Browser Use 發布 1.0.3 候選版,修正命令列與瀏覽器操作問題
Browser Use 的 1.0.3 候選版已推出,想試用的人要明確安裝 1.0.3rc1;一般安裝目前仍會取得 1.0.2。這版修正了幾種使用上的麻煩:例如對方關閉連線後,命令列工具能正常結束;找不到可連線的瀏覽器時,會自行啟動 Chromium;雲端工作取消後,下載的檔案也能在 10 秒內複製完成。新版也會逐一提醒哪些舊格式欄位被忽略,讓使用者更容易發現設定問題。
Browser Use 的 1.0.3 候選版已推出,想試用的人要明確安裝 1.0.3rc1;一般安裝目前仍會取得 1.0.2。這版修正了幾種使用上的麻煩:例如對方關閉連線後,命令列工具能正常結束;找不到可連線的瀏覽器時,會自行啟動 Chromium;雲端工作取消後,下載的檔案也能在 10 秒內複製完成。新版也會逐一提醒哪些舊格式欄位被忽略,讓使用者更容易發現設定問題。
AWS 介紹如何用反合一比對形式化政策,將共通結構合併呈現,並把語意分歧標示為可審查的替代方案。 - 比對方式:引擎在 e-graph 中套用明確宣告的代數性質與領域改寫規則,忽略已涵蓋的表面差異;規則不足時,剩餘差異也可能只是尚未推導出的等價關係。
推薦理由:文章以多種授權政策範例說明,如何用反合一定位形式化候選方案的語意分歧,並交由驗證、重播或人工審查處理。
小型模型計算量不大,但訓練時仍要等待資料傳送、工作排程和快取處理,整個流程可能因此變得很慢。Meta 團隊在 64-chip Google Cloud TPU v7 上,使用 vLLM、Tunix 和 MaxText 調整 Qwen3-0.6B 的 RL 訓練流程,讓每輪從產生回答到更新模型的時間,從約 100 分鐘降到最快 56 秒,並保留 8,192-token 的回答上限。文章也整理哪些調整有效、哪些沒有帶來明顯改善,並提供已合併到開源專案的設定與重現方式。
推薦理由:文章拆解小型模型訓練中,主機排程、同步與快取如何拖慢整個流程,並以逐步最佳化的實測結果呈現各環節的影響。
llama.cpp 在 b12300 移除 build_delta_net_chunking 與 build_delta_net_autoregressive,並一律使用 fused gated delta net,讓 graph_max_nodes 不再受 ubatch 大小影響。 其他變更:移除 fused GDN probes 與 fused node tags。
AWS Frontier AI Engineering & Services 整理了 23 個開源生成式 AI 資產,涵蓋 RAG、檔案處理與AI 助理開發,提供經驗證的基礎元件與部署指南,協助團隊減少重複建置。
DuckDB 可在瀏覽器或使用者的電腦上執行分析查詢,讓 Flowmap City、SQLRooms 與 Foursquare Spatial Desktop 等應用在不連線遠端資料庫伺服器的情況下處理資料。 SQLRooms:開源 React 工具包,提供載入資料、撰寫 SQL、顯示表格與視覺化等元件,也支援 AI 助理;資料集可留在本機,資料庫結構與選取的查詢結果則可分享給 AI 服務商。 動態地圖切片:Spatial Desktop 使用 DuckDB 的 spatial extension,按需從本機資料集產生地圖切片,並依縮放層級簡化幾何資料;正式實作也會處理無效幾何、過小圖徵與切片快取。 其他應用:Cosmograph 以 DuckDB-Wasm 在背景載入資料及執行 SQL,支援探索包含數百萬條邊的圖形資料集。
Unsloth Studio v0.1.917-beta 推出 Qwen3.8-27B Dynamic v3.1 GGUFs,並更新聊天效能、影像與影片生成及程式代理功能。
推薦理由:此版本同時涵蓋本機模型執行、影像與影片生成及程式代理,並列出多項效能變化,呈現 Unsloth Studio 的更新範圍。
AWS 介紹開源的 Universal Agent Evaluation Framework(UAEF),將不同框架的 AI 助理執行軌跡轉成共同格式,並以一致指標評估與比較版本。
推薦理由:UAEF 將不同框架的執行軌跡轉成共同格式,並以一致指標比較版本,呈現跨框架評估與回歸追蹤的實作方式。
AI 推論越來越耗用運算資源,怎麼讓模型在不同硬體上跑得更有效率,成了業界共同面對的問題。LMSYS Org 成立 SGLang 聯盟,邀請 NVIDIA、AMD、Intel、Google、Meta 等創始成員與 SGLang 維護者一起討論專案方向,並合作開發。成員每年參加兩次路線圖會議,也能透過工程經驗、實際部署回饋和測試資源投入合作;技術決策與程式碼是否接受,仍由 SGLang 維護者負責。聯盟希望讓共同的需求轉成工程工作,並公開路線圖與進度。
推薦理由:SGLang 聯盟讓多家硬體與基礎設施團隊定期交流推論需求,並把共同方向帶進工程合作,呈現開源專案協調發展的做法。
Rust 專案公佈 Google Summer of Code(GSoC)2026 成果,參與的 13 個專案全數成功並通過最終評估;這是 Rust 專案第三度參與 GSoC。
vLLM 說明如何以 Encoder/Prefill/Decode(EPD)分離多模態推論流程,並整理中繼資料轉送、編碼器執行、嵌入傳輸、快取與路由的工程進展。
推薦理由:文章整理 vLLM EPD 的媒體中繼資料、遠端嵌入傳輸與跨編碼器快取,並以不同工作負載的測試資料呈現效能差異。
Notion 部分對話因 Fireworks AI 漏洞外洩,凸顯第三方 AI 供應鏈風險;專家呼籲在 Proxy 層落實 DLP 防護。 - 其他動態:.NET 11 重構非同步架構;AMD Zen 6c 擴大亂序執行;Blender 5.3 原生支援高斯潑濺。
HubSpot 共同創辦人暨 CTO Dharmesh Shah 認為,只要避開前沿模型公司的發展路線,現在投入 AI 領域打造新創,比 2023 年更不令人怯步。
OpenRouter 說明 LLM 量化如何影響模型端點的品質與價格,並以 Qwen3.8 27B 測試 fp8、fp4 與 fp16 的表現。
推薦理由:OpenRouter 以 Qwen3.8 27B 的端點測試比較精度與價格,並說明樣本限制及路由篩選方式,可供評估不同端點的選擇策略。
Pydantic AI v2.67.0 擴充耐久執行、工具呼叫與程式專案指令載入能力,並修正多項模型串接與沙盒問題。 - AI 助理與工具:支援在耐久執行下使用動態子AI 助理,並新增透過 DBOS 子工作流程執行工具的能力。
想先試用 Browser Use 1.0.2 的人,要自己安裝候選版:pip install 'browser-use==1.0.2rc1';一般安裝目前仍會拿到 1.0.1。這個版本讓 --cli-mcp 在 Chrome 遠端除錯關閉時改用自己的 Chromium,也會告訴模型怎麼取得你的 Chrome。若網頁被 JavaScript 對話方塊卡住,操作會更快回報清楚錯誤,減少一直等待的情況。
llama.cpp 在 b12263 調整 CUDA VMM 記憶體池的預留策略:預留失敗時會將預留大小減半後重試,並在合併記憶體的 GPU 上將預留量降至 8 GB,以處理 CUDA 記憶體不足錯誤。
推薦理由:ExecuTorch WebGPU 將模型部署到瀏覽器本機執行,並以同一份 .pte 檔支援多種模型,呈現網頁端推論與裝置端微調的實作方式。
ExecuTorch 推出 WebGPU 後端,讓 PyTorch 模型可匯出為 .pte 檔,並在支援 WebGPU 的瀏覽器中使用 GPU 執行。
推薦理由:同一個 .pte 檔可透過 ExecuTorch WebGPU 在瀏覽器與多種原生平臺執行,文中也提供了瀏覽器 GPU 與 CPU 路徑的效能比較。
llama.cpp b12259 為 mtmd 加入 Kimi K3.1 Vision 支援,並修正 K2.5 與 K3.1 的前處理及 projector MLP 命名問題。
GPU 硬體進步很快,但工程師常得在容易寫的程式工具和能細部控制硬體的寫法之間取捨。Meta 打造 TLX,讓工程師沿用 Triton 寫運算,再安排不同工作群組如何搬資料、計算和同步,讓資料搬移與運算能重疊進行。Meta 分享的案例包括推薦系統訓練、推論,以及大型語言模型訓練;其中一項推薦系統推論最佳化,讓特定模型的計算延遲最多降低三分之二。這些案例呈現 TLX 如何把新款 GPU 的功能用在實際工作中。
推薦理由:TLX 的實際案例說明,讓工程師直接安排 GPU 工作與資料搬移,如何改善推薦系統推論和大型語言模型訓練。
Hugging Face 現在可連結組織與 Google Cloud 帳戶,讓 Hub 用量列入既有的 Google Cloud 帳單。- 涵蓋專案:Team 或 Enterprise 訂閱、Jobs、Inference Endpoints、Inference Providers、GPU Spaces、ZeroGPU 額度擴充及額外儲存空間。
llama.cpp 的 b12251 變更新增 SYCL 裝置端 MoE 排程器,並調整圖形執行、權重重排與支援條件,以改善 MoE 計算路徑。
ExecuTorch 推出 WebGPU 後端,讓 PyTorch 模型可匯出為 .pte 檔,並在支援 WebGPU 的瀏覽器中以 GPU 執行,資料留在使用者裝置上。
推薦理由:文章比較 WebGPU 與 ExecuTorch CPU 路徑在同一臺 Apple M1 Pro 上的推論速度,並說明模型如何以同一個 .pte 檔在瀏覽器本機執行。
Supabase 整合進 EAS CLI,執行 eas integrations:supabase:connect 即可建立 Supabase 專案、安裝 SDK,並將金鑰寫入 Expo 的各個環境。
推薦理由:這項整合把建立 Supabase 專案、安裝 SDK 與設定環境金鑰串成單一指令,並為 Preview 與 Production 分開配置資料,呈現跨環境部署的實務流程。
Amazon 推出第二代表格基礎模型 Mitra-v2,支援分類與迴歸,並在 TabArena 的單模型方法中領先。 - 預訓練變化:使用的合成表格列數是 Mitra-v1 的 10 倍,欄數約為 3 倍,並加入混合結構因果模型先驗。
混合模型會同時使用不同型別的記憶體,流量一變,原本分好的空間可能一邊用光、一邊閒置。SGLang 新增統一記憶體功能,讓各類資料共用一塊 GPU 空間,系統會依需求重新安排;即使資料大小和格式不同,也能一起管理。文章中的測試顯示,在 GPT-OSS-20B 的一種工作負載下,統一記憶體可同時處理約 1,000 個請求,原本的分池方式是 618 個,吞吐量也高 14%。這項功能目前仍屬實驗性,且有部分模型與功能限制。
推薦理由:文章比較共用記憶體與固定分池在不同流量下的表現,並說明統一配置如何減少容量閒置與請求退回。
Hugging Face 介紹決策模型如何接收狀態與問題,直接輸出帶有機率的結構化決策,並說明其與分類模型及零樣本分類的差異。 - 三種決策原語:choice 從選項中擇一,score 對有序尺度評分,noul 估計是非命題為真的機率。
推薦理由:文章比較傳統分類、零樣本分類與決策模型,並以 choice、score、noul 三種輸出說明其如何將選項機率整合為可供軟體使用的統一介面。