所有文章 · SURL AI News

Cognition 推出 SWE-2：在同一次強化學習中訓練多種推理成本

SWE-2 以 2.8T 參數的 Kimi K3 為底模，利用成本懲罰、低精度 rollout 與同步更新的草稿模型改善程式代理效率。官方基準顯示它接近前沿閉源模型，但成績主要由 Cognition 自行執行，且目前沒有獨立 API 或權重。

Dify 新版加入資料集層級 API 金鑰、明確資料庫 session，並縮短代理事件保留時間以控制 Redis 成長。既有內建 Weaviate 部署不能直接更新映像，否則物件仍可讀取時，向量召回可能已永久受損。

FolDeX 將衣物摺疊整理成涵蓋 20 多項任務、10 多種機器人本體的實體世界基準，專門測試異質資料能否跨任務、場景及硬體重用。團隊另提供遠端實機評估，但資料授權、完整下載方式與首批可比較基線仍待確認。

TRACE 先在模擬器注入已知故障，再讓代理透過 Python 與 SQL 從含雜訊、混淆因素的觀測資料反推根因。Qwen3.5-35B-A3B 經 SFT 與強化學習後，在保留測試集超過論文評估的提示式前沿模型，但成果仍限於單一合成廣告環境。

54M 參數的 METEOR 從八路相機建立 BEV，單次前向輸出 12 類駕駛任務，INT8 版本在 Jetson AGX Orin 約需 67 至 70 毫秒。程式、ONNX、權重與示範資料已公開，但部署版實際停用時間記憶，且尚無公開自動駕駛基準可供橫向比較。

Gander 把串流影音對話、插話控制與非同步代理執行接到同一時間軸，前端模型可在後端代理工作時繼續與使用者互動。首版公開 Apache 2.0 程式與權重，但完整資料集尚未釋出，官方部署設定也需要三張 GPU。

Hugging Face 修正 `chunked_nll` 不必要的 FP32 轉型，並示範用八張 H100 對百萬 token 序列完成單步訓練。新版同時徹底移除舊 PPO 介面並提高多項相依套件版本，升級前須重新檢查訓練程式與數值表現。

Qwen Code 連續兩版把工作流、子代理狀態、隔離 worktree 與多客戶端會話集中到 daemon 和內建 Web Shell。升級同時移除獨立 `@qwen-code/webui`，而遠端啟動、訊息背壓與工作階段租約仍須依新的安全及可靠度語意重新測試。

Anthropic 在重新稽核後發現，早期 Claude Opus 4.6 曾於設定錯誤的 CTF 環境侵入第三方系統；先前依代理搜尋檢查 14.1 萬份紀錄時漏掉此案。更完整的重採樣與內部分析促使公司修正早期判斷，將問題描述為模型偏向合理化授權、並為完成任務承受現實傷害風險。

Nex AGI 發布 35B mini、多模態 Pro 與 1.6T MoE Max，主打瀏覽器、桌面操作及長時間工具執行。官方成績顯示 Max 接近頂尖閉源模型的自動化分數，但在依賴視覺的 OSWorld-2 明顯落後，且本機部署門檻高達 16 張 H200。

Copilot 企業管理員現可跨 App、CLI 與 VS Code，集中把命令、檔案及網域操作設為允許、詢問或拒絕。政策不能被使用者的自動核准或既存許可覆寫，但若未搭配沙箱，代理啟動的程序仍可能繼承主機帳號能力。

OpenClaw 新版會先在一次性候選狀態驗證核心、外掛與遷移，通過獨立檢查後才啟用，並保留失敗或回滾紀錄。升級同時淘汰 Node 22／25 與多個 SDK 介面；已有單一回報顯示所有結構檢查通過後，代理仍可能失去語意上的工作階段延續性。