
Sign up to save your podcasts
Or


MiniMax 推出 M3.1 Flash,agent 類任務整體使用成本比上一代低 70%,輸出速度中位數穩定在每秒 170 個 token 以上。公告比較表上的第一則各有前提:BankerToolBench 與 Opus 5 同分由自家 MiniMax-M2.7 評分,OSWorld 的中國模型第一只在中國模型這一組裡排名。
always-on agent 改跑在雲端伺服器上,配一台平常睡著的電腦,Slack 訊息或 email 進來才醒來做事。寄 email、發 Slack 這類收不回的動作先問使用者,而什麼時候該安靜、什麼時候該打擾使用者,打造它的人坦承還沒拿捏好。
Anthropic 讓 METR 的 6 名評估員進駐查風險,內部權限大致比照自家風險評估團隊,這項安排 Anthropic 沒有付錢給 METR。評估員會公開發佈分析,Anthropic 不能否決發佈,但可要求塗掉客戶資料、保密特權細節或模型架構等類別的資訊。
Dominik Picheta 設計的 KillSwitch 程式語言刻意刁難 LLM 與 coding agent,規格書藏著謊言,還把數字母、安全護欄與照提示做事三個弱點設計成陷阱。排行榜最高分 66.8 是通過率、成本、大小的綜合分,作者也承認目前任務太簡單,還不能證明 AI 理解程式。
DeepSeek 把 V4.1-Flash-1017 定位成 V4.1-Flash 的小版本更新,主打做同一件任務時間更短、輸出更短,API 的呼叫方式和價格都沒變。AutomationBench 上 1017 版拿 60.5,高過 Opus 5 的 50.3,但同一個 V4.1-Flash 只換執行框架,DeepSWE v1.1 解題率就從 65.5 跳到 74.2,Terminal-Bench 4.0 前後兩版的說明頁寫的框架也不一樣。
Amazon、Delta 與 Yelp 等網站正把替人訂票、訂位與購物的 AI 代理擋在門外,原因分成刻意不放行與反機器人防線誤傷兩種。Meta 改和 Walmart、Best Buy 等零售商合作,讓 Muse 能在合作網站購物,代理能辦成多少事,取決於網站准不准它進門。
Anthropic 的 AI agent 工時在 2026 年 3 月首度超過人類,互動式 Claude session 卻約 80% 時間閒著等人回覆,讀產出與開會吃掉人的時間,卡住進度的反而是人。
Replit 執行長 Amjad Masad 在 TechCrunch Disrupt 台上說不再跟 Anthropic 合作,會後澄清 Anthropic 的模型仍可選,預設改成 OpenAI 的 ChatGPT。TechCrunch 分析大多數客戶會留在預設,Replit 花在 Anthropic 的錢可能大幅減少。Free Mode 背後是 OpenAI 的 GPT-5.6 Luna,Auto 則替每個任務挑模型。
AlphaGenome 這類基因體 AI 模型從已知案例推出相關性,預測得準和懂為什麼卻是兩件事。人類基因體裡基因只佔 2%,同一個轉錄因子在不同細胞效果可以相反。Bickmore 認為它會有用但有侷限,人體細胞類型與發育過程的資料全都缺。
Sphinx 是掛在 AI 代理寫程式流程上的 Git hook,程式送出前由看不到開發對話的審查模型出題,考這段改動出錯時會怎樣。關卡可用 sphinx yolo 跳過,每次跳過都會留紀錄。