所有文章 · SURL AI News

Reef 把線上推論、回饋訓練與代理版本發布接成持續學習迴圈

新開源 Reef 以相容 OpenAI、Anthropic 的推論端點收集可追溯互動，再非同步更新模型權重或代理 harness。它補上熱更新與版本回滾所需的控制面，但學習資料污染、評估器偏差及生產穩定性仍待驗證。

Google 推出兩款原生語音模型，Extended Thinking 可在持續輸出音訊時進行背景推理與非同步工具呼叫。新協定提升長流程語音代理的並行能力，卻也要求開發者重寫工作階段狀態機與中斷處理。

Qwen Code 更新跨平台 Computer Use 路徑，讓代理透過持久化 Node REPL 呼叫 Rust-backed SDK，而非直接面對大量原生工具。新版改善 Linux 輸入與觀測，但自動安裝、Node.js 權限及 Windows 未簽章元件仍是部署風險。

新研究在固定模型、乾淨資料與毒化數量後，僅更換毒化樣本組合，就讓 Llama 3 8B 的攻擊成功率落在 3% 至 80%。SAILS 以少量昂貴微調評測訓練集合評分器，再從數百萬候選組合中挑出高風險集合。

Cline 推出開源桌面 beta，讓多個代理在獨立工作階段並行，並可用 cron 排程無人值守任務。官方展示的模型成績其實來自既有 CLI harness，而非桌面版的獨立評測。

OpenArm 2.0 把 7 軸機械臂、資料採集介面與固定環境的評測 Cell 整合成開源 physical-AI stack。新版改善近手視覺與夾爪，但被動示教器 KER 尚未釋出，跨實驗室可重現性也仍待實測證明。

Bolt.new 的研究預覽以 GLM、Kimi 與 DeepSeek 開放權重模型執行建站代理，並把使用者主動加入的提示、程式碼及錯誤修復序列交給 Arcee AI 訓練。方案清楚呈現「運算換資料」模式，但自行公布的 91% 基準成績及除密效果仍待外部驗證。

Portable Computer 現可在具備至少 24GB VRAM 的 Windows RTX 電腦執行模型、工具與沙箱，多數本機工作不計入雲端額度。系統仍能經使用者授權升級至雲端模型，連接器與外部操作也使其不能等同完全離線環境。

Google Research 公開 Stellar Colosseum，以策略探索、反例攻擊、依賴圖與分層彙整管理長程數學研究。系統在 300 題 TCS‑Bench 達 71%，但成績依賴大量推論與自動評分，不能直接視為模型獨立證明能力。

SemiAnalysis 在預發布軟體上測試 Vera Rubin NVL72，報告相較 Blackwell 最高約七倍的每兆瓦 token 吞吐量。結果凸顯 HBM4 與 NVLink 6 對長上下文、MoE 推論的作用，但 67 倍性價比標題包含租賃價格及特定操作點假設。

Anthropic 的測試數量增加十倍，原本依賴單一寫入程序的測試影響分析服務逐漸追不上 PR。新版以可水平擴展的 listener、日誌與獨立彙整器取代程序內狀態，但成本與漏選率等關鍵數據仍未公開。

OpenMAIC 的媒體代理曾在驗證網域後重新解析 DNS，使外部名稱可在連線時轉向內網；另一條路徑則會放行阿里雲中繼資料位址。1.0.2 改以固定解析結果連線並由伺服器產生課堂 ID，但也會影響透過 Tailscale 等 CGNAT 網段存取本地模型的部署。