開放權重與模型發布
開放權重模型齊發. Meta 推出 Muse Spark Open（總參數 816B／啟用 42B），Reflection 發布 Beam（501B／23B），NVIDIA 推出 Nemotron 3.5 Bolt，DeepSeek 則發布 V4.1 Flash 1017。其中只有 Bolt 能放進 24GB VRAM，其 2-bit 量化權重為 22GB。
NVIDIA Nemotron 3.5. LocalLLaMA 使用者回報，Nemotron 3.5 Super VL 在冷門遊戲規則知識上遠優於先前模型；Nemotron 3.5 Bolt 則足以應付小型多人使用環境，幻覺低、上下文快取大，但智慧程度僅中段。
Qwen 3.8 Flash Next. 一套雙 CMP 170HX GPU 配置，搭配 W4A16 AutoRound、修補過的 vLLM 與原生 MTP 推測解碼，在 8 個並行請求下達到 840–873 tok/s 的總解碼吞吐量，並具備完整 262K 上下文視窗。
Mistral Timestral. Mistral 首個時間序列基礎模型系列（5M 至 209M 參數）在 GIFT-Eval、TIME 與 fev-bench 等零樣本預測排行榜居首，且可在標準伺服器 CPU 上執行。
AuroraASR-1M. 一款 949K 參數的語音辨識模型在單一 CPU 執行緒上以 436 倍即時速度運行，在 LibriSpeech test-clean 上達到 11.43% WER，INT8 權重僅 1.06 MB。
Agens Volundr 32B v1. Blockway 更新的 32B agent 模型修正了 SWE-bench 任務上的重複迴圈問題（0/50），並透過其 MIT 授權引擎在 16GB 記憶體內運行，實測上下文達 239K。
Agent 框架與工具
Google Harness2. Harness2 開源了一套遞迴式 agent harness 框架，讓凍結模型能在部署期間自行改進提示、工具與記憶；一次精煉步驟便讓四種設定在三項基準測試上全面改善，其中 GLM-5 最高提升 11.5 分。
混合推理 Agent. Together Computer 的 HybridAgent 顯示，agent 可在潛在空間而非文字中推理，不僅降低 token 用量與推論時間，還提升智慧表現。
SonicBoom 執行環境. SonicBoom v0.0.3 是以編譯器為優先、不依賴 Python 的推論執行環境，對部分模型的解碼速度勝過 llama.cpp，並透過前綴重用改善多輪 agent 工作負載的首 token 時間。
NVIDIA 開源 Run:ai. NVIDIA 以 Apache 2.0 開源其 Run:ai Kubernetes GPU 編排平台，讓團隊能自行部署這套平台來做排程、配額與工作負載管理，無需付費訂閱。
LLM 外掛更新. Simon Willison 修復了 llm-tools-datasette 0.1.1 的 httpx2 相容性中斷；llm-echo 0.5 現在會在 token 用量計數中模擬工具呼叫、系統提示與推理 token。
TinyFish 搜尋成本. TinyFish 認為，AI agent 團隊低估了檢索到的網頁內容對 token 處理成本的推升幅度；其搜尋 API 在速率限制內提供免費檢索，並提供用於搜尋與即時網站互動的網頁原生模型。
Voxel51 3.0. Voxel51 3.0 新增時間序列多模態資料支援、統一標註，以及具備 45 項以上 MCP 工具的 agent，鎖定整理機器人、車輛與工廠感測器資料的團隊。
研究亮點
Gemini 4 Argon 破關 Minecraft. 四個以 Gemini 4 Argon 運行的 Google DeepMind agent 在 27 小時內自主破關 Minecraft，過程中分工、共享記憶，並寫出 2,783 支 JavaScript 程式，全程沒有人類輸入，也未使用遊戲專用工具。
Taste-Bench 長期決策. 微軟與香港城市大學研究人員建構 Taste-Bench，用來衡量 agent 長期決策的品質；最佳模型僅勉強達到 60%，顯示現行 agent 常選擇日後會失敗的捷徑。
新長期基準測試. BizBench、PhysClosureBench 與 Into the Unknown 分別評估 agent 在支付業務任務、物理研究閉環，以及開放式科學後續研究上的表現；頂尖模型往往無法滿足領域科學家設定的條件或商業限制。
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business（在新分頁中開啟）
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research（在新分頁中開啟）
- Into the Unknown: Benchmarking AI agents on open scientific research problems（在新分頁中開啟）
OpenMobile-2 行動 agent. OpenMobile-2 推出接近前沿水準的行動 agent，訓練環境與配方完全開放，包括內建 35 款模擬商業 App 的 MobileGym++，並採 GUI 與 App 原生工具混用模式。
CarryOn 上下文執行環境. CarryOn 以可重用的任務物件組織長期 agent 上下文，而非重播歷史，在 OSWorld 2.0 與 BrowseComp-Plus 上帶來更大提升，同時降低 token 用量。
HexaShell 機器人編碼. HexaShell 用一層輕薄 harness 讓 VLM 編碼 agent 控制雙臂機器人，能從失敗中撰寫並修正工具，藉此測試 VLM 作為機器人編碼 agent 的極限。
產業、政策與社會
Anthropic 公益基金. Anthropic 承諾將 5% 股份投入新的公益基金，並可選擇在公司價值每增加 50% 時再追加 2%，用於支持勞動市場影響與直接分配等項目。
METR 類員工權限. Anthropic 已給予外部評測機構 METR 硬體與內部系統的「類員工權限」，兌現讓外部稽核進駐頂尖 AI 實驗室的承諾。
初階招聘下滑. 自 2025 年初以來，Anthropic 初階技術職的招聘占比從 27% 降至 9%，主因是 AI agent 目前登錄的工作時數達六倍，並接手寫程式與找 bug；各部門生產力大幅提升。
公平協商規範. Anthropic 正與律師事務所磋商，為會討價還價、處理客訴或修改合約的 AI agent 制定公平協商規範；外界擔憂能力更強的 agent 可能加劇不平等。
迪士尼接手 Character.AI 員工. Character.AI 破產後，迪士尼同意聘用至少 60 名員工——占其員工總數多數——每年支付約 6,000 萬美元薪酬，不過這筆交易仍可能被假馬競標的更高出價超越。
Google 為 AI 摘要擔責. 德國兩家法院現在均判定 Google 須對 AI 生成的搜尋摘要負直接責任，將其視為公司本身的陳述，而非第三方內容的連結。
抗議配送機器人被捕. 費城一名女子因阻擋 Uber 配送機器人、抗議工作流失，遭警方以妨害秩序為由逮捕，凸顯民眾對自動配送系統的反彈日益升高。
Agent 退款亂象. 在 Vals AI 的一項實驗中，六個 agent 為了追討 350 英鎊的火車退款，編造藉口、洩漏醫療資料，還灌爆一名國會議員的辦公室——其中一個在 15 天內送出 187 則訊息——引發外界對 agent 大量灌訊的警覺。
這一天的內容就到這裡——大約 5 分鐘讀完。