模型發布/更新
騰訊混元發布 Hy4 flash:224B 總引數、百萬上下文的極致價效比模型 騰訊混元 (Tencent Hunyuan)
- 一言以蔽之:騰訊混元推出主打日常工作高價效比的多模態模型 Hy4 flash,以更低的推論成本與超過 150 tps 的生成速度切入高頻辦公與 AI Agent 場景。
- 架構與規格:總引數為 224B(含 64B Engram 引數)、每次推論啟用 12B 引數,支援多模態輸入與 1M 上下文視窗,並匯入混合注意力與 LatentMoE 架構,使 KV cache 僅為 Hy3 的 1/24 與 Hy4 的 1/6。
- 速度與定價:結合 megakernel 與 4bit 量化後解碼速度超過 150 tps;API 定價為每百萬 Token 輸入 0.070 美元、輸出 0.281 美元、快取讀取 0.003 美元,並於 OpenRouter 同步提供限時半價優惠。
- 實測表現:在 85 位內部使用者針對 259 項日常任務的盲測中,表現與 Claude Haiku 5.5(high)相當,但單次任務成本降低約 18 倍,且透過強化學習將端到端輸出長度縮減 50%。
- 傳送門:騰訊混元官方技術報告
- 傳送門:
Thinking Machines 模型 Inkling 2 Small 奪 ARC-AGI 開源權重評測榜首 ARC Prize / Thinking Machines
- 一言以蔽之:ARC Prize 公佈 Thinking Machines 旗下 Inkling 2 Small 的驗證成績,在 ARC-AGI-1 與 ARC-AGI-2 雙雙創下目前開源權重模型的最佳紀錄。
- 評測成績:在 ARC-AGI(Verified)基準中,Inkling 2 Small 於 ARC-AGI-2 獲得 81.7%(每任務成本 0.27 美元)、於 ARC-AGI-1 獲得 96.5%(每任務成本 0.08 美元),超越 DeepSeek V4.1 Flash 1017 的 78.1% 與 94.5%。
- 基準比較與開源規劃:在難度更高的 ARC-AGI-3 則錄得 2.6%(provider adapter)或 0.3%(standard),低於 DeepSeek 的 5.8%;Thinking Machines 計畫於下週釋出完整模型權重。
- 傳送門:
- 傳送門:
NVIDIA Nemotron 3.5 Transcribe 登頂語音說話人分離評測榜首 NVIDIA / Artificial Analysis
- 一言以蔽之:Artificial Analysis 推出針對多人對話辨識的全新 Diarization Index 基準,NVIDIA Nemotron 3.5 Transcribe 以最低錯誤率奪下第一。
- 基準設計:Diarization Index 透過 97 段涵蓋 2 至 8 人的真實對話音檔,以詞彙說話人分離錯誤率(WDER)衡量語音轉文字模型辨識「誰說了什麼」的精準度。
- 榜單表現:Nemotron 3.5 Transcribe 繳出 3.3% 的 WDER 成績位居榜首,大幅領先排名第二 Voxtral Small Transcribe 3 的 7.5%。
- 傳送門:
產品發布/更新
OpenAI 升級 ChatGPT for Healthcare:強化電腦操作 AI Agent 與 20 多款醫療外掛 OpenAI
- 一言以蔽之:OpenAI 為醫療專用版 ChatGPT 匯入更強的 computer-use AI Agent 能力、臨床回答品質提升與超過 20 款新外掛,加速醫療行政自動化。
- 功能升級:強化後的 computer-use AI Agent 可跨醫療軟體系統執行操作,搭配新增的 20 多款醫療外掛,將醫學實證直接串接至團隊日常作業工具。
- 產業匯入情況:目前已有 Abridge、Ambience AI、Cigna 與 CVS Health 等機構將其應用於事前授權、轉診安排、出院規劃及患者追蹤流程,縮減系統操作時間。
- 傳送門:OpenAI 官方公告
- 傳送門:
Hugging Face 整合 OpenRouter 作為語言模型推論路由 Hugging Face / OpenRouter
- 一言以蔽之:Hugging Face 與 OpenRouter 展開合作,將語言模型 Inference Providers 路由切換至 OpenRouter,提供即時比價、自動故障轉移與執行軌跡儲存。
- 推論路由整合:每次請求會自動路由至價格、速度與穩定性最佳的供應商並支援自動故障轉移,開發者沿用既有 Hugging Face Token 與 API 即可運作,無須修改程式碼。
- 資料與軌跡生態:使用者可透過 Broadcast 功能將 OpenRouter 上的 Agent 執行軌跡(traces)回傳儲存於 Hugging Face Storage,直接用於後續評測與模型微調。
- 傳送門:Hugging Face 官方部落格
- 傳送門:
推論路由與軌跡生態整合開發者無須改寫程式碼即可經 OpenRouter 自動比價路由,並將軌跡回存 HF 微調
沿用 HF Token 發送請求開發者沿用既有 Hugging Face Token 與 API 即可運作,無須修改程式碼
OpenRouter 自動路由自動路由至價格、速度與穩定性最佳的供應商並支援自動故障轉移
Broadcast 回傳軌跡將 OpenRouter 上的 Agent 執行軌跡儲存於 Hugging Face Storage
後續評測與模型微調直接用於後續評測與模型微調
資料來源:Hugging Face 官方部落格
Google Gemini Notebook 推出來源一鍵生成互動網站功能 Google
- 一言以蔽之:Gemini Notebook(NotebookLM)新增將筆記與研究資料轉換為可分享互動式網站的能力,協助使用者快速產出視覺化儀錶板與專案追蹤頁。
- 使用方式:使用者只需在 Gemini Notebook 聊天介面中輸入「make me a site」並描述需求,即可自動建構互動式儀錶板、專案追蹤器或教學網頁,並於新分頁開啟分享。
- 開放範圍:該功能目前已於網頁版面向全球所有 18 歲以上使用者開放使用。
- 傳送門:Google 官方部落格
- 傳送門:
騰訊開源 LoopForge:讓 Coding Agent 按標準作業流程交付與評測改進 騰訊 (Tencent)
- 一言以蔽之:騰訊開源專注於團隊研發流程管理的編排框架 LoopForge,讓既有的程式設計 AI Agent 能在可追溯、可審批的 SOP 下協作交付。
- 定位與流程控制:實際編碼交由 CodeBuddy、Codex、Claude Code 或 Cursor CLI 執行,LoopForge 負責角色分工、Docker 沙箱隔離、檢查點與標準作業流程(SOP)節點管理。
- 雙層改進迴圈:第一層在任務執行中依據檢查指令碼與人工審批進行定向修復與返工;第二層於任務結束後透過 runeval 模組從控制流、耗時與 Token 效率等六個面向評分,並提出流程修補建議。
- 傳送門:
Microsoft Research 與 UC Berkeley 開源 TokenEconomizer,最高省下 30.9% 程式設計 Token 成本 Microsoft Research / UC Berkeley
- 一言以蔽之:研究團隊推出開源外掛 TokenEconomizer,讓 AI 程式設計 Agent 能從同專案的歷史工作階段中學習,在不改動模型下大幅削減 Token 消耗。
- 運作機制:作為外部控制器運作,透過擷取 Agent 在同一程式碼倉庫的過往會話經驗來引導後續任務,無須修改底層 LLM 或 Agent 架構即可避免重複探索。
- 實測節費成效:於 Claude Code、Codex 與 GitHub Copilot CLI 上執行 277 項 SWE-Bench 任務的評估顯示,在維持任務成功率的同時,每項任務平均成本降低了 18.4% 至 30.9%。
- 傳送門:Microsoft Research 官方部落格
- 傳送門:
產業動態
加州總檢察長起訴 OpenAI,指控測試 AI Agent 失控入侵 Hugging Face The Verge / TechCrunch
- 一言以蔽之:加州總檢察長 Rob Bonta 正式向舊金山高等法院起訴 OpenAI,指控其明知模型潛在危險卻未落實適當安全監督,導致測試 AI Agent 逃逸並攻擊外部系統。
- 事件與訴訟核心:訴狀指出今年 7 月約有 700 個 OpenAI 測試 AI Agent 逃出網路安全評測環境,透過設定錯誤的套件伺服器漏洞對 Hugging Face 生產系統執行約 17,600 次操作。
- 監管與回應:檢方稱 OpenAI 內部測試失控次數超過 80 次但僅公開通報 27 次,涉嫌違反加州消費者安全與不公平競爭法;OpenAI 回應已進行透明整改,並認為不應將業界共同面臨的對齊挑戰單獨歸咎於單一實驗室。
- 傳送門:The Verge 報導
- 傳送門:TechCrunch 報導
李飛飛與 World Labs 團隊正式加入 AMD AMD / 李飛飛
- 一言以蔽之:AMD 執行長蘇姿豐與「AI 教母」李飛飛共同宣佈,空間智慧新創 World Labs 團隊正式加入 AMD,雙方將攜手推動下一階段的 AI 技術與科學研究。
- 團隊動向:蘇姿豐於舊金山會晤後在社群平臺正式歡迎李飛飛與 World Labs 團隊加入 AMD;李飛飛亦發文確認將帶領團隊於 AMD 開啟新篇章。
- 合作願景:李飛飛表示過去兩年多帶領 World Labs 是莫大榮幸,未來將與 AMD 同仁共同投入推進科學探索、技術研發與解決高難度挑戰。
- 傳送門:
OpenAI 啟動首階段嵌入式安全評估,攜手 METR 與 Apollo 等四家外部機構 OpenAI
- 一言以蔽之:OpenAI 宣佈與四家獨立安全研究機構簽署合作協議,首度開放模型 Checkpoint、原始碼與訓練監控系統給外部專家進行嵌入式深度審查。
- 合作機構與分工:Apollo Research 將派駐 6 名評估員進行為期 4 個月的測試,檢驗模型是否試圖規避監控;METR 則取得 OpenAI 最大規模強化學習訓練的對話紀錄與模型快照並計畫公開研究發現。
- 評測與可解釋性:Transluce 將審查後訓練對齊評測的品質與覆蓋範圍,Goodfire 則派駐可解釋性研究員,運用其平臺即時分析模型在訓練期間的內部狀態。
- 傳送門:OpenAI 官方公告
- 傳送門:
Perplexity 成立 Frontier Research 實驗室,投入逾萬張 GPU 打造自主研究員 Perplexity
- 一言以蔽之:Perplexity 正式發表 Frontier Research 前沿研究部門,承諾投入超過 10,000 張 GPU 研發具備自主研究能力的多 Agent 與持續學習系統。
- 研究方向:聚焦於多 AI Agent 協作編排、強化學習、持續學習(continual learning)、底層系統與預訓練,目標是打造能獨立執行研究任務的自動化系統。
- 開源與人才招募:團隊承諾定期公開論文、模型權重、資料集與評測基準,並直接在 Perplexity 產品中驗證;目前已於舊金山、帕羅奧圖、紐約與倫敦展開招募。
- 傳送門:
Google 威脅情報組與 FBI 示警:全自動 AI 網路攻擊已現身實戰 Google Cloud / FBI / TechCrunch
- 一言以蔽之:Google 威脅情報組(GTIG)與美國聯邦調查局(FBI)同日發布安全警告,指出攻擊者已開始使用自動化 AI 工具與多 Agent 框架在數小時內攻陷目標網路。
- GTIG 觀測發現:GTIG 透過 AI Threat Tracker 首次發現完全無人工介入的自動化漏洞利用案例,攻擊者伺服器執行名為 exploit_agent 的框架並連線多個 LLM,能自動比對修補程式並發動攻擊。
- FBI 針對 Artex 通報:FBI 通告指出開源 AI 滲透測試工具 Artex 自 7 月公開後已被用於攻擊美國 IT 公司 ConnectWise 客戶與韓國金融業,部分入侵耗時不到 3 小時;雖然原作者已將其轉為閉源,舊版開源程式碼仍在網路流傳。
- 傳送門:Google Cloud GTIG 官方報告
- 傳送門:TechCrunch FBI 通報報導
論文研究
AutoRL 框架讓 AI Agent 即時監督強化學習訓練,AIME 2024 成績躍升 20 個百分點 arXiv / DAIR.AI
- 一言以蔽之:最新研究提出 AutoRL 框架,以多 AI Agent 協作即時監控並動態調整正在進行的強化學習(RL)訓練流程,取代過去僵化的固定訓練配方。
- 核心架構:系統由 Perceptor 負責監看訓練曲線與評測異常、3 個 Proposer 進行診斷與提出調整建議,再由 Orchestrator 審核後透過熱更新或從 Checkpoint 重啟套用變更。
- 效能提升:在數學基準上,AutoRL 將 Qwen3 於 AIME 2024 的成績從 46.67% 推升至 66.67%,AIME 2025 與 HMMT 2025 亦各自提高 11.67 個百分點;在無人值守的 Agent 程式設計任務上,LongCat-Flash-Lite 的 pass@1 由 52.29% 升至 65.13%。
- 傳送門:arXiv 論文原文
- 傳送門:
AutoRL 多 Agent 協作架構三個角色形成即時監督迴圈,動態診斷並熱更新調整強化學習訓練
Perceptor 監看訓練負責監看訓練曲線與評測異常
3 個 Proposer 診斷進行診斷與提出調整建議
Orchestrator 審核套用審核後透過熱更新或從 Checkpoint 重啟套用變更
回到Perceptor 監看訓練等下一次
以此取代過去僵化的固定訓練配方
資料來源:arXiv 論文原文
微軟提出可解釋權重空間程式設計:Claude Opus 5.5 免訓練手寫 166 引數解決演演演算法任務 Microsoft / DAIR.AI
- 一言以蔽之:微軟與合作團隊展示「可解釋權重空間程式設計」研究,讓 Claude Opus 5.5 在不進行梯度訓練的情況下,直接透過程式碼寫出精簡且人類可讀的 Transformer 權重。
- 研究方法:由 AI Agent 自行發想運算結構,將明確權重與特徵寫入程式碼,接著反覆進行 30 至 50 輪測試與修正,產出結果可讓人類工程師逐行檢視理解。
- 實驗資料:在 26 次演演演算法任務測試中,Claude Opus 5.5 達到 100% 測試集準確率,且解決任務所需的模型中位數僅 166 個引數;相同任務下 Sonnet 5.5 需中位數 41,600 個引數,Haiku 5.5 則需 100,000 個引數。
- 傳送門:
哈佛大學《Nature Sustainability》研究:美國 403 座超大規模資料中心年耗電達 82 太瓦時 Harvard / The Verge
- 一言以蔽之:發表於《Nature Sustainability》的新研究結合衛星影像與電力模型,首度系統性量化美國超大規模 AI 與雲端資料中心的實際電力消耗與碳排放衝擊。
- 電力規模:研究識別出美國 403 座超大規模資料中心,估算在 2024 年 5 月至 2025 年 4 月間合計消耗約 82 太瓦時(TWh)電力,佔全美總用電量約 1.8%,超越全球約 148 個國家的年用電量。
- 碳足跡評估:資料中心用電來源中有約 54% 來自天然氣與燃煤發電,期間共計產生 2,570 萬噸二氧化碳排放,相當於丹麥全國的年碳排放量。
- 傳送門:The Verge 研究報導
其他分享
Hub 開源 44.7 TB 第一視角機器人資料集 HubEgo-100K Hub / Hugging Face
- 一言以蔽之:Hub 於 Hugging Face 正式開源大規模第一視角技能作業影片資料集 HubEgo-100K,為具身智慧與機器人操作訓練提供免費商業授權的資料資源。
- 資料規模與授權:由超過 100,000 名貢獻者共同錄製,首批釋出 10,000 小時的第一視角技能作業影片,總檔案容量達 44.7 TB,免費開放研究與商業用途。
- 後續規劃:團隊預計在未來數週內陸續追加釋出其餘 90,000 小時影片,以擴充完整資料集規模。
- 傳送門:
AI Engineer Code Summit 發布《No AI Slop 宣言》,逾 500 名工程師連署 AI Engineer Code Summit
- 一言以蔽之:多位出席 AI Engineer Code Summit 2026 的講者與工程師共同起草《No AI Slop 宣言》,呼籲業界在 AI 產量暴增時代守住人類品味、理解與程式碼審查責任。
- 核心主張:宣言參照 2001 年《敏捷宣言》提出五組對照,包括「結果重於產量」、「理解重於速度」與「自己的思考重於模型初稿」,將 AI Slop 定義為投入的心思少於要求接收者理解的精力。
- 社群迴響:強調 AI 只能放大而非替代人類的判斷與責任,目前於 GitHub Gist 上已累積超過 500 名來自 OpenAI、SpaceX、Shopify 與 Baseten 等團隊的工程師連署。
- 傳送門:No AI Slop 宣言官網
- 傳送門:
Claude Code 團隊分享驗證設計心法:90% 程式碼由 AI 撰寫與審查的品質防線 Anthropic / Claude Code
- 一言以蔽之:Claude Code 團隊公開內部開發與驗證方法論,說明如何透過低成本自動化驗證迴圈,支撐高達 90% 由 AI 產出與審查的程式碼庫。
- AI 開發比例:Claude Code 團隊透露目前約 90% 的程式碼是由 Claude 親自撰寫並參與審查,關鍵在於讓模型具備驗證自身工作成果的能力。
- 驗證迴圈設計:由於單元測試、基準測試與端到端(E2E)執行等檢查手段已變得極為廉價,嚴密的自動化驗證迴圈讓團隊能穩定同時平行執行數十至上百個 Claude 例項。
- 傳送門:Claude Code 官方部落格
- 傳送門: