模型發布/更新
GPT-6.2 Astra 與 GPT-6.2 Sol 正式發布 OpenAI
- 一言以蔽之:OpenAI 推出旗艦模型 GPT-6.2 Astra 與日常主力模型 GPT-6.2 Sol,以更少的輸出 Token 實現更高專業任務表現與顯著的 API 降價。
- 旗艦規格與定價:GPT-6.2 Astra API 定價為每百萬 Token 輸入 8 美元、輸出 40 美元、快取輸入 0.4 美元,較 GPT-6 Astra 降價 20%;在 Terminal-Bench Science 0.1 較前代提高 9 個百分點且單任務成本不到三分之一。
- 日常主力表現:GPT-6.2 Sol 維持每百萬 Token 輸入 2 美元、輸出 10 美元定價,在 Cognition FrontierCode 2.0 基準距離 Astra 不到 0.5 分,單任務成本僅約五分之一。
- 評測與 3D 能力:GPT-6.2 Astra 在 Artificial Analysis Intelligence Index 取得 62 分位居第 2(僅次於 Claude Fable 5.2),並於評估互動式 3D 建構的 AA-3D 榜單在 152 次兩兩對比中獲 139 次偏好奪冠。
- 安全評估與開放範圍:系統卡認定兩模型在網路安全達 Critical 閾值且生化能力達 High 閾值,現已全面上線 ChatGPT Work、Codex 與 API,並支援最高提速 4.5 倍的 Ultrafast 模式。
- 傳送門:OpenAI 官方公告
- 傳送門:GPT-6.2 系統卡
- 傳送門:
OpenAI API 輸出定價比較GPT-6.2 Sol 輸出定價僅為旗艦 Astra 的四分之一,寫程式基準表現卻相差不到 0.5 分
每百萬輸出 Token 價格
40美元GPT-6.2 Astra
10美元GPT-6.2 Sol
GPT-6.2 Sol 在 Cognition FrontierCode 2.0 基準距離 Astra 不到 0.5 分,單任務成本僅約五分之一。
資料來源:OpenAI 官方公告
Microsoft AI 於 Ignite 2026 發表 MAI Code 2、MAI Realtime 1 等七款新模型 Microsoft AI
- 一言以蔽之:微軟在 Ignite 2026 推出七款主打極致價效比的 MAI 系列新模型,橫跨程式設計、即時語音、影象編輯與網路防禦等企業場景。
- 程式與防禦模型:MAI Code 2 與 Flash 版已在 GitHub Copilot 全面開放,四項編碼基準平均達 GPT-6.1 Sol 98% 效能但價格僅約 40%,達 Claude Opus 5.5 96% 效能而成本僅 5%;MAI Cyber 2 Flash 則以不到 2% 單任務成本在 CyberGymE2E 匹配 GPT-6 Astra。
- 語音與決策模型:首個語音到語音模型 MAI Realtime 1 起價每分鐘音訊 0.01 美元,在 Big Bench Audio 與 τ-Voice 基準超越 GPT Realtime 2.1;Microsoft-Decision-1.1 則透過單次呼叫直接回傳校準機率。
- 影象生成與企業方案:MAI Image 2.7 支援 2K 解析度與透明背景,每張成本 0.035 美元並登上 Artificial Analysis 多圖編輯榜第 3 名;微軟同步推出 MAI Licensed Weights 讓企業於 Azure 環境掌控模型權重。
- 傳送門:Microsoft AI Ignite 2026 總覽
- 傳送門:MAI Code 2 官方介紹
- 傳送門:MAI Realtime 1 官方介紹
快手可靈發布 Kling Image 4.0 影象模型並開放 API 可靈 AI
- 一言以蔽之:快手可靈推出新一代影象模型 Kling Image 4.0,首度支援原生 8K 解析度生成與長達 15,000 Tokens 的複雜文字控制。
- 核心架構與畫質:採用「理解生成統一」架構,首度支援原生 8K 影象生成,並提供更高的視覺寫實度與細節表現。
- 排版與風格控制:內建 110 種以上預設影調風格與 70 多種商用字型,最高支援 15,000 Tokens 輸入以及單張影象最多生成 2,000 字。
- 商用場景支援:支援單次描述生成最多 10 張風格連貫組圖與電商詳情頁等超長畫幅長圖,現已全量上線並開放企業 API。
- 傳送門:可靈 AI 發布詳情
- 傳送門:
Apple 釋出互動級低延遲影片生成模型 FastFrames Apple
- 一言以蔽之:Apple 在 Hugging Face 公開 FastFrames 系列影片生成模型,提供 14B 與 1.3B 兩種引數規格以實現互動級生成延遲。
- 雙規格發布:釋出 14B 引數的 FastFrames-L 與輕量化 1.3B 引數的 FastFrames-S 兩個版本,兼顧生成品質與邊緣推論效率。
- 技術定位:專注於互動式低延遲(Interactive Latency)影片生成,並已於 Hugging Face 平臺公開模型資源。
- 傳送門:
Hugging Face 推出針對 pi 程式設計 Agent 最佳化的 Qwen3.8-27B-pi-adapted Hugging Face
- 一言以蔽之:Hugging Face 透過強化學習與 LoRA 微調 Qwen3.8-27B,使其在 pi Coding Agent 上的複雜任務透過率倍增並大幅減少工具呼叫次數。
- 評測成績大幅躍升:以 pass@1 衡量,SWE-bench Pro(Hard 51)成績由 29.4% 躍升至 62.7%,Terminal-Bench 2.1 由 39.5% 提升至 55.8%。
- 效率最佳化:每項任務的工具呼叫次數較微調前減少 55% 至 62%,並已開源模型權重與強化學習方法論。
- 傳送門:
產品發布/更新
Gemini 免費開放「任務」功能,Gemini 4 Hydrogen 同步匯入 Search 與機械手臂控制 Google
- 一言以蔽之:Google 將由 Gemini 4 Hydrogen 驅動的自動化任務功能免費開放予六國數億使用者,並同步將該模型全面升級至 Google Search 與機器人模擬控制外掛。
- Tasks 自動化執行:於美國、日本、韓國、加拿大、澳洲與印度免費推出,支援自動撥打商家電話比價(附完整逐字稿與撥號前確認)、透過 Google Pay(AP2 協定)安全結帳並串接超過 60 款應用。
- Google Search 重大升級:Gemini 4 Hydrogen 全面上線全球 Google Search,改善複雜意圖理解、query fan-out 連結、視覺化自適應版面與多語言檢索表現。
- 機器人控制整合:Google DeepMind 於 Antigravity 推出機器人外掛,結合 MuJoCo 模擬環境讓開發者透過自然語言在約 1 小時內完成 3D 場景建構並部署至實體機械手臂。
- 傳送門:Google 官方部落格
- 傳送門:
- 傳送門:
Replit 發布多 Agent 叢集架構 Missions 並開源監控系統 DataCat Replit
- 一言以蔽之:Replit 推出可在預算範圍內排程多 AI Agent 叢集自動交付複雜軟體的 Missions,並展示其 1 比 1 復刻企業級監控平臺且完全開源的 DataCat。
- 叢集運作與加速成效:使用者設定目標、預算與邊界後,Agent 叢集會並行規劃、開發與測試並由獨立 AI 裁判驗收;在 13 項 NumPy 最佳化任務中,16 個 Agent 達 17 倍加速、32 個達 19 倍加速。
- 開源復刻與桌面版:利用 Missions 探索上千個工作流程後建構出 100% 免費開源的 DataCat 監控平臺;同步於 Microsoft Store 推出支援微軟 Execution Containers 與 NVIDIA OpenShell 沙箱的 Replit Desktop。
- 傳送門:Replit Missions 官方部落格
- 傳送門:
Replit Missions 叢集架構使用者只需定義目標與預算,Agent 叢集便會並行開發測試並交由獨立 AI 裁判驗收
設定目標、預算與邊界使用者先確立開發範圍與資源上限
Agent 叢集並行作業多個 AI Agent 並行規劃、開發與測試
獨立 AI 裁判驗收確認結果後自動交付複雜軟體
在 13 項 NumPy 最佳化任務中,16 個 Agent 達 17 倍加速、32 個達 19 倍加速。
Cognition 正式上線自主工程團隊管理者 Devin Bots Cognition
- 一言以蔽之:經歷上千名測試者試用後,Cognition 全面推出可端到端承接整個軟體目標並指揮多個 Devin 協作開發的 Devin Bots。
- 端到端專案管理:不同於過去單一任務處理模式,Devin Bot 可自行拆解專案、排程所需的 Devin 團隊數量、審查成果並將關鍵決策交還給人類工程師。
- 跨機器人協作與通知:支援如 QA Bot 發現漏洞後自動交接給 Developer Bot 修復,開發者可透過 Slack、群組訊息或電話即時追蹤進度,並內建 Backlog、CI 與發布範本。
- 傳送門:
- 傳送門:
Perplexity 推出 Multiagent 協作模式與 Orchestrator API Perplexity
- 一言以蔽之:Perplexity 為 Computer 與 Teammates 新增最多 16 個前沿模型交叉驗證的 Multiagent 檔位,並向開發者開放支援 KV cache 相容的自訂路由 Orchestrator API。
- Multiagent 並行協作:預設以 Claude Opus 5.5 或 Fable 5.2 作為主導 Agent,同步排程 GPT-6.1 Sol 與 Gemini 4 Carbon 等最多 16 個 Agent 編輯共享檔案並交叉檢核,現已向 Max 與 Enterprise Max 網頁版開放。
- Orchestrator API 與 WANDR 表現:單一 API 整合 45 款以上開源與專有模型,提供自動故障轉移、統一計費與 KV cache 相容路由;Perplexity Search 與 Computer 亦已接入 GPT-6.2 Astra(WANDR 得分 0.783)與 Sol(0.746)。
- 傳送門:
- 傳送門:
- 傳送門:
OpenAI 推出整合逾 30 款工具的 ChatGPT for Sales 銷售體驗 OpenAI
- 一言以蔽之:OpenAI 發表專為企業銷售團隊打造的 ChatGPT for Sales,串接客戶上下文與 CRM 工具以減少行政事務並加速成交。
- 專屬外掛與生態整合:內建全新 Sales 外掛並整合超過 30 款新增及強化合作夥伴工具,涵蓋 Salesforce、HubSpot、ZoomInfo、Clay、Attio、Gong 與 Gamma 等主流系統。
- 核心應用場景:協助業務團隊進行潛在客戶背景調查、準備簡報提案與自動更新 CRM 紀錄,將客戶資料直接轉化為可執行的銷售程式。
- 傳送門:OpenAI 官方公告
- 傳送門:
產業動態
NVIDIA Q3 財季營收達 1,158 億美元創新高,黃仁勳首發聲回應離職與 SEC 調查 NVIDIA / TechCrunch
- 一言以蔽之:NVIDIA 公佈營收年增 103% 的強勁財報並擴大供應鏈產能承諾,同時前執行長黃仁勳就個人爭議公開致歉並表態願視董事會決定回歸,而 SEC 亦傳出已啟動資訊揭露調查。
- 財報與產能承諾:截至 2026 年 10 月 25 日的第 3 財季營收達 1,158 億美元(資料中心佔 1,076 億美元、年增 110%),淨利 653 億美元,Q4 指引達 1,300 億美元;NVIDIA 同步擴大與 TSMC、富士康、Amkor、SPIL、Kinsus 與三星電機的長期產能合作。
- 高層動盪與戰略延續:黃仁勳坦承個人生活犯下嚴重錯誤並承諾配合獨立調查,同時表示若董事會認為符合各方利益將榮幸回歸;臨時 CEO Colette Kress 則在法說會重申開源 AI 戰略與 129 億美元收購 Hugging Face 交易不變。
- 監管審查進展:《華爾街日報》報導 SEC 已對 NVIDIA 的資訊揭露是否誤導投資人啟動民事調查,焦點包含新加坡帳單揭露變動及 Megaspeed 晶片轉運疑雲。
- 傳送門:NVIDIA 2027 財年 Q3 財報
- 傳送門:NVIDIA 供應鏈產能合作公告
- 傳送門:TechCrunch 報導 SEC 調查與開源戰略
Isomorphic Labs 完成 50 億美元融資加速 AI 第一性原理新藥開發 Isomorphic Labs / Demis Hassabis
- 一言以蔽之:Alphabet 旗下 AI 製藥公司 Isomorphic Labs 宣佈獲得 50 億美元鉅額融資,全面推進以人工智慧重塑藥物研發流程的使命。
- 投資陣容:本輪融資吸引 Greenoaks、Sequoia、Andreessen Horowitz 等頂級創投與既有股東參與。
- 資金用途:執行長 Demis Hassabis 表示資金將用於從第一性原理以 AI 重新設計藥物開發流程,藉此大幅縮短新藥研發週期並降低試錯成本。
- 傳送門:
Anthropic IPO 檔案揭露 Amazon 與 Google 將合計持有近三成股權 TechCrunch
- 一言以蔽之:Anthropic 最新揭露的 IPO 相關投資細節顯示,兩大雲端戰略夥伴 Amazon 與 Google 在上市後將合計持有接近 30% 的無投票權股份。
- 雲端巨頭持股比例:Amazon 持股比例將達 14.7%,若將所持可轉換債券全數轉換最高可達 23.8%;Google 則將持有 13.7% 股權。
- 治理結構設計:檔案確認 Amazon 與 Google 所持有的股份均為無投票權股份,以維持 Anthropic 獨立的治理架構。
- 傳送門:TechCrunch 報導
OpenAI 透過 Daybreak 向 NATO 及盟國網防機構開放進階安全模型 OpenAI
- 一言以蔽之:OpenAI 宣佈啟用 Daybreak 平臺協助 NATO 與盟國機構強化網路防禦,並揭露已利用 GPT-6 Cyber 協助修補多項軟體與 Java 重大漏洞。
- 實戰防禦規模:NATO 及盟國網路防禦機構透過 Daybreak 進行程式碼審查、可疑活動調查與漏洞驗證,目前每月使用量已達數千億 Token 級別。
- 已揭露漏洞成果:歐盟 ENISA 運用該模型發現並修復 4 個軟體漏洞,波蘭 CERT Polska 識別並協調揭露 MikroTik RouterOS 的 6 個漏洞;OpenAI 亦表示已用 GPT-6 Cyber 在 Java 發現重大漏洞。
- 傳送門:OpenAI NATO 合作公告
- 傳送門:
論文研究
Meta 與 Google 提出「自我改進記憶」機制推進持續學習 AI Agent Meta / Google
- 一言以蔽之:Meta 與 Google 本週同步發表針對持續學習 AI Agent 的研究突破,透過結構化記憶改寫執行框架與模型權重,解決遞迴自我改進(RSI)中的經驗遺忘與環境切換退步問題。
- Google Self-Improvement Memory:Google 在執行框架(Harness)層級提出持續遞迴自我改進機制,依據問題分類儲存過往修改的理由、預測結果、觀察結果與評測上下文;在 Terminal-Bench 2.1 至 4 等四項領域中,具備記憶的最佳化器在 10 次連續執行中有 9 次持續進步。
- Meta 權重級記憶習慣學習:Meta 讓模型自行設計記憶指令(決定記什麼、如何記與何時召回),再針對表現最佳的執行軌跡以 LoRA 監督式微調(SFT)將記憶習慣直接訓練進模型權重。
- 傳送門:
- 傳送門:
《Science at the Frontier》研究:逾 1,800 名科學家自述 AI 使研究效率接近翻倍 OpenAI
- 一言以蔽之:OpenAI 調查 ChatGPT for Academic Researchers 計畫中超過 1,800 名科學家的使用行為,發現三分之二受訪者已將 AI 視為構思研究方向的「科研協作者」。
- 高頻使用場景分佈:科學家約 85% 的 ChatGPT 使用集中於論文寫作、文獻閱讀、程式設計與資料分析四大類任務。
- 研究構思與主觀效能:約三分之二的科學家已開始用其發想研究課題,並自述使用 AI 後工作效率接近翻倍(該資料來源自參與者主觀自述,非客觀生產力測量)。
- 傳送門:
- 傳送門:
TokenWave.AI 推出 SWE-CoWork 基準,揭露 Coding Agent 團隊交接僅 8% 透過率 TokenWave.AI
- 一言以蔽之:全新 SWE-CoWork 基準測試 AI Agent 作為數位員工接手他人未完成專案與跨團隊溝通的能力,結果顯示目前最強模型在 101 項真實倉庫任務中僅完整解決 8 項。
- 職場模擬基準設計:Agent 須在包含任務看板、版本化檔案與可提問隊友的模擬環境中,接手進行中的程式專案並依隊友回覆動態修改程式碼,以透過 101 個真實程式碼倉庫的隱藏測試。
- 關鍵瓶頸分析:評測顯示最佳模型僅完成 8/101 項任務;以 Claude Opus 5.5 為例,超過半數的失敗檢查發生在 Agent 已經從隊友處取得正確需求之後。
- 傳送門:
其他分享
Simon Willison 與 Prime Radiant 發表 Coding Agent 外部沙箱模式與三套開源原型 Simon Willison / Prime Radiant
- 一言以蔽之:Simon Willison 聯手 Prime Radiant 提出「Agent 留在主機、執行程式碼進入獨立沙箱」的安全架構,降低本地小模型因提示詞注入破壞系統的風險。
- 三套開源沙箱實現:釋出 Apache-2.0 授權的三大原型伺服器,分別以 Node.js 在 WebAssembly 中模擬 Alpine Linux(v86,埠號 8686)、封裝 Apple Containers(埠號 8687)及搭配 QEMU 的 Microsoft Quicksand(埠號 8688)。
- 工具整合深度與網路代理:Pi 1.5+ 可完全將讀寫與命令列導向沙箱,Codex 支援程式與檔案系統隔離,Claude Code 則目前僅隔離 Bash;系統另提供 HTTP/HTTPS 允許清單代理與不外洩金鑰的憑證替換機制。
- 傳送門:Simon Willison 技術文章
- 傳送門:
Wiz 揭露 PyPI 出現微軟 agent-framework 惡意套件,專門竊取 Azure 與 CI 憑證 Wiz
- 一言以蔽之:資安團隊 Wiz 偵測到 PyPI 上的熱門 Agent 框架出現遭投毒的 1.26.1 與 1.26.2 版本,會在 Python 啟動時自動外洩雲端受管識別與環境憑證。
- 攻擊手法與時間軸:惡意版本於 2026 年 11 月 17 日上傳至 PyPI(已於當日 21:30 UTC 後下架),透過植入 .pth 檔案確保在 Python 直譯器啟動時即自動觸發竊密程式。
- 外洩資料範圍:惡意程式專門收集系統環境變數、本機憑證檔案、Azure 與 Azure DevOps 受管識別(Managed Identity)及 OIDC 權杖,並回傳至 webhook.site。
- 傳送門:Wiz 資安分析報告
PyPI 供應鏈攻擊流程遭投毒套件透過 .pth 檔案在 Python 啟動時自動觸發,將雲端與 CI 憑證外洩至遠端
上傳遭投毒套件版本1.26.1 與 1.26.2 版本於 2026 年 11 月 17 日上傳至 PyPI
植入 .pth 檔案自動觸發在 Python 直譯器啟動時即自動觸發竊密程式
收集環境與雲端憑證竊取系統環境變數、本機憑證、Azure 受管識別及 OIDC 權杖
回傳至 webhook.site將收集到的敏感憑證資料外洩至遠端端點
惡意版本已於 2026 年 11 月 17 日 21:30 UTC 後自 PyPI 下架。
資料來源:Wiz 資安分析報告
Together AI 與 Ollama 分享長程 Coding Agent 的 Prefix Caching 加速指南 Together AI / Ollama
- 一言以蔽之:Together AI 與 Ollama 團隊聯合撰文拆解 Claude Code、Codex 與 Pi 等程式設計 Agent 在長對話中的推論快取陷阱與最佳化實踐。
- 常見快取失效地雷:由於 Coding Agent 每輪皆會重傳完整對話歷史,在系統提示詞加入單一時間戳記(timestamp)即會破壞 Prefix Cache,而在任務中途切換推理強度(reasoning effort)更會使整份快取失效。
- 截斷處理技巧:團隊在實戰中發現,若明確告知 Agent 其輸出遭到截斷,能有效引導模型主動回頭讀取遺漏的上下文內容。
- 傳送門: