 ACL 过滤之上新增实时 ACL 校验,在查询时直接向权威数据源核实权限,避免依赖可能过期或映射错误的 ACL 数据。
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用。
推荐理由:AWS 官方给出 Haiku 5.5 的定位、成本变化与接入方式,读者可据此判断它在多智能体分层中的位置。
NVIDIA 与 Microsoft 在旧金山 Windows AI and Surface 活动上宣布为 Windows PC 的 AI 智能体共同设计软硬件,Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers(MXC)正式可用,让智能体在系统控制下安全持久地在后台运行。
推荐理由:NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力硬件一并给出,读者可据此判断 Windows 端侧智能体的落地条件。
GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器,用代码上下文识别无固定格式的密钥,候选批次评估耗时低于 2 毫秒,可将可拦截的密钥数量提升一倍以上。
推荐理由:GitHub 公开了九季度密钥泄露数据,并给出用分类器把防护前移到 push 环节的具体做法与开放节奏。
微软研究院亚洲团队开源 Agent Lightning v1.0,提出 Harnessed Agentic RL 训练范式,让部署时使用的 agent harness 直接参与强化学习,无需在训练框架内重新实现 agent。
推荐理由:微软研究院开源 Agent Lightning v1.0,用约 3500 行代码把真实 harness 直接接入 RL 训练,并给出 6000 样本提升 14.6 个百分点的完整流程。
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟降至 10 分钟,缩短 78%。该系统还把手动生命周期步骤从 10 步以上压缩为 1 次交互,冗余告警中位数减少 65%,SRE 与数据团队之间的 15 分钟报告延迟降为实时。三人团队用六个月完成交付。
AWS 设计了一个为期六周、每周约四小时的结构化项目,让非工程背景的业务人员用 Amazon Bedrock AgentCore、Strands Agents SDK 和 Amazon Nova 模型动手构建 AI 智能体。
AWS 展示了一套自动化修复工作流,用 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock 承接 AWS DevOps Agent 的调查结果,把根因分析转成预验证的修复方案。
Qlik 基于 Amazon Bedrock 打造 Qlik Answers,为全球超 4 万名客户提供带来源引用的企业级问答。其 Discovery Agent 上线以来已为客户发现超 10 万条异常与离群点,多数启用智能体工具的 Qlik Cloud 账户已在日常使用。
AWS 提出 Agentic Value Model,用于为 agentic automation 构建商业案例,弥补传统 RPA 时代 ROI 模型只算"节省工时×人力成本−建设成本"的缺陷。
AWS 官方博客介绍如何在 Amazon Bedrock AgentCore runtime 上运行开源智能体系统 OpenClaw,构建能跨会话积累上下文的个人助手。
推荐理由:原文给出在 AgentCore 上搭建带长期记忆助手的完整架构与可复用设计准则,含记忆分层与提示词缓存的具体做法。