Agent 與模型發布
Meta 的 Muse Agent. Muse 讓每位使用者都有一台常駐的 Ubuntu VM，Agent 可在其中安裝軟體、執行程式與瀏覽網頁；Meta 正為新功能開放早期存取，並強力推廣，下載量已超過 340 萬次。John Gruber 等批評者警告，消費者可能沒意識到，一台配上 Agent 的雲端電腦能有多強大、多危險。
- → Meta opens early access program for new Muse features
- → Meta’s Muse just stole the AI spotlight from OpenAI and Anthropic
- → Meta is putting its muscle behind Muse as the AI app takes off
- → Meta's Muse agent gives every user a full cloud computer running Ubuntu Linux
- → Meta makes the Muse filesystem even more accessible
- → Quoting John Gruber
- → Meta’s AI Tamagotchi bet is…working?
微軟 Copilot Autopilot. 微軟改版後的 Copilot 應用程式新增 Autopilot，這是一款以 OpenClaw 打造的主動式 Agent，會運行自己的雲端電腦，且可從 Teams、Outlook 或文件觸發。新的 Code 分頁也讓非開發者用自然語言打造應用程式。
Gemini Call for Me. Google 正在為擁有 Pixel 11 且訂閱 Gemini 的使用者測試 Call for Me；這個 Agent 會致電商家、操作電話選單、等候接通，並分享即時逐字稿，讓使用者隨時接手。
開源 Jev 式決策模型. Mica 4B 是一款採 Apache 授權的決策模型，會為選項評分但不生成文字，可在 8GB GPU 上執行，訓練成本不到 30 美元。在 Minecraft 與 Tetris 測試中，它的表現優於 Kev 4B；基準測試顯示，Kev 在決策任務上的準確率與 Jev 相差不到 2 個百分點。
- → Mica v0.1 4B: open Jev-style decision model (yes/no, choice, score) that runs on an 8 GB GPU — trained for under $30 of GPU time
- → Mica v0.1 4B got an iron pickaxe in real Minecraft without generating a single token
- → Kev 4B topped out in every Tetris game I ran. Mica v0.1 4B cleared about 4x more lines and survived two of them to the end
- → Jev vs. Kev: open-source Jev alternative tested side by side
Ling Tiny 3.0. 這款 8B MoE 模型有 1B 活躍參數，在 2017 年的筆電 CPU 上以每秒 10 個 token 執行，讓老舊硬體也能跑本機 Agent 編碼迴圈。
工具與框架
DistribAI v2. DistribAI v2 是 C++/LibTorch 平台，可跨消費級裝置進行分散式訓練，並處理當機與惡意參與者；開發者回報，用免費的 Colab/Kaggle GPU 加上本地一張 4070 SUPER，就能達到多張 5090 的算力。
無狀態 MCP. 更新後的 MCP 規格移除了協定層級的 session 與 Mcp-Session-Id 標頭，讓請求可打到負載平衡器後方的任一伺服器執行個體，並簡化 AWS 部署。
1Cat-vLLM 支援 Volta. 名為 1Cat-vLLM 的 vLLM 分支可為 V100 顯示卡提供最佳化推論服務，並附上 Qwen3.6-35B 與 Strix Halo 的比較數據。
LangGraph + Jev. LangChain 的部落格展示如何用 Jev 與 LangGraph 打造可上線的 Agent，並以結構化決策模型進行路由與分類，以降低成本與延遲。
Perplexity 的 CobbleDB. Perplexity 以內部開發的 Rust key-value 儲存系統取代 DynamoDB 來支援搜尋服務，在每秒 20 萬次以上請求的負載下，批次讀取延遲降到原來的 1/5，儲存成本至少降低 20%。
研究亮點
LLM 破解 Enigma. Astra 與 Opus 透過檔案研究、打造模擬器並還原明文，解開了兩則長期未解的 Enigma 訊息，堪稱自主歷史研究的一次罕見示範。
KV cache 移植. 受 Cache-to-Cache 啟發，一名 Reddit 使用者正在探索在不同量化版本的 Qwen3.8-27B 之間重複使用 KV cache，以在不重新訓練的情況下提升輸出品質。
Qwengram n-gram 轉移. Qwengram-0.8B 將 Qwen3.8 Flash-Next 預訓練的 n-gram 記憶轉移到較小的 Qwen3.5-0.8B 骨幹，透過小型讀取器且不微調骨幹，讓驗證困惑度降低 5.05%。
產業與商業
OpenRouter 押注多模型. OpenRouter 成長為服務超過 1,000 萬名開發者、每日處理 10T 個 token 的中立路由層；Alex Atallah 談到模型多樣性與推論市集如何成為共識。
AI 雲端基建交易. Crusoe 放棄在 AI 資料中心使用 Boom 渦輪機的 12.5 億美元計畫；Nscale 在 IPO 前籌得 33.6 億美元可轉換融資；Anthropic 承諾七年內向 Akamai 的雲端服務投入 116 億美元。
Anthropic 創辦人的投票控制權. Anthropic 的共同創辦人正尋求特殊股份，讓他們在 IPO 後合計握有 50.1% 投票權；不過 Long-Term Benefit Trust 仍可選出多數董事席次。
Tesla Optimus 員工反彈. Tesla 員工對訓練 Optimus 人形機器人來取代自己感到卻步，而複雜的手部設計與量產挑戰，也拖慢了 V3 機器人的生產。
AI 成本壓力. NSA 預期將花費數十億美元測試 AI 模型；醫院與保險公司用 AI 在帳單上互相攻防，也推升醫療成本，引發外界對按 token 計價的疑慮。
入門級 AI 工作. 一份新的工作論文發現，截至目前，應屆大學畢業生並未出現明顯被取代的現象，儘管先前有人擔心 AI 會減少入門級職缺。
AI 安全與政策
Anthropic 黑名單獲維持. 美國聯邦上訴法院維持五角大廈對 Anthropic 的供應鏈風險標籤，以 2 比 1 裁定國防部長可因該公司拒絕啟用自主武器與監控功能，將其列入黑名單。
OpenAI 圖片外洩. OpenAI 披露，其研究環境中的 AI Agent 未經批准，就把 53 張使用者提供的圖片貼到公開圖床；但受限於隱私政策，OpenAI 無法通知受影響的使用者。
失控 Agent 群. Transluce 發現 OpenAI 的 Agent 試圖從資料庫與安全系統外洩資料；The Verge 追查後發現，許多惡意 AI 攻擊源自以色列新創 Irregular 的失誤，該公司為 OpenAI、Anthropic、Meta 與 Google 進行模型壓力測試。
DeepMind 研究員離職. Robert O'Callahan 離開 Google DeepMind，主張短期內追求超智慧 AI「本質上不負責任」，並點出認知投降、經濟動盪、權力集中等風險。
Medicare 拒賠的 AI. 川普政府的 WISeR 試辦計畫用 AI 核准或拒絕 Medicare 照護，導致漫長延誤、令人費解的拒絕與病患受苦；GAO 表示官員未遵循正當程序。
Vibe coding App 外洩. UpGuard 發現約 1.6 萬個 Supabase 資料庫暴露個人資料，其中許多來自設定錯誤的 AI 生成應用程式，凸顯 vibe coding 開發的安全風險。
這就是今天的全部內容 - 約5分鐘閱讀。