部署工程

Optimum Intel v2.1.0 发布，新增多模型支持

Hugging Face 发布了 Optimum Intel v2.1.0，新增了对多个模型架构的导出和推理支持，包括 Google 的 Gemma 3n 和 Gemma 4 Unified、阿里巴巴的 Qwen3-Omni-MoE 和 Qwen3-VL-Embedding、SmolLM3 以及 Black Forest Labs 的 FLUX.2。该版本通

AWS AgentCore 网关推出 AI 流量速率限制功能

AWS 宣布在 Amazon Bedrock AgentCore 网关上支持速率限制功能，允许用户按用户组（如 Basic、Advanced、Beta）对请求速率、令牌吞吐量和并发连接进行精细控制。该功能支持 MCP、推理和 HTTP 目标，并提供了维度键和条目结构来定义速率限制规则。此举旨在保护下游服务免受流量高峰影响，并支持基于 OAuth 或 IAM

ChatGPT 免费用户获无限文本聊天，新模型 Luna 上线

OpenAI 宣布取消 ChatGPT 所有用户文本聊天限制，并推出新模型 GPT-5.6 Luna 作为免费和 Go 用户的默认模型，取代 GPT-5.5。Plus 和 Pro 用户将获得升级版 GPT-5.6 Sol 模型，并新增思考滑块以调节推理强度。内部评估显示，新模型的事实错误率显著降低。

另有 2 家信源报道

Naïve 融资 2850 万美元，用 AI 代理自动化公司运营

Naïve 是一家提供基础设施让 AI 代理自动完成公司设立和运营的初创公司，已吸引超过 3 万名开发者客户，并在六个月内将年化收入增长 10 倍至数千万美元。该公司完成了由 Nexus Venture Partners 领投的 2850 万美元 A 轮融资，将用于开发模型路由、内存系统、编排器及无服务器运行时等基础设施，以降低代理运行成本。

OpenAI 为免费用户提供无限文本聊天，并升级模型

OpenAI 宣布，从下周开始，ChatGPT 的免费和 Go 层级用户将获得无限文本聊天，但包含文件上传和图片的消息仍有限制。同时，OpenAI 为免费和 Go 用户新增“思考”按钮，并将默认模型升级为 GPT-5.6 Luna。对于 Plus 和 Pro 订阅者，GPT-5.6 Sol 模型将更新，提高事实可靠性，并提供新的滑块控制回答的思考量。

另有 3 家信源报道

Claude Code 速度最快但成本为最便宜对手近三倍

AI 工具公司 Composio 测试了 DeepSeek V4 Flash 在四个代理框架（Claude Code、Codex、OpenCode 和 Oh My Pi）上的表现，使用 Gmail、GitHub、Slack 和 Notion 等真实工具执行 30 项任务。结果显示，没有单一框架在所有类别中胜出：Oh My Pi 成功率最高（17/30）但速度

AWS 为 Bedrock 上的 Codex 提供 OpenTelemetry 与 CloudWatch 可见性方案

AWS 发布了一篇博客，介绍如何通过 OpenTelemetry 和 Amazon CloudWatch 为 Amazon Bedrock 上的 Codex 构建可见性。该方案在开发者本地运行 OTel 收集器，将 Codex 的遥测数据（如 API 请求、令牌使用量）发送到 CloudWatch，并生成仪表盘，帮助组织按用户、团队、部门等维度监控 Code

在 Amazon Bedrock 上通过单区域 Claude Code 实现数据驻留

AWS 机器学习博客发布文章，介绍如何在 Amazon Bedrock 上通过单区域 Claude Code 实现数据驻留。文章对比了两种路径：使用 Anthropic 的 Mantle 端点（支持七个区域）和经典 Bedrock Invoke API 配合应用推理配置文件（仅支持伦敦区域），并提供了 IAM 策略和 CloudTrail 验证方法。该方案帮

PDI Brew：基于 Amazon Bedrock 和 Lambda 的智能应用部署平台

AWS 博客介绍了 PDI Technologies 构建的 PDI Brew 平台，该平台允许非技术员工用自然语言描述需求，在数秒内获得一个多租户 Web 应用，并自动集成 SSO 和 AWS 资源。平台采用双代理架构：规划代理在 AI 助手中捕获意图并生成部署清单，供应代理在 AWS Lambda 中执行部署。所有应用通过受控网关访问 Amazon Be

MiniMax H3 发布 GGUF 量化版本，支持多模态视频生成

Hugging Face 上发布了 MiniMax H3 模型的 GGUF 量化版本（Abiray/MiniMax-H3-GGUF），该模型是 MiniMax 推出的全模态生成系统，支持文本、图像、视频和音频的统一理解与生成，可生成带原生立体声的 2K 分辨率、最长 15 秒的视频。该仓库提供了多种量化精度的 UNet 模型（FL2VA 和 Ref2VA 模

Baseten 加入 Hugging Face 推理提供商，支持多款前沿模型

Hugging Face 宣布 Baseten 成为其推理提供商生态的新成员，用户可在 Hub 模型页面和 SDK 中直接使用 Baseten 托管的模型。Baseten 支持多种模型类型，初期提供对话和文本生成任务，包括 Kimi K3、DeepSeek V4 Flash 等。用户可通过自定义 API 密钥直接调用，或通过 Hugging Face 路由计

GPT-Live 底层拆解：OpenAI 如何将音频帧延迟降至旧系统 p50 水平

OpenAI 发布 GPT-Live 工程文章，详细披露新版 ChatGPT 语音系统的架构改造，包括多路实时传输网络、自定义 WARP 协议、模型实例迁移和双模型协作等。新系统将 p95 音频帧延迟降至旧系统 p50 水平，并将 WebRTC 通道启动从 6 次往返缩短至 1 次。文章指出实时性依赖系统调度而非单纯模型速度，并提示了持续推理成本等未公开数据

llama.cpp b10297 发布：修复 /cors-proxy 空响应问题

llama.cpp 发布 b10297 版本，主要修复了 server 中 /cors-proxy 端点返回空响应的问题。该版本提供了适用于 macOS、Linux、Windows、Android 和 iOS 的多种预编译二进制文件，支持 CPU、Vulkan、CUDA、ROCm、OpenVINO、SYCL 等后端。

Qwen3.8 Max追平Claude Opus 4.8，但Kimi K3更优且成本低25%

阿里巴巴的Qwen3.8 Max在Artificial Analysis Intelligence Index上得分56，追平Claude Opus 4.8，但落后于Kimi K3（57分），且Kimi K3成本低25%。在GDPval-AA基准上，Qwen3.8 Max得分超过Kimi K3，但需要更多步骤和输入token，导致成本更高。此外，该模型在AA

llama.cpp b10295 发布：修复量化张量步长问题

llama.cpp 发布 b10295 版本，主要修复了量化张量重塑后的步长问题（#26672）。该版本提供了适用于 macOS、Linux、Windows、Android 和 openEuler 的多种预编译二进制文件，支持 CPU、Vulkan、CUDA、ROCm、OpenVINO、SYCL 等后端。

Langfuse v4.5.0 发布：新增提示词批量导入导出与 Agent 静默模式

Langfuse 发布 v4.5.0 版本，新增提示词批量导入导出、Agent 工具静默模式、按用户和组织限制并发后台运行等功能，并修复了多项 UI、追踪、OTel 和 Worker 相关问题。该版本还更新了定价模型，支持 GPT-5.4/5.5 大上下文层级，并优化了错误监控和代码结构。

llama.cpp b10293 发布：新增 AMD ROCm CI 支持并修复 RDNA3.5 推理问题

llama.cpp 发布 b10293 版本，主要更新包括为 AMD ROCm CI 添加 gfx1151 支持，并修复了集成 GPU 上的调试断言问题。针对 RDNA3.5 架构的 HIP 后端，通过启用 HIP LAUNCH BLOCKING 解决异步执行导致的推理错误，并暂时跳过 jamba 和 top-k 等不支持的测试。该版本提供了多平台预编译二进

Mastra 发布更新：声明式工作流持久化与实验评估增强

Mastra 发布 2026 年 8 月 5 日更新，核心亮点包括：工作流支持声明式 JSON 图定义与持久化，可通过 HTTP API 和客户端 SDK 管理存储的工作流；新增谓词 DSL 和嵌套工作流步骤，实现可持久化的条件与循环；实验与评估功能增强，支持更细粒度的评分器控制和工具策略；可观测性与流式传输可靠性改进。同时包含破坏性变更，移除平台工作区的密

llama.cpp b10291 发布：修复 Vulkan 提交批处理并新增调试工具

llama.cpp 发布 b10291 版本，主要修复了 Vulkan 后端中提交批处理大小的问题，并新增了用于诊断 DeviceLost 驱动错误的调试工具。该版本提供了适用于 macOS、Linux、Windows、Android 和 iOS 的多种预编译二进制文件，涵盖 CPU、Vulkan、CUDA、ROCm、OpenVINO 等后端。

金刚GC3芯片发布：RISC-V数据流架构重新定义视频AI算力

在CCF Chip 2026大会上，中科通量发布了全球首款RISC-V数据流架构视频智能AIGC芯片金刚GC3，该芯片采用12核设计，支持128路1080P硬解码，INT8算力达200 TOPS。金刚GC3通过数据流架构优化视频处理效率，旨在解决通用芯片在视频AI场景下的能耗和延迟问题，标志着国产RISC-V高端算力在视频专用领域的商业化提速。