Archive

最新模型

新模型、開放權重、多模態、語音、影像與模型架構。

LangChain 測試 Jev 代理評分器，五個固定案例呈現較低分數變異

LangChain 將五份天氣代理紀錄各重評一百次，觀察到 Jev 的分數變異與呼叫成本較低。測試僅有單一人工標註者，取樣設定與託管模型版本也限制了結果的解讀。

MiMo-V2.6 開放權重，以群組評分強化跨框架代理訓練

小米將多類代理任務與工具框架混入同一次強化學習，並用評分器區分已通過測試的解法。同步釋出的 9B 蒸餾模型仍是 SFT 權重，不能直接套用後續 RL 成績。

tokenizers v1 重構 CPU 編碼路徑，候選版仍有 Python 功能缺口

Hugging Face 公布 Rust 基準測試，在 M4 Max 單執行緒下，編碼速度為 v0.23 的 3 至 30 倍。效益取決於模型與語料，既有 Python 工作流程仍須核對功能相容性。

Grok 4.7 強化長任務程式開發，API 自動回傳加密推理狀態

新版增加長時間任務訓練，並讓 Responses API 自動攜帶跨輪推理狀態。官方評測採用不同推理等級，API 與 Cursor 的長上下文計費門檻也須分別核對。

Open WebUI 0.11.4 將 slim 映像縮至約 175 MB，RAG 與語音須接外部服務

新版移除本機機器學習套件，官方稱 slim 映像比前版縮小約 89%。向量檢索、文件解析及儲存後端的限制，使既有部署需要重新核對相依服務。

Qwen-Image-2.1 開放權重，原生支援透明圖像生成與編輯

新版整合文字生圖、多參考圖編輯與透明圖層，並重用前綴快取以減少重複計算。免費授權僅限研究與評估，商用須另取許可。

Laya 開放非自回歸決策模型，多語版 T4 單題測試約 33 毫秒

Laya 以雙向編碼器直接產生選項機率，並公開權重、SDK 與評測材料。作者測試顯示低延遲潛力，但繁體中文準確率、機率校準及模型切換成本仍需逐項驗證。

Transformers 被回報快取卸載改變 Qwen3.8 輸出，異常始於首次重用

一份附最小重現程式的回報顯示，混合注意力模型在預填充正常後，下一步輸出仍可能偏移。問題尚未獲維護者確認，凸顯顯存最佳化也需驗證多步數值一致性。

CUA-S1-FORMS 以70萬參數處理表單決策，公開權重與訓練流程

Cua 將欄位配對與動作選擇交給小型模型，再由程式安排執行順序。公開評測仍限於少量示範表單，中文泛化與完整工作流程可靠度有待驗證。

SemIf 展示瀏覽器內的選項分數讀取，決策機率仍須另外校準

這項本機推論實驗比較直接讀取選項 logits 與逐字生成 JSON，讓開發者量測輸出形式的成本。結果仍受量化、瀏覽器與測試順序影響，也不能把選項機率直接當成可靠度。

Trail of Bits 以代理建立 MASM 稽核工具，公開 95 項 Lean 正確性證明

團隊讓代理協助建立反編譯、靜態分析與形式化驗證工具，再用於 Miden 虛擬機稽核。公開程式提供重驗起點，但證明仍受語意模型與定理前提限制。

TypeSafe Python SDK 0.7.0 為 Jev 加入型別化回覆，序列化改用 Pydantic

新版可把決策答案映射為 Pydantic 模型，方便分類與路由流程使用。序列化變更需要遷移驗證，中文準確率及機率門檻仍須另行評測。