最新模型
Muse Spark 1.3 減少代理工具呼叫，最高推理模式仍等待安全測試
Meta 更新 Muse Spark，主攻長週期代理、程式開發及混雜對話中的任務追蹤，內部比較顯示工具呼叫與 token 用量同步下降。模型已進入 Muse Code 與 API，但最高推理模式、開放權重和可重現的完整評測仍未到位。
Archive
推論系統
推論 runtime、量化、 serving、KV cache、成本與效能。
最新模型
最新模型
Gemini 3.8 Flash 轉向高強度代理推理，Cyber 版本以審核制提供弱點修補能力
Google 讓 Gemini 3.8 Flash 正式供生產使用，提供百萬 token 上下文、可調推理力度及新的 API 遷移要求。共用核心的 Flash Cyber 主攻弱點發現與自動修補，但僅透過 Fairwind 計畫向經審核的防禦者開放。
最新模型
RWKV7-G1j 將無注意力循環模型擴至 13.3B，長序列解碼維持固定狀態
RWKV 團隊釋出 13.3B 參數的 G1j 基礎模型，並封裝 Transformers、LoRA 與 TileLang 推論支援。固定大小的循環狀態可避開隨上下文增長的 KV cache，但模型沒有安全或能力評測，亦不能直接視為成熟聊天助手。
最新模型
Qwen3.8-Max-0902 強化長週期程式代理，但榜首差距仍在統計誤差內
阿里雲更新 Qwen3.8-Max 的託管快照，主攻工程級程式開發、多工具協作及視覺理解，並保留百萬 token 上下文。Code Arena 暫列第一，但樣本較少且排名區間重疊，尚不足以證明穩定超越其他旗艦模型。
最新模型
BenchMIRT 以多維項目反應理論拆解 LLM 評測，揭露安全分數混入推理能力
Ai2 開源 BenchMIRT，從逾 3.4 萬道題目的模型作答模式中分離安全與一般推理等潛在能力。實驗顯示部分安全基準主要反映推理表現，精選一成題目亦能大致保留能力排序，但資料只涵蓋截至 2025 年初的模型。
最新模型
Gemini 將長影片理解改成工具迴圈，依問題動態選取片段與取樣率
Google 為三款 Gemini Flash 模型加入 agentic video processing，模型可按需載入畫面、音訊或逐字稿，而非預先以固定幀率處理整段影片。官方宣稱最多節省 88% token、降低 66% 成本，但短片的首 token 延遲及評測可重現性仍待檢驗。
推論系統
llama.cpp b10731 為 Qwen3.8-Flash-Next 補上循環狀態回滾，MTP 推測解碼不再反覆搬移完整狀態
llama.cpp 修正 Qwen3.8-Flash-Next 在草稿 token 被拒絕時無法正確回滾 SSM 與卷積狀態的問題。單張 RTX PRO 6000 測試顯示程式碼解碼由 123 增至 183 token/s，但結果仍侷限於特定量化、草稿頭與單一工作槽。
推論系統
LMDeploy 0.17 導入 DeepEPv2 與 Mooncake KV 儲存，擴充跨節點 MoE 推論資料路徑
LMDeploy 0.17.0 為 TurboMind 加入 DeepEPv2 專家平行後端，並讓 KV connector 接上 Mooncake Store。新版亦支援 Kimi K2.6、非二次冪頁面與結構化回應，但未提供跨硬體的端到端效能數據。
最新模型
Claude Fable 5.1 降低長代理快取成本，但升級涉及思考區塊與工具呼叫破壞性變更
Anthropic 推出具 100 萬 token 上下文的 Claude Fable 5.1，將快取讀取價格降低 75%，並加入逐訊息推理力度與工具間進度更新。既有 Fable 5 工作流程不能直接換模型，強制工具使用、思考區塊重用及安全路由都需要重新測試。
代理工具
Codex CLI 0.152 將 MCP 輸出配額細分至工具層級，長工作階段修補指令遺失
OpenAI 為個別 MCP 工具加入輸出 token 上限，並允許 app-server 的 shell 指令執行超過一小時。新版也修補壓縮歷史後遺失使用者指令與授權的問題，但內建規劃工具改為預設停用。
最新模型
Flower Endeavor 1.0 開放企業私有部署，但模型規格與獨立評測仍缺席
Flower Labs 推出面向推理、程式開發及長時間代理任務的 Endeavor 1.0，可使用託管服務或部署於客戶環境。首批成績接近部分前沿模型，但目前只有限量預覽及供應商自評，尚不能驗證實際部署成本與能力。
代理工具
VS Code Agent Host 將代理循環移出擴充程序，以 AHP 同步跨視窗工作階段
VS Code 1.132 至 1.135 把 Copilot、Claude 等代理接到獨立 Agent Host，使工作階段可跨視窗、遠端連線及無介面續跑。開放的 Agent Host Protocol 統一工作階段狀態，但不統一各模型的推理、權限或工具行為。