所有文章 · SURL AI News

Cogram Studio 以 MCP 開放無介面 FreeCAD，讓代理直接建立 CAD 與 BIM 文件

Cogram 推出供人類與 AI 代理共用的雲端建模環境，以 FreeCAD 1.1、OpenCASCADE 幾何核心及 MCP 工具組處理三維模型與工程圖。代理已能完成受限、反覆修正的建模工作，但複雜模型仍須由工程師檢查幾何、尺寸與實體約束。

OpenMAIC 1.0 將一次性課堂生成器擴充為可規劃、修改及續跑的課程代理，並以事件串流與 PostgreSQL 保存工作階段。新版開放二十項內建技能與供應商中立工具介面，但公開部署仍須自行補上身分隔離與長時間媒體任務排程。

Fetchgate 對官方 Registry 的 15,329 個遠端網址執行唯讀握手，發現 5,462 個可連線端點會送出伺服器級指令。問題不只在提示注入，也包括每輪重複支付的上下文成本與工具間的隱性優先權競爭。

新版 Channels 可依頻道、聊天及發送者保存最多八個具名工作階段，關閉後亦能重新接回原對話。這是多任務管理而非平行隔離：目前一次只能選取一項任務，且所有任務仍操作同一個工作目錄。

Sopro V2 Turbo 將 500M 教師蒸餾至 120M 參數，再以 reflow 把聲學求解從 32 步縮為兩步。模型可在 M3 CPU 約 300 毫秒輸出首段音訊並支援瀏覽器推論，但目前只有四種歐洲語言且未公開訓練程式。

Google 將 Gemini Omni 1.1 Flash 推為穩定 API，場景延伸可讀取先前十秒內容，並逐段生成最長四十秒的影片。新版亦支援首尾關鍵影格、360p 草稿與 4K 輸出，但公開品質數據仍以 Google 自有評測為主。

Google 與普渡大學研究者讓代理每一步只讀取固定技能、目前狀態與最新觀察，驗證狀態更新後立即捨棄推理歷史。在百步倉儲測試中，它以 65,408 token 取得 0.94 準確率，但成效依賴預先設計的狀態結構能保留未來所需資訊。

騰訊公開 Hy4 Preview 的 Apache 2.0 權重、FP8 版本及 vLLM、SGLang 部署配方，模型每個 token 從 770B 參數中啟用約 49B。它支援 100 萬 token 上下文，但品質與自我最佳化成效目前仍主要來自騰訊內部評測。

Hugging Face 與 Voice Arena 以 Monsoon 資料集擴充開放語音辨識排行榜，四個公開及私有分割涵蓋 4,888 名說話者。印地語改用可接受多種拼法的參考格狀結構，避免傳統單一轉錄把正確辨識誤算成錯字。

Lemmalog 將代理記憶拆成由 LLM 擷取的事實，以及由規則引擎維護的可驗證狀態。初步評測顯示它能大幅縮短回答階段的上下文，但整體準確率仍受事實擷取與實體對齊限制。

FastVideo 以 DMD2 蒸餾與 90% 稀疏注意力，把基礎模型的 49 次 DiT 呼叫縮減為四次，並公開完整權重與 LoRA。即時生成數字依賴八張 B200、專用 VSA 核心及暖機後測試，單卡與一般消費級 GPU 尚未達到同等速度。

NVIDIA 在 0.0.113 強化本地推論與狀態漂移驗證後，再把沙箱、推論服務及生命週期權限綁定至可持久驗證的身分，避免重試或復原操作接管同名但不同的執行環境。