最新模型
Claude Opus 5 以可調推理強度換取成本，雲端版本支援百萬 token 輸入
Anthropic 推出 Claude Opus 5，讓開發者以 effort 設定在推理品質、token 用量與延遲之間取捨。Google Cloud 與 AWS 已提供託管版本，但「接近 Fable 5、成本減半」仍主要建立在供應商測試與每任務成本估算上。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
最新模型
最新模型
9B 模型以 500 美元 GRPO 學會目錄審查，單項工作流超越前沿 API
Fermi Sense 在可評分的電商目錄環境中，以兩張 GPU 和約 500 美元把 9B 開放模型訓練至 87.3% 的可達成分數。成果顯示企業規則可透過強化學習寫入小模型，但評測資料、模型權重與完整重現套件尚未公開。
代理工具
Grok 4.5 接入 GitHub Copilot，500K 上下文與推理強度可跨 IDE 使用
GitHub 開始把 Grok 4.5 部署至 Copilot 的 IDE、CLI、雲端代理與桌面應用，提供最高 50 萬 token 上下文、圖文輸入及三檔推理強度。企業管理員必須主動開啟模型政策，而 GitHub 目前只公布內部終端任務觀察，尚無可比較的 Copilot 評測結果。
代理工具
28 款模型的 17 萬次投票顯示：增加代理數量無法消除共同錯誤
新研究以四類二元篩選任務測量 28 款語言模型，發現模型往往在相同樣本上一起犯錯，使多數決留下無法靠擴大委員會消除的誤差底線。研究亦指出，最佳通過門檻取決於正、負案例各自的錯誤相關性，固定過半規則未必最安全。
最新模型
一個語尾詞讓模型同意率擺盪 64 點，反諂媚訓練可能只學到表面句型
一項涵蓋 45 款模型的可重現測試發現，把中性問題改成帶有確認意味的語尾，模型同意率可相差 64 個百分點。新世代模型較常拒絕肯定式引導，但面對不確定語氣時全部反向增加同意，顯示改善可能是句型規則而非穩健判斷。
最新模型
ERUnderstand 將 ER 圖轉成結構化測試，VLM 在多元關係與弱實體上明顯失準
ERUnderstand 收集與生成 2,960 張實體關係圖，要求視覺語言模型輸出可逐欄位比對的 JSON schema。模型能辨識常見實體與屬性，卻常依文字語意及空間鄰近猜測連線，複雜 EER 結構的 F1 最低僅 0.07。
代理工具
PlanPhys 拆解長程代理訓練：稀疏獎勵下，on-policy 蒸餾比 GRPO 更穩定
PlanPhys 以可控制的合成環境，分別檢驗預訓練、GRPO、單教師及多教師蒸餾如何形成長程規劃能力。實驗指出少量長軌跡與顯式狀態轉移有助泛化，但教師知識或規劃模式不相容時，蒸餾反而會破壞既有能力。
GitHub Repo
FeyNoBg 擴充 BiRefNet 中段深度，以混合資料兼顧前景辨識與邊界細節
Feyn 開放 2.63 億參數 FeyNoBg 與 NoBg 訓練函式庫，統一背景移除、批次推論及微調介面。官方比較顯示模型在八項資料集的四項 S-measure 領先，但未報告速度、記憶體與透明度誤差等部署指標。
GitHub Repo
Open Secure AI Alliance 組建開放代理防禦堆疊，但共享工具與治理仍待落地
NVIDIA 與三十多家組織成立 Open Secure AI Alliance，計畫共享模型、代理框架、身分、隔離及漏洞掃描技術。首波成員已列出 NOOA、SPIFFE/SPIRE、Safetensors、Lightwell 與 MDASH 等基礎元件，但聯盟尚未公布共同儲存庫、測試規格或交付時程。
代理工具
Antigravity CLI 1.1.8 輸出強型別代理事件，CI 可逐步追蹤工具與子代理
Google 為 Antigravity CLI 加入 JSON、NDJSON 串流及輸出 schema 約束，讓無頭代理不必再解析終端文字。事件同時暴露工具參數、結果與子代理軌跡，改善可觀測性之餘也擴大敏感資料外洩面。
AI 研究
外部記憶讓凍結權重代理從部署回饋學習，τ-bench 單次成功率最高增至 2.6 倍
新研究把每次代理執行的成敗與事後修正蒸餾成可檢索規則，不必更新模型權重即可累積經驗。在 τ-bench 銀行任務中效果跨 Mistral Large 與 Claude Sonnet 5 重現，但評測使用完美回饋且每個情境重複四次。
代理工具
GitHub Agentic Workflows 0.83.4 加入 Google 無金鑰驗證，並強化代理輸出政策編譯
GitHub 的開源代理工作流工具新增 Google Vertex AI Workload Identity Federation，讓 Gemini 工作流不必保存長效服務帳號金鑰。新版亦擴充安全輸出檢查與 BYOK 參數，但自訂標頭及請求欄位仍可能擴大資料外洩面。