Prime Intellect 回顧 2026 年 RL Residency 研究成果
Prime Intellect 回顧 RL Residency 在 2026 年支持的開放研究成果,分為評測、訓練環境和其他研究三類。項目涵蓋 Maze Bench、OpenTTD-Bench、PretrainGym、AerialSim 等;Maze Bench 中,當前最佳大語言模型在不使用編碼工具時準確率最高為 16%,使用編碼工具時最高為 23%。
Prime Intellect 回顧 RL Residency 在 2026 年支持的開放研究成果,分為評測、訓練環境和其他研究三類。項目涵蓋 Maze Bench、OpenTTD-Bench、PretrainGym、AerialSim 等;Maze Bench 中,當前最佳大語言模型在不使用編碼工具時準確率最高為 16%,使用編碼工具時最高為 23%。
AWS 將 Amazon Bedrock AgentCore harness 升級至開源 Strands harness,加入可演進的受管理預設設定、內置工具及確定性生命週期 hooks。
NVIDIA 與 Microsoft 在 Microsoft Ignite 擴展全端合作,把加速運算及 AI 部署選項由 Azure 延伸至企業本地、邊緣設備和 Windows PC。
推薦理由:EY 以 NVIDIA Nemotron 開放模型分類企業採購記錄,展示模型定製的實際成效,評估準確率提升 55%,成本較專有前沿模型低 15x。
UGC Creator Skill 是免費、MIT 授權的 Claude Code Skill,可將付費 UGC 活動簡報轉成核對清單、腳本、影片檢查、發布安排和收益記錄。
Google 為 Gemini 4 採用 Hydrogen、Neon、Carbon 等化學元素名稱,作者認為這些模型是速度、成本與推理深度各異的橫向選擇,而非線性升級。
作者用英文描述 n8n 工作流程,由 Claude Code 在其 n8n 實例中建立,再由作者檢查。文章介紹以 n8n-MCP 提供節點文件、結構描述及建立和更新工作流程的工具,並建議先查閲節點文件、驗證後才儲存,以及複製工作流程,以樣本數據測試而不直接修改正式流程。憑證須由用戶在 n8n 中連接;涉及金錢、價格或客戶承諾時,作者建議逐行檢查 AI 節點使用的提示詞,並明確要求加入錯誤處理。
Emerson 宣佈與 Databricks 合作,透過原生接入 AspenTech Inmation OT Data Fabric,讓具脈絡的工業營運數據可在 Databricks Data + AI Platform 使用。
Reply.io 於 11 月 17 日公開推出 Jason Harness alpha,這是一款把通用 AI 智能體用於銷售外聯的開源工具。工具讓 Claude Code、OpenAI Codex 等智能體負責潛在客戶研究、跟進規劃和訊息草擬,並在操作員電腦上保存活動狀態;訊息須經人工批准,發送則由外部服務處理。
Dynatrace 調查 1,202 名企業技術領袖,87% 表示其機構在可觀測性和 IT 營運中適度或廣泛使用 AI 智能體,但只有 27% 表示目前有處理智能體決策和行動的可見度。另有 43% 認為這類可見度是重要的可觀測性要求,受訪者估計人員仍會核實平均 66% 的 AI 決策。
文章示範如何用 publishing-kit 0.37.1 或更新版本,透過 Claude Code、Codex 或 Antigravity 將 Markdown 發佈為 LinkedIn 文章,並在重新載入後核對儲存結果。
Microsoft 在 Ignite 將 Word、Excel 和 PowerPoint 整合進 Copilot,Office in Copilot 和 Home 現已普遍開放。
推薦理由:文章把 Office 應用整合、團隊共用空間、企業數據接入和智能體管理並列,呈現 Microsoft 此次 Copilot 更新涵蓋的工作與企業管理範圍。
AWS 與 Accenture 提出在 Amazon Bedrock 透過三個階段的六項措施優化 token 開支,並先用成本分攤標籤追蹤各團隊、工作負載及 Agent 的消耗。
律師以付費體驗比較 Grokbot、OpenAI Dots 和 Claude Duet,指出它們在主動性、任務跟進及上下文銜接上仍有不足。他主張 Personal Agent 應減少向用戶展示後台進度,並更深入接管電郵、日曆及日常事務。他預期,隨着 Agent 累積更多用戶上下文並取得更多權限,將可能由代辦工具演變成管理工作與生活的超級 App。
作者質疑辦公 Agent 宣傳 DAU 的參考價值,指出導流、領取積分及預設開機自啟等因素可能影響數字。WorkBuddy 稱最近七天收入按年化折算超過 5 億美元;作者按同一口徑換算,稱其最佳七天收入為 6500 萬人民幣,並建議辦公 Agent 儘快轉向 to B。
Google 宣佈在美國以英文提供的 Mac 版 Gemini App 中加入電腦操作能力,可跨本機檔案、桌面應用程式及網頁完成多步任務。功能透過隔離的背景視窗執行,並在聊天介面提供即時預覽;用戶可設定 Gemini 可存取的應用程式、查看操作步驟、隨時暫停,並在關鍵操作執行前批准。
Nvidia 在 Jensen Huang 離任後首次舉行業績電話會議,營收按年增逾一倍,並把財政 2028 年增長展望由 70% 上調至約 75%。作者認為,Nvidia 已展示創辦人離開後仍可維持短期執行,但新任 CEO 人選及長期方向仍未明。Agent 工作負載擴大亦帶動 CPU 需求,而 Nvidia 分配系統時會考量客戶設施、供電及資金是否就緒。
推薦理由:文章把業績指引、產品供應與 CEO 搜尋放在同一脈絡,呈現 Jensen Huang 離任後短期執行延續與長期方向未明的分野。
文章整理五種有研究依據的智能體編排模式,包括建置與驗證分工、平行拆分任務、Best of N、多模型評議和多角色審查。一項涵蓋 652 項編碼任務的 2026 年研究發現,兩個智能體編輯重疊程式碼時,成功率比單一智能體低約 30%;任務可獨立拆分時,多智能體在金融基準的得分最多高 80.8%,但在步驟互相依賴的規劃基準低 39% 至 70%。
舊金山新創 Everful 宣佈完成 $48.5M A 輪融資,發展可尋找及審核工廠、管理零售商和品牌訂單的 AI 智能體。
作者主張,若能在開始前列明每一步及分支,便應採用工作流程;只有後續步驟須視乎前一步結果而定時,才在相關步驟使用 AI 智能體。作者以客服系統為例,讓程式決定各步驟的路徑,只在確實需要探索的部分使用設有步數上限的智能體。他亦建議在工具説明中寫明調用時機,並把查詢結果區分為找到、確認不存在、部分找到及無法查詢,以免把查詢失敗誤作沒有相關資料。
作者根據團隊在多語言客服電郵及即時聊天中的實際經驗,歸納 AI 智能體在生產環境中失效的 5 個原因及相應修正方法。原因包括把原始材料整批交給模型、提示詞規則互相衝突、缺少判斷所需事實、前處理刪除業務內容,以及人工審核配置不當。作者建議逐案列印並檢查模型實際收到的內容,長內容應摘要而非截斷,並按輸出能否撤回決定人工介入方式。
Blanco Brand 將部署時間由一小時縮短至五分鐘,平台承載 25 個項目,由三人核心開發團隊維護,服務可用率為 99.95%。團隊採用 DigitalOcean App Platform 等託管服務、重複使用相近的後端架構,並以 CI 測試把關變更。AI 模組透過 OpenRouter 接入語言模型,另設值班、警報及監控應對快速部署帶來的風險。
Google 為 macOS 版 Gemini 加入電腦操作功能,讓 Gemini 可在背景跨應用程式、檔案及網頁工作。功能現已向美國 AI Plus、Pro 和 Ultra 用戶提供。
Google 在 Gemini Interactions API 預覽 Tool Retrieval,讓智能體按需載入工具的完整參數結構,而非預先把所有工具結構放入上下文。
作者認為,規格驅動開發(SDD)本質上是加上 AI 的瀑布模型,透過規格、技術計劃和分階段驗收推進開發。AI 把各階段縮短至數分鐘或數小時,讓開發者更容易迭代和調整方向。這種流程也令文件撰寫成本降低,重新成為開發過程的一部分。
作者以 World Labs Atlas 的 Chisel 製作莫卧兒—都鐸宮殿,展示同一 3D 佈局如何生成風格一致的多視角圖像、鏡頭影片及 3D Gaussian splat。
推薦理由:文章以同一座可編輯 3D 宮殿對照文字生成影片工具,展示共用場景佈局對多鏡頭一致性的作用,並交代 splat 轉網格供遊戲使用仍需清理。
Skyflow 與 Amazon Bedrock AgentCore Gateway 結合請求及回應攔截器,在智能體工具呼叫抵達工具前去識別化資料,並按模式處理返回內容。
推薦理由:文章以 AgentCore Gateway 攔截點為核心,對照工具、模型與文件三種資料保護模式,説明敏感資料在智能體工作流中的處理方式。
Cisco 在 2026 年 Cisco Transformation Fest 4.0 舉辦 AWS AI League 賽事,讓 1,200 名工程師透過實作培養智能體 AI 技能。冠軍 Nishanth Aluhonnu 在決賽累積 27,008 分;其智能體採用單一智能體架構,並以 AWS Lambda 執行路線規劃,按挑戰價值選擇路徑。
LiveKit 的教學示範如何透過 Recall.ai,讓 LiveKit Agents 加入 Zoom、Google Meet 和 Microsoft Teams 會議;LiveKit 負責對話、語音處理、模型推理及工具呼叫,Recall.ai 負責連接會議。
Microsoft 在 Ignite 2026 介紹把 Word、Excel 和 PowerPoint 的完整功能整合至 Copilot,讓用戶可在 AI 助手中處理 Office 工作,並繼續使用獨立應用程式。
ASUS、Dell 和 MSI 的首批 RTX Spark 緊湊型桌面電腦今日開始供應,將本機 AI 智能體、圖像與影片生成及模型微調帶到專用 Windows 電腦。
Google 為 macOS 版 Gemini 加入電腦操作功能,可跨本機檔案、桌面應用程式和網頁協助完成多步驟任務。用戶可決定 Gemini 能存取哪些應用程式,並在聊天中的即時預覽查看操作過程。目前正以英文向美國用戶推出。
Google 宣佈為 macOS 版 Gemini 桌面應用程式加入電腦操作功能,讓 AI 可在背景操作原生 Mac 應用程式及瀏覽網站,代用戶完成多步驟任務。用戶可在聊天中透過即時預覽查看操作,並可暫停、停止或在操作執行前批准。功能初期只在美國以英文提供,需使用 Mac 版 Gemini 應用程式及 Google AI Plus、Pro 或 Ultra 訂閲。
Asif Razzaq 比較並排列 2026 年 13 款智能體閘道,評估流量覆蓋、身分與授權、部署、成熟度及價格透明度。文中指出,只有 Kong、Bifrost、Gravitee 和 Prisma AIRS 原生治理 LLM、MCP 與 A2A;其他方案的 A2A 支援多為預覽、透傳或僅限 JSON-RPC。
JunctionBox AI 可在 Linux、macOS 和 Windows 上並行運行 Claude Code、Codex、Grok CLI 智能體,並連接 Ollama 或 llama.cpp 伺服器。
作者在自建的 Claude Code 程式碼審查插件中測試直接採用依賴掃描結果,盲測將 15 項結果歸為 10 個問題,沒有一項完全成立。其中 6 個部分成立、4 個不成立;調整三項規則後,報告由 15 項減至 5 項,但餘下 5 個仍有 2 個部分成立、3 個不成立。作者建議只有在工具確認易受攻擊函式有被呼叫時,才自動列為審查發現;單憑套件匯入或鎖檔版本,不能證明程式碼會觸及漏洞。
Google Chrome Security 團隊於 2026 年 11 月 19 日介紹 Mirror Dimension,這個封閉式合成網絡用於測試 Chrome auto browse 功能背後的瀏覽智能體。
Everful 宣佈完成 $48.5 million Series A 融資,將擴展 AI 商務系統及履約基建,並加深在美國和歐洲的業務。公司每月向 60 多個國家的零售商和品牌運送逾 5 million 件商品,合作工廠超過 30,000 間。其 AI Agent 透過供求模型識別熱門產品、尋找及評估工廠,並管理訂單溝通。
Google 正向 Mac 版 Gemini app 推出電腦操作功能,讓助手跨本機檔案、桌面應用程式及網站執行多步任務。功能在獨立背景視窗運行,並在對話中提供即時預覽;用戶可選擇可供 Gemini 使用的應用程式、暫停操作,並須批准關鍵動作。
智能體 AI 正透過編碼智能體與 AI 閘道重構開發者工作流程,令 AI 從程式碼自動補全工具轉為可執行整項工程任務的系統。編碼智能體會讀取程式碼庫、修改檔案、執行測試並反覆調整;AI 閘道則負責路由請求、管理 tokens、執行政策及記錄用量。
文章説明如何構建 AI Gateway,將多個模型供應商的接入、路由、身份驗證、用量政策與故障處理集中到共用基礎設施層。文章區分任務選模、供應商路由及部署負載平衡,並説明重試、供應商回退與模型回退的不同作用。文中以 Vercel AI Gateway 和 LiteLLM 示範託管整合及自建部署,並指出預算控管、模型能力相容性和串流故障處理須按實際部署驗證。