Claude Code 相容 Anthropic API,支援 Ollama 本地與雲端模型
Ollama v0.14.0 之後的版本已支援 Anthropic Messages API,讓 Claude Code 能直接使用任何 Ollama 模型。
推薦理由:Ollama v0.14.0 相容 Anthropic API,讓 Claude Code 可直接在本地或雲端執行,擴大開源模型的應用場景。
開源模型、框架與倉庫動態:權重開放、社群專案爆火、開源與閉源的力量消長。
Ollama v0.14.0 之後的版本已支援 Anthropic Messages API,讓 Claude Code 能直接使用任何 Ollama 模型。
推薦理由:Ollama v0.14.0 相容 Anthropic API,讓 Claude Code 可直接在本地或雲端執行,擴大開源模型的應用場景。
導語:本文說明如何利用 React2Shell 漏洞,使用 Next.js 的 next-auth 產生偽造 Cookie,並提供可執行的 Cookie 生成與解碼工具,協助安全人員驗證並加強防禦。
推薦理由:本文提供可重現的 Next.js Cookie 生成工具,協助安全人員驗證 React2Shell 風險,並示範實際解碼流程,讓讀者能快速部署防禦機制。
Mistral AI 釋出新一代編碼模型系列 Devstral 2(123B)與 Devstral Small 2(24B),以及終端編碼助手 Mistral Vibe CLI。
推薦理由:原文提供了具體的基準測試資料、引數規模和開源協議,讀者可以據此評估其在程式碼自動化和本地部署中的實際效用。
DeepSeek V3.2 於 2025 年 12 月 1 日正式發布,為開源大模型提供了新的稀疏注意力機制(DSA)和自我驗證的 RLVR 訓練流程。
推薦理由:透過 DeepSeek V3.2 的技術報告,說明稀疏注意力與 RLVR 自我驗證在提升開源模型效能與推理效率的關鍵技術。
Mistral AI 釋出新一代 Mistral 3 模型系列,包含 14B、8B 和 3B 的 Ministral 3 端側稠密模型,以及採用稀疏 MoE 架構、啟用引數 41B 總引數 675B 的旗艦模型 Mistral Large 3。所有模型均採用 Apache 2.0 許可證開源,支援多模態與多語言能力,推理版本也將很快推出。
推薦理由:原文釋出了包含稠密小模型與 MoE 旗艦大模型的全新模型系列,並全部採用 Apache 2.0 許可證開源,開發者和企業可直接藉此在多端與雲端部署前沿智慧能力。
GLM‑4.6 與 Qwen3‑Coder‑480B 已於 Ollama 雲端服務上線,可直接在 VS Code、Zed、Droid 等編輯器中使用。
推薦理由:GLM‑4.6 與 Qwen3‑Coder‑480B 於 Ollama 雲端上線,整合至 VS Code、Zed,提升程式碼生成效率。
Qwen3‑VL 是 Qwen 系列最新視覺語言模型,已在 Ollama 雲端上線,提供 256K 原生上下文、3D 空間推理與多語言 OCR 等功能。
推薦理由:Qwen3-VL 擁有 256K 原生上下文與多語言 OCR,讓開發者能在單一模型中完成影像、文本與 3D 空間推理,提升跨模態工作流程效率。
導語:Browser Use 0.8.0 釋出 ChatBrowserUse 網頁代理,將推理延遲降至 68 秒,速度比現有電腦使用模型快 6 倍。 - 速度:每個任務 20 步/分鐘,延遲僅 68 秒,較 Claude Sonnet 4、Gemini 2.5 等模型快 4‑6 倍。
推薦理由:新推出的 ChatBrowserUse 以 6 倍速度提升瀏覽器代理效能,對需要快速網頁互動的開發者與企業提供可即時部署的解決方案
本文 以從零開始的方式,說明 LLM 評估的四種主要方法,並提供完整的程式碼範例。 - 四大評估方法 多選題、驗證器、排行榜、LLM 評審。 - 實作範例 用純 PyTorch 實作 Qwen3 0.6B,並將程式碼上傳至 GitHub。
推薦理由:本文提供四種 LLM 評估方法的實作範例,幫助工程師快速選擇適合的評估策略,並瞭解各方法的優缺點與實務落地。
Ollama 於 2025 年 9 月 24 日發布 Web search API,允許使用者透過 REST、Python 與 JavaScript 介面即時存取網路資訊。
推薦理由:Ollama 推出 Web search API,讓模型即時存取網路資訊,降低幻覺並提升準確度,支援 REST、Python 與 JavaScript,適合開發搜尋代理。
libghostty 是一個零依賴的終端模組,允許任何應用程式嵌入完整、現代化且快速的終端功能。 - 核心功能:提供解析終端序列與狀態管理的 API,零依賴(甚至不需 libc),可嵌入任何語言環境。
推薦理由:開源社群可利用此零依賴終端模組快速整合終端功能,提升跨平臺支援與效能,並可擴充至 WASM 與 GPU 渲染。
Ollama 於 2025 年 9 月推出雲端模型,允許使用者在不改變本地工作流程的情況下,執行超大模型。
推薦理由:Ollama 推出雲端模型,使用者可在不改變本地工作流程的情況下,執行超大模型,顯著提升開發效率。
本文以純 PyTorch 程式碼示篋 Qwen3 從零實作,帶領讀者瞭解其 Dense 與 Mixture‑of‑Experts 架構,並提供可直接套用於實驗與專案的程式碼基礎。
推薦理由:本篇提供 Qwen3 從零實作,讓讀者掌握模型結構與可擴充的程式碼基礎,利於自行實驗與專案開發,並可直接套用於多種語言模型任務。
直接使用 Chrome DevTools Protocol,作者展示 AI 瀏覽器代理如何大幅提升元素抽取速度、截圖效率及跨域 iframe 支援。 - 速度提升:切換至原始 CDP 後,元素抽取與截圖速度顯著加快。
推薦理由:直接使用 Chrome DevTools Protocol,作者展示 AI 瀏覽器代理如何大幅提升元素抽取速度、截圖效率及跨域 iframe 支援。
Mistral AI 釋出 Codestral 25.08 模型以及面向企業級開發的完整程式設計技術棧,包含程式碼補全、Codestral Embed 語義檢索、基於 OpenHands 框架的 Devstral 智慧體工作流以及 Mistral Code 外掛。該技術棧支援私有化部署、VPC 與本地執行,提供端到端的可觀測性與安全性控制。
推薦理由:官方釋出了涵蓋模型與工具的完整企業級程式設計技術棧,讀者可藉此瞭解如何在私有環境中部署具備程式碼補全、向量檢索與智慧體工作流的整合系統。
Mistral AI 釋出了開源語音理解模型 Voxtral,包含面向生產的 24B 規格與面向端側的 3B 規格,均採用 Apache 2.0 協議開源。該系列模型支援 32k 上下文、長達 30 至 40 分鐘的音訊處理、內建問答與摘要、多語言處理及函式呼叫功能,並在多項語音轉寫和理解基準測試中表現優異。
推薦理由:該模型提供了兩種尺寸並開源,讀者可以根據自身算力條件選擇合適的版本進行本地部署或呼叫 API。
Mistral AI 與 All Hands AI 合作推出了 Devstral Medium 並升級了 Devstral Small 1.1。Devstral Small 1.1 採用 Apache 2.0 協議開源,在 SWE-Bench Verified 上獲得 53.6% 的分數;Devstral Medium 在 API 上線,得分達 61.6%,支援私有化部署與自定義微調。
推薦理由:該釋出提供了兩款程式碼智慧體新模型的詳細效能和價格資訊,讀者可以藉此評估它們在特定開發任務中的價效比。
AutoGen 釋出 python‑v0.6.2 版,新增流式工具與工具呼叫改進,提升開發者即時取得事件的能力。\n\n- 流式工具:AgentTool、TeamTool 及 AssistantAgent 支援 run_json_stream,可透過 run_stream 取得內部事件。
推薦理由:此更新為 AutoGen 內部工具呼叫提供流式輸出與更靈活的工具選擇,讓開發者能即時取得事件並調整迭代次數,提升工作效率。
Mistral AI 釋出首個推理模型 Magistral,推出開源的 Magistral Small(24B)和企業級 Magistral Medium 兩個版本。
推薦理由:原文給出了兩個版本的具體效能指標與開放渠道,讀者可以據此評估其在真實業務和推理任務中的表現。
Mistral AI 釋出了企業級 AI 編碼助手 Mistral Code,整合了 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四款模型,提供 IDE 外掛、本地化部署及企業級管理工具。
推薦理由:官方推出的企業級編碼助手整合了多款主力模型與本地部署選項,讀者可以據此瞭解其在安全合規與多步驟推理方面的架構設計。