代理工具
MCP 2026-07-28 拆除連線階段 session，工具伺服器改走無狀態 HTTP
MCP 新修訂移除初始化握手與 `Mcp-Session-Id`，讓單次請求可由任一伺服器實例處理。這是破壞性協定變更；在最終版與主要 SDK 完成同步前，部署者仍須保留版本協商及舊版回退。
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
代理工具
NVIDIA 開源 NOOA，以 Python 類別統一代理狀態、工具與持久記憶
NOOA 將代理表示成單一 Python 類別，以方法、欄位、docstring 與型別標註取代分散的提示及工具 schema。官方在 SWE-bench Verified 報告 82.2% 與約一半 token 用量，但框架仍屬研究預覽，執行模型生成程式碼時必須另加沙箱。
最新模型
Kimi K3 完整權重正式上線，2.8T MoE 從 API 走向自行部署
Moonshot AI 於 7 月 27 日釋出 Kimi K3 完整權重、模型卡與技術報告，外部團隊如今可實際部署與稽核這款三兆級稀疏模型，但至少 64 顆加速器、自訂程式碼及推理歷史相依性也形成明確門檻。
GitHub Repo
Nanbeige4.2-3B 以循環 Transformer 壓縮代理模型，3B 非嵌入參數支援 256K 上下文
Nanbeige Lab 公開以 28 兆 token 從零預訓練的 Nanbeige4.2-3B，重複使用同一組 Transformer 層，在不增加參數下提升計算深度。官方代理評測普遍超越較大的 Qwen3.5-9B，但成績高度依賴自家執行框架，仍需獨立重現。
最新模型
SGLang 0.5.16 以信心動態調整推測驗證長度，並重整混合架構快取
SGLang 新版加入 DSpark，依草稿模型信心改變每輪驗證窗口，並把 UnifiedRadixTree 設為滑動窗口、Mamba 與稀疏注意力模型的預設快取。版本也移除數條量化後端及更改 rollout 傳輸格式，升級現有服務前必須檢查相容性。
最新模型
Cosmos-H-Dreams 將手術世界模型推進即時閉環，單張 RTX PRO 6000 生成約 160 FPS
NVIDIA 公開以少步擴散、自生成歷史蒸餾及串流 KV 快取打造的手術機器人生成式模擬器。系統已能即時接收機器人運動資料並合成下一段畫面，但視覺逼真度仍不能替代物理正確性及臨床驗證。
最新模型
LLaDA 2.2 讓擴散模型在生成途中增刪 token，瞄準可反覆修正的代理迴圈
inclusionAI 開放 100B 級 LLaDA2.2-flash，以 Levenshtein Editing 讓平行解碼可插入、刪除及替換內容。模型在部分代理測試與吞吐上勝過自家自回歸基線，但程式修復與函式呼叫準確率仍落後，服務支援也尚未齊備。
推論系統
vLLM 0.26 擴充跨層 KV 快取與混合注意力，DeepSeek-V4 推論核心同步加速
vLLM 0.26 讓不同 KV-cache 群組選用各自的注意力後端，並把物件儲存納入分層快取。新版也集中最佳化 DeepSeek-V4、ROCm、XPU 與推測解碼，但官方微基準不能直接代表實際服務吞吐。
代理工具
FluxBench 將晶片代理拉進完整 RTL-to-GDS 流程，同模型架構差距最高達 86%
FluxBench 以統一提示、工具與製程庫測試代理從 RTL 生成一路完成合成、布局繞線及 ECO，而非只評單次程式輸出。作者報告相同基礎模型搭配不同代理框架可出現 86.27% 的效能差距，但商用 EDA 實驗範圍狹窄，論文版本也曾撤回後重發。
代理工具
動態預測榜揭露專用代理優勢：前沿通用模型未壟斷 ForecastBench
ForecastBench 7 月 27 日更新的初步榜單顯示，前三名全由 Torchcast AI 專用代理取得，最高 Brier Index 為 65.6。GPT-5.5 搜尋代理與超級預測者中位數落在相近區間，但題目數、提交時間及置信區間差異限制了直接排名解讀。
推論系統
Nativ 將 MLX-VLM、本機 API 與效能遙測封裝成開源 macOS 推論工作區
Nativ v0.0.1 把模型下載、聊天、監控及 OpenAI、Anthropic 相容端點整合進原生 SwiftUI 應用，近期在本機 AI 社群獲得關注。首版僅支援 Apple Silicon 與 macOS 26，且尚未公布跨模型效能或相容性測試。
推論系統
AMD 開源 Hyperloom，以多代理閉環自動改寫並驗證 GPU 推論最佳化
AMD 釋出 ROCm Hyperloom 1.0.0a1，讓代理從效能剖析一路執行核心與主機程式修改，再以正確性及速度測試決定是否保留變更。首版只支援三款 Instinct GPU，且「數週縮至數小時」仍是官方說法，導入者需要以自身模型重現。