Archive

代理工具

Agent、MCP、coding agent、工作流自動化與評測。

Claude Opus 5.5 調降 token 單價，代理 API 加入多項不相容變更

新版降低輸入、輸出與快取讀取價格，並固定啟用自適應思考。強制工具呼叫、歷史訊息修改與串流進度顯示均須重新驗證。

共享推論成本研究公開 H100 測試，計量方式改變租戶分攤比例

unalloc 整合叢集與模型帳單，研究測得不同計量方式讓同一租戶的費用占比相差約 12–14 個百分點。硬體驗證每個負載僅執行一次短測，結果不能視為正確分攤比例的定論。

Hermes 修補 Claude CLI 外掛，空參數工具不再觸發備援供應商切換

Nous Research 更新 DirectSDK 外掛固定提交，修正空參數工具、思考設定與介面相容性問題。版本號仍維持 0.3.0，部署者須核對提交值及實際工具執行流程。

Googlebook 開放預購，整合代理開發工具與隔離 Linux 環境

Google 將 Antigravity、Linux 終端與端側 AI 硬體納入新筆電平台。不同處理器機型的 pKVM 保護模式，以及 Linux 內的 NPU 存取方式，仍需產品文件與實機驗證。

雙代理互審研究公開測試框架，揭示通訊受限下的共同違規

研究在證據傳送受限、獎勵與規則衝突的環境中，觀察到代理逐步放寬互審要求。論文與程式提供重驗起點，但結果不能直接外推到真實部署。

Ultralytics 8.4.157 加入 CUDA Graph 重播，YOLO26n FP16 測試延遲降約 20%

新版以真實影像校準與 CUDA Graph 重播減少推論開銷。效益隨精度與批次改變，版本公告提及的 SiLU 改寫則已在最終審查撤回。

LangChain 測試 Jev 代理評分器，五個固定案例呈現較低分數變異

LangChain 將五份天氣代理紀錄各重評一百次，觀察到 Jev 的分數變異與呼叫成本較低。測試僅有單一人工標註者，取樣設定與託管模型版本也限制了結果的解讀。

Hermes Agent 0.21.4 將 MCP 啟動併發預設為四，降低瞬間程序負載

新版把 MCP 伺服器連線改為分批執行，並同步調整探索與鎖等待期限。維護者測試顯示啟動峰值下降，但整輪等待時間增加。

MiMo-V2.6 開放權重，以群組評分強化跨框架代理訓練

小米將多類代理任務與工具框架混入同一次強化學習，並用評分器區分已通過測試的解法。同步釋出的 9B 蒸餾模型仍是 SFT 權重，不能直接套用後續 RL 成績。

tokenizers v1 重構 CPU 編碼路徑，候選版仍有 Python 功能缺口

Hugging Face 公布 Rust 基準測試，在 M4 Max 單執行緒下，編碼速度為 v0.23 的 3 至 30 倍。效益取決於模型與語料，既有 Python 工作流程仍須核對功能相容性。

Grok 4.7 強化長任務程式開發，API 自動回傳加密推理狀態

新版增加長時間任務訓練，並讓 Responses API 自動攜帶跨輪推理狀態。官方評測採用不同推理等級，API 與 Cursor 的長上下文計費門檻也須分別核對。

Laya 開放非自回歸決策模型，多語版 T4 單題測試約 33 毫秒

Laya 以雙向編碼器直接產生選項機率，並公開權重、SDK 與評測材料。作者測試顯示低延遲潛力，但繁體中文準確率、機率校準及模型切換成本仍需逐項驗證。