Archive

代理工具

Agent、MCP、coding agent、工作流自動化與評測。

Transformers 被回報快取卸載改變 Qwen3.8 輸出，異常始於首次重用

一份附最小重現程式的回報顯示，混合注意力模型在預填充正常後，下一步輸出仍可能偏移。問題尚未獲維護者確認，凸顯顯存最佳化也需驗證多步數值一致性。

AI 基礎設施

AgentCore Runtime V2 加入記憶體回收與快照啟動，官方冷啟動測試約兩秒

AWS 更新代理執行環境，降低長工作階段的記憶體占用並縮短冷啟動。效能數字來自空代理測試，成本效益與快照還原行為仍須依實際負載驗證。

CUA-S1-FORMS 以70萬參數處理表單決策，公開權重與訓練流程

Cua 將欄位配對與動作選擇交給小型模型，再由程式安排執行順序。公開評測仍限於少量示範表單，中文泛化與完整工作流程可靠度有待驗證。

Cherry Studio 2.1.0 接入網站 WebMCP，擴充瀏覽器操作與文件結構引用

新版讓代理與對話助手操作內建瀏覽器，並可引用文件中的特定範圍。網站工具相容性、不同執行模式的權限差異及 macOS 最低版本，仍是導入重點。

Trail of Bits 以代理建立 MASM 稽核工具，公開 95 項 Lean 正確性證明

團隊讓代理協助建立反編譯、靜態分析與形式化驗證工具，再用於 Miden 虛擬機稽核。公開程式提供重驗起點，但證明仍受語意模型與定理前提限制。

TypeSafe Python SDK 0.7.0 為 Jev 加入型別化回覆，序列化改用 Pydantic

新版可把決策答案映射為 Pydantic 模型，方便分類與路由流程使用。序列化變更需要遷移驗證，中文準確率及機率門檻仍須另行評測。

Grok Voice Transcribe 2.0 降低轉錄錯誤率，預設模型切換需留意

新版維持既有轉錄價格，官方多語短句測試與獨立批次評測均顯示詞錯誤率下降。批次速度、中文格式化支援及預設模型切換仍需分別驗證。

AMD 公開 MLPerf 推論最佳化，八卡 GPT-OSS 服務吞吐量提升約 38%

AMD 透過分拆注意力核心與調整排程，提高 MI355X 上的 GPT-OSS-120B 基準吞吐量。公開權重與操作指南提供重現起點，但環境設定及模型卡仍有待釐清之處。

vLLM 公開 NVDEC 多卡測試，影片描述吞吐量達 CPU 解碼方案兩倍以上

vLLM 公開硬體影片解碼的多 GPU 擴充測試，改善短描述生成工作中的 CPU 瓶頸。效益仍取決於負載，部署時也須為解碼程序預留顯存。

AI 基礎設施

AIPerf 以多程序重建 LLM 測速流程，串流指標仍須核對計數方式

NVIDIA 詳解 GenAI-Perf 後繼工具 AIPerf，將負載產生、結果處理與流量重播納入多程序架構。它提供更完整的服務量測，但遷移相容性與串流 token 計數仍影響結果解讀。

AI 基礎設施

Exa Snapshot 固定歷史網頁內容供代理評測，搜尋排序仍採當前訊號

Exa 推出歷史網頁內容查詢，讓代理在指定時間界線內取得證據，降低後來公開答案造成的評測污染。功能仍屬研究預覽，公開方案的歷史範圍與搜尋模式均有限制。

OpenHands 1.20 讓代理設定檔選擇密鑰，由伺服器執行範圍限制

新版把密鑰允許清單接進代理設定檔，降低自動化任務取得無關憑證的機會。既有設定預設仍不限制，部署者必須確認後端支援及其他憑證交付管道。