AI 周报 · 2026 年第 41 周 · 10.05 — 10.11
MYHOT
本周模型领域竞争激烈，Mistral AI 发布万亿参数多模态模型 Mistral Large 4 预览版，Anthropic 的 Claude Haiku 5.5 登陆 AWS 且推理成本较上代降低约 75%。AI 代理落地加速，NVIDIA 与微软联合推出 RTX Spark 与 DGX Station for Windows，Meta 联合沃尔玛、Stripe 等企业制定智能体通信开放标准以绕过网站反 Bot 限制。
Meta联合多方制定AI智能体通信开放标准，试图打通网站准入难题
Meta正联合Walmart、Stripe、Sierra等企业制定AI智能体通信开放标准，以解决智能体在网购、订票等场景中被网站传统反Bot机制误拦的问题。文章指出Amazon、Delta、United、Yelp、eBay等企业已采取措施限制AI智能体访问，Cloudflare等CDN的调整也可能加剧阻碍。Meta为Muse建立合作伙伴清单以确保网站接入，并表示拒绝个人智能体等于拒绝其背后的客户。
TechCrunch · AI原文 模型发布/更新
Google DeepMind一手10.07Google DeepMind 发布开源端侧多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构，740M 参数，支持文本、代码、图像、视频和音频统一嵌入。8K token 上下文窗口，可在 Google Pixel 11 Pro 等端侧设备上以约567MB内存运行。代码性能较上一代提升9.92分，支持维度截断节省存储，Apache 2.0 许可，权重已上线 Hugging Face。
Mistral Large 4 发布
Mistral AI 发布 Mistral Large 4 预览版，该模型为万亿参数多模态大模型，本月将开源权重。其在网络安全、编码、智能体工作流与多模态理解基准上达到开放模型领先水平，部分视觉定位能力超越闭源前沿模型。模型基于 3800 张 NVIDIA Grace Blackwell GPU 在欧洲本土训练，支持 160 多种语言，已开放 API 试用并作为下一代专用模型的基础。
AWS Machine Learning Blog一手10.08Claude Haiku 5.5 在 AWS 上线，成本较 4.5 降低约 75%
AWS 宣布 Claude Haiku 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上线，Anthropic 称其为 Claude 5.5 家族中速度最快、效率最高的模型，多数任务成本较 Haiku 4.5 降低约 75%，并新增 effort controls 可按任务调节成本与智能的权衡。
产品发布/更新
NVIDIA 联合微软发布 RTX Spark 与 DGX Station for Windows，推动本地 AI Agent 落地
NVIDIA 与微软在旧金山活动上发布 RTX Spark 与 DGX Station for Windows。
AWS Machine Learning Blog一手10.09AI代理按推理付费：BlockRun和Incarna如何使用Amazon Bedrock AgentCore payments
AWS推出Bedrock AgentCore payments，为AI代理提供托管式按次付费能力，解决代理在循环中购买推理、API响应等服务的小额高频支付难题。
论文研究
同一个模型家族在两大赛事中均获金牌：微调 Nemotron 冲击 IOI 与 IMO
NVIDIA 在 Hugging Face 博客分享 Nemotron 模型家族微调成果，Nemotron-3-Ultra-CC 在 IOI 2026 中获得 535.4 分（满分 600），超过金牌线 361.12；Nemotron 3 Ultra 在 IMO 2026 中获得 30/42 分，超过官方金牌线 29。
Agent Lightning v1.0：3500 行代码的轻量 Agentic RL 框架
微软亚洲研究院发布开源框架 Agent Lightning v1.0，以约 3500 行代码实现基于真实部署 harness 的 Agentic RL 训练范式，避免在训练框架内重实现 agent。
技巧与观点
AWS Machine Learning Blog一手10.09Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 在 Amazon Bedrock 上运行面向 4000 万开发者的 Agent Mode，解决工具蔓延、上下文与推理成本问题。架构采用动态工具选择，从 170+ 工具中按需挑选约 15 个；使用基于 schema 的 ClickHouse 查询替代单点读取工具；通过跨 Region 推理配置文件和分层提示词缓存（1 小时与 5 分钟）平衡吞吐与成本。
用 ML-Intern 构建定制化 AI 模型的教程与成本参考
作者使用 Hugging Face 的 ML-Intern 智能体，在几天内以约 103 美元成本构建了六个定制 AI 模型，涵盖视觉微调、LoRA 训练和图像生成模型蒸馏等任务。文章详细给出了提示词结构、预算控制方法和每个项目的具体成本数据。