AWS 在十月集中推出 Amazon Bedrock、Bedrock AgentCore 及开源工具包 Strands 的多项功能更新。Bedrock 新增 Claude Haiku 5.5、GPT-6.1 Terra、Nova 2.5 Sonic 等模型，并支持结构化输出与领域过滤搜索。
推荐理由：AWS 集中发布 Bedrock、AgentCore 和 Strands 的多项更新，涵盖新模型接入、智能体容错机制及成本优化方案，为构建生产级 AI 应用提供具体工具链。
AWS 博客文章演示了如何使用 Agent-to-Agent (A2A) 协议在 AWS 上构建跨组织边界的多智能体系统。该参考架构通过 LangChain 企业编排器与 Strands Agents SaaS 智能体协作，利用 OAuth 2.0 和 Amazon Cognito 实现双向身份验证，无需共享内部工具或 SDK。
推荐理由：文章提供了基于 A2A 协议在 AWS 上构建跨组织多智能体系统的参考架构与代码实现，展示了不同框架间的互操作性。
AWS 官方博客详解影响 Amazon Bedrock 推理成本的四个请求级参数：提示词缓存时长（TTL）、服务层级（Service Tier）、自适应推理强度（Reasoning Effort）和最大输出 Token 数（maxTokens）。
Google DeepMind 正式发布 Gemini 4 Hydrogen 模型，旨在为日常编码和智能体工作流提供高速且高效的执行能力。
推荐理由：该模型提供四种推理层级以平衡速度与智能，并在终端基准测试中展现显著效率提升，适合日常开发与智能体工作流。
Google Research 介绍基于可穿戴数据的可教练健康年龄（CHA）模型与传感器世界模型（SensorWM），用于心血管-肾脏-代谢（CKM）风险画像。该框架利用超过 220 万周的可穿戴数据训练 SensorWM，模拟未来 12 周的“反事实”健康轨迹，并结合语言模型智能体生成经临床验证的个性化指导计划。研究证实 CHA 能显著改善疾病风险预测，并优于仅依赖日历年龄的传统生物钟。
Google DeepMind 发布下一代 DNA 序列模型 AlphaGenome 2，旨在预测 DNA 序列及其变异对特定人类细胞类型的影响。该模型采用条件架构，结合超过 1.07 亿个单细胞配置文件进行训练，能够识别近两倍于前代模型的致病性变异，并支持对未见过的细胞状态进行泛化预测。目前 AlphaGenome 2 已通过 API 向非商业研究开放，并提供商业研究的私有预览。
推荐理由：该模型通过条件架构提升了对特定细胞类型中基因变异影响的预测精度，为解析疾病机制提供了更精细的工具。
Google DeepMind 正式向开发者、企业及消费者开放 Gemini 4 Carbon 模型，这是目前最强的前沿模型，专注于复杂知识工作、智能体编码和科学推理。
推荐理由：该模型在复杂代码调试、科学推理及网络安全基准测试中展现前沿性能，同时保持较低成本，并强化了防注入等安全机制。
Google DeepMind 研究人员发布了名为 AlphaProof Code 的新型智能体框架，用于对 Signal 加密协议的底层代码进行深度形式化验证。
推荐理由：该研究展示了 AI 智能体如何结合人类专家完成 Signal 协议代码的形式化验证，大幅缩短验证周期并开源相关成果。
Google DeepMind 发布 Gemini Robotics 2.5，这是其迄今能力最强的视觉语言动作（VLA）模型，旨在提升机器人在非结构化现实环境中的灵巧度、可靠性与安全性。
推荐理由：该模型在200项任务中提升成功率与速度，并在汽车产线实现96%成功率，同时引入ASIMOV-Jailbreak基准强化机器人安全。
Google DeepMind 正式推出 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 中全面开放。
推荐理由：该版本将原生视频生成时长提升至15秒并降价30%，支持多轮对话编辑与更严格的参考一致性，适合需要低成本批量生产高质量视频的场景。
Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统，利用智能手表 PPG 和 ACC 传感器数据，无需传统袖带校准即可被动检测高血压迹象。
Google Research 提出 Agile Deliberation 框架，旨在解决主观视觉分类中概念边界模糊的问题。该框架将概念定义过程分为范围界定和迭代两个阶段，利用视觉语言模型主动挖掘语义边缘案例，引导用户澄清意图并自动优化提示词。
推荐理由：该框架将主观概念定义转化为迭代对话，通过实时反馈降低用户疲劳并提升分类器性能，相关代码已开源。
Google DeepMind 在 Google Antigravity 中推出新的 Cheminformatics Skills，旨在加速药物发现工作流。该功能允许 AI 智能体在约一小时内完成数千种化合物的搜索、匹配分子对分析以及新大环分子的合成路线设计，而传统流程通常需要数天。
推荐理由：文章展示了 Google Antigravity 新增的 Cheminformatics Skills 如何将药物发现流程从数天缩短至一小时，并提供了具体的技术实现细节与试用入口。
Google DeepMind 与英国政府合作开发的 AI 规划工具 PlanAssist，在试点中将官员评估住宅申请的时间缩短高达 58%。该工具基于 Gemini 构建，能自动验证文档、检查规划政策并起草报告，超过 70% 的报告无需编辑即可获批。目前 PlanAssist 进入 Beta 阶段，将扩展至英格兰另外 12 个地方规划当局，最终决定权仍由人类官员保留。
Google Research 提出 Sleep 框架，旨在解决大语言模型在持续学习中的灾难性遗忘问题。该框架模拟人类睡眠机制，将模型运行分为活跃期（Active）和睡眠期（Sleep）。
Google Research 在 IDWeek 2026 上分享了将 AI 基础模型应用于全球结核病（TB）筛查的实践与进展。团队介绍了从早期深度学习算法验证到获得 CE MDR Class IIb 认证的过程，并与 Nexus AI 合作在六个国家部署了离线 AI 工具，显著缩短了诊断时间。
推荐理由：文章展示了从算法到临床认证的完整路径，并开源了 MedGemma 等基础模型，为公共卫生系统提供了可本地部署的 TB 筛查解决方案。
Google Research 在 JAMA Network Open 发表论文，评估 AI 模型通过“盲扫”超声技术评估孕周的泛化能力。研究显示，该模型在芝加哥和奈罗毕的不同临床环境中，由新手操作员使用手持设备进行的测试中，平均绝对误差分别为 4.10 天和 4.27 天，达到了与专家操作相当的非劣效性标准。
推荐理由：该研究验证了AI模型在芝加哥和奈罗毕不同临床环境及硬件下的泛化能力，证明其估算孕周精度达到专家标准。
Google Research 分享了三项研究项目，旨在弥合 AI 智能体计算探索与真实湿实验室实验之间的差距。首先介绍了 VERID 框架，这是一个基于 PyLabRobot 构建的语义数字孪生系统，通过实时 3D 状态跟踪、快速虚拟试运行和硬件安全检查，确保智能体生成的代码在物理上可行且安全。
推荐理由：文章展示了 VERID 框架及闭环实验案例，揭示了 AI 智能体在湿实验室中实现安全自动化与高效发现的具体技术路径。