在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
AWS 发布教程，介绍如何在 Amazon Bedrock 上基于 SpaceXAI 的 Grok 4.7 构建工具调用智能体，并评测其 reasoning effort 分档表现。
推荐理由：AWS 官方给出 Grok 4.7 在 Bedrock 上搭建工具调用智能体的完整评测方法，含 72 次运行的分档对比与生产监控思路。
技术方向
部署工程 最新动态
把模型跑起来的工程实践：推理优化、显存与成本、Serving 架构与基础设施选型。
8 条精选近 30 天 7 条共收录 36 条
更新
部署工程的精选
AWS Machine Learning Blog精选AI 评分6060
AWS Machine Learning Blog精选AI 评分6060 Anchor Browser 集成 AgentCore payments，让 AI 智能体自动完成 x402 付费
Anchor Browser 与 Amazon Bedrock AgentCore payments 集成，让 AI 智能体在浏览器会话内自动处理 x402 协议的 HTTP 402 付费请求，该方案已在 AWS Marketplace 上线。
推荐理由：原文给出 Anchor Browser 与 AgentCore payments 的集成方式，读者可据此判断智能体自动支付付费网页与 API 的落地路径。
NVIDIA Blog精选AI 评分8080 NVIDIA RTX Spark 笔记本上市，生态伙伴同步更新本地 AI 软件
NVIDIA 与微软此前宣布 RTX Spark 笔记本将于 10 月 16 日（周五）上市，配备最高 128GB 统一内存和 1 petaflop AI 算力，生态伙伴在上市前推出面向本地 AI 的软件更新。
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 Blog精选AI 评分6262 NVIDIA 在 OCP 全球峰会开放 Vera Rubin 架构并发布多项 AI 工厂合作
NVIDIA 在 OCP 全球峰会上通过开放的 NVIDIA MGX 架构，向 OCP 贡献了 Vera Rubin 机架和计算托盘设计，为系统构建商提供开发下一代 AI 工厂基础设施的共同基础。
推荐理由：NVIDIA 在 OCP 峰会上把 Vera Rubin 机架与计算托盘设计开放给 MGX 架构，读者可据此了解 AI 工厂基础设施的开放标准进展。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 推出基于 ModernBERT 的密钥检测模型，将 push 防护扩展到非结构化密钥
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器，用代码上下文识别数据库密码、Kubernetes Secret、Dockerfile 等非结构化密钥，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 用九个季度数据说明密钥泄露与代码量同步增长，并给出用分类器把防护前移到 push 环节的思路。
Microsoft Research精选AI 评分7171 微软开源 Agent Lightning v1.0：3500 行轻量级 Agentic RL 框架，支持真实 harness 训练
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量级 Agentic RL 框架，提出 Harnessed Agentic RL 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：微软开源 3500 行 Agent RL 框架，给出真实 harness 训练与 Kubernetes 部署路径，可迁移到自有智能体训练流程。
Microsoft Research精选AI 评分6262 微软研究院：把物理 AI 推理卸载到边缘或云端可提升机器人表现与续航
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大的模型并延长电池续航。
推荐理由：微软研究院系统测量了机器人端侧推理的瓶颈，并给出可复用的卸载工具链，读者可据此判断物理 AI 的部署取舍。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核作为知识库，在 Apple Silicon 上生成高质量内核。
推荐理由：K-Search 把 CUDA 内核优化经验迁移到 Apple Silicon，给出注意力与 Mamba 两类内核的实测数据，可看跨平台迁移方法。