07:23Browser Use@browser_useBrowser Harness 云版(beta)正式上线,基于 Browsercode、AWS AgentCore 和自定义控制平面构建。用户可在 UI 中直接试用,或评论 API V4 获取早期 API 访问权限。团队邀请用户尝试并报告问题,以便修复。AI产品browser_useBrowser HarnessAWSAgentCore云服务推荐理由:browser_use 发布了云端版 Browser Harness,基于 AWS 架构,现在就能试,快去搞崩它提反馈。原文
02:30Dify@dify_aiDify 在 AWS 香港峰会 2026 上展示了其平台构建生产级代理式 AI 应用的能力。LangGenius K.K. 团队在现场演示了工作流和 AI Agent 的实时构建。Dify 作为银牌赞助商,与参会者交流实际 AI 用例。活动于香港会议展览中心举行。行业DifyAWSAI智能体工作流行业活动推荐理由:Dify 在AWS峰会上现场演示了怎么做代理式AI应用,想玩AI工作流的可以去看看他们展台的演示。原文
09:38LangChain@LangChainAILangSmith 现已在 AWS Marketplace 上线,提供完全托管的 SaaS 部署选项,用户可以在 AWS 基础设施上运行,使用 Amazon EKS/EC2、RDS、ElastiCache 和 S3 等服务。该服务深度集成 Amazon Bedrock、Sagemaker、Bedrock AgentCore、Neptune、DynamoDB 等 AWS 工具,方便开发者构建智能体。拥有 AWS 承诺消费的客户可以将其用于采购 LangSmith。该产品旨在简化 LLM 应用的开发、测试和监控流程。AI产品LangSmithAWSAWS MarketplaceLLMOps推荐理由:LangSmith 现在可以直接在 AWS 上托管了,省去自己搭建的麻烦,还能用你已有的 AWS 额度。原文
12:55Amazon Science@AmazonScience精选亚马逊AWS宣布其Nitro隔离引擎(Nitro Isolation Engine)已在Graviton5实例上正式商用,成为首个部署在商业云中的形式化验证的虚拟机监控器。该引擎通过33万行机器检查的数学证明来确保安全隔离,消除了传统软件漏洞的风险。这一突破意味着云租户可以依赖数学保证而非仅靠测试来获得隔离安全性,对高安全需求的行业(如金融、医疗)尤为重要。AI产品形式化验证AWSGraviton5云安全虚拟机监控器推荐理由:形式化验证从学术走向商业云,做云安全或高合规性系统的团队值得关注——数学证明比测试更可靠,AWS已经把它落地了。原文
12:54Amazon Science@AmazonScience精选AWS 宣布其自研芯片 Graviton5 正式可用。该芯片采用四芯片架构,拥有 192 个核心,支持 DDR5-8800 内存和 PCIe Gen6。相比上一代 Graviton4,在通用计算和智能体 AI 工作负载上性能提升 25%。这标志着 AWS 在自研芯片领域的又一重要进展,为云端 AI 和通用计算提供了更强的基础设施选择。AI产品AWSGraviton5芯片云端计算AI 基础设施推荐理由:AWS 自研芯片的迭代直接关系到云端计算成本与性能,做 AI 推理或大规模部署的团队值得关注 Graviton5 的性价比提升。原文
16:23Dify@dify_aiDify(LangGenius K.K.)宣布将以银牌赞助商身份参加 2026 年 AWS 香港峰会,展示企业级 AI 智能体和工作流的构建方案。活动将于 2026 年 6 月 17 日在香港会议展览中心举行,Dify 团队将在 S5 展位与参会者交流。Dify 是一个开源 AI 应用开发平台,帮助企业从原型到部署快速构建生产级 AI 应用。无论是已在使用 Dify 的开发者,还是刚接触智能体 AI 的用户,都可以到展位了解最新进展。行业DifyAWSAI 智能体企业级 AI开源平台推荐理由:Dify 作为开源 AI 应用平台,这次在 AWS 峰会亮相意味着企业级 AI 落地又多了可靠选择,做 AI 应用开发的团队值得去展位聊聊。原文
00:58PolymarketMoney@PolymarketMoney亚马逊宣布其最强大的 AWS CPU 芯片 Graviton5 现已对所有客户开放。该芯片基于 ARM 架构,相比前代 Graviton4 提供更高的性能和能效,适用于云计算工作负载。这一发布标志着亚马逊在自研芯片领域的持续投入,旨在降低对 Intel 和 AMD 的依赖,并为 AWS 用户提供更具性价比的计算选项。Graviton5 的全面可用性将推动云原生应用的优化和成本节约。AI产品AWSGraviton5芯片云计算ARM推荐理由:AWS Graviton5 的全面可用为云用户提供了更高效的计算选择,尤其适合运行 ARM 架构优化应用的团队,建议关注其性价比优势并考虑迁移测试。原文
00:14Qdrant@qdrant_engineAWS 的 Sandhya Subramani 将在 Vector Space Day 上展示一个开源智能体框架,允许用户通过自然语言直接控制机器人。该框架将物理硬件暴露为可编程的智能体工具,采用混合架构:边缘端负责低延迟控制,云端处理复杂推理。这一演示旨在让具身 AI 更易用,降低机器人编程门槛。活动将于 6 月 11 日在旧金山 Midway 举行。AI产品开源/仓库智能体具身AI机器人AWS推荐理由:机器人开发者终于可以像聊天一样指挥硬件了——这个开源框架把物理设备变成智能体工具,边缘+云端分工明确,做机器人或 IoT 的团队值得关注,可以直接用起来。原文
22:58rohanpaul_ai@rohanpaul_ai一篇新论文提出了一种在启动前预测 AWS Spot 舰队最低成本的方法。Spot 实例价格便宜但存在不确定性,用户通常无法在启动前跨区域比较最终价格。该研究构建了一个服务,通过监控 AWS 创建舰队的行为,利用时间感知 AI 模型学习模式,并估算 9 个区域的舰队组合和成本。用户只需输入计算需求和放置策略,服务就会返回按区域排序的选项。测试显示,预测准确率达 99.79%,选择最佳区域比改变区域内策略节省高达 64% 的成本。论文AWSSpot 实例成本优化AI 预测多区域部署推荐理由:云成本优化团队终于有了一个靠谱的预测工具——在启动前就能看到跨区域最低价,省下 64% 的实例费用,做 AWS 基础设施的开发者建议直接看论文实现。原文
10:54Greg Brockman@gdb72°OpenAI 宣布其前沿模型和 Codex 已在 AWS 的 Amazon Bedrock 上正式对企业可用。企业可以通过已有的安全、合规和治理工作流,在 Bedrock 上使用 OpenAI 模型进行构建。这标志着 OpenAI 在 AWS 上扩展能力的开始,未来还将包括 Daybreak 等网络安全功能。此举让企业无需离开 AWS 环境即可使用 OpenAI 的先进 AI 能力。AI产品OpenAIAmazon Bedrock企业服务CodexAWS10 个信源在谈推荐理由:企业用户终于可以在 AWS 的安全合规框架内直接调用 OpenAI 前沿模型和 Codex,省去了跨平台集成的麻烦。做 AI 应用开发的企业团队,建议关注这个新入口。原文
10:16@OpenAIDevs@OpenAIDevsOpenAI 宣布其 Codex 模型现已集成到 Amazon Bedrock 平台,开发者可以直接在 AWS 环境中使用 Codex 进行代码生成和自动化任务。这一集成降低了使用门槛,让 AWS 用户无需额外配置即可调用 Codex 的能力。Codex 擅长将自然语言转换为代码,适用于快速原型开发、自动化脚本编写等场景。此举标志着 OpenAI 与 AWS 的深度合作,进一步拓展了 Codex 在企业级应用中的覆盖范围。AI产品CodexAmazon Bedrock代码生成AWSOpenAI10 个信源在谈推荐理由:AWS 开发者终于可以在 Bedrock 里直接用 Codex 写代码了,省去跨平台调用的麻烦,做云上自动化的团队建议试试。原文
23:26Harrison Chase@hwchase17精选LangSmith 与 AWS 联合发布了一篇深度博客,详细介绍了如何使用 LangSmith 评估 Deep Agents(长周期智能体)。文章涵盖了数据点设计和评估器设计,针对长周期智能体的评估挑战提供了实用方案。这对于构建和优化复杂智能体的开发者具有重要参考价值。AI产品智能体评估LangSmithAWS长周期智能体推荐理由:长周期智能体的评估一直是个难题,这篇博客给出了具体的数据点和评估器设计方法,做智能体开发的团队可以直接参考实践。原文
18:49rohanpaul_ai@rohanpaul_ai精选76°Amazon 发布了新型数据中心网络架构“Resilient Network Graphs”(RNG),用扁平随机图替代传统的胖树结构,将硬件需求降低 69%,吞吐量提升 33%。该设计自去年起已在 AWS 数据中心悄然部署,现已成为大多数 AWS 工作负载的默认网络。RNG 通过扁平化随机图连接路由器,提供多条独立路径,避免胖树网络的流量瓶颈问题。其路由系统 Spraypoint 将流量分散到多条路径,ShuffleBox 布线设备使随机连接变得可实施。实测显示,RNG 在性能上与胖树网络持平,但成本降低 9% 至 45%,尤其对 AI 集群的大规模同步训练流量有显著改善。行业数据中心网络AWSRNGAI训练网络架构推荐理由:AWS 用 RNG 解决了胖树网络的流量瓶颈,做 AI 训练和大规模云计算的团队可以直接受益——更少的硬件、更低的成本、更好的吞吐,值得点开了解工程细节。原文
18:29Meta AI@AIatMetaMeta宣布与亚马逊AWS达成协议,将数千万个AWS Graviton核心引入其计算组合。这一合作标志着Meta多元化AI基础设施的扩展,将用于支持Meta AI及为数十亿用户服务的智能体体验。此举旨在提升Meta在AI领域的计算能力,加速其AI服务和代理功能的规模化部署。行业MetaAWSGravitonAI基础设施云计算推荐理由:Meta与AWS的深度合作解决了AI基础设施的算力瓶颈,做大规模AI部署的团队值得关注这一动向,它可能影响未来AI服务的性能和成本。原文