Microsoft 以 AI 智能體將 Copilot runtime 移植至 Rust,模型 token 使用費約 $120K
Microsoft 以 AI 智能體把支援 GitHub Copilot 及多款 Microsoft 產品的 runtime 全面由 TypeScript 移植至 Rust,模型 token 使用費約 $120,000,另投入約三週開發時間。
推薦理由:這個案例呈現智能體移植大型程式碼庫的成本與效能收益,並以數十個回歸問題説明編譯通過不等於行為正確。
讓模型自主規劃、調用工具、完成多步任務的技術方向——從 Claude Code、Manus 到各家 Agent 框架與評測基準的全部動態。
Microsoft 以 AI 智能體把支援 GitHub Copilot 及多款 Microsoft 產品的 runtime 全面由 TypeScript 移植至 Rust,模型 token 使用費約 $120,000,另投入約三週開發時間。
推薦理由:這個案例呈現智能體移植大型程式碼庫的成本與效能收益,並以數十個回歸問題説明編譯通過不等於行為正確。
Anthropic 於 2026 年 9 月 16 日宣佈,Claude Cowork 與 Claude 聊天功能整合,用戶可直接描述目標,由 Claude 選擇工具並規劃步驟執行任務。
推薦理由:Cowork 不再需要獨立啟動,文件、簡報和視覺成果也可在聊天中處理,呈現 Claude 將不同工作任務整合至同一入口的變化。
Google DeepMind 發佈 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking,前者面向規模化與成本效率,後者針對高複雜度任務。
推薦理由:文章區分兩款模型在規模化成本效率與高複雜度任務上的定位,並列出語音代理基準成績,方便比較其應用取向。
OpenAI 於 9 月 10 日公開 Agents API 測試版,讓開發者透過 API 構建及執行雲端 AI 智能體,並由 OpenAI 管理模型呼叫、工具使用和長時間工作階段。
推薦理由:文章交代 Agents API 如何由 OpenAI 管理智能體執行,同時讓開發者選擇沙盒環境,並説明模型、工具與容器費用的計算方式。
Cursor 推出 Projects,現正以 beta 階段逐步向所有用户開放,讓協調智能體承接跨月工作並委派子智能體。Projects 預設在雲端運行,需要時可切換至本地,並透過共享上下文及監聽 Slack 頻道、按計劃運行或跟進 PR 來主動處理工作。Cursor 表示,新用户合併 PR 數量提升 30%,而主要使用 Projects 的用户合併量達原來六倍。
推薦理由:Projects 將長週期工作的上下文累積、智能體委派和事件觸發整合起來,文中亦提供新用户與主要使用者的 PR 合併量數據。
OpenAI 推出 Agents API,這項由 Codex harness 驅動的託管服務可用於建置及啟動雲端智能體。服務支援編排、長時段工作階段與工具使用。詳情見 https://openai.com/index/introducing-the-agents-api。
推薦理由:這則公告交代 Agents API 將編排、長時段工作階段與工具使用納入雲端智能體託管服務,清楚界定其運作範圍。
Sebastian Raschka 分析 GPT-6 Astra 的電腦操作表現與循環式 Transformer 傳聞,指出 Astra 表現突出,但採用該架構尚未獲官方確認。
推薦理由:文章比較循環式 Transformer 的權重共享、計算成本與路由設計,並指出現有資料尚不足以將推理鏈可監控性的變化歸因於這種架構。
Meta 宣佈推出個人 AI 智能體 Muse,並開始在美國分階段提供 iOS、Android 應用程式及 muse.ai 網頁版。用戶可在 Muse 應用程式或 WhatsApp 交代目標或工作,Muse 會制定計劃,透過瀏覽器及連結的應用程式執行,並可在應用程式關閉後繼續於背景工作。
推薦理由:文章交代 Muse 如何在背景執行多項任務,也説明 Sentinel 審核外部操作及重要操作確認機制,呈現自動化流程中的安全控制設計。
GitHub 推出 Project HydraFusion 研究預覽,以執行時多模型編排為編碼任務動態規劃模型工作流程。它會從不同供應商的模型中選擇 Single、Cascade 或 Critique 工作流程;所有 GitHub Copilot 方案用户可在 Copilot CLI 執行 `/experimental`,再執行 `/model` 選用 HydraFusion。
推薦理由:三項離線編碼基準呈現 HydraFusion 不同的品質與成本取捨,與 Claude Opus 5 的對照能幫助理解多模型編排在不同任務上的效益差異。
OpenAI 發佈 GPT-6 Astra,稱其在 PC 操作評測中勝過 GPT-5.6 Sol,並首次在其 Preparedness Framework 中達到網絡安全「重大」水準。
推薦理由:文章以 GPT-5.6 Sol 作對照,列出 PC 操作及多項工作評測結果,並交代網絡安全能力對應的部署限制。
Hugging Face 推出開源工具 funes,讓 Claude Code、Codex、pi 和 Hermes 共用可檢索的持久記憶。funes 預設在本機索引、嵌入及重排工作記錄,檢索時返回原文並標示智能體、時間戳、工作階段和回合;記憶亦可發布至預設私有的 Hugging Face 資料集,供其他機器使用。
推薦理由:funes 將不同編碼智能體的工作記錄轉為本機可檢索記憶,並保留原始片段及來源脈絡,展示跨會話延續決策依據的實作方式。
Google DeepMind 推出有限度開放的 Fairwind Program,讓政府機構及可信賴夥伴使用進階 AI 網絡防禦能力。計劃把 Gemini 3.8 Flash Cyber 與 CodeMender 結合,用於自主發現、驗證及修復漏洞,並可在機構安全雲端環境內於數分鐘生成經驗證、可部署的修補程式。
推薦理由:Fairwind 將 Gemini 3.8 Flash Cyber 與 CodeMender 結合,讓參與機構在安全雲端環境內生成經驗證、可部署的漏洞修補程式,將人工修補由數週縮至數分鐘。
Google DeepMind 發佈 Gemini 3.8 Flash 與 Gemini 3.8 Flash Cyber,並稱 Gemini 3.8 Flash 是其迄今推理與編碼能力最強的模型,速度和成本與 3.7 Flash 相同。
推薦理由:兩款模型共享基礎智能,普通版面向長程編碼與智能體任務,Cyber 版則限可信防守者使用,提供漏洞發現與修補能力。
Anthropic 發佈 Claude Fable 5.1 和 Claude Mythos 5.1,兩者是同一模型,但網絡安全與生命科學領域的安全防護強度不同。
推薦理由:文章並列兩項基準分數及相對 Fable 5 的降費估算,涵蓋一般工作負載約 25% 和複雜編碼及 Agent 任務最高約 45%。
Google DeepMind 推出 Gemini 智能體影片理解功能,影片分析成本最多降低 66%、token 用量最多降低 88%,準確度最多提升 7%。
推薦理由:相較固定 FPS 靜態處理,Gemini 會動態檢視畫面、音訊與字幕,影片分析的 token 用量最多減少 88%、成本最多減少 66%。
Anthropic 的研究報告顯示,Claude 透過搜尋文獻、提出方法、訓練及測試模型,為 10 類對齊失敗找到可改善目標基準、且未損害受測一般能力的方法。
推薦理由:研究以 10 類對齊失敗的基準測試 Claude 自動研究流程,並檢查未見評估、能力保留及更大模型上的表現,也交代測試範圍和方法的限制。
IBM Granite 團隊詳述 Granite 4.2 推理模型系列的構建流程,涵蓋架構、訓練方法及評測結果。該系列有 3B、8B、30B 三種稠密、僅解碼器模型,均由 Granite-4.1 base models 後訓練;後者以約 15T tokens 預訓練,並透過五階段策略將上下文窗口延至 512K tokens。
推薦理由:文中並列三種規模共用的訓練主線,以及 8B、30B 額外加入真實環境 Agentic RL 的分支,可據此理解各規模訓練階段和智能體能力培養的差異。
Hugging Face 以 Inference Endpoints、Jobs 和 Storage Buckets 建立 Papers with Code 混合搜尋系統,為來自 arXiv 和 Daily Papers 的超過 110,000 篇論文維護嵌入向量。
推薦理由:文章拆解離線批次建向量與線上查詢的分工,並説明端點冷啟動時如何回退全文檢索,呈現混合搜尋進入生產環境的工程取捨。
Mistral 推出 Agentic Search,讓模型透過多步檢索搜尋、查看、導覽及核實複雜文件中的資料。在 FinanceBench 金融文件測試中,正確率由 26.7% 升至 86%;OfficeQA Pro 表格密集的多文件問題則由 6.3% 升至 51.9%。
推薦理由:FinanceBench 和 OfficeQA Pro 的基準數據呈現 Agentic Search 相較單次 RAG 的準確率提升,也量化延遲與 token 使用量變化。
Anthropic公佈 Claude 在蛋白質結合劑設計及分析化學的兩項實驗結果,前者成功覆蓋15個目標中的14個,後者與實驗室分析結果相符。Mythos Preview 單一目標設計的命中率為35.1%;Claude Opus 5 分別用23及19分鐘處理 NMR 和 LC-MS,測得純度為96.4%,實驗室結果為96.33%。不過,針對 MBP 的90項設計均未確認有結合。
推薦理由:兩組實驗分別呈現蛋白質設計的濕實驗驗證,以及 NMR、LC-MS 分析與實驗室結果的對照,勾勒 Claude 在兩類生命科學任務中的表現。