代理工具
SWE-bench Science 公開 119 項科學程式修復題，最佳代理完整通過率仍低於五成
新基準以私有科學測試檢查單位、數值不變量、檔案語義與跨模組資料流，而不只判斷程式能否編譯。Claude Code 搭配 Opus 5 的整體 pass@1 為 47.90%，實驗也顯示加入領域知識有時反而令代理錨定錯誤方向。
Archive
GitHub Repo
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
代理工具
GitHub Repo
DFlash 2 讓 Qwen3.8-27B 並行起草 token，但 vLLM nightly 目前存在載入與顯存錯誤
DFlash 2 以候選路徑選擇器及動態卷積改善區塊擴散草稿，在單請求測試中讓 Qwen3.8-27B 達到自回歸解碼的 2.7 至 3.4 倍吞吐量。最新可重現問題顯示 vLLM nightly 會建立錯誤的 decoder layer，並在共用詞表權重前暫時多配置近 4.74GiB，24GB 顯示卡可能無法啟動。
AI 基礎設施
AWS ParallelCluster 3.16 加入節點診斷，但升級同時改動 IAM、NFS 與容器堆疊
新版 AMI 內建 `pcluster-diag`，可按節點角色檢查 Slurm、IMDS、目錄服務與 Lustre 狀態並輸出結構化報告。升級也終止 Amazon Linux 2 與 AWS Batch 支援，另有權限、網路出口和執行環境變更需要預先處理。
代理工具
DeepSeek Harness rc.2 的 npm 標籤分裂：主程式最新，外掛開發卻可能拉到 0.0.x
DeepSeek Harness 主套件的 `latest` 已指向 0.1.1-rc.2，但多個底層套件仍把早期版本標成最新。直接安裝外掛 API 可能報出 peer dependency 衝突，甚至無聲建立版本錯配的依賴樹。
AI 基礎設施
SageMaker HyperPod 加入受管 Ray：訓練、推論與故障恢復共用 KubeRay 介面
AWS 將 Ray 叢集建立、遠端提交、監控及工作空間連線整合進 HyperPod on EKS。介面沿用 KubeRay 與標準 Ray API，但部署仍需多個附加元件，官方亦未公布成本或效能比較。
代理工具
GitHub Agentic Workflows 加入 PR 即時 steer，但官方周報指向的 v0.87.4 尚未包含它
新功能讓執行中的代理讀取 PR 評論並按 `steer` 指示修正工作，同時要求明確的讀取權限。官方周報卻建議從較早建立的 v0.87.4 試用；固定該標籤的部署實際上拿不到功能。
代理工具
Rails 開源 lemans 評測框架：以檔案還原、斷網與完整軌跡降低代理作弊空間
Rails Foundation 公開用於 Agents on Rails 榜單的 Ruby 評測框架 lemans，支援 Daytona 與本機 Docker 沙盒。框架會隔離驗證程式、保存可重播證據，並在評分前還原受保護檔案。
代理工具
AWS 推介 ARD 聯邦探索規格：讓代理先搜尋工具，而非把所有 schema 塞進上下文
ARD 以統一 REST 搜尋介面與 `ai-catalog.json` 描述代理、MCP server、Skills、API 和工作流，AWS 將它定位為 Agent Registry 的跨雲互通層。規格目前仍是 v0.9 Proposal，身分、排名與實際授權也未由探索層統一處理。
推論系統
AgentX 公開長上下文代理推論結果，以真實工作階段形狀取代固定長度壓測
SemiAnalysis 已公開 AgentX 即時結果與完整重播工具，用多回合程式代理軌跡比較 GPU、推論引擎與快取設計。公開語料保留請求長度、共享前綴、停頓及子代理拓撲，但以合成內容取代原始提示與程式碼。
推論系統
Atlas 以同一推論核心提交 NVIDIA 與 AMD 的 MLPerf 邊緣代理測試，成績仍待解禁
Rust／CUDA 推論引擎 Atlas 已用 GB10 與 AMD gfx1151 系統提交 MLPerf Inference 6.1，測試對象是單加速器上的多回合工具呼叫。提交狀態已公開，但吞吐量與延遲成績仍受禁運限制，現階段不能據此判定跨硬件效能。
代理工具
Autolith 0.38 將供應商與 Skills 協定拆成獨立函式庫，代理本身仍可即時改寫
Common Lisp 程式代理 Autolith 在兩日內連發 0.36 至 0.38，加入標準 Agent Skills、Nous 與 Mistral 後端及跨平台發行包。其可恢復、可重播的自我修改設計提高可檢查性，但生成程式仍以使用者權限執行，不能視為安全沙盒。
AI 安全
NemoClaw 0.0.114 將唯讀 MCP 呼叫移出模型決策路徑，並收緊映像與安裝驗證
NVIDIA 為 LangChain Deep Agents Code 加入確定性的唯讀 MCP 呼叫，讓自動化流程毋須模型參與即可執行受限工具。新版亦固定容器映像摘要、加強供應鏈驗證及敏感匯出清理，但「唯讀」仍取決於工具註冊資訊是否準確。