跳到正文

#Agent

RSS
今日 34 則
11月19日週四
  1. TechCrunch · AI80

    Microsoft 執行長納德拉說明為何向 6 萬名員工提出自願離職方案

    Microsoft 向 6 萬名員工提出自願離職方案,執行長 Satya Nadella 說,這和公司改用 AI 工作有關,但不是單純用 AI 取代員工。他希望員工能自己選擇是否留下,因為工作內容和團隊分工都會改變。納德拉以 Microsoft 365 的 Cowork 團隊為例,說團隊只有 11 名開發者,他們用 AI 助理打造產品,也管理 AI 助理完成工作。他認為,未來各行各業的員工都可能更多負責指揮 AI 助理;不過,老公司要改變工作方式需要時間,這種轉變也讓部分員工感到不安。

    推薦理由:納德拉把買斷方案連結到工作方式轉變,並以 Cowork 團隊為例,說明他構想中 AI 助理將如何改變員工的工作分工。

  2. OpenAI News72

    OpenAI 報告 AI 助理如何加快研究,也說明人仍要把關

    AI 助理能幫忙寫程式、檢查實驗,但不同工作做得好不好差很多,研究人員也得持續把關。OpenAI 這份內部研究報告整理了研究團隊使用 AI 助理的情況:截至 10 月中旬,超過三分之二的受訪研究人員每天最忙時至少有 4 個 AI 助理同時工作;在部分研究任務中,AI 助理能獨立完成約七成,但寫推論與服務程式碼的成功率估計為 25%。訪談也提到,AI 助理會產生品質不佳的程式碼和資料,因此研究人員常先檢查一份成果,再讓它繼續處理。報告呈現了 AI 如何加快部分研究工作,也指出人類監督仍是研究流程的一環。

    推薦理由:報告比較研究助理在不同任務上的成功率,也呈現研究人員如何檢查與修正成果,能看出 AI 加速研究的助力與瓶頸。

  3. Dev.to Top Tech49

    為什麼 AI 寫程式助理自己檢查,還是抓不到錯誤?實驗比較自我檢查與對抗式審查

    AI 寫完程式後,常會被要求自己再檢查一次,但它可能沿用原本的想法,只測常見情況,漏掉容易出錯的邊界。這次實驗讓同一個 AI 助理自我檢查,並和「另一個 AI 助理專門找碴」的做法比較:前者寫出的測試程式用了環境裡沒有的 pytest,無法執行,6 個隱藏錯誤一個也沒抓到;後者則用 Python 內建功能寫測試,抓出全部 6 個。 兩種做法寫出的程式都通過了 20 個功能測試。多加一次找錯步驟,花費增加 $0.0052、時間多 6.92 秒。這個結果顯示,讓不同 AI 助理分開寫程式和找錯,可能更容易發現邊界條件、型別和格式問題;找錯用的測試也應鎖定,避免後續修改把測試放寬。

  4. Dev.to Top Tech79

    為什麼程式開發 AI 助理還在寫過時的 JavaScript?

    程式開發 AI 助理能做出可用的介面,卻常用舊寫法重做瀏覽器已內建的功能。文中引用 Chrome 的評測:三種 AI 助理在 200 項前端任務中,沒附指南時通過率是 55%;加入整理好的現代網頁指南後,同一批任務升到 92%。這些指南提供瀏覽器功能與相容性資訊,讓 AI 助理在需要時查到較新的做法。作者也提到,note inc. 和 MetaMask 在自家流程中使用指南後,部分檢查結果與修正速度有所改善。文章主張,與其只換更大的模型,也要讓 AI 助理取得持續更新的網頁知識。

    推薦理由:文中用同一批前端任務比較加入現代網頁指南前後的通過率,呈現 AI 助理的程式品質如何受提示脈絡中的知識新舊影響。

  5. aihot84

    OpenAI 研究報告:AI 助理完成近半數長時間研究任務,但各類工作進展不同

    AI 助理能幫忙做研究工作,但不同任務的完成情況差很多。OpenAI 根據內部資料整理研究流程的變化:從 3 月到 10 月,原本估計要花 2 到 4 小時的任務,AI 助理不用人幫忙就成功完成的比例從 23% 升到 46%;監看訓練進度的成功率是 79%,寫推論與服務程式的成功率則是 25%。報告也提到,研究人員仍會檢查和修改 AI 助理的成果,並指出這些數字只呈現部分情況,不能直接代表研究進展一定加快。

    推薦理由:報告比較不同研究工作的自主完成率,呈現 AI 助理能加快部分流程、也可能卡在特定工作的差異。

  6. Dev.to Top Tech59

    VEKTOR 2.0.8 更新記憶查詢、Faraday 安全防護與 Studio 影片工具

    AI 助理讀取網頁或檔案後,可能遇到藏在內容裡的誘導指令;找自己的舊資料時,也可能漏掉關鍵細節。VEKTOR 2.0.8 更新 Faraday,會檢查助理從網頁帶回的內容、限制子助理能使用的工具,並在可疑內容可能影響後續工作時暫停,等使用者確認。記憶查詢在 LongMemEval 公開測試的 500 題中,平均成績從 84% 提升到 89.6%;測試使用較容易的 oracle 版本、兩個開放模型評分,且只跑一次。Studio 也加入文字動畫、動態追蹤等影片編輯功能,並能從檔案整理日期、金額等資料供人檢查。

  7. TechCrunch · AI58

    Nadella認為AI助理可能改變網路公司的賺錢方式

    如果AI助理代替人上網找商品、下單,靠網頁流量和廣告賺錢的公司可能得改變做生意的方式。Microsoft執行長Satya Nadella在活動上談到,這種轉變可能改變公司之間為流量或交易付費的方式,就像網路入口從Yahoo這類入口網站轉向Google搜尋引擎。Nadella也以Amazon阻擋AI助理瀏覽商品和代替使用者購物為例,認為若其他購物平臺願意開放,可能因此取得優勢。

  8. AWS Machine Learning Blog79

    Amazon SageMaker HyperPod 新增訓練故障檢查與工作復原功能

    大型 AI 訓練有時會卡住,或在硬體檢查通過後仍算出錯誤結果,白白佔用 GPU。AWS 為 Amazon SageMaker HyperPod 新增三項功能:MultiNodeTrainingValidation 會用固定訓練工作檢查 GPU 是否算出 NaN 或無限大的損失;Kubernetes 監控代理程式會整理故障涉及的節點、Pod 和工作;Slurm 的停滯工作偵測則能記錄問題,並依設定取消工作、讓它重新排隊。文中舉例,一項工作若卡住 15 分鐘便被偵測並重新排隊,估算成本可從約 $16,900 降至約 $530。這些檢查各自處理不同故障,設定時仍要留意規則是否正確,以及取消工作的條件。

    推薦理由:HyperPod 把訓練正確性、Kubernetes 故障和工作停滯分開監看,並說明各功能何時運作、如何回報及可能節省的 GPU 時間。

  9. Dev.to Top Tech57

    作者示範用三個 Python 工具,讓 AI 助理附上依據或拒答

    AI 助理回答時可能講得很肯定,卻找不到資料根據,也可能照著惡意指示行事。作者把工作記錄、附來源回答和交付前檢查拆成三個免安裝額外相依套件的 Python 工具:工作記錄工具能把決定交給下一個 AI 助理;引用工具只從資料中摘錄原句,找不到依據就拒答;檢查工具則能在 CI 中攔下個資外洩或服從注入指示的結果。文中提供可重跑的測試和 CI 設定,讓開發者能檢查這些門檻是否正常運作;不過,引用測試只涵蓋 12 份檔案,作者也提醒結果不能代表其他資料都能答對。

  10. Dev.to Top Tech37

    aiFetchly 如何幫小團隊安排郵件和客戶跟進工作,同時保留資料控制權

    小團隊常要自己翻信、整理客戶資料,還得記得何時回覆或跟進,很容易忙中漏掉。aiFetchly 可以在排定時間整理新郵件和客戶名單,從團隊存放在本機的資料與舊回覆中找資訊,先寫好回信草稿,再交給人檢查,確認後才寄出。像兩到五人的團隊,可以早上整理新信件和待跟進名單,中午檢查草稿,下午更新客戶資料。重複工作能少做一些,但遇到語意不清、情緒激動或重要商業內容,仍應由人處理。Community 版免費,Plus 每月 $10。

  11. 🚨 AI News | TestingCatalog67

    開發應用時,常要串接不同服務、管理程式碼修改,還得另外安排後端長時間運作。Netlify 重新推出平臺,加入 150 個連接器,讓 AI 助理可以自行連線 Notion、Linear 和 Stripe 等服務。每次程式碼修改都會留下版本紀錄,方便預覽、發布或還原;需要 24 小時持續線上的即時聊天或多人遊戲,也能把後端放在 Netlify 上代管。

  12. Dev.to Top Tech44

    我用 Pi subagents 測試 LessCode,看看它怎麼審查真實程式碼變更

    自己找程式碼變更、逐一測試審查工具很花時間,手動檢查也不容易重做同一個案例。作者用 Pi 和 subagents 分工:一個找 TypeScript 專案和候選 PR,其他負責執行 LessCode,測試工作則放在專用的 VM 裡。 有次測試 JavaScript 專案 is-number 的變更,LessCode 的三種介面都沒有提出修補建議,其中兩份報告還說程式會出錯;作者實際檢查後發現,測試的輸入不會出錯。於是他加上檢查,讓工具用程式碼證據確認部分說法,再重跑同一個變更。結果 CLI 和 MCP 的報告更準確,CLI 也不再保留兩項缺少引用證據的說法。這種分工和重跑方式,讓作者能追查工具哪裡需要改進。

  13. Thurrott74

    Google 將 Gemini 的 Spark 更名為 Tasks,並在 6 個國家免費開放

    Google 把原本叫 Spark 的個人 AI 助理改名為 Tasks,並讓 6 個國家的免費使用者也能在 Gemini 使用。美國、日本、韓國、加拿大、澳洲和印度都已開放;美國還會先推出進階功能,其他地區之後跟進。使用者可以在 Gemini 主頁切換到 Tasks,也能從側邊欄建立和管理待辦事項。Tasks 會在 Google Cloud 提供、且專屬於使用者帳號的隔離虛擬機器中執行工作。遇到危險操作時,系統會要求使用者確認;較不敏感的工作則可設定為自動處理。

  14. AWS Machine Learning Blog73

    Airbnb 如何用每項任務成本管理 Amazon Bedrock 上的程式開發 AI 助理

    模型在測試中表現好,不一定代表工程師實際使用時花費也低。Airbnb 用自家程式開發任務比較不同模型的完成分數和每項任務成本,再搭配上線後的請求數、token 用量與延遲,決定預設模型和推理力道上限。文中一個模型在測試時成本差不多,但上線後每位使用者的平均週花費高出好幾倍,原因是每次請求較貴,使用者也送出更多請求。Airbnb 後來把重度使用者移到另一個模型,請求數大致相同,該群組在主要模型上的花費降到約七分之一。這套做法能幫團隊同時看見模型測試成績與實際使用成本。

    推薦理由:Airbnb把自家任務測試與上線後用量放在一起比較,呈現模型分數相近時,使用者行為仍可能讓每人花費差很多。

  15. Dev.to Top Tech66

    如何稽核企業系統中的 AI 助理

    傳統稽核紀錄多半隻記下哪位使用者呼叫了哪個服務,難以還原 AI 助理連續呼叫工具、重試或交給其他助理處理時發生了什麼。作者建議把發起任務的人、執行的 AI 助理、使用的工具、授權結果和實際變更一起記錄,並用識別碼串起重試與後續呼叫;也要留下遭拒絕的操作及當時的政策版本。紀錄可能含有個人資料、權杖或機密檔案,因此應先遮蔽機密、限制查詢許可權並加密儲存。這樣才能還原任務、找出授權問題,並在發現異常時追查相關憑證與後續工作。

  16. Dev.to Top Tech53

    AI 每日整理:NVIDIA 營收創高,OpenAI 用 GPT-6 Astra 探索物理難題

    這份整理收錄了多則 AI 產業、產品和研究訊息。NVIDIA 公佈單季營收 1158 億美元,OpenAI 則分享研究人員如何與 GPT-6 Astra 合作,提出標準模型晶格定義的候選方案;這仍是候選結果,部分問題尚未解決。其他訊息包括 Claude Code Projects 增加進度通知、影片世界模型在 FlipTest 測試中表現不佳,以及 Gemini Robotics 2.5 在 Franka FR3 Duo 雙臂機器人上原生運作。

  17. Rohan Paul91

    挑選 AI 模型時,常得在效能和使用成本之間取捨。Google 推出 Gemini 4 Neon,Artificial Analysis Intelligence Index 得分為 61,排名第 3;每 1M 個輸入與輸出 tokens 分別收費 $3 和 $15。原文也稱,在預設高設定下,Neon 每項任務的成本比 Gemini 4 Carbon 低 32%。在程式開發方面,它在 Artificial Analysis Coding Agent Index 排名第 1;放進 Google Antigravity 執行時,SWE-sweep 分數從 12.8% 升到 39.0%。這些數字提供了比較效能與成本的參考,但各項排名來自不同基準測試。

    推薦理由:文中列出 Gemini 4 Neon 的價格、任務成本比較與多項基準排名,可用來瞭解它在效能和花費間的表現。

  18. Dev.to Top Tech58

    APX AI 助理行事曆提醒怎麼測?先確認通知真的送達

    行事曆有連上 AI 助理,不代表開會提醒一定會準時出現。作者整理一份測試清單,建議先確認提醒功能、時區、提前多久通知、安靜時段和通知送到哪裡,再用一場沒有邀請物件的普通行程測試。收到通知後,還要核對時間、地點或會議連結是否正確;只看到設定已開啟,或助理說提醒已啟用,都不能算通知成功。若沒收到,先檢查行程是否符合提醒條件及通知設定,別急著新增第二份行程。一次測試只代表這組設定,不保證之後每場行程都正常。

  19. Dev.to Top Tech72

    Cluster Autoscaler 和 Karpenter 怎麼選?作者實測七項說法並整理 AI 助理部署方式

    EKS 叢集要怎麼增加或移除伺服器,會影響花費、等待時間和服務穩定。作者以自己管理的叢集經驗,檢視 Cluster Autoscaler 和 Karpenter 常見的七項說法:Karpenter 能依等待中的工作挑選合適的 EC2 主機,也較方便搭配多種 Spot 機型;但省多少錢、快多少,仍要看原本設定和實際工作負載。文章也提醒,Spot 主機可能被收回,搬動工作可能讓服務變慢,因此需要設定副本、預算和中斷時機。AI 助理平臺的工作差異很大,作者建議把程式碼沙箱、長時間工作階段和 GPU 工作分開安排;執行不可信程式的工作也需要更強的隔離,避免影響平臺服務。

  20. Arena.ai68

    挑選 AI 助理時,除了看任務做得好不好,也要考慮每次任務的花費。Arena 根據社群進行的 4.2k 次真實 AI 助理工作階段,將 Gemini 4 Neon (High) 排在 Agent Arena Index 第二名,得分為 1336,單次任務中位成本為 $2.82。榜單也列出使用者滿意度、回應修改的能力和任務完成情況等指標;這些數字能讓人比較表現與費用,但只反映這份榜單採用的評測方式。

    推薦理由:Arena 的排名與每項任務中位成本,呈現 Gemini 4 Neon (High) 和其他模型在表現與費用上的差距。

  21. Dark Reading (Information Security)47

    Strike Graph 推出 Integration AI,從現有工具自動收集合規資料

    公司做合規檢查時,常得從各種工具裡手動找資料,接上系統也很麻煩。Strike Graph 推出 Integration AI:只要工具有 API,它就會閱讀公開的 API 說明並建立連線,自動收集合規資料;例如同一份資料也能用在 SOC 2、ISO 27001、HIPAA 和 CMMC 等不同規範上。連線預設只能讀資料,不能改動客戶系統;AI 寫好的程式也要經過人員檢查和核準,才會部署。這能減少重複整理資料的工作,讓合規檢查更容易持續進行。

  22. Dev.to Top Tech58

    如何挑選 AWS 儲存服務,不必讀完每份檔案

    要把資料存到 AWS,服務選項很多,光查檔案就讓人頭大。作者整理出五個問題,帶你依序看應用程式怎麼讀寫資料、資料是什麼型別、要不要搬移舊系統,以及不同應用程式是否要用不同方式讀取同一份資料,再挑出合適的儲存服務。文章也說明 AI 工作流程可怎麼選,例如用 S3 Vectors 存放向量資料,或用 EFS、S3 Files 提供資料夾式存取。選項縮小後,再用 AWS Pricing Calculator 試算費用。

  23. Dev.to Top Tech57

    作者測試一句提示詞能否阻止 AI 助理把錯誤資料當真

    API 有時回傳空白、資料不完整或一堆零,卻仍顯示呼叫成功,AI 助理可能因此把錯誤資料當真,甚至做出不對的操作。作者用四種 AI 助理框架和模擬 API,比較在指示中加上一句提醒,或讓工具附上資料缺漏註記,能不能減少這種問題。測試中,那句提醒讓助理在回答問題時不再編造資料,也能避免對看起來明顯有問題的資料採取行動;但空清單、截短清單和被歸零的數字看起來很正常,提醒仍擋不住錯誤判斷。作者也說明,測試只用了單一模型、單一服務和少量模擬任務。

  24. Dev.to Top Tech53

    企業如何管好 AI 助理的安全、人工監督與使用成本

    AI 助理就算拿到合法許可權,也可能自信地做錯事,還在短時間內把影響擴大。作者建議替每個 AI 助理限制許可權和使用時間,並在變更前先試跑、檢查差異,準備好自動還原和緊急停止。人可以逐項核准、在旁監看,或事後檢查結果,安排方式要看做錯時的風險。作者也建議先用已知答案測試,再逐步增加自動化程度;成本則應看完成一項工作的花費,並透過調整模型、重用資料和縮短提示內容來控制。

  25. Rohan Paul38

    「在程式碼生成變得便宜的世界裡,驗證反而變難了。」Satya Nadella 昨天才這麼說。 CodeRabbit Verify 負責處理這部分。它會讀取 PR,針對變更撰寫測試情境,再透過即時瀏覽器操作執行中的應用程式來驗證。 環境建置步驟做得很扎實。它的 AI 助理會建立隔離環境、安裝相依套件並啟動應用程式。可重複使用的設定和快照,讓後續執行省去大部分重建步驟。 https://t.co/lbFO7PHnCn

  26. Dev.to Top Tech67

    MAGSpace 的手冊教你處理 AI 助理失控重試與帳單暴增

    AI 助理卡在重試迴圈時,可能一直呼叫失敗的工具,讓費用暴增,還可能重複執行會影響客戶資料的操作。MAGSpace 的事件手冊建議先停掉這次執行、保留紀錄,再從日誌和帳單查清原因,並把已確認的事實、推測和未知分開標記。長期防護包括設定每次執行和每位客戶的費用上限、依錯誤型別限制重試,以及在同一工具用相同引數呼叫 3 次時停止並升級處理。臨時止損措施還要經過檢查與核准,才算正式修正。

  27. ElevenLabs Official Blog71

    ElevenLabs 推出醫療版 ElevenAgents,協助處理病患與醫療團隊來電

    病患打電話預約或詢問資料時,若 AI 助理聽錯藥名、插話,或無法連上院方系統,事情就得重來。ElevenLabs 推出醫療版 ElevenAgents,搭配 Scribe v3 Live Medical 即時辨識醫療用語,也能接上預約、病歷和電話系統;遇到症狀問題或敏感資料,團隊可設定轉給真人處理。Cadence 使用這套服務聯絡慢性病患者後,聯絡到患者的中位時間從近兩小時降到 3.5 分鐘;患者接聽 AI 助理來電的比例也比接聽護理師來電高 47%。

    推薦理由:文章以醫療客服案例和轉錄測試結果,說明語音辨識、通話流程與人工轉接如何配合處理預約及病患來電。

  28. The New Stack70

    Red Hat 架構師談 OpenShell:用沙箱限制 AI 助理能做的事

    AI 助理會為了完成任務嘗試各種方法,有時也可能偏離原本目標;從外面看,失控和遭攻擊不容易分辨。Red Hat 的 OpenShell 把 AI 助理放進沙箱,依政策限制網路、檔案和程式執行許可權,未允許的動作會被擋下並留下紀錄。若助理需要新增網路許可權,可以提出申請,但預設要由人核准。Red Hat 也用 Kata Containers 讓沙箱在各自的 Linux 核心中執行,並以替代憑證避免助理直接拿到真正的金鑰。

  29. The New Stack67

    Microsoft 擴大開放 Web IQ,讓 AI 助理搜尋網頁更省時間和文字

    人用搜尋引擎會挑連結閱讀,AI 助理則常把找到的資料都讀一遍,既花時間,也增加模型讀取文字的成本。Microsoft 擴大開放 Web IQ,讓 AI 助理搜尋網頁時取得相關段落;Auto 模式會平行嘗試不同問法,Auto Advanced 還會檢查資料夠不夠,不足時再搜尋。每千次搜尋費用依模式為 $7、$8 和 $9。文章也提到,Genspark 聯合創辦人表示,改用 Web IQ 後,語音助理的回覆時間從六秒降到 0.6 秒。

  30. AWS Machine Learning Blog55

    AWS 示範讓 Amazon Bedrock AgentCore Identity 連上使用私有 CA 的身分系統

    公司把身分系統放在私人網路時,AI 助理可能無法確認連線物件是不是可信的伺服器。AWS 示範如何設定 Amazon Bedrock AgentCore Identity,讓它透過 VPC Lattice 連上使用私有 CA 憑證的身分系統,並從 AWS Secrets Manager 或 Amazon S3 讀取 CA 憑證來檢查連線。文章也說明如何把新舊 CA 憑證一起放進檔案,更新設定後再換掉舊憑證,降低輪替時中斷服務的機會;此外,應限制誰能修改憑證資料,避免有人偷偷換掉受信任的 CA。

  31. Databricks Blog74

    Databricks 推出 Genie Migrate,協助把工作搬到 Serverless

    把工作從 classic 搬到 Serverless,常得逐一處理設定、套件和程式碼問題,原本簡單的切換可能拖上好幾週。Databricks 推出 Beta 版 Genie Migrate for Serverless,會先掃描工作,標出哪些適合搬、哪些需要管理員處理,再把需要修改的地方列成差異畫面,讓人逐項審核後才套用。套用時會先複製工作,原本的工作保持不變,方便先跑一次確認;目前檢查只看設定和相依套件,不會實際執行工作。批次搬遷目前支援工作,筆記本支援尚未推出。

    推薦理由:Genie Migrate 把搬遷檢查與修改整理成可逐項審核的流程,也說明目前只做靜態檢查,適合評估匯入前的風險與人工作業。

  32. Dev.to Top Tech62

    如何用 Telegram 檢視 Atomic 的終端工作進度並核准計畫

    人在外面時,電腦上的程式工作還在跑,想檢視進度或決定下一步,卻不想另開一段對話。作者做了一個非官方的 Telegram 擴充功能,讓你從手機接續 Atomic 終端裡原本的工作階段:可以檢視分析結果、檢查 Git 變更,再核准或退回實作計畫。核准前會再次確認工作內容有沒有變;如果狀態已改,就得重新檢查。使用時 Atomic 必須持續執行,待處理工作也不會在程式重開後保留;取消工作不會撤回已完成的修改或外部操作。

  33. Dev.to Top Tech64

    AI 工具做出的醫療 App,怎麼檢查才能符合 HIPAA?

    AI 工具能快速做出醫療 App,但能正常操作,不代表它適合存放病歷。作者分享把一款醫師製作的原型搬到正式環境的經驗,說明開發前要確認每項服務是否能處理病人資料,並讓後端檢查使用者能看哪些紀錄、留下誰讀取或修改病歷的紀錄。正式上線還要檢查資料儲存、備份和外部服務,也要由醫療人員確認結果是否正確。文章提醒,符合 HIPAA 不能只靠生成程式或安全測試,還要檢查整套系統與實際醫療流程。

  34. Dev.to Top Tech58

    如何判斷該把一個 AI 助理拆成多個專家

    一個 AI 助理要是同時負責很多種工作,指令會變複雜,出了錯也不容易找出原因。文章整理的建議是,先讓一個 AI 助理處理任務;等工作真的分成不同專長,再拆成小型 AI 助理,每個負責一到三項工作,並用符合該專長的方式檢查成果。舉例來說,寫程式的 AI 助理可以看答案是否正確、執行是否有效率,以及使用者多常採用它的建議。每次交接也要記錄誰接手、收到什麼資料和回傳什麼結果,這樣才能分清楚是專家做得不好,還是交接出了問題。

  35. Vercel Blog52

    Vercel 的 AI Gateway 開放免費網頁搜尋,eve 改用 Parallel

    AI 助理要搜尋網頁時,開發者可能得另外申請搜尋服務的 API key。Vercel 開放透過 AI Gateway 使用 Parallel fast mode,到 2027 年 1 月 31 日前免費,任何 AI Gateway 模型都能使用,不必另辦 Parallel API key。搜尋結果會附上網頁連結和簡短摘錄,也能依網站或發布日期篩選;eve 的 AI 助理則會在模型透過 AI Gateway 提供服務時,預設使用這項搜尋功能。免費優惠只適用 fast mode,其他模式仍按一般價格計費;預設也會啟用 Zero Data Retention。