所有文章 · SURL AI News

Red Hat AI 3.5 將 OpenShell 納入 OpenShift，以核心層政策約束代理副作用

OpenShift AI 3.5 以開發者預覽方式整合 OpenShell，利用 Landlock、seccomp、網路命名空間及 L4／L7 政策限制代理存取。這讓提示注入後的檔案、系統呼叫與網路副作用不再只依賴模型防護欄，但預設相容模式與預覽狀態仍可能留下落差。

OpenBMB 發布具 13.1 萬 token 上下文與工具調用能力的 2B 稠密模型，並同步公開分階段權重、訓練資料及多種量化格式。第三方評測肯定其同級競爭力，但社群測試發現官方取樣設定可能讓 GGUF 量化版陷入重複生成。

新公開的可執行流程直接串流 ERA5 初始條件，讓 Aurora 在本機或按分鐘計費的工作上生成並回測預報。它沒有推出新模型，技術價值在於把權重、氣象陣列、靜態變量與驗證步驟接成可重現管線。

新版讓支援的模型在系統提示動態更新時繼續沿用 KV cache，減少長工作階段的重算成本。代價是 Session V3、Agent 與 Inbox API 同步出現不向下相容的改動，外掛及自製日誌工具必須重新驗證。

新研究把安全政策建模為主題內的細粒度拒絕邊界，並用成對提示與補償資料避免模型封鎖整個敏感主題。Qwen3-8B 實驗顯示方法可大幅降低邊界附近的誤拒，但結果仍限於政治說服、單一主要模型與未完全公開的資料管線。

YOLO26 現可用 `quantize=8` 執行量化感知訓練，並把量化範圍保存至檢查點，直接輸出含 Q/DQ 節點的 ONNX 或 TensorRT 引擎。緊接發布的 8.4.144 補上量化成效說明與數值穩定性修正，也凸顯這條部署路徑仍有明確限制。

連續兩版新增直接圖像生成 API，以及使用 ChatGPT／Codex 訂閱與 GitHub Copilot 相容端點的 provider。2.42 同時拒絕格式錯誤的延後工具核准結果，升級可能使原本被寬鬆接受的代理工作流直接失敗。

PatchTST-FM-r2 以卷積輔助注意力、8,192 步上下文及機率式預測，瞄準免微調的通用時序預報。模型在 GIFT-Eval 的可重現零樣本組名列第二，但成績仍由 IBM 提交、尚待基準專案合併確認。

vLLM 0.29.0 完成 Model Runner V2 的預設切換，並擴充推測解碼、強化學習權重同步及多種硬體後端。這不是可直接替換映像的小更新，既有部署需重新驗證記憶體配置、輸出一致性與已移除介面。

NeoHorse-1 以路由器收集不同模型完成代理任務的軌跡，再用課程式 SFT 與線上蒸餾訓練 4B、9B 模型。官方綜合分數高於同尺寸 Qwen3.5 基線，但尚未證明多輪自我更新能持續增益或避免資料偏移。

AuK 將零樣本 TTS、語句替換、音色與情緒調整、降噪及聲源分離納入同一個 1.5B 生成模型。蒸餾版 AuK-Flash 只需四個取樣步驟，但 4.5 倍加速與品質優勢目前仍主要來自團隊自己的實驗。

Cohere 開源 North Mini Code 專用推論引擎，以常駐 megakernel 取代逐算子啟動與全 GPU 同步。官方測試顯示單張 H100 的端到端解碼吞吐量高於 vLLM，但目前僅支援特定模型、硬體與小批次。