AI 安全
QuantiBias 指出量化模型可通過短式安全測試，開放式回答卻仍產生約四分之一刻板印象
QuantiBias 將模型與提示固定，只改變權重精度，測量量化前後的多語開放式偏見、拒答與選擇題表現。作者發現常見短式安全指標大致持平，但獨立評審模型仍把約 24% 至 27% 的開放式回答判為支持刻板印象。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
AI 安全
機器人與模擬
NVIDIA 開源醫療機器人物理模擬框架，以 8,192 個平行環境訓練導管策略
NVIDIA 將 Medical Physics Simulation 納入 Isaac for Healthcare，模擬血管、柔性器械、接觸摩擦與 X 光感測，再以 GPU 平行環境訓練機器人策略。官方示範把一項訓練由五小時以上縮至兩分鐘內，但模擬速度不等同臨床有效性或安全認證。
代理工具
GitHub MCP Server 提前支援無狀態 MCP，新版移除連線階段與共享 session 儲存
GitHub MCP Server 已支援預定 7 月 28 日定稿的 MCP `2026-07-28` 規格，遠端請求不再依賴 `initialize` 握手及協定層 session。新設計簡化水平擴充，但 Tasks、錯誤碼和自訂客戶端仍有相容性工作要做。
AI 安全
32 個 Kimi K3 代理協作挖掘 Redis 記憶體漏洞，官方修補多條版本分支
研究者宣稱以 32 個 Kimi K3 代理自動產生 fuzz harness、分析崩潰並建立 Redis 遠端執行程式碼 PoC，最快一條攻擊鏈在 27 分鐘內完成。Redis 已修補相關 `RESTORE` 記憶體問題，但攻擊需要有效憑證與特定命令權限，代理自主程度及「19 個零日」仍主要來自研究者自述。
代理工具
阿里巴巴開源 Open Code Review，以確定性管線約束 LLM 的審查範圍與留言位置
Open Code Review 將檔案篩選、規則匹配和留言定位交給確定性程式，再讓 LLM 代理搜尋儲存庫上下文並判斷缺陷。官方自測顯示其 token 用量約為 Claude Code 的九分之一，但以精確率換取較低召回率，不能直接取代既有測試與靜態分析。
代理工具
Antigravity CLI 1.1.6 改用 Markdown 定義客製代理，將工具繼承與命令政策納入版本控制
Google Antigravity CLI 新增以 `agent.md` 建立主代理與子代理的機制，並可在 frontmatter 控制 MCP 繼承、可見性及命令執行政策。新版也改善程式碼搜尋串流與代理監控，但檔案式政策能否形成可靠安全邊界仍須實測。
最新模型
微軟推出 MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash，以自研模型切分品質與成本曲線
微軟將最高畫質的影像生成模型與高吞吐語音模型同步帶入 Foundry 公開預覽，分別瞄準精細編輯及即時語音代理。官方公布多項產品環境成本與延遲數據，但跨供應商比較仍缺乏一致、可重現的測試條件。
最新模型
SGLang-Omni 接入 MOSS-Transcribe-Diarize，將多說話人轉錄納入連續批次服務
SGLang-Omni 新增 MOSS-Transcribe-Diarize 部署路徑，透過 OpenAI 相容端點一次輸出逐段時間戳、文字與說話人標籤。這讓 0.9B 開放模型更容易進入線上服務，但官方效能資料使用的三個評測集目前不是完全公開。
最新模型
Solar Open 2 以混合線性注意力把 250B MoE 的上下文擴至 100 萬 token
Upstage 開放 Solar Open 2 權重，以 250B 總參數、15B 每 token 啟用參數處理長流程代理工作。模型只在四分之一層保留 softmax 注意力與 KV cache，但百萬 token 能力及韓文辦公代理成績仍主要來自團隊自評。
代理工具
Meta AI 接通 Gmail 與 Google Calendar，Muse Spark 1.1 開始執行跨應用個人工作流
Meta 將 Muse Spark 1.1 的規劃與工具使用能力部署到 Meta AI，使助理能讀取郵件、行事曆並建立簡報等持續性成果。這次更新擴大了模型可接觸的私人上下文，但官方未公開工具權限、撤銷機制及端到端任務成功率。
代理工具
Grok Build Workflows 以最多 1,024 個代理拆解程式任務，加入分階段驗證與可續跑狀態
SpaceXAI 為 Grok Build 加入 Workflows，讓單次背景作業按階段平行派送最多 1,024 個代理，再彙整及驗證結果。工作流可保存為團隊共用指令，但官方尚未公布成本、成功率或大型代理群的錯誤相關性評測。
代理工具
TRL 接入 OpenEnv，讓 GRPO 直接訓練具持續狀態的工具代理
Hugging Face 為 TRL 補上 OpenEnv 原生整合，將多輪環境以統一工廠介面交給 GRPOTrainer，而非把每次工具呼叫視為獨立函式。環境可在 WebSocket 服務或容器內執行，但專案仍處實驗階段，隔離強度與獎勵可信度須由使用者自行驗證。