AI 日報｜Uber 70% 程式碼 PR 透過 AI Agent 接管成本降 52%；Redwood 實現 AI 兩周自主設計晶片；MiniMax H3 Max 登陸 Vercel AI Gateway 享 50% 折扣

AI 日報｜Uber 70% 程式碼 PR 透過 AI Agent 接管成本降 52%；Redwood 實現 AI 兩周自主設計晶片；MiniMax H3 Max 登陸 Vercel AI Gateway 享 50% 折扣

模型發布/更新

MiniMax H3 Max 與即時互動影音流 — MiniMax / fal / Vercel

• 一言以蔽之：MiniMax 攜手 fal 在 Vercel AI Gateway 推出 H3 與 H3 Max 影音生成模型 50 % 折扣，並衍生出支援每幀即時生成的無限直播流專案。
• 核心亮點：
  • H3 Max 針對速度進行極致最佳化，480p 與 768p 渲染速度超越即時播放，支援文字提示詞與起始畫面快速生成。
  • 社群結合 fal 引擎打造出「Infinite Slop」無限互動直播，聊天室內的每一則訊息皆能即時驅動並生成下一幀故事畫面。
• 技術規格：H3 / H3 Max 影音生成模型 / 支援非同步 Webhook 與狀態輪詢
• 傳送門：Vercel 官方更新公告

產品發布/更新

ChatGPT 桌面端效能重大更新 — OpenAI

• 更新內容：
  • OpenAI 團隊針對 ChatGPT 桌面應用推送重大效能更新，由工程師 Brent Traut 主導最佳化，徹底解決長對話卡頓與記憶體佔用過高問題。
  • 長執行緒（Thread）的載入速度提升超過 90 %，同時長執行緒的記憶體佔用大幅降低超過 90 %，顯著提升日常高頻使用的流暢度。
• 適用人群：[軟體工程師 / 企業工作者 / ChatGPT 桌面端使用者]
• 體驗通道：

  Brent is one of the best things that happened to the quality and polish of the desktop app.
  
  Relentless improvements day after day. https://t.co/WMfopUsSlP

  — Tibo (@thsottiaux) August 30, 2026

Grok Bot 整合 Firecrawl 外掛 — xAI / Firecrawl

• 更新內容：
  • xAI 的 Grok Bot 正式整合 Firecrawl 搜尋與網頁抓取外掛程式，讓 Agent 能夠將全網網頁轉化為高品質上下文。
  • 支援專為 AI Agent 設計的深度網頁解析與抓取能力，大幅強化 Grok Bot 處理外部即時資料與研究任務的實用性。
• 適用人群：[AI 開發者 / 研究人員 / Grok 付費訂閱者]
• 體驗通道：

  Firecrawl is now available in Grok Bot 🔥
  
  Turn the web into high-quality context for your @bot, powered by industry-leading search and scraping designed for agents.
  
  Install the Firecrawl plugin to get started! pic.twitter.com/lTxbotddZ4

  — Firecrawl (@firecrawl) August 30, 2026

產業動態

Uber 技術長文揭露：70% 程式碼 PR 已由 AI Agent 接管，且總 AI 帳單保持零增長

• 事件概述：Uber 發布技術長文指出，隨著內部 AI Agent 協同架構成熟，目前全公司高達 70 % 的程式碼 Pull Request 已由 AI 自動化處理，雖然呼叫量在半年內暴增近 10 倍，但透過系統最佳化與架構升級，單次會話成本成功下降 52 %，總體 AI 帳單保持零增長。
• 影響分析：這證明瞭企業在匯入高頻率 AI 程式碼編寫與審查時，只要搭配得當的代理架構與成本控制，完全可以實現「生產力倍增、成本不失控」的營運模型。
• 新聞連結：

  当很多公司都在哀嚎 AI 账单贵到用不起，Uber 刚发的这篇技术长文直接把全行业看傻了:
  全公司 70% 的代码 PR 全由 Agent 接管，调用量半年狂飙近 10 倍，
  但总 AI 账单被死死按在原地一分没涨，单次会话成本硬生生砍掉了 52%，
  他们直接把软件工程做成了一座全自动的软件工厂，真的牛逼，… https://t.co/EPukS3OYao pic.twitter.com/15lWwQAPXu

  — AYi (@AYi_AInotes) August 30, 2026

Redwood 宣稱 AI 系統在兩週內自主完成晶片設計、驗證與生產部署

• 事件概述：Redwood 團隊展示了突破性的 AI 晶片研發成果：整個晶片從規格說明書到設計、測試、韌體與核心編寫，全部由 AI 系統自主完成，兩位人類架構師僅需定義規格，並在規格變更後 48 小時內即可在真實硬體上跑通。
• 影響分析：AI 正在從「輔助寫程式」跨越至「全棧硬體設計與驗證」，大幅壓縮半導體產業的創新週期。
• 新聞連結：

  An AI system can now take a chip from a written spec to working hardware on its own, and this paper argues that is what finally makes chip design fast, not better code generation.
  
  Redwood is a small, low-power inference chip. 2 human architects wrote the spec, and the AI system… pic.twitter.com/YrBzff2d2o

  — Rohan Paul (@rohanpaul_ai) August 30, 2026

OpenAI Codex 產品負責人 Tara Seshan 談未來知識工作：從「划船」轉向「掌舵」

• 事件概述：在 Lenny Podcast 的訪談中，OpenAI 負責 Codex 與 ChatGPT Work 產品的 Tara Seshan 分享了內部「mainlining it」（全員全天候高頻依賴自家產品）的文化，並指出未來知識工作的核心將從動手「划船」轉變為負責方向的「掌舵」。
• 影響分析：隨著 Agent 接管實際的勞動執行層，人類工作者的核心競爭力將全面轉向審美、品味（Taste）與高階戰略決策。
• 新聞連結：

  "Are you mainlining it yet?"
  
  This is one of the key internal memes at @OpenAI, and a big part of the reason there's been a vibe shift toward Codex over the past few months.
  
  It asks: are you using the product all day, every day? Are you depending on it? Are you bringing all your…

  — Lenny Rachitsky (@lennysan) August 30, 2026

弗朗索瓦·肖萊警告：2026 年 AI 資安革命帶來的快速進展恐外溢至生物學領域

• 事件概述：知名 AI 專家 François Chollet 發文警告，當前 AI 在軟體工程與網路安全領域展現的超強自主探索能力（如零日漏洞挖掘），極有可能外溢至生物學，加速合成病原體等生物安全風險的擴散，而人類社會對此明顯準備不足。
• 影響分析：AI 能力的泛化正對傳統的安全防線與監管體系提出極端嚴峻的挑戰，基礎設施的沙箱隔離與安全性已成為當務之急。
• 新聞連結：

  Some people worry that the rapid AI progress driving the "AI cybersecurity revolution" of 2026 could soon spill over into biology, potentially leading to extinction-level synthetic pandemics.
  
  While I would not panic, I would take the risk seriously.
  
  Biology is obviously not the…

  — François Chollet (@fchollet) August 30, 2026

論文研究

語音與即時 AI Agent 最低延遲推理 API：以首句延遲（TTFS）為先的基準評測 — MarkTechPost

• 研究動機：語音 AI Agent 的真實體驗取決於首句延遲（TTFS）而非單純的首 token 延遲（TTFT），因為 TTS 模型必須等待完整句子生成才能發音。
• 核心創新：完整評測涵蓋 LLM、STT、TTS 及語音到語音全鏈路，並為各層制定明確延遲預算：STT 約 100-200ms、LLM 300-500ms、TTS 100-200ms，端到端目標控制在 700ms 至 1.2s。
• 研究成果：為即時語音 Agent 開發者提供了標準化的底層架構效能指標與最佳化指南。
• 論文地址：MarkTechPost 專文報導

其他分享

Mole 專案透過 3,347 個單測實現 AI 程式碼持續迭代的工程實踐 — HiTw93 / 開源社群

• 內容簡介：開源開發者 HiTw93 分享了其全 AI 生成專案 Mole 的工程經驗，目前專案包含 11 萬行 Swift 程式碼與高達 3,347 個 XCTest 單元測試（測試程式碼佔生產程式碼 66 %）。核心理念為「AI 寫的程式碼應由 AI 測試」，並透過模組化 Rules 與 Skill 隔離機制避免專案腐化。
• 傳送門：

  想从产品工程师视角和大伙聊聊，在代码全部由AI生成的时代，如何保证产品的代码可以持续迭代、好维护、不腐化。
  
  最近 Mole 发布到了第 13 个版本，看了看整个项目大概有 11 万行 Swift 产品本身代码、7.3 万行测试代码和 3347 个… pic.twitter.com/6V8PaQ7ws9

  — Tw93 (@HiTw93) August 30, 2026

Baseten 結合 SGLang 與 B300 晶片將 Qwen-Image 延遲降低 42.3% — Baseten

• 內容簡介：Baseten 在真實生產環境中，透過 SGLang 框架與 B300 硬體加速棧，成功將 Qwen-Image 影像生成模型的端到端延遲大幅削減 42.3 %，FLUX.2 模型也降低 15.2 %，展現了軟硬體協同最佳化的巨大潛力。
• 傳送門：

  Tweet by @AYi_AInotes