代理工具
Home Assistant 2026.8 Beta 原生接入 llama.cpp 與 LiteLLM，住家對話代理可完全自架
Home Assistant 新增 llama.cpp 與 LiteLLM 對話整合，可為不同模型建立各自的代理與指令。更新降低本地模型接入門檻，但目前仍是 beta，端到端工具呼叫可靠性取決於模型、schema 與硬體。
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
Mage-VL 直接利用影片編碼資訊選取視覺 token，串流多模態推論最高加速 3.5 倍
微軟的 Mage-VL 不再均勻抽取影片影格，而是利用 I／P frame、運動向量與殘差能量，只編碼變化較大的區域。4B 模型宣稱可減少逾 75% 視覺 token 並維持靜態任務能力，但速度與品質比較仍主要來自官方測試。
代理工具
MemChain 在檢索後重組代理記憶，以證據軌跡縮短送入回答模型的上下文
MemChain 不把向量檢索結果直接塞給語言模型，而是先規劃、排序並壓縮成具來源依據的主動記憶。研究在 LoCoMo 與 LongMemEval-S 報告領先結果，但尚未公開完整程式與實際延遲成本。
機器人與具身 AI
HiFi-UMI 以毫米級穿戴式資料直接訓練機器人，後訓練不再需要真機示範
HiFi-UMI 將離線立體慣性 SLAM、微秒級同步與雙手六視角整合成可攜式資料系統，使純人類操作資料能直接用於機器人後訓練。三種 VLA／世界動作模型的實機成功率接近場內遙操作基線，但結果仍集中於單一團隊的受控任務。
代理工具
CAPA 測試程式助理的跨工作階段記憶：同一使用者歷史讓首次成功率平均提高 15.6 點
CAPA 將使用者反覆省略的實作偏好植入 600 場可執行程式任務，檢驗助理能否從過往對話推斷新需求。十二款模型加入同使用者歷史後，最終成功率僅平均增加 6.8 點，但首次成功率提高 15.6 點，顯示記憶主要減少來回確認，而非消除失敗。
代理工具
TREK 以可執行規則驗證旅遊代理，最強模型完整可行率僅 46.2%
TREK 不再以 LLM 評審旅遊計畫，而是逐項驗證實體、預算、營業時間、交通與隱含需求。15 款代理中表現最佳者也只完整通過 46.2% 的可解任務，顯示局部正確仍難組成可執行行程。
AI 安全
SecRespond 重建入侵後鑑識流程，23 款模型無一完整偵測並修復單一靶場
SecRespond 讓安全代理分析遭入侵主機的唯讀磁碟快照，而非只在乾淨環境解攻擊題。23 款模型雖能重述告警，卻普遍漏掉未被告警揭露的植入物與修復驗證。
擴散蒸餾只對齊最終 CFG 速度可能掩蓋分支錯誤，PDM 改為分別約束正向預測與條件方向
新研究發現，on-policy 擴散蒸餾若只匹配 classifier-free guidance 合成結果，正、負分支的誤差可能互相抵銷。Positive-Direction Matching 將兩者拆開監督，在密集到稀疏的影片控制實驗中降低模型對推論 guidance scale 的敏感度。
AI 安全
MemTX 把代理共享記憶改成交易式提交，窮舉 550 萬個協定狀態未見安全規則失效
MemTX 不再讓代理寫入的資訊立即成為可執行事實，而是加入證據、權限、來源、快照隔離及驗證提交。研究在五款模型上報告零下游傷害，但結果仍來自受控評測，尚未證明能修復真實外部系統的不可逆副作用。
代理工具
OmegaUse-OfficeVal 為辦公代理加入逐任務成本標籤，最佳模型品質仍落後人類逾三分之一
百度研究團隊公開 100 項長流程文件、試算表與簡報任務，並附上人工工時、價格代理值及可執行驗證器。最佳模型平均得分為 17.91，人類基線為 27.79，說明推論便宜且快速仍不等於交付物可直接使用。
最新模型
AREX 讓研究代理反覆驗證未解條件，4B 模型以壓縮狀態維持長程搜尋
BAAI 將深度研究改寫成「搜尋—逐條驗證—定向補查」的遞迴迴圈，並訓練模型自行壓縮已確認證據與未解限制。4B密集模型與122B-A10B MoE權重已公開，但其優勢主要來自可自動驗證的合成任務，尚不能直接外推至開放式科學研究。
硬體
ACE-RTL 讓 Nemotron 反覆編譯與修正 Verilog，九類任務平均通過率達 97.1%
NVIDIA 將 Nemotron 3 Ultra 接入「生成—測試—反思」的 RTL 代理迴圈，在 CVDP 九類代理任務取得 97.1% 平均通過率。結果顯示可執行驗證能大幅強化晶片設計模型，但資料關聯、工具設定及供應商自測仍限制外推。