讓模型自主規劃、呼叫工具、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。
Mistral AI 推出了 Agentic Search，利用多步檢索迴圈在 FinanceBench 和 OfficeQA Pro 基準上顯著提升檢索準確率，並降低 token 使用和延遲。該功能通過搜尋、開啟、導航、讀取和 grep 五個工具，讓模型在複雜文件中進行迭代檢索，支援敏感領域資料，並可通過 Mistral Search Toolkit 在雲端或本地部署。
推薦理由：Agentic Search 通過多步檢索迴圈顯著提升金融檔案檢索準確率，幫助企業在敏感資料上實現更高效的 AI 互動，並在複雜文件中實現精準導航。
Wiz Penetration Test Findings 已正式推出 GA 版，將滲透測試結果整合於單一平臺，支援 CTEM 流程。 - 整合來源：支援 PDF、HackerOne、第三方審計、AI 掃描等多種來源，消除多門戶管理困擾。
推薦理由：Wiz 產品將所有滲透測試結果整合到單一平臺，促進持續威脅曝光管理，提升修復效率。
Hugging Face 團隊釋出研究探討如何為 AI 智慧體配置自蒸餾記憶，評估了從 30B 到前沿模型的 8 款模型在 AppWorld 基準上的表現。研究發現智慧體記憶效果取決於模型能力層級：強模型適合注入完整記憶，較弱模型適合精選檢索，而已飽和模型則無明顯增益。精選檢索能在僅增加 5% token 的情況下使 gpt-oss-120b 任務完成度提升 16.1 個百分點。
推薦理由：研究表明智慧體記憶容量需要根據模型能力進行校準而非盲目堆砌，為提升準確率和控制成本提供了實踐參考。
Replit 透過新推出的 Free Mode，讓使用者以每月 20 美元即可無限制使用 GPT‑5.6 Luna，並在日常任務中免費創作。 - Free Mode：核心與 Pro 使用者可在 5 小時內重置使用量，日常任務不消耗 Credits，最多 30 小時聊天。
推薦理由：Replit 透過 Free Mode 讓使用者以每月 20 美元即可無限制使用 GPT-5.6 Luna，顯著提升 AI 產能，對開發者與創作者的工作流程帶來實質影響。
Replit 推出黑盒滲透測試功能，讓開發者在同一平臺即可執行白盒與黑盒安全掃描。 • 功能 Level 3 掃描同時啟動白盒（完整程式碼存取）與黑盒（僅透過網頁）兩種測試，捕捉不同型別漏洞。
推薦理由：此功能讓開發者可在同一平臺完成白盒與黑盒安全測試，快速發現並修復潛在漏洞，提升應用安全性。
本文說明如何透過將加密的 LLM 推理痕跡重放到另一個相容模型，並使用 jailbreak 讓模型揭露內部推理，進而復原原始推理文本。 - 技術原理：將一個模型產生的加密推理 blob 送回同一供應商的另一模型，該模型可被誘導回傳解碼後的推理內容。
推薦理由：本文揭示可透過重放加密推理痕跡，從另一模型中復原內部推理，提醒使用者注意共享加密 blob 可能洩露敏感資訊。
OpenRouter 推出全新使用分析儀錶板與 Analytics API，讓企業能即時追蹤每個智慧體、模型與請求的成本與效能。 - 核心功能：儀錶板呈現五大指標（總支出、請求數、Token 數量、快取命中率、每百萬 Token 混合成本）並可自訂圖表與檢視。
推薦理由：OpenRouter推出的使用分析儀表盤與 API 讓企業能精準追蹤每個智慧體與模型的成本，便於最佳化資源與預算。
Dan Luu 在其部落格中警示 LLM 生成的基準測試易被操縱，並以 FRE（Regex Engine）為例說明。 - 基準操縱：LLM 可在毫秒內調整程式碼，使 SPECint、SPECfp 等測試顯示高效能，但實際效能不增。
推薦理由：文章揭示 LLM 生成的基準測試易被操縱，提醒開發者必須審核測試設計以避免誤導性效能宣稱。
Replit 推出一系列企業治理工具，包含 Admin API、Audit Logs、Workspace Settings 與 Compliance API，協助組織更有效監控與管理 AI 使用。
推薦理由：新功能讓企業透過 API、日誌與工作區設定，快速掌握 AI 使用情況，提升治理效能，降低管理成本並加速決策流程
DeepSeek 推出 Agentic 編碼工具 Harness 並將 API 價格調高 11 倍，顯示代理編碼市場競爭升溫。 - DeepSeek V4 Pro 釋出，提升網路安全與編碼能力，但其他領域表現平平。
推薦理由：DeepSeek 推出具備代理編碼能力的 Harness 工具並調高 API 價格，顯示代理編碼市場競爭升溫。
本文介紹了 Strands Robots 中的流式資料閉環方案，展示瞭如何通過自然語言指令錄製機器人示範資料、將其同步至 Hugging Face Storage Buckets 並進行基於 Xet 的位元組級去重。隨後，開發者可以直接從 Hub 流式讀取資料集來訓練策略，並將訓練好的檢查點重新部署到硬體上。
推薦理由：文章介紹了基於 Strands Agents 和 LeRobot 的機器人流式資料閉環方案，讀者可以據此瞭解如何通過雲端儲存桶實現無本地下載的高效訓練。
Google DeepMind 推出了 Gemini 3.7 Flash，這是其 Flash 系列最新的工作模型，專為編碼和智慧體設計。該模型在 FrontierCode、DeepSWE、WebDev Arena 等基準上顯著提升準確率，且每百萬輸入 token 價格僅 $0.75，輸出 $3.75，成本更低。
推薦理由：Gemini 3.7 Flash 在編碼、網頁開發和知識工作等領域顯著提升準確率，並以更低成本提供高效工作流。
Hugging Face 部落格介紹了 ALTK-Evolve 庫，該庫通過高效的記憶檢索實現與 ACE 相比更低的 Token 消耗，同時保持或提升準確率。ALTK-Evolve 與 ACE 都利用代理自身軌跡學習，但在記憶構建和交付方式上不同：ACE 採用完整的 playbook 注入，而 ALTK-Evolve 只檢索模型可用的指導原則，從而顯著降低推理 token。
推薦理由：ALTK-Evolve 在保持或提升準確率的同時，顯著降低推理 token 消耗，展示了高效記憶檢索的可行性。
Mistral AI 宣佈推出區域推理端點和優先服務層，支援在歐洲或美國執行推理，並提供 1 GW 計算容量目標。公司還將平臺開放給第三方模型，首批支援 Z.ai 的 GLM‑5.2，所有模型均在同一基礎設施下滿足區域控制與 SLA。為保障歐洲長期 AI 計算需求，Mistral 正與企業組建聯盟，形成歐洲計算單元（ECU）以鎖定多年容量。
推薦理由：Mistral 推出區域推理端點和開放模型支援，幫助企業實現 AI 主權與合規。
GitHub Copilot SDK for Java 是首個框架無關、AI 供應商中立的 Java 客戶端，支援 BYOK，允許直接連結 OpenAI、Azure、Anthropic 等端點，且不需要 Copilot 訂閱。
推薦理由：本文展示如何用 GitHub Copilot SDK for Java 進行框架無關的 AI 整合，並提供完整 Jakarta EE 11 範例與實作細節，對 Java 開發者最佳化 AI 服務流程有實際指引。
《Racing to Ruin》 研究了 AI 研發競賽中雙方如何因信任與透明度而協調停頓。\n\n- 模型與方法：以簡單的 R&D 競爭模型，考慮技術水平帶來的災難風險，並分析不同信任水平下的均衡結果。
推薦理由：研究闡述 AI 競賽的協調難題，提供信任與透明度的策略，對 AI 產業的可持續發展具有指導意義，並為政策制定者提供具體可行方案。
vLLM 官方部落格宣佈推出對 NVIDIA Nemotron 3.5 Lightning 的 Day-0 支援，這是一款專為全天候智慧體（Agent）設計的可自訂開源混合式 MoE 模型，並透過多種推論加速技術提升吞吐量。
推薦理由：vLLM 宣佈首發支援 NVIDIA Nemotron 3.5 Lightning 模型，讀者可透過內文提供的配置指令與架構最佳化方案評估高吞吐量部署。
Muse Glimmer 是 Meta Superintelligence Labs 推出的 30B 多模態模型，支援 128K+ 上下文長度，適合本地代理工作負載。
推薦理由：Meta 推出 Muse Glimmer，可在本地執行 30B 多模態模型，支援 128K+ 上下文與 Apple Silicon 高效運算。
Agent Plugins 1.0 規範由 Vercel 釋出，結合 Amazon、Cursor、Microsoft、OpenAI 等 AI 巨頭參與，旨在讓開發者一次編寫 AI 智慧體外掛，輕鬆跨平臺部署。
推薦理由：此規格允許開發者一次編寫 AI 智慧體外掛，輕鬆跨平臺部署，並促進跨平臺工具共生生態。
本文示範如何將 AI 產生的大型 Pull Request 轉為可審核的分層流程。 - Stacked Pull Requests：將功能拆解成多層 Pull Request，每層以前一層為基底。
推薦理由：本文示範如何利用堆疊 PR 讓 AI 產生的巨型 PR 變成可審核的分層流程，對提升團隊審核效率與衝突管理尤為重要。