代理工具
Anthropic 合併 Claude Chat 與 Cowork，單一對話開始自動選擇代理工具與執行環境
Claude 現可在同一對話中回答問題或啟動長時間代理工作，並把文件、投影片與設計工具納入共同上下文。模式選擇消失後，工具路由與權限提示成為新的安全邊界，而本機檔案及電腦操作仍依賴桌面程式。
Archive
最新模型
新模型、開放權重、多模態、語音、影像與模型架構。
代理工具
最新模型
Firefox Smart Window 接入 Mistral Small 4，瀏覽器開始以可切換模型處理分頁脈絡
Mozilla 在美國、加拿大的Smart Window beta加入Mistral Small 4，並把法文版擴至法國，同時保留其他模型選項。119B參數MoE模型提供長上下文與推理模式，但零資料保留不代表本機推論，分頁內容的傳送邊界仍需實測。
AI 基礎設施與網路標準
Cloudflare 拆分搜尋、訓練與代理爬蟲控制，但 Bing 的拒絕訓練訊號尚未自動生效
Cloudflare 新增「Disallow AI Training」，以 robots.txt 偏好搭配網路層分類，讓網站保留搜尋收錄並拒絕模型訓練。既有設定會自動遷移，但 Applebot、Googlebot、Bingbot 的支援程度不同，錯選 Block 仍可能直接犧牲搜尋能見度。
AI 安全
Google 以三層追蹤分析稽核代理行為，但異常偵測發生在工具執行之後
Gemini Enterprise Agent Platform 的 Agent Anomaly Detection 會非同步分析 OpenTelemetry 軌跡、工具參數與執行流程，再以輕量模型及 LLM 判斷異常。私有預覽不增加即時請求延遲，代價是它主要屬於事後偵測，且必須保存包含提示與回覆內容的原始遙測。
代理工具
GitHub 以代理將 Copilot 執行階段改寫成 83 萬行 Rust，移除每客戶端的 Node.js 成本
Copilot 共用代理執行階段已從 TypeScript／Node.js 遷移至原生 Rust，可透過 C ABI 直接嵌入六種語言的 SDK。GitHub 的壓力測試顯示工作階段吞吐量增至每秒 120 次，但數字來自移除模型與網路延遲的內部測試。
最新模型
LimiX‑2 以聯合機制建模處理表格資料，單一 4 億參數模型橫跨三類任務
LimiX‑2 不再只估計條件式標籤，而是從合成因果資料學習特徵與目標的聯合結構。團隊公開權重與推論程式，但模型僅限非商業使用，領先數字也主要來自作者執行的表格基準。
代理工具
254 次提交稽核顯示，SWE-bench Verified 前段名次已難以統計區分
新研究分析 SWE-bench 四個分割的逐題結果，發現 Verified 前 30 名的相鄰系統沒有一組能通過配對顯著性檢定。模型與代理 scaffold 的交互作用也足以超過榜首間距，工程採購不宜再把小數點差距當成穩定排名。
AI 基礎設施
FlashVector 把效能代理從 GPU 核心擴展到整條推薦模型服務堆疊
Unity 團隊提出 FlashVector，讓代理跨越 GPU 核心、計算圖、Triton 伺服器及特徵服務尋找效能瓶頸。正式環境測試最高提升兩倍吞吐量，但程式碼、修改軌跡及完整成本資料尚未公開。
代理工具
Dream‑RSI 把代理搜尋歷史變成重播模擬器，離線改寫探索策略
Google 等研究團隊讓固定的程式代理反覆改寫搜尋排程，而非更新模型權重。八項演算法、數學與 GPU 核心任務顯示可減少探索成本，但重播只能評估歷史已走過的分支。
推論系統
JustFit 壓縮並即時調度 KV 狀態，讓 24 GiB MacBook 跑完 21 萬 token 工作負載
JustFit 在 MLX 中結合四位元 KV、元件駐留管理與跨請求狀態轉換，讓 27B 模型在 24 GiB 統一記憶體完成長上下文推論。6.93 倍容量增幅來自單機特定模型測試，且部分歷史環境與檢查點身分尚不能完整重現。
代理工具
ScienceBuddy 交替改寫代理 Harness 與模型，將研究互動轉成持續訓練材料
ScienceBuddy 把研究者的要求、回饋與執行紀錄轉成任務及評分規則，再交替優化代理程式與模型。團隊開放簡化實驗框架，但託管工作區的完整程式碼與長期自我改進證據仍未公開。
ModAR 先預測軌跡、語意與深度再決定動作，降低世界—行動模型對 RGB 的依賴
CMU 的 ModAR 以共享擴散 Transformer 依序去噪多種未來表徵，再生成機器人動作。小規模實驗顯示，結構化表徵比額外預測 RGB 更有用，但程式碼尚未公開，真實世界證據也只有三項雙臂任務。