硬體
MTIA 300 把 12 張 RDMA NIC 與集合通訊引擎封進晶片，避開 PCIe 與運算核心爭用
Meta 公開 MTIA 300 的系統設計，以內建 NIC chiplet、近記憶體歸約單元及編譯式 HCCL 加速推薦模型訓練。官方稱 40 顆加速器上的通訊時間較對照 GPU 叢集縮短至約四分之一，但未提供成本、功耗或通用 LLM 訓練比較。
Archive
最新模型
新模型、開放權重、多模態、語音、影像與模型架構。
硬體
代理工具
DeepSeek Harness rc.2 的 npm 標籤分裂：主程式最新，外掛開發卻可能拉到 0.0.x
DeepSeek Harness 主套件的 `latest` 已指向 0.1.1-rc.2，但多個底層套件仍把早期版本標成最新。直接安裝外掛 API 可能報出 peer dependency 衝突，甚至無聲建立版本錯配的依賴樹。
AI 研究
MIT 的 η-learning 不靠極端樣本生成百年事件，但它不是災害時間預報器
η-learning 以極值統計約束生成模型，從缺少罕見事件的配對資料合成高解析度極端情境。方法可供基礎設施壓力測試，但不能預測災害何時發生，也仍依賴可信的外部統計。
代理工具
Rails 開源 lemans 評測框架：以檔案還原、斷網與完整軌跡降低代理作弊空間
Rails Foundation 公開用於 Agents on Rails 榜單的 Ruby 評測框架 lemans，支援 Daytona 與本機 Docker 沙盒。框架會隔離驗證程式、保存可重播證據，並在評分前還原受保護檔案。
最新模型
Thomson Reuters 推出法律模型 Thomson：從 Snowdon 權重續訓，先進入 CoCounsel 文件審閱
Thomson 以 Imperial College London 的 Snowdon 開放權重模型為基礎，再用 Westlaw、Practical Law 等專有資料及法律專家回饋進行中期與後期訓練。官方評測顯示引用可驗證性優於通用前沿模型，但完整技術報告與獨立驗證仍未完成。
代理工具
FINCHAL 開放代理直接參賽，以零技能模擬與未來價格分隔運氣和預測能力
FINCHAL 透過遠端 MCP 工具讓人類與 AI 代理在同一介面提交四種資產的多空部位，並用未來市場資料即時評分。它先模擬 20,000 個隨機策略建立「運氣上限」，但完整賽季尚未產生可比較的模型結果。
代理工具
Autolith 0.38 將供應商與 Skills 協定拆成獨立函式庫，代理本身仍可即時改寫
Common Lisp 程式代理 Autolith 在兩日內連發 0.36 至 0.38，加入標準 Agent Skills、Nous 與 Mistral 後端及跨平台發行包。其可恢復、可重播的自我修改設計提高可檢查性，但生成程式仍以使用者權限執行，不能視為安全沙盒。
代理工具
Claude 電腦操作工具正式版改用多動作回合，舊代理迴圈須處理順序與中止語義
Anthropic 將 computer use、Skills API 與 Files API 推至正式可用，並加入可讀取頁面結構的 browser use。新的 `computer_toolset_20260801` 可在一次模型回應發出多個有序動作，舊整合若只處理首個 `tool_use` 區塊便會失敗。
AI 安全
NemoClaw 0.0.114 將唯讀 MCP 呼叫移出模型決策路徑，並收緊映像與安裝驗證
NVIDIA 為 LangChain Deep Agents Code 加入確定性的唯讀 MCP 呼叫，讓自動化流程毋須模型參與即可執行受限工具。新版亦固定容器映像摘要、加強供應鏈驗證及敏感匯出清理，但「唯讀」仍取決於工具註冊資訊是否準確。
代理工具
AWS 開源 ADOP：多代理生成資料管線，但生產環境只執行確定性產物
ADOP 讓約 15 個代理從自然語言規格產生 ETL、品質規則、語意層、DAG 與基礎設施配置。它刻意把模型留在開發階段，正式環境只部署經人員審核及 CI/CD 驗證的程式碼。
最新模型
Wan3.0 正式上線：單次生成 30 秒有聲影片，文件與網頁亦可直接作輸入
阿里巴巴把 8 月初邀測的 Wan3.0 正式推向市場，統一支援文字、圖片、影音、文件及網頁參考。API 已公開，但模型仍標為邀測，權重、架構與獨立評測均未發布。
推論系統
llama.cpp 0.2.0 分開穩定版與每日構建，套件維護者終可固定相容版本
llama.cpp 0.2.0 正式以語意化版本標示較慢更新的穩定版，原有 `b[編號]` 標籤則保留為接近逐提交的開發構建。新制度降低 Debian、Homebrew 與下游綁定的版本風險，但「穩定」不代表長期支援或跨硬件完整驗證。