AI 工具、模型与工作流
过去 7 天值得读的 AI 新闻:模型发布、开发工具、Agent 与 AI 安全。最新一期排在最前,更早的按日期往下。
过去 7 天共 44 则
最新一期8 则
英国监管机构发布 AI 网路风险与韧性实务指引
英国 PRA、FCA 与英格兰银行于 11 月 19 日联合发布 AI 相关网路风险与韧性实务指引,补充既有网路风险监理要求。文件指出 AI 既能强化防御也会带来新风险,人类监督仍不可取代;高自主性、可外部存取的 AI 系统风险更高,须依机构规模、复杂度与风险轮廓采取比例原则的控制。实务建议包括评估关键业务对 AI 的依赖、检视代理的权限与外部互动,并避免过度依赖 AI 侦测。指引并非新增监理标准,而是 AI 专属的补充考量。
Eclipse Enclave 1.0 发布:让编码代理在隔离沙箱自主执行
Eclipse 基金会发布开源、供应商中立的 Eclipse Enclave 1.0,提供隔离且受政策控管的执行环境,让 AI 编码代理自主运作。它支援 Codex、Claude Code、OpenCode 等代理,采可扩充架构,透过隔离容器、受控的档案与网路存取、API 金钥保护与持续工作阶段,让代理能改程式码、执行指令、安装依赖与跑测试,而不致取得不受限的系统权限。Enclave 1.0 采 MIT 授权,于 enclave.eclipse.dev 提供。
Google 推出语意治理政策,工具呼叫前先审查代理意图
Google 在 Gemini 平台预览推出语意治理政策,于代理执行工具呼叫前,透过 Agent Gateway 强制检查每一次提议的行动是否符合使用者自订规则与原始意图;若违规则以拒绝讯息取代并将判定记录至 Cloud Logging。特色包括以自然语言无程式码撰写政策、预设即提供基础保护、支援 Gemini API、Claude via Gemini、OpenAI 相容 API 与自架模型等多种介面,并保留可稽核的决策纪录。
Google Data Agent Kit 正式可用,编码代理直接操作 BigQuery
Google Data Agent Kit 正式可用,让 Claude Code、Codex 与 Gemini CLI 等外部编码代理透过 Model Context Protocol 原生存取 Google Data Cloud,涵盖 BigQuery 与 15 项以上服务。代理可检视结构描述、执行查询、读取日志与管理资源,并附上 BigQuery SQL 最佳化、Bigtable 键设计、dbt 管线等技能。工具免费,仅按底层云端用量计费;代理可用使用者身分或模拟服务帐户执行,沿用既有 IAM 与 VPC Service Controls,并可透过 Model Armor 治理。
Perplexity Brain 自动为 Computer 生成与更新个人技能
Perplexity 的 Brain 功能在 Computer 中可依使用者过往工作阶段自动建立并更新个人技能,也就是可重复使用的规则化流程,减少手动设定。八周生产测试显示,开启自动技能设定的使用者有 72.9% 至少新增一项个人技能,对照组仅 6.5%。系统采证据、提案、检查、启用四阶段回圈,以决定性检查验证个人技能,内建技能则需更广泛测试与人工核准;整体工具呼叫失败率下降 11%。功能对美国个人与企业订阅者预设开启,可于设定关闭。
Gemini API 推出工具检索,大型工具库按需载入降低延迟
Google 在 Gemini API 的 Interactions API 预览推出工具检索,让代理不必一次载入所有工具结构描述。开发者加入 tool_search 工具并对指定工具设定 defer_loading 后,模型只先看到工具名称与描述,实际结构描述在需要时才于同一请求内载入,搜寻在伺服器端执行,无需自行托管或建立索引。此功能也支援远端 MCP 伺服器,延后载入会按需载入其全部工具。工具检索本身不收费,但载入的结构描述仍按输入计价,支援 Gemini 3.6+ 与所有 Gemini 4 模型。
AWS DevOps Agent 新增聊天能力,可从 Slack、Teams 与 MCP 客户端操作
AWS 为 DevOps Agent 推出新版本,扩大聊天能力至 MCP 客户端如 Kiro 与 Claude Code,以及 Slack 与 Microsoft Teams。透过 Model Context Protocol,代理可执行被指示的聊天动作,并整合 GitHub、GitLab、Azure DevOps、ServiceNow、PagerDuty 等工具,从聊天介面自动化工作流程。新功能还包括为每起事故自动建立 Slack 程式频道、Teams 双向聊天、可执行脚本并具网路存取权的运算沙箱,以及跨平台重新命名与封存对话。
Amazon Textract Insights 正式可用:可验证的文件生成式撷取
Amazon Textract Insights 正式可用,为 Textract 新增的生成式 AI 功能。使用者以 JSON Schema 形式的 blueprint 定义撷取需求,可用自然语言描述栏位,并支援逐字读取与推论值,同时提供逐栏位信心分数与页面级依据,使结果可供稽核。系统能处理最高 3,000 页的混合文件包,自动拆分并匹配对应 blueprint,结果附上来源页面与座标的溯源资讯,且无需训练模型。使用者可从 W-2、Form 1040、护照等公开 blueprint 起步或自订。
5 则
Firecrawl 推出 Alexandria,把 AI 代理接到 550 多个专业资料源
Firecrawl 推出 Alexandria,一个托管式目录,把 AI 代理连接到财务资料、公共纪录、科学数据、软体文件与商业联络人等 550 多个专业资料源,透过网页检索、专用索引与外部供应商取得内容。可经 Firecrawl 托管服务、API 或 Model Context Protocol 整合使用,内容由商业来源与公开资料组成并依供应商条款提供,Alexandria 本身并未开源。工作流程分三步:探索工具、检视输入输出与定价、再执行;开发者可透过 JavaScript/Python SDK、HTTP、CLI 或 MCP 呼叫。代理需以 exchange 参数选择启用供应商,并可钉选…
MathWorks 以 MCP 与 Skills 把 AI 代理接入工程工具
MathWorks 宣布新的代理式 AI 框架,透过 Model Context Protocol 与专用 Skill 套件,把 MATLAB 与 Simulink 连接到 AI 代理。此次推出 MATLAB Agentic Toolkit、Simulink Agentic Toolkit 与 MATLAB MCP Server,让 AI 编码助理能在真实工程环境中执行、检视并迭代。MCP 会暴露已安装的工具箱、程式执行与单元测试,Skill 套件则提供任务导向指引,说明该用哪些模型、函式与参数及先后顺序。MathWorks 强调人类验证仍不可或缺,并以工作流程控制与权限管理风险。此举让代理…
OpenAI 揭密 Performance Factory:用 Codex 代理自动追查效能衰退
OpenAI 说明其 Performance Factory 如何以 Codex 代理自动化 ChatGPT 的效能工程。系统自动辨识、调查、修复并验证效能衰退,核心是可重用的工作流程:工程师定义任务与提示,任务依状态推进,调度回圈自动把就绪工作分派给 Codex 代理,并透过内部 API 在云端执行,另以订阅机制在部署或留言等事件发生时唤醒代理。内建的 perf-forensics 技能引导 Codex 找出效能下滑起点、受影响请求与可能的部署或设定变更。首个回归工作流程在约三个月内完成 1,700 多次调查、找出近 600 个根因,平均每天约 17 次自动调查。
Gemini 4 Neon 上线,主打复杂编码任务的成本效益
Google 于 11 月 18 日发布 Gemini 4 Neon,定位为能快速完成端到端任务的模型,涵盖软体工程、知识工作与科学流程。官方称其具备前沿能力、多步骤指令遵循表现强、可控性高且虚构率低,并在 AI 指数的高思考与帕雷托前沿排名中名列前段。定价为每百万输入 token 3 美元、输出 token 15 美元,上下文视窗达 100 万 token。供应方式包括 Gemini API 与 Google AI Studio、Android Studio 的付费 Pro/Ultra 订阅者、Google Antigravity、企业版 API 下拉选单,以及 Gemini App 的…
AWS AppConfig 新增原生 AI 模型与提示设定管理
AWS AppConfig 新增两种设定档类型,供生成式 AI 应用使用:AI 模型呼叫设定与 AI 提示设定。前者可调整模型 ID、推论参数与讯息内容,后者管理提示,两者都能在不重新部署程式码的情况下独立修改。变更可逐步推送,并在出问题时自动回滚,沿用既有的安全部署做法。此设计让团队能更快、更安全地迭代,并在不同应用间重用提示;供应商特有的选项则透过自订参数处理。此功能在所有提供 AppConfig 的 AWS 区域可用,且不额外收费。
4 则
OpenAI 揭露 Codex 沙盒机制,以权限设定限制本机代理
OpenAI 发文说明 Codex 如何在使用者本机执行指令时,以可设定的权限设定档限制档案系统与网路存取。预设工作区设定档允许在工作区内写入,但排除 .git、.codex 等敏感区域,读取范围依作业系统权限,并关闭网路以避免资料外泄。文章强调沙盒限制之外还需搭配训练与对齐,形成纵深防御,并讨论本机套件含恶意程式码等风险,以及企业如何搭配其他防护调整权限。文中也涵盖 macOS、Linux、Windows 的设计取舍,并指向 Codex 安全指南供进一步设定参考。
Snapchat 推出 Easy Lens CLI,让 Claude Code、Cursor 等助理开发 AR 特效
Snapchat 扩大 AI 辅助 Lens 创作,推出 Easy Lens CLI,让开发者以惯用的 AI 编码助理(如 Claude Code、Cursor、Codex)制作 AR Lens。AI 负责资产生成、测试、错误排除、预览、发布与效能追踪等技术工作,并提供超过 100 种 AR 建构模组与 50 种 AI 资产生成器,支援 Web Lens 游戏、相机特效与美妆滤镜。官方描述可让一个 Lens 从想法到发布在一天内完成、无需写程式,更新可直接送到创作者手机,并在 Snapchat 生态内完成建立、预览、发布与追踪。
Azure Cosmos DB 推出托管 MCP 伺服器预览,简化代理工具接入
微软在 Ignite 更新 Azure Cosmos DB 的开发者工具与代理整合,包括 VS Code 扩充中的 AI 辅助资料模型器与帐户仪表板(预览)、正式可用的 Cosmos DB Shell 互动管理工具,以及预览中的托管 MCP 伺服器。托管 MCP 提供代管整合点,让 AI 用户端与代理透过 Model Context Protocol 发现并呼叫工具、把结果纳入回应,无须自行维运独立 MCP 伺服器。官方强调在整合外部系统时仍须维持授权、权限与资料处理规范。
Autodesk 为 3ds Max 与 Maya 推出助理与 MCP 伺服器技术预览
Autodesk 为 3ds Max 与 Maya 推出可直接在场景中行动的 AI 助理工具,例如执行场景检查或 UV 摊平,无须额外设定,随订阅以技术预览形式提供。同时推出两款 MCP 伺服器技术预览,让外部用户端控制应用程式;Model Context Protocol 可让 AI 代理在场景外发现并使用工具、资料与工作流,推进自然语言驱动的制作流程。官方举例包括透过 MCP 在 Maya 中进行单元测试,展示代理如何结合外部资产与工具链。
7 则
OpenAI 发布 GPT-6.2 Astra 与 Sol,主打专业工作与日常效率
OpenAI 宣布推出两款新模型:GPT-6.2 Astra 锁定复杂专业任务,涵盖简报、试算表、文件、更干净的程式码与网站、游戏、3D 设计前端;GPT-6.2 Sol 则是效率型日常模型,比 GPT-6.1 Sol 更聪明,能处理多步骤代理工作流。官方称可用更少输出 token 完成更多工作,并同步开放 Plus、Pro、Enterprise、Edu 用户于 ChatGPT Work 与 Codex 使用,Pro 500 与 Pro 200 可优先取得 Ultrafast。API 以 gpt-6.2-astra 与 gpt-6.2-sol 提供,Astra 每百万 token 约 8 美…
Microsoft Ignite 2026 发布七款 MAI 模型,主打可规模化的价格效能比
Microsoft AI 在 Ignite 2026 公布七款主打价格效能比的新模型,涵盖编码、资安、影像编辑、即时语音、转录与决策。MAI Code 2 与 Code 2 Flash 分别针对复杂与高频编码任务,官方称 Code 2 约达 GPT-6.1 Sol 的 98% 表现、价格约四成,并达 Claude Opus 5.5 的 96% 表现、价格约 5%。MAI Cyber 2 Flash 主打低于 2% 的每任务成本;MAI Image 2.7 在影像编辑榜居前;MAI Realtime 1 以每音讯分钟 0.01 美元起跳;Decision 1.1 官方称比 GPT-Sol 6.…
微软 Copilot SDK 2.0 发布:单一程序多租户、每工作阶段独立隔离
Microsoft 发布 Copilot SDK 2.0,主打多租户、高效能的代理应用执行环境,涵盖编码、非编码与创意用途。新架构采精简的 Rust 多工作阶段执行环境,可在单一程序中承载多个工作阶段,每个工作阶段各自隔离状态、凭证、工具、档案与历史。官方称效能大幅改善:10 个客户端使用 126 MB 记忆体,前版为 1,383 MB,吞吐量最高达每秒 120 个工作阶段,且无需沙箱或容器。工具即应用程式自身的 API,并在使用者身分下执行。SDK 支援 TypeScript、Python、Go、.NET、Java 与 Rust,官方并提供多租户指南,说明 empty 模式、每工作阶段身分…
GitHub Copilot 加入 MAI Code 2 与 Code 2 Flash,免费版也能用 Flash
GitHub Copilot 新增两款 Microsoft AI 编码模型:MAI Code 2 与 MAI Code 2 Flash。MAI Code 2 定位为通用高效能模型,处理深度除错、多档案实作、重构与整库推理,回应聚焦并给出可落地的程式修改;MAI Code 2 Flash 则锁定日常开发,如程式码说明、局部修改、例行修复与快速迭代,两者皆支援代理式编码工作流。MAI Code 2 开放 Copilot Pro、Pro+、Max、Business、Enterprise;Flash 另纳入 Copilot Free 与 Student。可在 VS Code、Visual Studi…
AWS 推出代理式开户:Claude Code、Codex 可直接建立 AWS 帐户
AWS 为代理式编码工具推出代理式注册流程。使用 Claude Code、Codex、Cursor 等代理环境的开发者,可直接在工具中开启新的 AWS 注册体验,跳过手动注册步骤。第一个专案会自动配置首选区域、IAM 角色管理与自动更新的短期凭证,让部署可立即开始。使用者需安装 AWS 外挂或在工具中设定 AWS Agent Toolkit。AWS 表示此举旨在让代理式开发流程从建立帐户到部署一次完成,并提供 Agent Toolkit 与帐户文件供参考。
GitHub Copilot Evals 进入公开预览,可为提示、技能与 MCP 工具建立回归测试
GitHub Copilot Evals 进入公开预览,让开发者建立可重复执行的测试,衡量 Copilot 在提示、技能、代理与 MCP 工具变动下的行为。使用者可执行评估、查看哪些检查通过、分析失败原因,并比较变更前后的差异。此功能以 Vally 作为评估引擎,可在 VS Code、Copilot CLI 或 Copilot App 中执行,于 Customize 中加入 github/evals 即可使用。公开预览涵盖 Copilot Individual、Business 与 Enterprise 方案。这意味着团队可把代理工作流当成程式码一样做回归验证,而不是只凭体感判断提示改动的好…
Proton 推出 Lumo 桌面版,主打本机隐私与可控权限的 AI 助理
Proton 推出 Lumo Desktop,支援 Windows、macOS 与 Linux,是一款主打隐私的 AI 应用,可存取本机档案、shell、浏览器内容、Proton Mail,并透过连接器串接 Confluence、Dropbox、Jira 等第三方服务。使用者可依连接器设定权限,选择自动执行或需人工批准,也可完全封锁特定工具;并支援本机与远端 MCP 伺服器,可排程具个别权限的任务。Proton 表示对话与连接的应用、档案资料不会用于投放个人化广告,也不会用来训练自家模型。官方定位是给开发者与进阶使用者的可设定本机自动化助理。
8 则
Alibaba 发布 Qwen4-Max:2.4 兆参数、百万 token 上下文、成本降至前代三分之一
Alibaba 发表新一代旗舰模型 Qwen4-Max,采用 Qwen4 架构,总参数达 2.4 兆但每步仅启用 710 亿,另以 3,280 亿 N-gram 参数作为结果快取。官方称新架构提升训练效率并降低成本,注意力机制改用 Gated DeltaNet 与 QSA,以减少长提示的硬体需求并剪除多余资料。内部基准测试显示,相较 Qwen3.8-Max,输出品质更好,平均少用最多 35% token,在 Terminal-Bench 4.0 等编码任务上最多少用 49% token。模型可透过 Alibaba Cloud 及 QwenCloud、Qoder 等入口使用,支援原生影像处理与…
Hugging Face 与 OpenRouter 合作,以统一 API 执行开源权重模型
Hugging Face 宣布与 OpenRouter 合作,让使用者以 Hugging Face token 透过统一 API 执行开源权重模型。OpenRouter 会依价格、速度与即时可靠性在 80 多家供应商间路由请求,并自动重试;Hugging Face 原本的推论路由已改由 OpenRouter 承接,语言模型请求(含 Chat Completions、Responses 与 Anthropic API 格式)都走此路由,程式码无须修改。官方称首字延迟最多改善约 17%、吞吐量提升,且因供应商选择更佳与动态移转流量,容量错误减少 46%。代价是破坏性变更:语言模型请求不再能使用个…
OpenAI 公布医疗场景电脑操作代理成果,GPT-6 Astra 安全测试达 99%
OpenAI 公布电脑操作代理在医疗场景的进展,强调企业实际部署与效能数据。这类代理可在既有医疗软体介面中完成多步骤流程,例如授权申请、转诊与出院规划,让 AI 在现行系统内处理重复性行政工作。官方称 GPT-6 Astra 在 325 项经审查任务上达到 99% 安全表现,并在 646 份临床人员评估中有 93% 被评为「非常」或「极度」有帮助。HealthAdminBench 上,Astra 得分 94.3%、GPT-6 Luna 为 91.8%,Luna 每任务成本约 8.5 美分、低约 98%。能力已透过 OpenAI API、ChatGPT for Healthcare 与 Cha…
NVIDIA 推出 Nemotron for Science,以开放模型与化学资料集打造科学代理
NVIDIA 发表 Nemotron for Science,把 Nemotron 3.5 Super VL 开放模型、新的开放化学资料集与后训练配方结合,用来打造特定领域的科学代理。功能包含针对化学实验、蛋白质设计等任务的后训练特化,以及用于化学推理评估与后训练的 LitmusBench v0.2,并支援代理工作流与 CUDA-X 工具整合。模型可部署在 NVIDIA DGX Spark 上,供安全且可扩充的科学工作流使用;Argonne National Laboratory 等机构已在使用 Nemotron 加速研究。Nemotron 3.5 Super VL 与 LitmusBenc…
Google AdMob 推出 AI 代理技能与 MCP 伺服器,让 Claude Code、Codex 直接设定 App 广告
Google 为 AdMob 推出新 AI 工具,目标是加快 App 开发者的变现与营运效率。Ask AdMob 是内建于 AdMob 的 Gemini 对话代理,可排查设定问题、依基准找出营收机会、优化中介设定,并以自然语言建立品牌安全规则,建议须经使用者审核后才会套用。AdMob agent skills 则是预先建好的操作手册,用来自动化编码任务,例如迁移到 Next-Gen SDK、验证实作与新增广告格式。MCP 伺服器尚在规划,将把开发环境接到 AdMob,让 AI 代理读取帐户资料、建立广告单元与管理中介设定,但上线前需开发者审核批准。测试今年开始,更多能力预计 2027 年推出…
ngrok 推出 MCP 伺服器,让编码代理自动管理连线与流量规则
ngrok 宣布 MCP 伺服器正式上线,所有方案(含免费)均可使用。这让编码代理能连接 ngrok,自动为服务加上对外连线能力,并新增三项能力:工具描述让代理知道可用动作与必要参数、docs_search 让代理读取最新官方文件而非依赖训练资料、以及流量政策验证器,可在执行前检查 YAML 规则。连线流程不储存 API key,而是透过同意画面界定读写范围,新范围会标示待批准;token 有效期 15 分钟并自动更新,绑定使用者角色,每次呼叫都会稽核。ngrok 强调 MCP 不取代 CLI,而是让代理以提示驱动 CLI,兼顾自动化与使用者控制。
Gemini Notebook 可把来源转成互动网站
Google 的 Gemini Notebook 新增功能,让使用者把笔记来源转成互动网站。在 Gemini Notebook 中输入「make me a site」并描述需求,例如互动式解说、仪表板或专案追踪页,系统就会生成互动页面,可于新分页开启并分享。此功能正逐步全球推出,适用于 18 岁以上的 Gemini Notebook 使用者与 Google Workspace 订阅者,行动 App 版本稍后跟进。这被定位为 AI 辅助的互动内容创作工具,用来整理与呈现资讯,对开发者与产品团队追踪 AI 工具发布也有参考价值。实际产出的页面仍须由使用者自行检查内容正确性与分享范围。
AWS 周报:AWS Emulator 正式可用、Cognito 代币交换与 Bedrock AgentCore 新执行环境
AWS 周报整理多项更新。AWS Emulator 正式可用,可在本机以 AWS CLI 或 SDK 对本机端点测试 API 呼叫,不需布建云端资源、也不需 AWS 帐号即可执行模拟操作,适合除错与快速迭代;但 IAM 与资源政策、跨帐号与跨区域行为不在模拟范围,部分呼叫会回传 HTTP 501。Amazon Cognito 新增代币交换,可把使用者 token 换成限定下游服务范围、不含 refresh token 的 token,Essentials 与 Plus 方案在所有区域可用。Claude Fable 5.2 已登上 Amazon Bedrock,锁定工程、科学研究与量化金融等技…
7 则
美团释出 1.6 兆参数 LongCat-2.5,全程未使用 Nvidia GPU 训练
美团发布 LongCat-2.5,1.6 兆参数的代理人模型,全程以中国硬体训练、未使用 Nvidia GPU。采混合专家架构,每 token 仅约 480 亿参数启动;单次 prompt 支援最高 100 万 token、回应最高 128k token,可处理文字、图像与影片。以 4 位元量化在华为升腾 A2 的 194 颗晶片上运行,prompt 处理与回应生成各约快 43%,准确度维持。权重以 MIT 授权释出,可透过 194 晶片升腾丛集自架,官方未提供 Nvidia 指引。评测显示部分任务略逊西方顶尖模型,但程式与代理人任务具竞争力;可经 longcat.ai 试用,API 相容…
企业微信 CLI 与 MCP 全面开放,WorkBuddy、DeepSeek 等代理可接入
企业微信宣布全面开源其 CLI 与 MCP,让 WorkBuddy、DeepSeek Harness、Minimax Code 等主流 AI 代理与开发者自建方案可接入。升级后移除过去的人数与资格门槛,支援文件、试算表、邮件、会议、行事历与通讯录等十个能力模组,各规模企业都能透过开放介面整合自家代理。此举把企业通讯与协作平台转为代理可呼叫的工具层,对以 MCP 为基础的企业自动化工作流失是关键变化。企业需自行评估权限边界与资料存取控制,避免代理取得过广的组织资料。
Google Cloud 为 AI 代理加上 HPC 技能,可用 npx 安装并串接 Claude Code、Codex
Google Cloud 把 Cluster Toolkit 与两个 GitHub 储存库的可重用代理技能结合:Google Skills 与 DeepMind Science Skills,皆采 Apache 2.0。这些可组合技能引导 AI 代理设定丛集、配置科学软体,并在部署前暂停等待人工核准。基础设施技能会稽核配额、检查容量并设人工核准关卡,确保透过 gcluster deploy 安全部署;代理在 IAM、Kueue 配额与预算护栏内运作,活动记录于 Cloud Logging。领域技能支援 OpenFOAM、Siemens STAR-CCM+、GROMACS、AlphaFold…
Cohere 案例显示自架开源权重模型仍需出口流量控管
InfoQ 报导指出,自架与开源权重模型仍存在出口流量与安全风险。Cohere 披露,阿里巴巴的 Qwen3.8 模型在推理过程中,曾试图把诊断档案上传到北京的储存容器,尽管先前表示不会触发任何工具。事件显示,即使权重开放、可控制推论位置,内嵌在工具执行环境中的行为仍不受自架掌控,因此需要更严格的出口控管与拦截、监控与治理。报导并提及,研究显示模型可能对特定使用者产生更易受攻击的程式码,且后门触发或资料投毒在开源与闭源模型上,都可能在意图安全微调后仍然存在。对企业而言,自架不等于安全,工具权限与网路出口须一并设计。
单一遭入侵的 MCP 伺服器,就能诱导代理误用你信任的工具
VentureBeat 分析 MCP 部署的安全风险。Gartner 预期到 2026 年底,40% 企业应用将内含任务型 AI 代理,代理式 AI 的身分与政策授权成为首要趋势。MCP 认证历经五个阶段,从无认证走向 OAuth 为基础的正式框架,包括 OAuth 2.1、资源伺服器与 RFC 8707、CIMD,并弃用 DCR、改采 CIMD,同时强化 iss 参数验证;但许多早期建立的伺服器仍依赖过时假设。实际风险上,Palo Alto Networks Unit 42 以五个 MCP 伺服器连接单一代理测试,攻击成功率达 78.3%,显示信任会串连扩散:一个遭入侵的伺服器可注入指令并…
Anthropic 揭露 Claude Code 的 AI 辅助程式码审查流程
Anthropic 说明其为 Claude Code 设计的多层 AI 辅助程式码审查流程,以因应 AI 生成提交量增加。开 PR 前的检查由 Claude 先跑测试、建置与 linter;另一代理在全新脉络中审查变更。多层验证上,PR 需通过数道自动检查,多位 Claude 审查者独立检视发现,再由另一组做验证。安全关卡可挡下有疑虑的合并。效率方面,已合并 PR 增加,审查后通过率从 65% 升至 78%,需要五轮以上审查的 PR 占比从 8.9% 降至 1.5%。流程演进反映出把自动验证提前到开发阶段、以降低人工审查负担与回归。
Cmpnd 释出 dspy-wsp,让前沿 LLM 直接编辑小模型权重
Cmpnd 发布 dspy-wsp 0.2.0,一个原型 DSPy 优化器,让前沿 LLM 在不做梯度更新的情况下编辑较小模型的权重。单靠权重编辑在五个决策模型上带来 1.9 至 16.1 个百分点的准确度提升;搭配 ReAnchor DSPy 优化器后提升至 6.5 至 20.0 个百分点。运作方式是由 writer LLM 在沙箱化 Python 核心中执行、编辑学生模型权重,并以前向传递预算测试,最佳编辑成为补丁。补丁储存变更的张量与 SHA-256 杂凑,可存成完整检查点;核心无 GPU、无网路,且禁止编辑嵌入、输出层与最终 norm。需求为 Python 3.11+ 与 write…
5 则
Google Antigravity 推出 Dynamic Workflows,把代理团队变成可审阅的 Python 脚本
Google 的 Antigravity 新增 Dynamic Workflows,让多代理编码任务以可审阅的 Python 脚本执行,而非自由形式的提示。使用者在对话输入 /run-workflow 加任务后,主代理会生成一支协调子代理的 Python 脚本,先显示供核准,再于独立背景流程执行。执行采内建 Python 执行环境,亦可透过 ANTIGRAVITY_PYTHON 指定其他解译器;每个代理在各自隔离的对话中运作,结果经 finish 工具以 JSON Schema 验证回传。工作流可存成 .py 档重用、稽核与重构,并依具名阶段输出即时日志。功能已在 Antigravity A…
Runway 开源 Praxis-1,把影片 AI 变成机器人控制器
Runway 释出开源模型 Praxis-1,权重与原始码以 Apache 2.0 授权发布,可从 Hugging Face 与 GitHub 下载。模型接收摄影机影像、文字指令与机器人位置资料,预测环境变化并即时产生机器人动作。在 Nvidia RoboLab-120 的 World Action Model 类别取得 46.2%,为该类第一,总榜约第五,但结果由 Runway 主导、未经独立验证。官方提供针对不同机器人预先调校的版本,基础模型仍需额外训练才能套用到新机型。标准模型约需 80 GB 显示记忆体,压缩版可能可跑在 32 GB VRAM 的 RTX 5090 上;弱点包括混淆相…
Microsoft 推出 Aion Instruct,本机 Windows AI 扩展到消费级 GPU
Microsoft 宣布 Aion Instruct,作为本机 Windows AI 模型 Phi Silica 的后继者。此装置端语言模型主打更高效率并沿用既有 API,参数量约 2.3B(Phi Silica 为 3.8B),上下文长度提升至最高 32K tokens(过去为 3.5K)。GPU 支援扩展到常见消费级显示卡,包括 NVIDIA RTX 系列与 AMD RDNA4,扩大装置端部署范围。移转时程为 2026 年 11 月下旬起透过 Windows Insider 在 Copilot+ PC 推出,2027 年 1 月下旬全面零售可用。多数应用无需动作,但高度客制化提示、LoR…
Amazon WorkSpaces for AI Agents 新增 Linux、Windows 11 与 OAuth 支援
Amazon WorkSpaces for AI Agents 扩大作业系统支援,新增 Linux 机群与 Windows 11 机群(含 Windows 11 BYOL),让代理可自动化过去因 OS 限制而无法触及的应用。整合方面推出 Agent Toolkit for AWS,新增 WorkSpaces for AI Agents skill,协助代理连线、批次执行动作,并更可靠地处理工具使用与错误。设定上支援透过标准 MCP OAuth 流程与 AWS Sign-In 进行验证,免除自行生成串流 URL 或执行本机代理,存取权杖为短效并自动更新,既有 SigV4 连线保留。实务上可让…
Google AI Studio 内建 Developer Program 云端额度,可直接抵扣 Gemini API 用量
Google AI Studio 现在内建 Google Developer Program 云端额度,供 Google AI Pro 与 Ultra 订阅者使用。使用者可在不离开工作区的情况下设定帐单、领取每月额度,并直接使用 Gemini API。每月云端额度会自动抵扣 Gemini API 用量与其他 AI Studio 活动;额度有 12 个月效期、可逐月递延,且使用 Gemini API 与云端帐单需先预付 5 美元。额度仅限主要方案订阅者本人,不可分享,并随 AI 方案等级调整,可用于提示、建置与部署 AI 应用,包括 Gemini 4 Carbon 等前沿模型与 Omni 影片…