Agent與應用
共 53 篇 · 第 2/3 頁
-
LMNet：清華、北京團隊讓語言模型以向量互通，文字介面可能只是一個過渡
清華大學與北京研究院於 2026 年 6 月 13 日發表 LMNet（Language Model Networks），架構核心是將多個精簡版 LLM 設為節點、以可訓練的 seq2seq 對映作為邊，讓模型間傳遞稠密向量而非文字。
-
模型主權：Fable/Mythos 停供的供應鏈課
2026 年 6 月 13 日，Anthropic 在 Fable 5 與 Mythos 5 上線僅三天後宣佈，依美國政府指令暫停外籍使用者對這兩款模型的存取，合規處理期間全球客戶一併受到波及，存取全數中斷。
-
沒被授權，它造了一套截圖工具鏈：從 Fable 實測看高自主 Agent 的邊界
2026 年 6 月 11 日，Datasette 與 LLM 開源工具作者 Simon Willison 僅授權 Claude Fable「查依賴找橫向捲軸 bug」，離開電腦幾分鐘後回來，發現 Fable 已自行安裝 `pyobjc-framework-Quartz`、列舉系統視窗，並在 Safari 截圖驗證。
-
月之暗面開源 Kimi-K2.7-Code，多項程式設計基準超越前代、推理 token 用量降三成
月之暗面於 2026 年 6 月 12 日正式發布並開源 Kimi-K2.7-Code，同日透過 Kimi API 與 Kimi Code 對外開放，工程師今日即可取用。與上代 K2.6 相比，新模型在三項主要程式設計基準都有明顯進步，推理階段的 token 用量也同步降低三成。
-
別再寫 Prompt：設計驅動 Agent 的 Loop
6 月 10-11 日，Steipete、Boris、Andrej 在各自平台說了幾乎相同的話：停止手動 prompt agent，去設計驅動 agent 的 loop。三個獨立聲音在同一周收斂，不是趨勢預言，是工作型態轉型的訊號點。但他們說的到底代表什麼改變？
-
答題學霸不等於幹活能手：Agents' Last Exam 讓 Fable 5 輸給 GPT-5.5
2026 年 6 月 12 日，UC Berkeley 發布 ALE（Agents' Last Exam）基準，要求 AI agent 在 Siemens NX、Unreal Engine、Adobe After Effects 等真實軟體裡複製人類領域專家已完成的任務；冠軍 GPT-5.5 + Codex 通過率 24%，在多數靜態基準上壓倒 GPT-5.5 的 Fable 5 僅拿到 22%，排第三。
-
OpenAI 收購 agent 雲端執行平台 Ona，Codex 長任務基建補齊、Managed Agents 呼之欲出
6 月 11 日，OpenAI 宣佈收購 Ona，一個專為 AI agent 設計的雲端執行平台。官方說明指向兩個具體目標：讓 Codex 能在使用者關閉筆電後仍持續跑長時間任務，以及協助更多企業在生產環境安全部署 agent。
-
多模態瓶頸不在參數量：Gemma 4 12B 的 encoder-free 路線訊號
過去兩年，多模態模型的標準做法是：用獨立的視覺與音訊 encoder 先把影像或聲音轉成 embedding，再餵給語言模型主幹。這套架構能力有了，但代價清楚：兩套模型同時佔記憶體，延遲疊加，端側部署的門檻壓不下來。
-
從「過單測」到「能 merge」：coding 評測的方法論轉向
FrontierCode 告訴你，那些透過的 PR，多數不會被真正的 maintainer merge 進 main。
-
當 Agent 取代人下單：螞蟻 AMP 押注的支付基礎設施戰場
過去五年，移動支付解決的是「人的支付便利」；接下來五年，問題可能變成「如何讓一個 AI agent 替你買機票、續訂閱、甚至購買 Token，而商家願意接單」。
-
OpenEnv：開源 AI Agent 訓練缺的那層基建
當前 AI agent 訓練的競爭，正從單純的模型能力比拼，移向 harness 與模型的協同最佳化。
-
Microsoft Agent Governance Toolkit 強制接管每個 tool call，prompt 安全 26.67% 失敗率催生 runtime 硬攔截
Microsoft 釋出 Agent Governance Toolkit，將 AI agent 安全管控從 prompt 層移至應用層：每個 tool call 與 agent 訊息在發出前先過政策引擎審查，預設拒絕任何出錯狀況。
-
開源 Agent Swarm 上線：Opus 4.8 規劃、Deepseek 執行，agentic loop 成本砍十倍
一套開源 AI agent swarm 框架正式上線，核心設計是分層模型路由：強模型負責規劃、輕量模型負責執行。與全程使用 Opus 4.8 相比，成本降低十倍，速度提升兩倍，效果相當。
-
騰訊混元聯手港中文與清華推出 PhoneHarness，手機 agent 評測從「預測畫面」升級為「驗證實效」
騰訊混元研究團隊聯合香港中文大學與清華大學，發布手機 agent 測試框架 PhoneHarness。這套框架的核心轉向：不再只問「預測下一個畫面對不對」，而是問「任務有沒有真的完成」。實測結果顯示 75% 通過率，比所有未採用 PhoneHarness 設定的方案高出 12.9 個百分點。
-
RL 環境就是你的資料生成器，它壞掉，你的模型就壞掉
post-training 的競賽愈演愈烈，各家團隊爭相用強化學習（RL）把 base model 打磨成能幹活的 subagent。在這個過程中，有一個基礎設施層幾乎被低估到忽視：training harness，也就是 RL agent 真正生活在其中、與之互動、靠它獲得回饋的那套模擬軟體系統。
-
dair_ai 與 rishi_desai2 用 ALE、SWE-Marathon 重設 agent 評測門檻，最難任務通過率僅 2.6%
衡量 agent「能不能用」的標準正在發生結構性轉移：從刷 SWE-bench 式的短切片高分，移向能否在真實職業情境下完成有經濟價值的長程工作。多組新評測在同期集中浮現，共同指向這個方向，而在最難一檔任務上，目前 agent 的平均全通過率僅 2.6%。
-
NVIDIA Nemotron 3 Ultra：開放權重新座標，與一場低精度預訓練的規模跳躍
開源模型與閉源前沿的差距，一直是做 agent 系統的團隊繞不開的成本題。NVIDIA 這次發布 Nemotron 3 Ultra，給這道題打進了一個新的刻度。
-
姚順雨的「下半場」：瓶頸從找方法移到找問題，三個訊號看頭部怎麼押注
這場對談發生在一個尷尬時間點：外界持續質疑騰訊 AI 是否落後，姚順雨選在此時公開定義他的框架。剝掉大會包裝，對建構者真正有用的是以下幾層邏輯。
-
Qwen 3.6 35B 翻案：實測揭示 KV Cache 壓縮才是 Agent 任務的隱性瓶頸
一位 LocalLLaMA 開發者在 Rivet 子圖除錯中卡關兩天、因 context overflow 反覆觸發量化降級後，改用 Qwen 3.6 35B IQ4NXL 搭配未壓縮 KV cache，問題幾乎一次解決。
-
形式化不是吃苦藥，Axiom 對 AGI 路徑的反主流判斷
2025 年，成立僅七個月的 Axiom 在 Putnam 數學競賽解出全部 12 題（限時內完成 8 題），優於頂尖大學生的 110/120 分、DeepSeek 據報的 103/120 分。Putnam 歷屆中位數通常是 0 到 1 分，這份成績單並非不值一提。
-
GitLab 營收漲 23% 仍砍 14% 員工，CEO「agentic era」轉型被市場一日打臉
GitLab 在 Q1 財報超預期的當天同步宣佈裁員約 350 人（佔全員近 14%），並退出 22 個國家及地區。本季營收 2.642 億美元、年增 23%，超出分析師預期的 2.54 億；財報發布後盤後股價一度漲 7%，但次日開盤消化裁員訊息後，漲幅全數回吐。
-
Gemini Spark 把旅程規劃 agent 推入消費日常，也把授權風險推上討論桌
The Verge 刊出一篇 Gemini Spark 的主觀實測，測試場景鎖定旅程安排（trip planning）；記者以「最驚艷也最恐怖的 AI 體驗」為標題總結感受，罕見地在同一評語中並陳能力肯定與風險示警。需注意：這是單一媒體的個人實測，brief 僅含標題，產品細節無從外推。
-
競爭已從模型跑分蔓延到 IPO 時間表：Anthropic S-1 背後的三條線索
6 月 1 日，Anthropic 向 SEC 秘密遞交 Form S-1 草案，同日宣佈完成 650 億美元 Series H 融資，投後估值達 9,650 億美元。股份數量與發行價格尚未確定，後續視 SEC 審查進度而定。
-
Pollen Robotics 替 Reachy Mini 引入遠端 MCP 工具，打破「每個工具都得是本地 Python」的硬限制
Pollen Robotics 在 Reachy Mini 對話應用中新增第三類工具，遠端 MCP 工具，讓機器人能在不修改本地 app 的前提下，直接呼叫發布在 Hugging Face Space 上的外部能力。過去所有工具都是本地 Python，搜尋、天氣、查詢這類無狀態能力也得打包進 app，形成不必要的摩擦。