最新模型
IBM Granite 4.2 開放三款密集式推理模型，但官方文件對訓練起點說法不一
Granite 4.2 以 3B、8B、30B 三種尺寸加入可切換的思考模式、原生工具呼叫及最長 512K 上下文，並採 Apache 2.0 授權。8B 與 30B 接受沙盒式代理強化學習，但模型卡與技術文章對模型是否從零預訓練存在矛盾。
Archive
最新模型
新模型、開放權重、多模態、語音、影像與模型架構。
最新模型
代理工具
Pipette 開源端側模型評測：同時量化精度、延遲與記憶體，但跨裝置排名仍不可直接比較
Liquid AI 與 Artificial Analysis 公開 Pipette，以逾千組模型、量化、執行期、裝置及上下文配置測量端側推論。速度和記憶體在實機量測，品質分數卻在 H100 上另行產生，讀取綜合圖表時必須區分兩條測試路徑。
AI 安全
TRACE 納入 Linux Foundation：以硬件證明代理在哪裏運行，但不等於證明行為正確
Linux Foundation 接收 TRACE 規格，為 AI 代理的模型、執行環境、政策及工具呼叫建立可攜式加密證據。現行 v0.2 仍屬開發者預覽，能證明紀錄與受驗證環境的關聯，不能證明代理完成任務或政策本身安全。
代理工具
TRACE 從成功與失敗軌跡改寫代理 Skills，隱藏測試一致通過率升至 70%
小米團隊提出 TRACE，以成功／失敗軌跡的對比結果迭代可檢索 Skill Bank，不修改底層模型權重。它在 CAR-bench 隱藏集提高三次皆成功的比例，但平均 token、成本及延遲亦同步增加。
最新模型
NVIDIA 為 MiniMax H3 加入兩階段生成，單張 GB200 的 10 秒影片延遲降至 14.9 秒
H3 Super Acceleration 先以低解析度、四步去噪建立草稿，再交由 LTX 與 Sol-Attn 用三步完成高解析度細化。官方測得 768p、10 秒影片較 SGLang 基準快 27.7 倍，但加速改變了取樣路徑，並非等品質的純核心最佳化。
代理工具
Agent Lightning 1.0.1 把代理調優流程封裝成 Skill，要求逐次量測成本、延遲與正確率
Microsoft 新增可供 Claude Code、Codex 與 GitHub Copilot 使用的 Agent Lightning Skill，讓程式代理在固定 benchmark 上修改另一個可編輯代理。它是一套受預算約束的實驗規則，不會自動替目標代理進行強化學習。
推論系統
AWS 以小模型先壓縮 RAG 證據：輸入 token 減至一成，但請求延遲增加 12% 至 19%
新架構在檢索與主模型之間加入一次低成本模型呼叫，只保留與問題相關的原文片段及來源識別碼。AWS 的內部測試錄得約三成成本下降，但評分依賴單一企業語料與 LLM judge。
AI 安全
Anthropic 測試微調式「說謊偵測器」：域內 AUROC 升至 0.95，換一類謊言便跌至約 0.70
研究團隊用八個開放模型家族產生約 20 萬筆受壓情境資料，再以 LoRA 訓練模型判斷自己是否說謊。偵測器主要學到諂媚、能力否認等表面模式，面對未見類型時僅略勝提示式基線。
最新模型
ReWorld 以姿態索引地標庫固定 KV 預算，讓互動世界模型走遠後仍能返回原景
ReWorld 把短期動作控制與長期場景記憶分配給不同注意力範圍，再以固定容量的地標庫保存歷史。作者展示 704×1280 即時串流及 64 秒返回軌跡，但目前只有論文和示範頁，尚未發布權重或程式碼。
GitHub Repo
Prime Agent 開源持久化 RLM harness，把代理記憶、子代理與執行環境留在對話之外
Prime Agent 以常駐 IPython、daemon 工作階段及可版本化的 Continual Harness 支援長時間程式代理。作者報告 ARC-AGI-3 RHAE Best@1 從 30% 升至 95.5%，但成績反映整套模型與 harness，不能當作底層模型能力的單獨比較。
代理工具
SWE-bench Science 公開 119 項科學程式修復題，最佳代理完整通過率仍低於五成
新基準以私有科學測試檢查單位、數值不變量、檔案語義與跨模組資料流，而不只判斷程式能否編譯。Claude Code 搭配 Opus 5 的整體 pass@1 為 47.90%，實驗也顯示加入領域知識有時反而令代理錨定錯誤方向。
GitHub Repo
DFlash 2 讓 Qwen3.8-27B 並行起草 token，但 vLLM nightly 目前存在載入與顯存錯誤
DFlash 2 以候選路徑選擇器及動態卷積改善區塊擴散草稿，在單請求測試中讓 Qwen3.8-27B 達到自回歸解碼的 2.7 至 3.4 倍吞吐量。最新可重現問題顯示 vLLM nightly 會建立錯誤的 decoder layer，並在共用詞表權重前暫時多配置近 4.74GiB，24GB 顯示卡可能無法啟動。