所有文章 · SURL AI News

GitHub Agentic Workflows 0.89 系列補上 MCP 呼叫追蹤並縮小工作流程憑證暴露面

GitHub 一週內連發 17 個 `gh-aw` 版本，讓 JSON 日誌能指出每次 MCP 呼叫的伺服器、工具與時間。最新修補也停止在斜線命令路由器的 Git 設定中持久保存 `GITHUB_TOKEN`，但 0.89 系列仍處於預發布節奏。

Otis 在 9 月 13 至 14 日集中公開推廣，會依硬體推薦並下載 GGUF，再以內建 llama.cpp 啟動本地代理。離線模式不需要帳號，但搜尋、PAIR 叢集及 Fireworks 推論屬於不同的資料與信任邊界。

9 月 14 日合併的架構支援，讓 Maple‑Preview 不再依賴 DeepGrove 的 llama.cpp 分支即可載入與轉換。模型每個 token 只啟用約 10 億參數，但 GPU 後端、品質評測與官方速度宣稱仍需分開驗證。

新實驗顯示，「草擬—驗證—修訂」管線中的 `previous` 等相對詞，可能隨模型角色轉換而改變指涉。提高推理強度可大幅改善部分模型，但模型選擇比單純增加測試時計算更關鍵。

SteerDuplex 把語氣、口音、語速與插話處理納入同一套全雙工語音後訓練，並提出含 390 個語音提示的 SteerBench。論文報告明顯增益，也揭露模型可藉過早停止回答來投機中斷指標。

OpenArch 把 Llama、DeepSeek、Gemma、Qwen、Kimi 等模型改寫成逐架構的純 PyTorch 範例，方便比較注意力、正規化與 MoE 路由。專案 9 月 14 日在 Hacker News 快速獲得關注，但多數模型仍未完成，現有程式也明確不以效能或相容性為目標。

社群稽核發現，`huggingface_hub` 會依環境變數辨識 Codex、Claude Code、Cursor 等代理，並把名稱加入 Hub 請求的 User-Agent。機制早已由官方公開，但一般遙測停用選項是否完整涵蓋代理標記，文件仍未清楚說明。

新開源測試集把小模型放到 Jetson、Mac、樹莓派及 Android 裝置，量測解碼速度、每焦耳 token、延遲與溫度，而非只看資料中心 GPU 吞吐。作者宣稱已測約千組 Jetson 配置，但目前公開榜單未載入任何資料，使用者只能先從儲存庫報告與原始產物核對結果。

9 月 13 至 14 日的 llama.cpp 預發布建置補上 BF16 不可用時的 CUDA F32 路徑，避免部分舊 GPU 直接失敗。另一項修補會在 Nemotron‑H 的 NextN／MTP 中繼資料不完整時回報錯誤，而非於載入模型時觸發 SIGFPE。

近期社群熱度上升的 Colibrì，以純 C 引擎按需載入稀疏專家，讓 744B 至 2.8T 參數模型可在非資料中心硬體啟動。它降低的是模型常駐記憶體門檻，實際解碼速度仍高度受 SSD 頻寬、專家命中率與量化品質限制。

一項涵蓋六套物理評測的人工稽核發現，多數被自動判錯的答案其實涉及錯誤參考解、評分器缺陷或題意不完整。修正或剔除問題後，GPT‑5.6‑Sol 在保留的 CritPt 題目達 94.4% pass@4，但這不等同原始完整榜單成績。

新研究用已合併 PR 反向建立任務，直接量測儲存庫 SKILL 是否令同一 coding agent 更會解題。GEPA 產生的文件平均提高 4.9 個百分點，SkillOpt 幾乎沒有增益，但樣本仍不足以排除執行間變異。