所有文章 · SURL AI News

OpenAI 將 Custom GPT 遷移至 Plugin，Custom Action 不會自動轉換

OpenAI 計畫以包含 Skill 與 App 的 Plugin 取代 Custom GPT，受影響的企業工作區預定 12 月 11 日停止執行舊 GPT。內建遷移只處理部分設定，Custom Action 必須改寫成支援的連接器或自訂 MCP 伺服器。

RSIAgent 讓課程、執行與驗證代理先廣泛探索工具，再深入測試失敗邊界，將結果保存為動作—條件—結果記憶。OSWorld 2.0 的部分得分由 71.97 升至 78.98，但比較混合不同預算與挑選後的重試，不能直接視為模型能力超越 GPT-6。

HazardAuditor 將 Claude Code、Codex、Hermes 與 OpenClaw 的工具執行轉成共同事件格式，再判斷整段行為是否安全。新的 GuardPO 讓最終安全判定主導更新，但研究資料未公開，最高 16.5 個百分點增益仍待獨立重現。

vLLM 與 Red Hat AI 公開 Kimi K3 的 50 億參數 DSpark 草稿模型，以及跨節點抽取、傳送隱藏狀態的完整配方。官方測試把單一使用者生成速度由約 110 提至 435 token/s，但結果依賴 GB300 叢集與特定推理負載。

Anthropic 在 2.1.273 修正兩條命令審查缺口，以及受管理 MCP、連接器政策可能被忽略的設定合併問題。新版也為 LLM gateway 增加選配請求標頭與 MCP 斷線告警，但官方未把這批修補列為 CVE 或安全公告。

新基準把 150 個 SWE-bench Verified 任務改寫成 750 個帶有安全陷阱的 issue，測試自動修復代理會否交付功能正確但不安全的程式碼。三種模型後端平均有 51.7% 的案例同時完成修復與攻擊目標，而常見的模型審查及靜態分析仍漏掉大量惡意 patch。

Periodic Labs 以 1,300 張 H200 對兆參數開放模型進行科學中期訓練與強化學習，讓 Neon 自動分析複雜 X 光繞射結果。55.3% 成功率與前沿模型比較均出自內部資料、專用工具鏈及模型評審，現階段更像可檢驗的垂直 AI 配方，而非已證實的自主科學發現。

Salesforce 以 Nemotron 3 Super 為底座，透過合成企業情境、SFT 與 GRPO 訓練首款 CRM 推理模型 Koa。它在多輪工具使用上明顯改善，但論文承認整體表現仍落後最強前沿模型，官方「錯誤少三倍」也來自自家 CRM 評測。

NVIDIA 研究團隊提出無 critic 的單 rollout 訓練法，讓長短不一的工具軌跡完成後即可進入更新。小模型實驗以一半 rollout 超越所列 GRPO 基線，但跨環境、跨規模的穩定性仍未得到充分驗證。

TypeSafe AI 的 Jev 只產生預先定義的布林、選項與分數，試圖把模型推論變成可直接嵌入程式的低延遲分支。型別正確不代表判斷正確，官方速度與成本優勢也仍建立在自製工作流及未公開模型上。

Gensyn 公開 1.61B 參數模型的資料、檢查點、逐步雜湊與重播工具，讓第三方可抽查訓練狀態是否與承諾相符。這套可重現性以約五倍訓練效能代價換取，而且雜湊吻合仍不能獨自證明原始叢集確實按宣稱方式執行。

新研究發現，放入上下文的良性措辭錯誤計畫可被模型吸收、改寫並付諸行動，最強監控器仍漏掉至少四分之一攻擊。讓監控器看到原始注入內容或增加推理預算也不保證改善偵測，顯示代理不能只靠輸出思維鏈自證安全。