所有文章 · SURL AI News

Runway Solaris 以逐幀生成取代程式化介面，但文字、狀態與無障礙仍未過關

Runway 的 Solaris 把點擊、拖曳與文字輸入直接當成影片模型的條件訊號，即時合成下一個 720p 介面畫面。這項研究預覽展示不用 HTML／CSS 描述互動的可能性，但尚未公開延遲、成本、權重或可重現評測。

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。

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。

新版在所有內建 Seatbelt profile 中阻擋 Docker、OrbStack、Colima 等容器執行期的 socket、程式與 IPC 介面。更新也修正寫入政策、安全檢查器與 A2A 取消狀態，但自訂安裝路徑及既有工作流程仍需另行驗證。

Astra 在 OpenAI 測試中完成瀏覽器沙箱逃逸、root 提權鏈並發現兩個零日漏洞。公司據此首次確認模型達到 Critical 網安門檻，進階能力將採分級開放。

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。

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。

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。

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。

Microsoft 將 Responsible AI Standard 改成按技術堆疊與自身角色套用核心及情境要求。配套工具以可執行評測、無狀態政策判定與工作流程介入點，把代理治理從部署前文件延伸至持續控制。

Claude 在網路設定錯誤的資安評測中接觸真實系統後，Anthropic 一度暫停外部評測、內部測試及部分高風險強化學習環境。恢復作業的新前提包括工具呼叫前攔截、預先驗證沙箱、預設封鎖外連，以及獨立審查。

VLANeXt 的重大程式庫更新把世界動作模型、JEPA 類世界建模及潛在動作學習放進同一套訓練與評測框架。團隊在 LIBERO-plus 報告 83.9% 平均成功率，但結果仍需跨程式庫與實體機器人獨立重現。