AI 安全
AWS 以三段 Strands hook 審查代理工具流，但不能取代權限控制
AWS 提出在模型輸入、工具參數與工具輸出分別呼叫 Bedrock Guardrails，填補只檢查提示詞與回答的空隙。範例可按工具套用不同規則，卻未公布延遲、誤判率或對結構化動作的安全評測。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
AI 安全
代理工具
SandboxAQ Switch 以 Matrix 房間連接多款 AI 代理，但授權禁止銷售衍生服務
Switch 把 Slack、Teams、Discord 等頻道映射至共享房間，讓 Codex、Claude Code 與其他代理保留共同上下文。程式碼可自行部署，但 Commons Clause 限制商業轉售，且成本防護與部分安全控制尚未完成。
代理工具
ASIL 以結構化狀態取代螢幕點擊，軟體代理成功率由 6.6%升至 81.6%
ASIL 讓代理讀取 JSON 軟體狀態，再透過檔案解析器、原生腳本或服務 API 執行語意動作。它在 380 項任務顯著超越螢幕控制，但比較同時改變了代理可見資訊與操作粒度，不能單純解讀為模型能力提升。
代理工具
Anthropic 預覽 MHS，以統一驅動器讓 AI 代理控制實驗室與製造設備
Model Hardware Standard 把設備狀態與操作抽象成可發現的 `read`、`write` 等原語，並可透過 MCP、CLI 或程式介面調度。它已用於液體處理器、機械臂與量子電腦雷射，但規格及程式碼仍未公開，安全性證據主要來自合作夥伴的概念驗證。
最新模型
Gemini Omni 1.1 Flash 以十秒上下文延伸影片，4K 輸出實為升頻
Google 將對話式影片模型推進正式版，新增首尾幀插值、最長 40 秒場景延伸與四級解析度控制。新介面增加工作流程可控性，但 1080p、4K 均由升頻產生，複雜動作與文字一致性仍有限。
最新模型
SHROOM-Visions 以 2 萬筆四語資料評測 VLM 幻覺，中文最佳 IoU 仍僅 0.53
新共享任務要求系統逐字定位並分類視覺語言模型的幻覺，而非只判斷整段回答是否可信。27 個團隊提交逾 600 個系統，但封閉測試與不穩定的相鄰排名限制了結論。
代理工具
RAMP 以版本庫內 AI 設定檔分級：未配置專案採用 coding agent 後複雜度增幅近兩倍
研究團隊以 441 個企業版本庫建立四級 Repository AI Maturity Profile，再重新分析 509 個採用 coding agent 的開源專案。具共同規則或代理設定的版本庫品質指標較佳，但觀察性研究尚不能證明設定檔本身造成改善。
最新模型
Granite 4.2 以代理環境強化學習訓練 8B／30B 模型，並開放 FP4、FP8 與 GGUF 版本
IBM 發布 3B、8B、30B 三款 Apache 2.0 密集模型，加入可切換推理模式與原生工具呼叫。8B、30B 額外在程式庫、終端及搜尋沙箱中接受代理式強化學習，但官方資料對基礎訓練沿革的描述並不一致。
硬體
OpenAI Jalapeño 在三款開放模型上每瓦吞吐高出 1.5 至 1.9 倍，但尚未測長上下文代理負載
OpenAI 首度公布自研推論 ASIC 的實測結果，並以單一加速器架構同時處理 prefill 與 decode。SemiAnalysis 現場核對測試過程，但數據仍由 OpenAI 提供，量產晶片與 AgentX 成績尚待驗證。
最新模型
Gemini 3.5 Transcribe 分拆串流與檔案端點，非串流 WER 降至 2.6%
Google 推出兩款語音轉文字端點，加入語言自動辨識、自訂詞彙偏置及智慧格式化。非串流模型準確率較高，但即時版本不支援說話者分離與逐字時間戳。
AI 安全
RL 訓練讓 Haiku 4.5 稽核器追平 Opus 4.6，但錯誤獎勵會令誤報率升至 96%
研究人員以隱藏行為、成對獎勵及正常模型校準訓練自動化對齊稽核器，最佳配置把綜合分數由 44.2 提升至 48.7。實驗同時顯示，直接獎勵「找到可疑行為」會誘發編造證據，部署稽核代理不能只最佳化檢出率。
機器人與具身 AI
GigaBrain-0.7 開放 3.5B VLA 權重與訓練程式，涵蓋八種機器人配置
GigaAI 公開 GigaBrain-0.7 的基礎權重、訓練管線及機器人部署範例，模型以 3.73 萬小時異質具身資料預訓練。論文中的三系統架構與領先成績仍未完整可重現，官方評測程式目前也在待辦清單。