每天 08:00 出刊
AI 日報｜DeepSeek-V4.1-Flash 登頂開源榜、Meta 開源 Muse Glimmer 30B、Anthropic 打造 Scion 取代 Git
19則重點5個版面17個來源約 4 分鐘讀完
本期日報由 AI 自動彙整，內容可能有誤，請參閱文中原始來源。
模型發布/更新
DeepSeek-V4.1-Flash (1017) 登頂 Agent Arena 開源模型榜首 DDeepSeek / LMSYS Arena
- 一言以蔽之：DeepSeek 正式推出更新版 DeepSeek-V4.1-Flash-20261017 (Max)，在真實 Agent 會話評測中超越眾多閉源對手，拿下開源模型第一名。
- 評測表現：基於超過 7,500 次真實會話評測，較前版淨提升 +5.1%，於 Agent Arena 總排名升至第 11 名，成為目前綜合實力最強的開源模型。
- 成本與穩定性：中位任務成本僅需 0.20 美元，約為 GPT-6.1 Sol 成本的 27%，且確認成功率提升 11.5%，並達到完全零工具幻覺（Tool Hallucination）。
- 基準跑分：在 Artificial Analysis 智慧指數中取得 45 分，比前代版本提高 6 分，與 GLM-5.3 並列開源權重模型第二。
- 傳送門：
- 傳送門：
- 一言以蔽之：Meta 正式發布 30B 開源權重模型 Muse Glimmer 技術報告，主打在單張消費級顯示卡即可流暢執行多步驟 Agent 任務。
- 硬體需求親民：模型經 4-bit 量化後體積約 17 GB，可在配備 24 GB 顯示記憶體的單張消費級 GPU（PC 或 Mac）上以實用速度執行推論。
- Agent 任務導向：在工具呼叫與多步驟規劃能力上，跑分均領先同等引數量級的開源模型。
- 訓練基礎設施：該模型與 Muse Wonder 皆在 Meta 位於俄亥俄州 New Albany 的吉瓦級超叢集 Prometheus 上完成訓練。
- 傳送門：
- 傳送門：Prometheus 超叢集工程細節
MiniMax 正式推出 M3.1 Flash，揭曉先前熱門匿名模型 Space Bunny MMiniMax
- 一言以蔽之：MiniMax 宣佈先前在 OpenRouter 匿名登頂榜首的 Space Bunny 即為 M3.1 Flash，並祭出 72 小時限時免費呼叫。
- 關鍵基準表現：在複雜軟體工程評測 DeepSWE v1.1 達到 73.7%，網路安全評測 CyberGym 達 82%，跨應用操作評測 OSWorld V2 取得 61.7 分。
- 大幅降低延遲與成本：線上推論速度提升近 3 倍，呼叫成本較前代降低 70%，定價為每百萬輸入 Token 0.15 美元、輸出 0.60 美元。
- 多方平臺首發上線：已在 OpenRouter、Vercel AI Gateway、Cline 與 Ollama 同步上架，並提供 72 小時免費呼叫配額。
- 傳送門：官方微信發布公告
- 傳送門：Vercel AI Gateway 更新說明
Inception 發表擴散語言模型 Mercury 3：推論速度突破每秒 1,000 Token IInception
- 一言以蔽之：Inception 推出全新擴散架構語言模型 Mercury 3，打破傳統逐字生成模式，提供極低延遲的語音與即時 Agent 體驗。
- 並行擴散細化：跳脫自回歸逐字預測架構，透過並行細化擴散機制一次生成多個詞元，推論速度超過 1,000 tok/s。
- 長文字與基準評測：模型規模為 Mercury 1 的 40 倍，配備 1M Token 上下文視窗，在 IFBench 與 GPQA Diamond 等基準測試中超越 GPT-6 Luna 與 Claude Haiku 5.5。
- API 平臺支援：已在 Inception API、OpenRouter 與 Vercel AI Gateway 上線，並祭出上線初期半價優惠。
- 傳送門：Vercel 官方更新日誌
- 傳送門：
Cloudflare 推出快思考萃取模型 Clairic：專門處理非結構化資料 CCloudflare
- 一言以蔽之：Cloudflare 預覽發布 System 1 風格的新型萃取模型 Clairic，以極高準確率與低延遲自非結構化內容中提取並預測數值。
- 專用快思考架構：聚焦於特定領域的數值提取、計算與預測，比傳統通用大模型具備更低延遲、更少運算資源浪費與更高的準確率。
- 開源與託管規劃：目前已在 Cloudflare Workers AI 託管上線（@cf/cloudflare/clairic），並預告將在近期向社群釋出開放權重。
- 傳送門：Cloudflare 官方部落格
產品發布/更新
ChatGPT Slides 升級：支援多人即時協作與就地畫布編輯 OOpenAI
- 一言以蔽之：OpenAI 為 ChatGPT Slides 帶來重大更新，使用者可與團隊成員以及 AI Agent 共同線上上即時編輯簡報。
- 多人即時協作：支援多人同時線上編輯與新增評論，並可一鍵指派 OpenAI 的 Dot Agent 依照團隊回饋自動執行全篇排版修正。
- 就地直覺微調：使用者可直接在投影片中點選文字修改、更新圖表數值，或拖曳縮放圖片與形狀，不必每次重新透過 Prompt 指令調整。
- 支援方案與匯出格式：功能已向 ChatGPT Pro、Business 與 Enterprise 方案開放，簡報完成後可直接在 ChatGPT 中播放或匯出至 PowerPoint 與 Google Slides。
- 傳送門：
Notion AI 迎來重磅更新：加入 24 小時長任務 Agent、瀏覽器操作與點數制 NNotion
- 一言以蔽之：Notion AI 全面升級，支援電腦與瀏覽器自主操作，並推出能自動選用高價效比模型的 Auto 路由器及統一計費點數制。
- 自主長時間運作：AI Agent 現在具備電腦與瀏覽器操作能力，能在背景持續自主運作最長達 24 小時以完成複雜任務。
- 成本暴降 90%：全新 Auto 路由器能依任務複雜度分派不同模型，在維持前沿品質的前提下將運算成本降低達 90%。
- 靈活計費與自備金鑰：全面匯入 Credits 點數機制，並開放進階使用者自備 API Key（BYOK）、直接繫結既有 ChatGPT 訂閱或銜接 Notion MCP。
- 傳送門：
Anthropic 開發全新版本控制系統 Scion 全面取代 Git AAnthropic
- 一言以蔽之：為應對 AI Agent 每日超過 3 萬次的大規模合併瓶頸，Anthropic 工程團隊自研全新版本控制系統 Scion 並完成全面遷移。
- 開發瓶頸轉移：隨著 AI Agent 全天候協同程式設計，Anthropic 單一程式庫（Monorepo）每日合併次數從 2,500 次暴增至超過 30,000 次，傳統 Git 成為重大阻礙。
- 為 Agent 而生：Scion 專為持續線上（always-online）的 AI Agent 設計，重構版本控制與衝突處理邏輯，團隊在 5 個月內順利完成內部 Git 遷移。
- 傳送門：Anthropic 工程團隊部落格
AWS 推出 TorchNeuron 開源後端：PyTorch 程式碼一行遷移至 Trainium 晶片 AAWS / PyTorch
- 一言以蔽之：AWS 發表開源原生 PyTorch 後端 TorchNeuron，讓 AI 模型只需改動一行設定即可在自家 Trainium 晶片上高效執行。
- 極簡遷移門檻：開發者無需重寫底層程式碼或更換運算元，即可將既有 PyTorch 模型無縫轉換至 AWS Trainium 晶片執行訓練與推論。
- 開源生態推廣：採用 Apache 2.0 協議開源，並於 PyTorch Conference North America 啟動公開測試（Public Beta）。
- 市場戰略意圖：AWS 期望透過降低架構轉換阻力，直接挑戰 Nvidia CUDA 在深度學習開發生態中的預設主導地位。
- 傳送門：PyTorch 官方技術部落格
- 傳送門：Hugging Face 官方合作說明
Anthropic 推出 OSS Scanner：免費為關鍵開源專案提供模型漏洞掃描 AAnthropic
- 一言以蔽之：Anthropic 推出 OSS Scanner 安全掃描服務，運用頂級模型免費為重要開源軟體進行定期安全稽核與漏洞修復驗證。
- 自動化修補閉環：由 Anthropic 最強模型自主執行深度漏洞發掘，每項發現皆包含概念驗證（PoC），並在可行情況下自動生成程式碼修補補丁。
- 保護開源生態：該計畫免費向主流開源軟體維護者開放申請，旨在強化整體軟體供應鏈安全。
- 傳送門：Anthropic OSS Scanner 官方入口
- 傳送門：
Cognition 推出 Devin Fusion：以雙模型架構重新整理程式設計 Agent 評測紀錄 CCognition
- 一言以蔽之：Cognition 發表 Devin Fusion 架構，由 Opus 5.5 與 GPT-6 Luna 協同作戰，以 68 分登頂 Artificial Analysis 程式設計榜首。
- 榜單新紀錄：在 Artificial Analysis Coding Agent Index 取得 68 分的最高評分，在效能與推論成本上皆顯著優於單一 Opus 5.5 執行的 Claude Code。
- 雙模型協同降本：採用 Opus 5.5 作為主要決策領隊、GPT-6 Luna 擔任執行副手，使單一程式設計任務的平均運算成本大幅降低 31%。
- 企業效率管理工具：同步發表 Devin Coach 與基於工程師生產效率的自動審批機制（Efficiency-based Auto-approvals），協助企業精準分配 AI 預算。
- 傳送門：
產業動態
微軟擴充套件 Project Perception：推出 Guardian Agents 將 AI Agent 視為內部威脅防護 MMicrosoft
- 一言以蔽之：微軟推出企業級 AI 安全功能 Guardian Agents，主張前沿模型不能盲目信任，必須在外層設立持續風險評估與隔離機制。
- 內部威脅零信任防護：微軟將企業自主執行的 AI Agent 比擬為潛在的「內部人員威脅」（Insider Threats），安全控制必須架設在模型外部而非僅仰賴內建對齊。
- 動態許可權與即時封鎖：Guardian Agents 能即時監控各 Agent 的動作軌跡與 API 呼叫，並根據風險變化動態調整許可權或直接遏止可疑行為。
- 傳送門：
- 傳送門：TechCrunch 深入報導
Anthropic 傳與 Nscale 洽談追加另一份 450 億美元算力採購協議 BBloomberg / TechCrunch
- 一言以蔽之：彭博社報導指出 Anthropic 正在與基礎設施商 Nscale 商談再簽訂一份 450 億美元的算力大單，加速衝刺算力儲備與 IPO 程式。
- 累計合作金額龐大：距雙方上個月宣佈的首份 450 億美元協議僅隔一個多月，若新協議順利簽署，雙方合作總額將上看 900 億美元。
- 兩造 IPO 佈局：Anthropic 預計將在今年內完成公開上市；而計畫以 300 億美元估值上市的 Nscale 則正透過算力承諾爭取更多投資人認同。
- 傳送門：TechCrunch 專題報導
美國國土安全部下令聯邦文職機構全面停用 DeepSeek 及其生態產品 UU.S. Department of Homeland Security
- 一言以蔽之：美國國土安全部依據供應鏈安全法案發布命令，要求所有聯邦文職機構立即停用並移除 DeepSeek 及其衍生開發的第三方軟體。
- 強制停止採購與清除：根據 2026-01 號行政命令，所有聯邦文職單位必須立即停止採購 DeepSeek 產品，並從其 IT 系統中全面移除現有部署。
- 涵蓋第三方整合方案：禁令限制範圍不僅限於官方模型，亦包含使用 DeepSeek 權重或 API 構建的各類第三方軟體與雲端分析工具。
- 傳送門：相關法規禁令報導
論文研究
Google DeepMind 發表 Agent 開放式數學發現：破解忙碌海狸 BB(6) 規則 GGoogle DeepMind
- 一言以蔽之：DeepMind 研究團隊展示基於 Gemini 的自主 Agent，針對尚未解決的忙碌海狸（Busy Beaver）BB(6) 難題完成了可形式化驗證的數學規律發現。
- 自主形式化證明：Agent 自主分析了 11 臺處於計算前沿的未解圖靈機（被稱為 Cryptids），為其推匯出緊湊的加速轉移規則，並全數經由 Lean 證明器給出嚴格的形式化數學證明。
- 突破既定題庫限制：由於忙碌海狸問題在計算理論上不可判定，系統沒有固定題庫可循，展示了 AI Agent 自主探索未知問題與自證成果的能力。
- 傳送門：arXiv 論文預印本
- 一言以蔽之：Meta 工程團隊公開其生產環境資料管線架構，透過「瘦編排器」（Thin Orchestrator）模式顯著提升複雜多 Agent 系統的穩定度。
- 輕量級路由中樞：主編排器僅使用約 1,300 行程式碼，只負責工作分派與可靠性檢查，自身完全不做任何特定領域的業務邏輯推理。
- 上下文完全隔離：將超過 20 種複雜工作流指派給 14 個上下文相互隔離的專屬子 Agent 處理，大幅降低單一 Prompt 汙染與任務迷航問題。
- 傳送門：Meta Engineering 技術專文
Google Research 推出 Harness²：讓模型自主修改與演化外部腳手架 GGoogle Research
- 一言以蔽之：Google Research 發表 Harness² 框架，讓凍結的大模型無需微調權重，即可自主修改並持續最佳化其執行環境（Harness）。
- 四階段 Agent 協同：由 Baseline Agent 記錄執行軌跡、Editor Agent 擬定環境修改、Composer Agent 測試驗證補丁，並由 Reflector Agent 將有效經驗沉澱入庫。
- 跑分顯著成長：在完全不更動底層模型權重的情況下，讓 Gemini 3.5 Flash 在 WorkBuddy-Bench 提高 8.4 分、JobBench 提高 7.5 分。
- 傳送門：arXiv 論文連結
其他分享
Vercel 開源極速 HTML 構建器 fx0：基於 libfx 打造的高韌性 mini v0 VVercel
- 一言以蔽之：Vercel 開源了名為 fx0 的極速網頁元件生成工具，展示如何透過開源庫 libfx 打造在伺服器崩潰或 LLM 錯誤時仍具極高韌性的 Agent 服務。
- 抗崩潰架構：以開源狀態庫 libfx 為基礎，有效解決長鏈路生成過程中的連線中斷、模型抖動與函式超時問題。
- 開放廣泛整合：支援 Vercel AI Gateway 上的 200 多款模型，輸出結果為純原生 HTML Artifacts，支援社群自由 Fork 與二次開發。
- 傳送門：專案體驗入口
- 傳送門：
Cloudflare 實戰分享：透過極限最佳化將內部 AI 程式碼審查成本降低 68% CCloudflare
- 一言以蔽之：Cloudflare 分享如何透過對 Token 消耗與 Agent 架構的深度調校，將原本日漸膨脹的 AI Code Review 推論帳單減少近七成。
- 顯著降本提速：平均單次審查成本從昂貴時期的 2.43 美元降至 0.77 美元（降幅 68%），審查耗時中位數也從 4 分 09 秒銳減至 1 分 32 秒。
- 雙管齊下策略：約 40% 的成本節約源自審查器自身程式碼與 Prompt 冗餘結構的精簡，其餘 60% 則來自模型分層路由排程與思考力道（Effort）的精準控制。
- 傳送門：Cloudflare 工程實踐部落格
