1）OpenAI发布GPT-5.4并提供1M上下文窗口。
变化点：官方信息显示该模型强化了专业任务能力、工具调用与超长上下文处理。
为什么重要：长流程、多文档、多工具协作场景开始具备规模化落地条件。
来源：openai.com/news/rss.xm… GPT-5.4）
2）OpenAI上线Codex Security研究预览。
变化点：AI应用安全代理可在项目上下文中发现并修复复杂漏洞。
为什么重要：AI开发进入生成与安全并行阶段，安全左移正在成为标配。
来源：openai.com/news/rss.xm… Security: now in research preview）
3）OpenAI发布Agent抗提示注入工程实践。
变化点：官方强调高风险动作约束与防注入机制。
为什么重要：代理系统最大的现实风险之一就是被外部内容诱导越权执行。
来源：openai.com/news/rss.xm… AI agents to resist prompt injection）
4）Anthropic发布Claude Sonnet 4.6。
变化点：模型在编码、电脑操作、长上下文与Agent规划能力上全面升级，并提供1M上下文测试能力。
为什么重要：中档成本接近高端能力，企业部署性价比显著提升。
来源：www.anthropic.com/news/claude…
5）Google Maps引入Gemini能力。
变化点：推出Ask Maps与Immersive Navigation，强化语义问答与导航理解。
为什么重要：空间信息产品正在从检索入口转向对话式决策入口。
来源：blog.google/rss/（How we’re reimagining Maps with Gemini）
6）Google Earth AI用于公共卫生风险预测。
变化点：官方披露其在公共健康预测与前置干预中的应用。
为什么重要：遥感加AI的宏观风险感知能力正走向行业实用阶段。
来源：blog.google/rss/（How Google Earth AI’s planetary intelligence is supporting global public health）
7）Hugging Face发布Hub Storage Buckets。
变化点：面向数据与模型资产提供更工程化的管理能力。
为什么重要：企业级AI规模化上线离不开可追溯、可治理的资产管理底座。
来源：huggingface.co/blog/feed.x… Storage Buckets on the Hugging Face Hub）
8）Hugging Face与NVIDIA发布Agentic Retrieval Pipeline。
变化点：提出超越传统向量相似度的任务驱动检索方案。
为什么重要：RAG正在从单点检索升级为可编排的任务型检索。
来源：huggingface.co/blog/feed.x… NeMo Retriever’s Generalizable Agentic Retrieval Pipeline）
9）AWS发布P-EAGLE并集成vLLM。
变化点：并行Speculative Decoding方案带来推理加速，已在v0.16.0集成。
为什么重要：推理成本是企业AI规模化关键瓶颈，加速方案直接影响ROI。
来源：aws.amazon.com/blogs/machi…: Faster LLM inference with Parallel Speculative Decoding in vLLM）
10）Transformers发布v5.3.0。
变化点：新增与增强多类模型能力，覆盖语音、时序、文档理解等方向。
为什么重要：主干开源框架升级会快速提升企业侧模型可选面与迭代速度。
11）llama.cpp持续高频发布至b8325。
变化点：持续优化CUDA、Vulkan、Metal、ROCm、SYCL等后端适配与跨平台分发。
为什么重要：本地与边缘部署生态成熟度进一步提升，系统可控性增强。
12）CISA已知被利用漏洞目录更新到2026.03.13。
变化点：新增包括Chromium相关在内的高风险漏洞条目，并给出修复时限。
为什么重要：AI系统最终运行在真实IT基础设施上，补丁时效直接影响整体安全稳态。
