AI evaluation
EvolvingIntent 把靜態基準改寫成需求會變動的對話，揭露代理追蹤修正指令的落差
Microsoft Research 提出 EvolvingIntent，把既有數學、SQL、搜尋及程式任務拆成逐步揭露、修訂或轉向的多輪對話。實驗顯示，模型在單輪基準的能力無法穩定轉移到需求持續變動的情境，相關資料建構與評測程式已公開。
Archive
GitHub Repo
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
AI evaluation
代理工具
Spec Kit 0.14 將代理工作流封裝為可重現 Bundle，並收緊遠端目錄下載邊界
GitHub 的規格驅動開發工具 Spec Kit 0.14 新增可版本化的 Bundle、Python 腳本路徑與可重現建置。緊接發布的 0.14.2 又移除 shell 執行參數並加強輸入驗證，反映代理工作流開始面對套件供應鏈與命令注入問題。
代理工具
Block 開源 Buzz，以 Nostr 簽章事件統一 AI 代理、對話與 Git 稽核紀錄
Block 將 Buzz 以 Apache 2.0 授權公開，讓人類與 AI 代理使用各自的金鑰參與頻道、程式審查及工作流。它把所有操作建模為單一 relay 上的簽章事件，但尚未提供 relay 複寫、完整審批閘門或端對端加密。
硬體
VibeVoice-ASR-BitNet 以異質量化把語音辨識壓至 1.58 GB，三顆 CPU 執行緒即可即時轉錄
Microsoft Research 公開 VibeVoice-ASR-BitNet，分別以 INT8 與三值權重量化語音編碼器和語言模型，讓多語 ASR 不需 GPU 即可運作。官方測試顯示模型較同容量 Whisper.cpp 快 1.6 至 2.3 倍，但目前只支援離線批次轉錄。
代理工具
Claude Code 2.1.219 開放三層子代理樹，並為沙箱加入嚴格網路白名單
Anthropic 將 Claude Code 子代理的預設巢狀深度由一層提高至三層，並把深層代理輸出納入結構化串流。新版也可直接拒絕未列入白名單的網路主機，讓無人值守代理更容易採取預設封鎖政策。
推論系統
Diffusers 原生接入 Nunchaku Lite，以 W4A4 核心降低擴散模型顯存與延遲
Hugging Face Diffusers 現可直接載入 Nunchaku Lite 檢查點，以 4-bit 權重與啟用值執行擴散 Transformer。官方單機測試最高把峰值顯存約減半並達 1.8 倍加速，但硬體覆蓋及畫質驗證仍有限。
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。
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。
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。