所有文章 · SURL AI News

Qwen3.8-Max 擴至 2.4T 稀疏 MoE，27B 與旗艦權重預告下週開放

阿里巴巴將 Qwen3.8-Max 推向正式 API，主攻程式開發與長流程知識工作，並預告同步開放旗艦版及 27B 模型權重。模型在社群程式競技場取得前段排名，但架構、啟用參數量與自架成本仍缺乏完整技術文件。

CAGE 不只檢查代理當下看到的工具回傳，而是驗證一組可能的正確綁定結果是否全都允許同一動作。研究證明，分別檢查類別欄位與數值誤差並不能保證兩者同時變動時仍安全。

GitHub Copilot 用量報表的 `used_copilot_coding_agent` 相容期已於 8 月 1 日屆滿，整合端應遷移至 `used_copilot_cloud_agent`。兩欄位此前回傳相同布林值，但期限後舊欄位不再有保留承諾，可能使企業採用率報表靜默漏算。

NVIDIA、Linux Foundation、Hugging Face、Microsoft 等組織成立 Open Secure AI Alliance，準備以開放模型與工具處理代理及 AI 軟體漏洞。首批具體投入包括 NVIDIA 的 NOOA 框架，但聯盟尚未公布共同規格、治理流程與交付時程。

新研究指出，代理使用的 JSON 式工具規格不只是中性介面，還可能壓低模型內部的拒答表徵。SafeKeep 在執行前另以攤平的文字規格判斷安全性，將有害要求平均拒答率由 23.8% 提高至 70.6%。

Microsoft Research 團隊讓合成應用程式、任務與評分器依代理失敗軌跡共同修正，而非只持續增加靜態網頁數量。9B 模型在 14 組測試的平均成功率由 36.5% 升至 67.1%，但目前只公開四個環境作為基準。

阿里巴巴 Qwen 團隊公開跨手機、桌面、網頁與 DeepSearch 的 GUI 代理技術報告，以同一動作空間混合畫面操作、CLI 指令及批次動作。模型在多項自報基準領先既有系統，但權重、訓練資料與完整執行框架尚未同步釋出。

OSReward 以 1,019 條跨 Web、Windows、Ubuntu 與行動平台的人工標註軌跡，測試視覺語言模型能否正確判斷電腦代理是否完成任務。團隊同時公開 10 萬筆推理式判決資料，並訓練可自架的 9B、35B OS-Shepherd 獎勵模型。

WIDE 將動態剪枝細化到 token 級的注意力頭群組與 FFN 通道群組，並同時支援 prefill 與 decode。研究在 50% 稀疏度下報告最高 4.95 倍核心層解碼加速，但端到端收益縮至 1.55 倍。

OWASP 的 Agentic Skills Top 10 v1 草案結束公開審查，將惡意技能、權限過度、依賴混淆與跨平台移植風險整理成十類控制項。框架把技能視為模型與 MCP 工具之間的行為層，並提出可宣告權限、來源及完整性的通用格式。

UNICON 將河川、交通、電網、氣象與人流等資料轉成共同的圖序列介面，透過少量數值範例在上下文中指定新任務。模型在未參與訓練的網頁流量等領域接近專用模型，但目前只驗證預測問題，權重與程式碼亦未公開。

新研究以有限人工預算模擬代理群稽核，找出自報信心失真到使排序策略落後隨機抽查的臨界點。五款小中型開放權重模型在兩項測試的信心 AUROC 僅約 0.5，但結論來自單一提示與直接作答設定。