EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • OpenAI 發布 Jalapeño:每瓦 AI 工作量提升 1.5 至 1.9 倍,預計 2026 年底部署

    OpenAI 發布 Jalapeño:每瓦 AI 工作量提升 1.5 至 1.9 倍,預計 2026 年底部署。

    核心進展 OpenAI 在 2026 年 8 月 26 日分享首款自研推論晶片 Jalapeño 的實驗室結果,強調同一套架構同時提高吞吐量、降低延遲,不必在兩者之間取捨。官方表示,這將帶來更快的 ChatGPT 回應、更靈敏的 Codex session 與 Agent,以及需求持續成長時更可靠的服務存取。Jalapeño 預計在 2026 年底開始部署到 OpenAI 的運算基礎架構;Gen 2 已深入開發,Gen 3 也正在成形。
    實測數據 OpenAI 以公開 benchmark InferenceX,在相同使用者體驗與功耗條件下,比較 Jalapeño 和商用 AI 系統,涵蓋 GPT‑OSS 120B、DeepSeek R1 670B 與 Kimi K2.5 1T:
    三個模型的峰值每瓦 AI 工作量成長為 1.5 至 1.9 倍。
    端到端延遲降低為原本的 1/1.7 至 1/3.6。
    面向高度互動的工作負載,效能成長為 2.1 至 4.1 倍。
    在最大的公開模型 Kimi K2.5 1T 上,每瓦峰值效能約成長為 1.5 倍,端到端延遲降低為 1/3.4。
    晶片額定功耗為 700W,但測試工作負載的持續實測功耗維持在 550W 以下。
    Jalapeño 在 Interactivity 提升 2.1x–4.1x、E2E latency 降低 1.7x–3.6x,且 Perf/W 在 previous-best TBT 與 peak throughput 分別提升 8.6x–104.3x 及 1.5x–1.9x。
    SemiAnalysis 也在實驗室驗證部分 InferenceX 執行結果,稱 Jalapeño 在多種情境的每瓦效能超越已測試的 NVIDIA、AMD 與 Google 晶片,包含 Blackwell。不過,這些數字由 OpenAI 提供,SemiAnalysis 並未執行完整 InferenceX 測試,也尚未取得 AgentX 結果;其指出,長 context、多輪互動和 agentic 工作負載會額外考驗路由器、前綴快取與整體快取管理,因此目前結果不代表所有生產情境。SemiAnalysis 也認為,Jalapeño 更適合拿來和採用 HBM4 的 NVIDIA Vera Rubin 比較,而非只和 Blackwell 比較。
    架構取向 Jalapeño 從一開始就以現代與未來的語言模型推論為目標,將晶片、記憶體、網路、軟體與機架級系統一起設計。Prefill 主要受運算能力限制,decode 則更依賴記憶體頻寬;Jalapeño 會把模型狀態與生成回應所需的 KV cache 保持在適當的本地位置,減少核心與晶片間的資料搬移。它不把 prefill 和 decode 固定拆到不同晶片池,而是採用較均一的資源池,以因應工作負載比例隨模型世代改變。
    AI 輔助開發 OpenAI 表示,AI 協助 Jalapeño 從初始設計走到 tapeout,僅花約 9 個月,並縮短設計、量測與驗證 loop。團隊使用 Codex 搭配 GPT‑Astra,在兩個月內讓原本不在生產計畫中的三個 open-weight 模型達到高效能;部分 GPT‑OSS attention 與 mixture-of-experts block 的 AI 生成實作,比原先由人類專家撰寫的版本快 1.5 至 1.8 倍,但這只適用於指定 block,並非完整模型。
    Jalapeño 晶片安放於綠色主機板插槽上的特寫鏡頭
    後續規劃 Jalapeño 目前仍在進行 production qualification、軟體成熟化、規模化營運準備與更多模型的效能驗證。Tibo 同時提到 /ultrafast 需求非常大,OpenAI 將繼續和 Cerebras 合作,探索更快的模型推論;Cerebras 則表示,Jalapeño 與下一代 Cerebras 解決方案預計在 2027 年一同進入生產。OpenAI 也表示,訓練與推論仍將廣泛部署 NVIDIA 與其他合作夥伴的加速器。

    原文:https://easyvibecoding.app/curated/3142-openai-jalapeno-tests-ai-workload-latency-improvements

    5 min
  • Alibaba 開放 Qwen3.8-Flash-Next 權重,以 6B active parameters 探索 Qwen4 成本效率架構

    Alibaba 開放 Qwen3.8-Flash-Next 權重,以 6B active parameters 探索 Qwen4 成本效率架構。

    Qwen 的 Qwen3.8-Flash 發表宣傳圖,深色背景搭配藍色幾何光暈與幾何立體造型,正中以大字顯示產品名稱與「Now Available」字樣,下方標註「Qwen3.8-Flash-Next:Now Open Weights」。
    Qwen3.8-Flash 的 production version 預計很快透過 QwenCloud API 提供,輸入價格為每 1M tokens 0.16 美元、輸出價格為每 1M tokens 0.47 美元。
    發布內容 Qwen3.8-Flash-Next 是 multimodal MoE 模型,也是 Qwen4 架構的 early preview。這次先開放權重,讓社群能在 Qwen4 完整模型建立前獨立評估新設計;至於名稱不同的 Qwen3.8-Flash production version,Qwen 表示將稍後透過 QwenCloud API 上線。模型主體有 125B parameters,另配置 51B N-gram Embedding parameters,但每個 token 只啟用 6B parameters。
    架構更新 新模型從注意力、殘差、嵌入與最佳化器四個方向改造,重點如下:
    GDN + QSA Hybrid Attention:Gated DeltaNet(GDN)壓縮歷史資訊;Qwen Sparse Attention(QSA)則使用輕量 indexer,在 micro-block 粒度挑選重要 context,降低長序列 attention 的計算與索引成本。vLLM 的說明指出,每四層中有三層使用 GDN,第四層使用 QSA 精確擷取長距離資訊。
    Gated Residual:將 residual stream 擴展為 4 個平行 branches,透過動態 gating 控制跨層資訊的讀取與寫入,改善資訊流動與 training stability;來源也提到 residual state 可使用 FP8 保存,以減少記憶體流量。
    N-gram Embedding:利用 local context 對查找表進行 deterministic lookup,以很低的每 token 計算成本增加模型容量。51B 的 embedding table 可放在 host memory,並透過 asynchronous prefetching 與模型計算重疊。
    Muon optimizer:Qwen 重新調整正交化、Muon 與 AdamW 的參數分工,以及 fused parameter splitting,並針對新架構重新擬合 scaling law。
    MTP:vLLM recipe 指出模型內建 Multi-Token Prediction,可支援 speculative decoding。
    Qwen 的混合架構模型層級與運作流程圖,左側展示垂直堆疊的 Vocabulary Embedding、多層 GDN Layer 與 QSA Layer 及 MTP Modules,右側則以方框放大顯示包含 GR Read、GR Write、MoE、Qwen Sparse Attn 與 Gated DeltaNet 的 QSA Layer 與 GDN Layer 詳細內部結構,頂端標有 Qwen商標與 Hybrid Block 參數。
    效能與成本 Qwen 表示,Qwen3.8-Flash-Next 的 training cost 僅為 Qwen3.7-Plus 的 1/9,且整體表現超越 Qwen3.7-Plus,尤其在 coding 與 office tasks 有更明顯的提升。官方列出的評測結果包括 DeepSWE 1.1 得分 58.7、SWE-bench Pro 62.5、CoWorkBench 73.9、AndroidWorld 84.5,以及 MathVision(with CI)95.7。
    Qwen3.8-Flash-Next 在 DeepSWE 1.1 (58.7)、SWE-bench Pro (62.5)、CoWorkBench (73.9) 等多項 Coding 與 Agent 基準測試取得領先,但在 NL2Repo-Bench 與 HLE 等指標上分別落後 DeepSeek-V4-Flash-0731 與 Claude-Opus-4.6 (Max)。
    Qwen3.8-Flash-Next 在多數多模態 benchmark 領先;OSWorld 2.0 Binary 與 Qwen3.8-27B 並列 19.4,CharXiv Without CI 則以 84.6 落後 Qwen3.7-Plus 的 85.8。
    模型原生支援 262K context,搭配 YaRN 可延伸至 1M。Qwen 貼文指出,在 1M-token context 下,QSA attention kernel 的 prefill 速度最多為 7.6 倍、decode 速度最多為 4.9 倍;在 prefix-cache hit rate 為 90% 時,Qwen3.8-Flash-Next 的 prefill throughput 為 Qwen3.7-Plus 的 8.6 倍。vLLM recipe 另引用 Qwen 的資料,稱在相同 1M-token 條件下可達到最高 10.2 倍 prefill 與 6.6 倍 decode 加速;兩組數字來自不同來源,不能直接視為同一項測試結果。
    Qwen3.8-Flash-Next 在 1M context length 下的相對 Prefill Throughput 達到 8.6x,領先 Qwen3.8-27B (1.2x) 與基線 Qwen3.7-Plus (1.0x)。
    Qwen3.8-Flash-Next-Base、Qwen3.8-27B-Base 與 Qwen3.7-Plus-Base 在多項基準測試展現各有高低的結果,其中 Qwen3.8-Flash-Next-Base 在 MMLU-Pro、SuperGPQA、BBH、GSM8K、EvalPlus、SWEBench-Pretrain、MGSM 與 MMMLU 取得最佳分數,而 Qwen3.7-Plus-Base 在 MMLU、MMLU-Redux、GPQA、MATH、MultiPL-E 與 INCLUDE 領先。
    外部評測 Arena.ai 表示,Qwen3.8-Flash-Next 在 Code Arena: WebDev 取得 1617 分,約排名第 8;在 open weights 模型中約排名第 3,並比 Qwen3.8-27B 高 22 分。不過這是早期 AutoEval 分數,由以 Arena 人類偏好資料訓練的 Reward Model 代替即時人類投票,後續排名仍可能隨 live votes 增加而變動,因此不宜當成最終排名。
    來源:@arena(回覆)|Qwen3.8-Flash-Next 在 Code Arena: WebDev 取得 1617 分的 Arena Score,價格為每 1M tokens $0.39,並位於 Pareto Frontier 上。
    來源:@arena(回覆)|Qwen3.8-Flash-Next 在 Code Arena WebDev Top 15 排行榜中取得 1,617 分的 Arena Score(AutoEval),排名約在第 8 名。
    部署與生態 Qwen 同步提供 Hugging Face 與 ModelScope 權重;Hugging Face 版本的模型檔案和設定檔相容於 Hugging Face Transformers、vLLM、SGLang 與 TokenSpeed。vLLM 宣布 day-0 支援,並已在 NVIDIA 與 AMD GPU 上驗證;目前建議使用容器映像 vllm/vllm-openai:qwen38-flash-next,而非 PyPI 安裝。N-gram Embedding 的 host-memory offload 需要至少 51 GB 加上 runtime headroom,且目前 offload 僅支援 NVIDIA 裝置;部署時可使用 VLLMPLECPU_OFFLOAD=1,但這是來源所述的環境設定,實際使用仍需依硬體、版本與部署策略人工核對。
    來源:@vllmproject(回覆)|Qwen3.8-Flash-Next 模型資訊頁面,展示其架構預覽摘要、Hugging Face 連結及 vLLM 安裝指令與參數設定。
    限制與參考 vLLM recipe 將 262,144 tokens 列為原生上限,但單…

    8 min
  • M6 Mac mini 登場:899 美元起,Apple 主打本機 AI

    M6 Mac mini 登場:899 美元起,Apple 主打本機 AI

    產品定位 Apple 在 Newsroom 公告 推出搭載 M6 與 M5 Pro 的新款 Mac mini,外觀仍維持緊湊的圓角方形鋁製機身。Tim Cook 將它定位為兼顧日常生產力與 AI 工作的桌機;官方宣傳影片以晶片變形為肌肉、賽車、機器人與火箭的黏土動畫呈現產品,但這是行銷素材,不是獨立效能測試。

    硬體規格 M6 Mac mini 配備 12 核心 CPU、12 核心 GPU,每個 GPU 核心都加入 Neural Accelerator,並搭載兩組 16 核心 Neural Engine。標準統一記憶體為 16GB,可設定至 32GB,記憶體頻寬最高 170GB/s。M5 Pro 則可擴充至 18 核心 CPU、20 核心 GPU、64GB 統一記憶體與 307GB/s 頻寬,峰值 CPU 與 GPU 吞吐量可能高於 M6,儘管產品名稱使用較早的晶片世代。

    AI 與連線能力 Apple 宣稱 M6 的 AI 效能最高成長為 M4 的四倍、圖形效能最高成長為兩倍,CPU 效能則比 M4 快 40%;這些倍數是 Apple 的官方說法,不能視為獨立基準測試結果。針對本機 AI,Apple 在其測試條件下測得 LM Studio 的 prompt 處理速度最多達到 M4 的 4.8 倍、M1 的 13.5 倍,Apple 也反覆把 Mac mini 定位成適合本機 AI 與 agentic workflow 的小型桌機。新機支援 Wi-Fi 7、Bluetooth 6 與標準 2.5Gb Ethernet;M6 保留 Thunderbolt 4,M5 Pro 則升級至 Thunderbolt 5。

    價格爭議 M6 起價 899 美元,M5 Pro 起價 1,699 美元,兩款都將於 9 月 22 日開始供貨。兩家媒體採用的比較基準不同:WIRED 將這次起價漲幅計為 200 美元;Macworld 則指出,899 美元比它認定被替換的 M4 機型高 100 美元,若和兩個月前仍為 599 美元的入門門檻相比,則多了 300 美元、漲幅 50%。Macworld 列出的入門配置是 16GB 統一記憶體與 256GB 儲存空間,也認為漲價削弱了 Mac mini 的平價桌機定位。

    原文:https://easyvibecoding.app/curated/3128-apple-launches-m6-mac-mini-local-ai-workloads

    3 min
  • Matthew Berman 訪談 Tibo:Astra 與新模型如何改變開發者工作流程

    Matthew Berman 訪談 Tibo:Astra 與新模型如何改變開發者工作流程。

    訪談也觸及使用限制反覆重設、自我遞迴改進、AI 風險與環境影響,呈現產業加速發展下的期待與爭議。
    訪談重點 影片章節顯示,Tibo 分享了在 Google DeepMind 的學習(0:45),並說明 OpenAI 如何建立「relentless culture」(4:22)。其他主題包括:
    Astra 與新一代模型(7:23)
    AI 加速改變開發者工作流程(11:18)
    ChatGPT 與 Codex 的整合方向(14:27)
    OpenAI 與 Anthropic 的比較(20:25)
    OpenAI 為何持續重設使用限制(23:37)
    Recursive Self-Improvement(30:25)
    導致「The Pause」的危險(32:00)
    Ultra Fast 是否會成為預設模式(34:13)
    為何每個人都應該嘗試 AI(43:20)
    「Reset」形象 社群回應集中在 Tibo 經常重設使用者限制的形象。Emmanuel Crown 稱這是首次看見「大重設按鈕」背後的人;其他留言則以「reset lord」和「替我拯救使用限制的人」戲稱他。Matthew Berman 回應,Tibo 在 OpenAI 實際負責的工作不只是按下重設按鈕,顯示這個網路稱號只反映其公開形象的一部分,不能代表他的完整職責。
    環境爭議 訪談末段提到 AI 的環境影響後,Chris 詢問這裡所指的是用水、碳排放還是能源消耗,並主張 AI 對水資源與碳排放的實際貢獻,相較其他技術與產業「極其微小」。他進一步認為,AI 可能帶來環境與醫療效益,抑制 AI 反而可能造成更大的環境損害與更高的癌症死亡率。不過這是 Chris 的立場,並非訪談提供的研究結論。
    發布者立場 Matthew Berman澄清,他提問不是要表達自己對相關議題的看法,而是希望回應一般大眾對 AI 環境影響的擔憂;他並表示,自己認為外界對 AI 環境問題的描述被過度放大。這段討論反映出,AI 的環境成本仍是公共辯論的一部分,但本次對話並未提供具體排放、用水或能源數據。

    原文:https://easyvibecoding.app/curated/3126-matthew-berman-interviews-tibo-astra-models-developer

    3 min
  • ClaudeDevs 重建 Claude 網頁版與桌面版串流 renderer,長回覆停滯次數降至約九分之一

    ClaudeDevs 重建 Claude 網頁版與桌面版串流 renderer,長回覆停滯次數降至約九分之一。

    核心更新 ClaudeDevs 於 2026 年 8 月 25 日說明,團隊重建串流 renderer,只更新仍在變動的內容,因此:
    在較慢的筆電上,長回覆的停滯次數降至約九分之一。
    最嚴重的凍結時間縮短至約四點五分之一。
    在 120Hz MacBook 上,串流全程維持 120fps。
    畫面觀察 輔助影片以「Before」與「Now」對比同一段建立 Python 命令列支出追蹤器的長回覆。畫面顯示,舊版在約 3 秒後出現 210ms 凍結;新版則維持約 119–120fps,凍結時間為 0ms。影片底部註明,這是同一台 120Hz 筆電上的實測重建,對比 7 月 15 日建置版本與 8 月 24 日版本;這些數值屬於畫面展示,不另視為官方規格。
    Claude 在網頁與桌面端串流大型長回覆時的效能對比,左側舊版在長文本輸出時頻繁遇到畫面停滯與資源耗盡,右側新版則能維持流暢且穩定的幀率。
    社群回饋 Lydia Hallie 將這次更新形容為更多「生活品質」改善。

    原文:https://easyvibecoding.app/curated/3123-claudedevs-rebuild-claude-streaming-renderer-reduce-stalls

    2 min
  • x.ai 推出 Grok Voice Think Fast 2.0,登上語音對語音評測第一名並支援語音代理

    x.ai 推出 Grok Voice Think Fast 2.0,登上語音對語音評測第一名並支援語音代理。

    核心發布 @SpaceXAI 在 2026 年 8 月 25 日表示,該模型評估的不只是語音生成,而是能否理解聽到的語音、推理、解決真實客戶問題,並透過 Agent tools 正確完成任務。Grok Voice Think Fast 2.0 已可透過 API 或 Agent Builder 使用,開發者可在 console.x.ai 建立、調整與部署 voice agents。
    實際應用 Starlink 使用 Grok Voice 處理客服與銷售來電;官方稱它能診斷硬體問題、寄送替換品,並透過語音通話與聊天功能,每週完成超過 3,000 筆訂單。這些數字是 @SpaceXAI 對實際部署成果的說法。
    評測表現 7 月 29 日發布的官方公告引用 Artificial Analysis 資料,列出 Grok Voice Think Fast 2.0 的多項結果:
    AA Speech-to-Speech Quality Index 為 82.9%,高於 Grok Voice Think Fast 1.0 的 75.7% 與 GPT-Realtime-2.1 (High) 的 79.1%。
    Big Bench Audio 語音推理分數為 97.2%,Full Duplex Bench 對話動態分數為 95.1%。
    τ-voice Bench 的 Agentic Performance 為 56.5%,Time to First Audio 為 0.70 秒。
    Grok Voice Think Fast 2.0 在 Artificial Analysis Speech-to-Speech Index 以 79.0% 的得分位居第一,領先 GPT-Realtime-2.1 High (73.9%) 與 Gemini 3.1 Flash Live (71.5%) 等模型。這組圖表數字與官方公告的 82.9% 來自不同快照或評測口徑,不能直接視為同一組結果。
    辨識與推理 x.ai 表示,模型在 24 種語言、數千個短語的測試中,轉錄準確度相較 Deepgram Nova 3 與 ElevenLabs Scribe v2 提升 1.5~2.0 倍,相較 Grok Voice Think Fast 1.0 提升 1.4 倍;在含背景噪音的情境,與專用語音轉文字模型的差距約可擴大至 10 倍。模型還能在說話時同步推理,使用的 reasoning token 約為前代中位數的 0.4 倍,官方稱這不會增加延遲,tool call 通常能在 Agent 說完第一句話前執行。
    遷移與價格 官方預期多數使用情境不需修改既有 prompt 就能改善表現,Starlink 的 A/B 測試也觀察到銷售轉換率與客服自助解決率提高。公告表示 grok-voice-latest 於 2026 年 8 月 5 日從 Grok Voice Think Fast 1.0 切換至 2.0;希望維持舊版者,需在期限前固定使用 grok-voice-think-fast-1.0。Grok Voice Think Fast 2.0 的價格為每分鐘音訊 0.08 美元。

    原文:https://easyvibecoding.app/curated/3125-xai-grok-voice-think-fast-2-0-hits-top-voice-evaluation

    4 min
  • ChatGPT Work 與 Codex Plus 明日恢復 5 小時使用上限,Pro $100 與 Pro $200 暫不受限

    ChatGPT Work 與 Codex Plus 明日恢復 5 小時使用上限,Pro $100 與 Pro $200 暫不受限。

    明日恢復 5 小時上限
    這項限制原本曾宣布,後來延期,如今預計重新啟用。
    Tibo 認為,5 小時上限能平滑運算資源負載,讓 Plus 方案維持相對寬鬆的每週使用量。
    使用體驗考量
    Plus 使用者多半是較偶爾使用服務的人,以及剛加入的新使用者;他們可能不小心用完整週額度,之後因無法使用而感到困惑,整體體驗並不理想。
    Pro 方案例外
    未來幾個月內,Pro $100 與 Pro $200 訂閱仍不會啟用 5 小時限制。

    原文:https://easyvibecoding.app/curated/3127-openai-chatgpt-work-codex-plus-restore-five-hour-limits-pro

    1 min
  • 什麼是 harness engineering?為什麼你應該在意?

    什麼是 harness engineering?為什麼你應該在意?

    要如何在完全沒有手動撰寫任何程式碼的情況下,交付一個軟體產品?
    今天有位朋友問了我這個問題,我才發現自己沒有一個簡單的答案。所以我進一步深入研究。
    結果發現,答案就在於你如何設計 harness。
    作者:@shirmeir86
    等等,現在是怎樣?什麼是 harness engineering?
    這之所以成為目前 coding agent 領域最重要的趨勢,是有原因的。現今最大的問題是:如何在不用逐行閱讀的情況下,驗證 AI 產生的程式碼?要怎麼確保 Agent 不會弄壞正式環境,或刪除你的資料?
    我最近讀到一個很有意思的實驗:一個由 3 位工程師組成的團隊,在完全沒有手動撰寫任何程式碼的情況下,建立並發布了一個軟體產品的內部 beta 版本。每一行程式碼——應用程式邏輯、測試、CI 設定、文件、可觀測性,以及內部工具——全部都是由 Codex 撰寫的。
    他們是怎麼做到的?他們沒有撰寫應用程式,而是設計了 harness。
    harness 究竟是什麼?
    把 AI Agent 想成一匹強大的賽馬。harness 就是賽道、眼罩,以及騎師手中的韁繩,讓它朝正確的方向前進,而不是跳進觀眾席。
    正如我的同事 Arthur Thompson 今天所說:對 Agent 而言,harness 是由所有包覆 LLM 的確定性元件組成。
    Balaji Subramaniam 在他的部落格中詳細介紹了這些確定性元件——協調層、執行沙盒、狀態持久化,以及驗證工具。
    如果你想建立可靠的 agentic 系統,你的工作重心就會從撰寫邏輯,轉變為設計環境。以下是你需要專注的幾件事:
    設定嚴格的界線:不要讓 Agent 猜測自己可以碰哪些東西。強制套用嚴格的存取規則(例如把它限制在特定沙盒內),避免它不小心清除正式環境中的資料。
    建立「Repair Loop」:Agent 遲早會犯錯。一個優秀的 harness 會自動捕捉錯誤,例如建置失敗或測試失敗,然後把乾淨的日誌直接回傳給 Agent,讓它自行修正程式碼。
    給它地圖,而不是操作手冊:正如 OpenAI 團隊所發現的,不要用大量的指示文件淹沒 Agent。應該有邏輯地組織程式庫,讓 Agent 在工作過程中逐步自行探索所需的 context。
    讓我看看程式碼
    實務上會長什麼樣子?以下是一個使用 Google Antigravity SDK 搭配 Google 的 ADK,設定本機 harness 的簡單範例。請注意,我們嚴格將 Agent 限制在特定的 workspace(workspaces=[“./sandbox”])中,並提供儲存記憶的位置(save_dir=”./trajectories”),讓它能從過去的經驗中學習。
    `python
    import os
    from google.adk.labs.antigravity import AntigravityAgent
    from google.antigravity import LocalAgentConfig
    from google.antigravity.hooks import policy
    Ensure absolute paths for workspace containment
    sandbox_dir = os.path.abspath("./sandbox")
    os.makedirs(sandboxdir, existok=True)
    save_dir = os.path.abspath("./trajectories")
    Engineer the harness environment
    sdk_config = LocalAgentConfig(
    system_instructions="You are a helpful local environment assistant.",
    workspaces=[sandbox_dir],
    Let the agent write safely within the restricted sandbox boundary
    policies=[policy.allow_all()],
    savedir=savedir,
    )
    Wrap the config to run the agent inside the harness
    root_agent = AntigravityAgent(
    name="antigravity_assistant",
    description="Runs an Antigravity SDK agent inside ADK.",
    config=sdk_config,
    )
    `
    說明 AI Agent 權限控管機制的架構圖,左側為藍色的 AI Agent,右側上方以綠色框顯示可寫入的 ./sandbox folder,中間與下方則以虛線及紅色框顯示遭到政策阻擋的 Production Database 與 Host System Files。
    展開畫面重點- 圓形節點「AI Agent」
    實線箭頭連接至綠色長方形「./sandbox folder」,上方標籤為「Writes Code」
    虛線箭頭連接至紅色圓柱體「Production Database」,上方標籤為「Blocked by policy」
    虛線箭頭連接至紅色長方形「Host System Files」,上方標籤為「Blocked by policy」
    完成這樣的設計後,你可以把既有程式碼放進沙盒,寫一個簡單的迴圈對它執行單元測試,接著讓 Agent 反覆修正自己的錯誤。
    加入測試
    那麼,我們實際上要如何對這個受沙盒限制的 Agent 執行測試?
    在現代的 harness engineering 中,測試是 Agent 工作流程圖中的主動元件。使用 Google 的 ADK 2.0——它引入了以圖為基礎的工作流程——你可以把測試驗證步驟定義成一個簡單的路由節點。
    如果測試通過,工作就完成了。如果測試失敗,harness 會自動把錯誤回傳給 Agent,讓它再試一次。請注意內建的「kill switch」:我們會追蹤迭代次數,因此如果 Agent 卡在不斷弄壞、修正程式碼的無限迴圈中,harness 就能安全地中止執行。
    `python
    from google.adk.agents.context import Context
    from google.adk import Event
    from google.adk.events.event_actions import EventActions
    from google.genai import types
    Evaluate the code in the sandbox
    def executiontestnode(ctx: Context):
    Safely track our attempts to prevent infinite loops
    iterationcount = ctx.state.get("iterationcount", 0) + 1
    ctx.state["iterationcount"] = iterationcount
    testpassed = ctx.state.get("testpassed", False)
    feedback = ctx.state.get("feedback", "")
    if test_passed:
    Success! End the workflow.
    return Event(actions=EventActions(route="END"))
    if iteration_count > 5:
    The Kill Switch: The agent is stuck. Stop the loop.
    return Event(actions=EventActions(route="END"))
    Failure! Feed the error trace back to the agent and loop it.
    feedback_msg = f"The unit tests failed with the following traceback:\n\n{feedback}"
    return Event(
    cont…

    8 min
  • Apodex 1.1 與 FrontierAgent 開源:Agent Team 可平行執行長時間研究任務

    Apodex 1.1 與 FrontierAgent 開源:Agent Team 可平行執行長時間研究任務

    發布內容
    Apodex 於 2026 年 8 月 24 日介紹 Apodex 1.1,定位涵蓋複雜專業工作、科學研究、金融分析與深度搜尋。此次同步推出三項內容:
    Apodex 1.1:目前能力最完整的 frontier model,可透過 Apodex 線上 workspace 使用。
    Apodex 1.1 mini:35B、採 open weights,設計為可在本機部署的模型。
    FrontierAgent:開源、可本機部署的研究工作台與 agent runtime,原始程式碼位於 GitHub,模型權重則整理於 Hugging Face。
    使用者也能從 Apodex 線上工作台、API platform 或 技術報告 了解與使用這套系統。
    Agent Team 與執行方式
    Apodex 1.1 的核心功能是 Asynchronous Agent Team。系統會先拆解複雜任務,再讓多個 Agent 平行處理不同工作,持續整合各自結果;使用者可在執行途中介入、引導或重新調整方向,而不必捨棄仍然有效的既有成果。
    Apodex 將這種能力歸納為兩個擴展面向,並以持久化任務狀態串起整個流程:
    Environment Scaling:擴大模型能學習與操作的檔案、搜尋、程式碼及其他可執行環境。
    Agentic Coordination Scaling:讓任務能在多個 Agent、branch 與不同時間點之間拆解、協調、整合及重新組織。
    Persistent task state:保留計畫、產出物、相依性、失敗狀態與下一步,使長時間執行不會因中途變更而失去脈絡。
    對研究工作而言,這代表系統能從原始輸入一路產出可檢查的結果,並保留清楚的步驟、檔案、失敗原因與後續行動。Agent Team 會把工作分支交給平行 sub-agent,再收回報告完成整合;關鍵主張還能先經過 Independent Statement Review,獨立檢查後才交給使用者。
    主 Agent 與 Expert Agent Team 及 Verification Agent Team 協作的非同步多 Agent 架構系統流程圖,左側包含 Query、Main Agent 控制面板與 Report Pool,右上方展示多個不同領域的 Agent 任務狀態,右下方為 Verification Agent Team 的審查職責劃分。
    評測結果
    Apodex 表示,在同時以 ReAct 與 Agent Team 評估的四項 benchmark 中,Agent Team 帶來 4.1–9.3 分的提升。貼文列出的結果如下:
    專業工作:APEX-Agent 38.5、GDPVal 78.8 win rate
    金融:FrontierFinance 54.3
    科學研究:FrontierScience-Research 63.3、BioMysteryBench Human-difficult 35.3
    推理:HLE 56.1
    FrontierAgent 文件中的完整比較也列出,Apodex-1.1 Agent Team 在 APEX-Agents、GDPval、FrontierFinance、FrontierScience-Research、BioMysteryBench 與 HLE 的分數分別為 38.5、78.8、54.3、63.3、35.3、56.1;ReAct 則為 34.4、69.5、48.7、55.0、23.5、53.2。相較之下,Apodex-1.0 分別為 16.5、59.3、40.3、28.3、17.6、49.0。
    Apodex 1.1 Agent Team 在 FrontierFinance(54.3 分)與 FrontierScience-Research(63.3 分)取得第一,並在 APEX-Agents(38.5 分)、GDPVal(78.8 分)、BioMysteryBench(35.3 分)及 Humanity's Last Exam(56.1 分)等基準測試中位居前列,相較於 ReAct 組態有 4.1 至 9.3 分的提升。
    Apodex 1.1 mini 搭配 Agent Team 時,在 FrontierFinance 得分 50.2、FrontierScience-Research 得分 51.7、APEX-Agents 得分 27.7,幾乎追上 1T-parameter 的 Kimi K2.6 在 APEX-Agents 的 27.9;改用 ReAct 時,三項分數為 40.0、45.0、24.2。這些是來源所列的 benchmark 結果,不代表所有任務都具備相同表現。
    Apodex 1.1 Mini Agent Team 在 FrontierFinance 取得 50.2 分領先各模型,但在 APEX-Agents 以 27.7 分略落後 Kimi K2.6(27.9),在 FrontierScience-Research 以 51.7 分落後 DeepSeek V4 Flash 0731(55.0),各 benchmark 表現各有高低。
    FrontierAgent 的工作台設計
    引用的 FrontierAgent repo 將工具、workflow 與評測層分開,提供兩種原生模式:
    ReAct:由單一具狀態的 Agent 讀取檔案、搜尋資料、執行命令、撰寫交付成果,並在任務範圍內反覆迭代。
    Agent Team:由 coordinator 維護 task board,把獨立工作分派給平行 sub-agent,收集結構化報告後合成最終結果。
    TUI 會即時顯示 pending、active、completed、blocked 與 cancelled 等任務狀態。檔案工作則集中在 task-scoped 沙盒:/inputs 為唯讀、/workspace 存放工作狀態、/outputs 保存最終交付成果。系統對授權與沙盒錯誤採 fail-closed;會對變更操作顯示 diff,通常要求核准,並將 session 建立 checkpoint、trace 與 engine log。使用者可用 /revert 還原變更,或用 --resume 繼續保存的執行。
    Apodex 1.1 報告、研究文件與程式碼工作流程畫面
    來源 repo 也指出,執行中的 Agent 不會因使用者輸入而直接中斷;新指令會排入下一個安全的 turn boundary。在 Agent Team 模式下,指令會先引導 coordinator,已經開始執行的 sub-agent 則可完成目前工作。
    本機部署與使用方式
    FrontierAgent 支援 macOS、Linux、WSL2、Docker,以及搭配 SGLang 的本機模型服務。官方基本流程如下,需準備 Git、Python 3.12、uv 與 OpenAI-compatible model endpoint,Docker 可選:
    複製 repo 並安裝相依套件:
    `bash
    git clone https://github.com/ApodexAI/FrontierAgent.git
    cd FrontierAgent
    uv sync --python 3.12 --extra dev
    cp .env.example .env
    `
    在 .env 填入 endpoint:
    `dotenv
    OPENAIAPIKEY=your-key
    OPENAIBASEURL=https://your-openai-compatible-endpoint/v1
    OPENAI_MODEL=your-model-name
    Optional web research tools
    SERPERAPIKEY=
    JINAAPIKEY=
    `
    依需求啟動單一 Agent 或 Agent Team:
    `bash
    Stateful single-agent workflow
    uv run frontier-agent --mode react --cwd /path/to/project
    Coordinator plus parallel sub-agents
    uv run frontier-agent --mode agent_team --cwd /path/to/project
    `
    FrontierAgent 也提供原生 command-line TUI、ReAct 與 Agent Team 模式,以及在 macOS 和 Linux 上的一鍵啟動方式,不要求預先安裝 Docker。若使用 Docker,repo…

    8 min
  • 企業 Codex 週活躍使用者增幅:法務 108 倍、工程 5 倍

    企業 Codex 週活躍使用者增幅:法務 108 倍、工程 5 倍。

    職能成長 OpenAI Enterprise Signals 以 2026 年 2 月為基準,整理各職能企業 Codex 週活躍使用者的成長:

    法務:成長為 108 倍 業務/客戶帳戶:成長為 41 倍 招募/人員:成長為 41 倍 行銷/傳播:成長為 26 倍 醫療/臨床:成長為 24 倍 財務/會計:成長為 20 倍 專案/計畫:成長為 18 倍 工程/技術實務:成長為 5 倍

    圖表將週活躍企業 Codex 使用者數以 2026 年 2 月 1 日為索引基準。這表示法務職能的成長幅度遠高於工程職能,但不代表法務使用者數已超過工程使用者,也不代表產生了同等幅度的業務成果。

    法務職能的每週活躍企業 Codex 使用者,自 2026 年 2 月至 6 月成長為 108 倍,領先業務/客戶帳戶(41 倍)、人員/招募(41 倍)、行銷/傳播(26 倍)、醫療/臨床(24 倍)、財務/會計(20 倍)、專案/計畫(18 倍)與工程/技術實務(5 倍)。

    資料方法與限制 OpenAI 在Enterprise Signals 報告中表示,分析採用企業客戶的彙總、去識別化使用資料,並以自動化內容分類判定職能;分析過程不會由 OpenAI 員工閱讀客戶訊息。報告同時提醒,token 使用量只是商業價值的不完美代理指標,因此不能單靠 token 數量評估生產力或投資回報。

    解讀與產業影響 a16z 於 2026 年 8 月 12 日指出,AI 的高強度使用者正出現在科技與工程以外的部門;其後在 8 月 23 日的Charts of the Week 文章中,將法務的 108 倍成長描述為知識工作走向前沿的訊號。不過,a16z 與 OpenAI 都提醒,部分變化可能來自 Codex 更廣泛的推出與可用性提升,而不只是組織行為改變。報告所稱的 frontier firms,是每月使用量排名前 10% 的企業;因此結果更接近高使用量企業的採用趨勢,不能直接推論整體企業市場。a16z 認為,這群每月使用量排名前 10% 的企業使用者,使用方式正從聊天逐步轉向外掛、技能與代理式工作流程。

    原文:https://easyvibecoding.app/curated/3108-openai-codex-business-user-growth-legal-108x-engineering-5x

    3 min