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。
Simon Willison 在旧金山 Fort Mason 现场直播 OpenAI DevDay 2026 主题演讲，OpenAI 发布名为 Dots 的个人智能体产品，由 Astra 模型驱动，ChatGPT Pro 和 Enterprise 用户当天可用，并配套推出 ChatGPT Space 供团队协作。
推荐理由：现场逐条记录 DevDay 发布节奏与演示翻车细节，可对照官方口径看新功能实际落地情况。
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 AWS 上的 Claude Platform 开放使用，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。
推荐理由：AWS 官方给出 Sonnet 5.5 在 Bedrock 上的能力定位与调用方式，可据此判断它和 Opus 5.5 的分工。
GitHub 用 Copilot 应用和 CLI 将 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，代码主要由 AI 智能体编写，跨 128 个 PR 增量合入 main，性能提升数个数量级。
推荐理由：GitHub 工程师复盘用 Copilot 把运行时迁到 Rust 的全过程，含并发会话协作与提示缓存等可迁移经验。
GitHub 发布 Project HydraFusion 研究预览，通过运行时编排在多个提供商的模型间选择执行方案，用户可在 GitHub Copilot CLI 中通过 /experimental 启用，按各模型标准费率计费。
推荐理由：GitHub 官方给出多模型编排的三种执行模式与三项基准的成本质量对比，可据此判断编排式编码智能体的取舍。
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式一次性生成整块文本，在专用 GPU 上推理速度最高提升 4 倍，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 26B MoE 文本扩散模型的速度、显存占用与质量取舍，便于判断本地低并发场景是否适用。
Google 正在把内容透明度与验证工具扩展到 Search、Gemini、Chrome、Pixel 和 Cloud。
推荐理由：Google 把 SynthID 与 C2PA 验证铺到搜索、Gemini 和 Chrome，读者可据此了解内容溯源工具的落地范围。