代理與介面
Gemini 可操作 Mac App. Google 的 Gemini Mac App 現在具備 Computer Use,可在隔離的背景視窗中跨本機檔案、應用程式與網站完成多步驟任務。使用者可選擇它能存取哪些應用程式,並可核准關鍵動作;這項功能先在美國以英文推出。
Apple 衝刺自研代理. Apple 正在招募人才,以打造自家可控制裝置的 AI 代理,最快明年下半年推出;但 macOS 27.3 卻讓 ChatGPT 等第三方代理更難啟用。Bloomberg 報導,新的權限流程需要 14 個步驟,而非 4 個,部分競爭對手認為這是一道障礙。
Hermes Agent 進駐 Teams. Nous Research 的開源 Hermes Agent 將進駐 Microsoft Teams,並具備「Collective Wisdom」功能,可將成功的工作流程轉為可共享的內部技能。代理會在隔離的 Azure Container Apps Sandboxes 中執行,公司資料則不會被用於訓練 AI 供應商模型。
Google 改版 AI 搜尋. Google 正在推出改版後的桌機搜尋首頁,移除專用搜尋按鈕,並新增 Gemini 圖像生成、檔案分析與腦力激盪的快速入口。AI 模式新增可收合的側邊欄,讓使用者能重新開啟近期的 AI 搜尋,並建立臨時對話串。
Genesis AI 攻機器人學習. Genesis AI 以 35 億美元估值完成 5 億美元 A 輪募資,要打造整合式機器人學習,其方案搭配人體尺寸的機器手掌與資料收集手套,並結合 GENE-26.5 模型、Genesis World 模擬器與 Eno 機器人。目標是讓陌生任務的教學成本更低,也更容易建立信任。
模型與工具
DaisyRose-27B 程式模型. RadixArk 發布 DaisyRose-27B,這是從 Qwen3.8-27B 後訓練而成的開放權重代理式程式碼模型,僅使用強化學習,未採用 SFT 或蒸餾。它將 Terminal Bench 4.1 的 pass@1 從 5.6 倍增至 12.0,並以 Apache 2.0 授權釋出。
Inkling 2 Mini 亮相. Thinking Machines Lab 發布 Inkling 2 Mini,這是多模態混合專家(MoE)模型,總參數約 26B、啟用參數 3B,支援 1M token 上下文,並採用迴圈式 transformer 設計。它鎖定本機部署,支援圖像與文字,並支援 NVFP4、MXFP8 與 MLX。
Nemotron-Labs-Sigma 擴散 LLM. Nvidia 發布 Nemotron-Labs-Sigma,這是 3B 與 8B 的連續擴散語言模型系列,在 16 維嵌入空間中對文字去雜訊,而非處理離散 token。8B 模型在 Nvidia 的六項任務套件上平均得分 71.16,8 步蒸餾版則維持 70.34 的平均分。
代理打造的 AWS 模擬器. AWS 發布免費、採 CC0 授權的本機模擬器,涵蓋超過 200 項 AWS 服務,且完全由自主 AI 代理打造。它是以單一 Rust 二進位檔在 9297 埠執行,現有 SDK、CLI 與程式碼代理可透過環境變數使用。
代理基建捐入 CNCF. Google 將 Agent Substrate、gVisor 與 OpenRL 捐贈給 CNCF,以在大規模下保障 AI 代理安全。這些專案分別處理不受信任 AI 生成程式碼的隔離執行、代理生命週期管理,以及大規模強化學習調度。
Harness 適配器. Hugging Face 推出 harness adapters,這是用強化學習訓練的 LoRA 式適配器,可針對特定代理 harness 與任務分布最佳化模型。以 Qwen3.8-27B 為例,Terminal-Bench 2.1 的 pass@1 從 39% 提升到 55%,平均 token 用量則從 2.9K 降到 1.5K。
安全與隱私
OpenAI 推理防護. OpenAI 表示已大幅降低從 GPT-6.2 Astra 擷取受保護推理內容的比率:對先前請求的攻擊成功率從 54.0% 降到 0.2%,對當前請求則從 22.9% 降到 0.9%。該公司也分享其偵測與阻斷對抗性蒸餾的方法。
Signal 阻擋 AI 代理. Signal 在 iOS 與 Android 上限制截圖,以阻止作業系統層級的 AI 代理讀取私人對話,並稱這些代理「敵視隱私」。Signal 主張,Apple、Google 與 Microsoft 並未提供簡單方法,讓應用程式在不做出重大妥協的情況下阻擋 AI 存取。
AI 供應鏈外洩. 一名研究人員在 AI 服務請求中植入 200 萬組金絲雀憑證,發現敏感資料會透過 OpenRouter、Vercel 等 AI 路由與閘道外洩。這項實驗揭露了提示竊取、隱私侵害,以及外洩 AWS 金鑰遭利用等問題。
研究與基準測試
黎曼猜想新進展. Anthropic 數學家 Levent Alpöge 表示,他與 Claude 已證明黎曼猜想,並提出可通過 Lean 編譯的解法;與此同時,Alessandro Masullo 另一份全由人類完成的證明則瞄準廣義黎曼猜想。兩項主張都仍待獨立驗證。
METR 時間跨度更新. METR 更新的時間跨度報告發現,部分 AI 能力正以指數速度進步;早期資料顯示,模型能完成的任務長度每四個月翻倍,但在需要人類判斷的任務上,表現仍落後於程式設計類任務。新版圖表納入更長、更開放的任務。
MedChemBench 藥物發現. OpenAI 推出 MedChemBench,這是包含 99 道藥物化學推理問題的基準測試,用來檢驗 AI 能否將分子結構與實驗證據連結,並選擇下一步要嘗試哪些化合物。
Hebbia 金融研究報捷. Hebbia 在其 Matrix 金融研究工具中測試 GPT-6 Astra,發現引用相關性達 99.5%,且在必要來源類型上領先最佳替代方案 13.6 個百分點。該模型也滿足了 97.9% 的呈現要求。
形式驗證對抗劣質碼. 隨著 AI 生成程式碼推高低品質輸出的成本,Harmonic、Theorem、Axiom Math 與 &Truth 等新創紛紛提供形式驗證系統。它們利用數學證明與 cvc5 等 SMT 求解器來驗證軟體正確性。
商業與政策
Anthropic 史上最大 IPO. Anthropic 完成史上最大 IPO,募資總額約 935 億美元,以「ANT」在 Nasdaq 掛牌,估值接近 1.5 兆美元。其 Class F 股份讓創辦人保留 50.1% 投票權。
Nvidia 收購 Inception. Nvidia 即將以至少 5 億美元收購擴散語言模型新創 Inception,以強化開源 Nemotron 模型與實體機器人模型。這家新創的共同創辦人預計將全職加入 Nvidia。
Meta 重估淨零目標. Meta 正在重新評估 2030 年淨零排放目標,理由是 AI 資料中心需求成長快於預期。該公司通報的溫室氣體排放百分比增幅創下紀錄,超過其他大型科技競爭對手。
川普祭資料中心稅. 美國總統川普威脅對在海外興建 AI 資料中心的美國企業課徵「巨額稅」,主張若允許這些設施外移,中國就會拿走。他並未說明這項提案的細節。
中國 AI 職缺變化. Bloomberg 分析近 1,000 萬筆中國徵才訊息發現,2021 年中到 2025 年中之間,受 AI 影響的職缺減少幅度,比受影響較小的職缺多約 10 個百分點。初階與創意類工作受到的衝擊最大。
太空資料中心融資. SpaceX 400 億美元晶片融資案的貸款機構擔心,一旦晶片安裝在軌道上,將難以收回;畢竟資料中心裡的晶片通常可作為抵押品。《Financial Times》報導,貸款機構要求不得將任何晶片用於軌道資料中心計畫。
這一天的內容就到這裡——大約 5 分鐘讀完。