Moonshot AI 的 Kimi K3.1 Pro Highspeed 上线 Amazon Bedrock
Moonshot AI 的 Kimi K3.1 Pro Highspeed 已在 Amazon Bedrock 上线，它是 Kimi K3 的后训练版本，沿用 3T 级开放权重架构和 100 万 token 上下文窗口，Moonshot AI 称其输出速度是 Kimi K3.1 Pro 的 2–3 倍。
#部署/工程
AWS Machine Learning BlogAI 评分5858 AWS Machine Learning BlogAI 评分4242 用 LangGraph 和 Amazon Bedrock AgentCore Web Search 构建每日依赖监控
Amazon Bedrock AgentCore 的 Web Search API 现已可用，通过单次 API 调用返回带标题、URL、发布日期和摘录的实时网页结果，查询由 AWS 自有索引处理、不经过第三方搜索引擎。文章演示用 LangGraph 构建每日依赖监控：三个生态分支并行研究，日期窗口、来源黑名单和搜索预算由代码固定，测试中并行耗时 36 秒、串行需 99 秒。
AWS Machine Learning BlogAI 评分4040 Amazon Bedrock AgentCore Evaluations 智能体评估指南：内置、DeepEval 与 AutoEval 评估器
Amazon Bedrock AgentCore Evaluations 提供内置、DeepEval 和 AutoEval 三类评估器，用于在生产环境中衡量智能体行为。
NVIDIA Blog精选AI 评分6060 NVIDIA 将 OpenShell 捐赠给 CNCF，并发布 DSX AI Factory 平台新组件
NVIDIA 在 KubeCon + CloudNativeCon 上宣布把用于保障和治理自主智能体的开源运行时 OpenShell 捐赠给 CNCF，作为 Sandbox 项目由社区治理。
推荐理由：原文给出 OpenShell 捐赠、Agent Substrate 协作与三项 DSX 新组件，读者可据此判断 Kubernetes 上智能体治理与推理扩容的路径。
AWS Machine Learning BlogAI 评分4040 AWS Quick 中技能与智能体如何协同工作
AWS Quick 通过智能体与技能配合完成可重复任务：智能体遵循指令、按需加载技能、经连接器执行操作，并以 space、知识库、数据集和仪表盘作为数据依据。内置 Quick 智能体无固定范围，自定义智能体可限定空间、连接器和技能并共享给团队。技能是可复用的指令集，系统技能支持生成 Word、PPT、Excel、PDF 文档及网页浏览、代码运行、深度研究等。
AWS Machine Learning BlogAI 评分4242 Amazon Bedrock Managed Knowledge Base 支持单次与智能体检索
Amazon Bedrock Managed Knowledge Base 通过 AgenticRetrieveStream 新增单次 RAG 与纯检索两种模式，maxAgentIteration 取值范围扩展至 0–5。
NVIDIA BlogAI 评分4040 NVIDIA 如何助力韩国各行业推进物理 AI
NVIDIA 正帮助韩国推进物理 AI 生态，覆盖半导体制造、机器人与自动驾驶。三星用 cuISS、cuDSS、cuEST 等加速计算与 AI 物理研究，其中一项 AI 均质化案例实现约 1,600 倍加速，仿真时间从 32 核 CPU 约 18 小时降至 GPU 加速粗网格求解 41 秒。
Google DeepMind精选AI 评分7171 Google DeepMind 为 Antigravity 推出化学信息学技能
Google DeepMind 为 Google Antigravity 推出化学信息学技能，基于 RDKit 并接入 ChEMBL 与 PubChem，由语言模型负责流程编排、确定性化学工具执行分子计算。
推荐理由：官方展示了 Google Antigravity 新增化学信息学技能后的完整药物发现流程，读者可据此判断智能体在科研工作流中的实际分工与边界。
GitHub Blog · AI & MLAI 评分5858 GitHub 推出基于 ModernBERT 的密钥检测分类器，扩展 push protection
GitHub 推出与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器，用代码上下文识别无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，并称有望让可拦截的密钥数量翻倍以上。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架新增 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库被改写为 Apple Silicon 内核。
推荐理由：原文给出了从 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可看跨平台内核经验迁移的具体做法。