依意思最接近的 19 筆
SLDBench v2 把「做哪些實驗」也交給 AI，8 個前沿模型需要自主選擇實驗後，成績全部下滑，預測誤差擴大到原來的 1.5 至 4.7 倍。該基準把 30 個任務的真實訓練記錄做成一份標價目錄，AI 按當年實際消耗的算力付費購買結果，再據此預測從未見過的更大規模實驗。表現最好的 Claude Opus 5.5 只花全量成本中位數 4.01%，R² 中位數 0.570，仍超過經典冪律公式用全部資料擬合的 0.455。
awslabs 發布 AI-DLC 最新穩定版，這是一套與 harness 無關的 AI 編碼工作流核心，可原生執行在 Claude Code、Kiro CLI、Kiro IDE、Codex CLI、Cursor、opencode 與 GitHub Copilot 中。macOS、Linux、WSL 和 Windows 各有一條安裝命令，原生安裝自帶 aidlc 命令與各 harness 執行時，無需 Bun 或 Node.js。
LM Studio 在 Bionic 中為 DeepSeek-V4.1-Flash-1017 增加了新的美國本土算力，官方稱速率限制問題會明顯緩解。團隊表示仍在繼續擴容，之後會加入更多容量。
Llmspeed 是一個可按硬體或模型查詢本地大模型推理速度的網站，用於在購買硬體前預估實際體驗。它覆蓋 RTX 5090、RTX 3090、Mac Studio M5 Ultra 512GB、DGX Spark、Strix Halo 與純 CPU 等三十餘種配置，以及 Qwen 3.6/3.8 27B、GPT-OSS 120B、DeepSeek V4 Flash、GLM-5.3 Flash 等模型，給出短提示、單裝置下的速度估計。
llama.cpp 的 SYCL 後端新增 set_tensor_2d：當目標行連續時，它把主機資料打包成最大 64 MiB 的塊上傳，避免逐行呼叫複製。在兩張 Arc Pro B70 上跑 gpt-oss-120b UD-Q4_K_XL，llama-perplexity 總耗時從 263–268 秒降到 114–115 秒。實現複用 pinned staging 槽位，讓 CPU 打包與裝置複製重疊，只在複用槽位時等待；
開源 AI agent 治理層 Bernstein 更新至 v3.23.0，提供 53 個 CLI agent 介面卡，採用 Apache 2.0 許可並支援本地部署。它用不參與協調的確定性 Python 排程器並行執行 agent，同一個計劃可以逐位元組重放，流程依次為任務拆解、在隔離 worktree 中生成 agent、用測試、型別檢查和 lint 驗證，最後只合並通過驗證的 diff。
VideoGen-Agent 用 Qwen3-VL-8B-Instruct 做基座，在多輪互動中呼叫檢索、生成與驗證工具，先以 16K 教師軌跡監督微調，再用 8K 提示做多工強化學習。在 600 條提示的 VABench 上，Toolset 1 配置得 75.6 分，比基礎生成器 56.5 分高出 19.1 分；智慧體策略不變、僅升級生成工具後達 86.1 分，人類評估中 84.3% 的判斷偏好該配置。
Claude Code 外掛 superlite 發布，主打一次審批後自動完成開發：它把需求拆成任務圖，讓不共享檔案、互不依賴的任務同時執行，當前基準測試中最多並行 18 個 agent。相比它借鑑的 superpowers（每個功能 8–12 次人工確認），superlite 只在開頭問一批最多四個問題、要一次設計批准，之後僅對破壞性、對外或涉及安全的操作暫停。
llama.cpp 發布 b11966，CI 的 s390x 任務切換到 Ubuntu 26.04 runner，建置產物中隨之新增 Ubuntu 26.04 s390x（CPU）和帶 zDNN 加速的 s390x 兩個版本。同時，macOS Apple Silicon 的 KleidiAI 啟用版建置與 openEuler 建置仍標註為 DISABLED。
阿里巴巴開源智慧體沙箱 OpenSandbox 正式被國際 AI 開源技術組織 AAIF 收錄，成為首個由中國企業主導進入該體系的專案，同批次入選的還有 Agent Skills。OpenSandbox 將伺服器資源切分為多個沙箱隔離執行智慧體，兼顧啟動延遲、批次吞吐與資源開銷，並支援審計追蹤；阿里內部日均建立沙箱已達百萬量級，2025 年 11 月開源後已有 582 名開發者參與共建。
Bevy 0.20 發布，即時路徑追蹤渲染器 Solari 現在可通過 Metal 在 macOS 上執行，並接入 DLSS-RR 4.5 改善降噪，同時將 ReSTIR 改為預設關閉以降低開銷。BSN 場景語法改為用 @ 字首引用場景，並新增子節點全部生成後觸發的 Ready 事件；官方還正式採用 WESL 著色器語言。其他更新包括 Sprite 自訂材質、Feathers 新增下拉與可滾動列表等控制元件、平移軌道相機，本次由 227 位貢獻者提交 817 個 PR。
由 Ericsson、AstraZeneca、Saab、SEB 等組成的瑞典聯合體啟用 Sferical One 超算，執行在兩套 NVIDIA DGX SuperPOD 上，共 16 機架 DGX GB300 系統、1152 塊 GPU，並將基於 Nemotron 開源模型建置服務。北歐正成為歐洲增長最快的基礎設施樞紐，AI 雲預計到 2027 年底在該地區部署 1 吉瓦容量，Bitdeer、CoreWeave、Nscale 等均在列。
清華大學 THUNLP 實驗室聯合面壁智慧、OpenBMB 等團隊開源智慧體作業系統 PilotDeck 2.0，用 WorkSpace 工作艙隔離各專案的檔案、記憶與任務，記憶白盒化可檢視、修改、刪除，並支援後臺常駐執行長任務。其 Smart Routing 按任務難度分發模型：實測主 Sonnet 4.6 加子 MiniMax-M2.7 得 70.6 分、成本 3.15 美元，單體 Sonnet 4.6 為 69.1 分、18.36 美元，約省六分之五。
Recursive SI 的 Flint 模型在發布首日就進入 LM Studio，可直接在本地執行。它是一個 40B 的 MoE 模型，每次僅啟用 2.5B 引數，上下文視窗為 262K token，採用 Apache 2.0 許可，專門針對本地 agentic coding 場景訓練。本地執行大約需要 24GB 記憶體，官方稱其基準測試表現相當出色。
Anthropic 前沿紅隊部落格發布研究：與 Theorem Labs 合作，用 Claude 在數週內為一百多個真實開源庫證明安全屬性。形式化驗證過去只能用於小規模程式碼庫或需大量專家時間，AI 模型正讓大規模驗證變得可行。完整研究已在其部落格發布。
清華大學電子工程系發布智慧體符號迴歸執行時框架 SRHarness，程式碼已開源，支援 PyPI 安裝並提供線上 Demo。在相同 DeepSeek-v4-flash 底座下，其 LSR-Transform 符號恢復率達 93.69%，較此前最先進方法 SR-Scientist 的 62.16% 提升超 30 個百分點；匿名化測試中為 72.97%，遠高於 Codex 的 20.72%。
聯想天禧 AI 自研程式碼智慧體框架 TianxiCode 配合 DeepSeek-v4.1-Flash，在 SWE-bench-Live（Lite 分榜）以 71% 的問題解決率位列全球第一，並通過官方 Verified 核驗。該評測基於真實 GitHub 專案問題與可復現執行環境，官方會審查全鏈路智慧體執行軌跡並排查答案、測試用例洩露。
Strands Labs 開源了 2B 引數的決策模型 Strands Decider 2B，權重已上 Hugging Face，訓練資料與指令碼一併公開。它基於 Qwen3.5-2B 去掉 LM head、換成約百萬引數的 pointer head 並加 rank-16 LoRA 微調，只能從給定選項中作答或打分，因此不支援編碼、聊天與摘要。
螞蟻百靈開源 Ling-3.1-flash，主打把真實工作流裡的活幹完，而非刷榜。模型總引數約 560B、每 Token 啟用約 25B，上下文視窗達 1M；混合精度量化後權重佔用從約 534GB 降至 292GB，部署所需 GPU 由 8 卡降至 4 卡。據 Artificial Analysis，其智慧指數 41，輸出速度約每秒 210 Token，混合呼叫價格約每百萬 Token 0.19 美元，辦公任務評測 GDPVal-AA V2.1 的 ELO 為 1673。