找到 50 筆
哈工大（深圳）與新加坡國立大學等提出 SkeLAM，它基於 Cosmos-Predict2.5-2B、用約 10 小時機器人互動資料訓練，通過骨架監督影片中的潛在動作，實現零樣本跨形態運動遷移。遷移時模型引數全部凍結；輸入人類演示影片和機器人場景圖片，生成的機械臂就能復現演示中的運動方向。在 DROID 評測中，它的末端軌跡誤差 ADE 從 51.11 降至 41.15 畫素，比 DreamDojo 低 19.5%，LPIPS 從 0.1473 降至 0.1310。
Claude Opus 4.8 的 fast 模式已被棄用，將於 2026 年 11 月 30 日正式移除。此後向 claude-opus-4-8 傳送 speed: "fast" 的請求會直接返回錯誤。要繼續使用快速模式，需遷移到 Claude Opus 5.5，具體說明見 Fast mode 文件。
OpenAI 10 月 19 日稱，其最新 AI 模型在將 COBOL 等老舊語言程式碼遷移為現代程式碼方面有“實質性提升”，可幫助機構維護和現代化舊系統。COBOL 仍支撐 IRS、銀行、航空公司和全球政府基礎設施，因無人敢動而難以替換。原文未給出具體遷移案例、準確率或適用範圍。
Claude Code v2.1.307 新增 /claude-api api-version，可把 Claude API 程式碼遷移到 2026-10-21 版本；同時新增 claude_code.safety_event OpenTelemetry 事件，記錄每次工具呼叫被權限規則、自動模式、安全檢查、hook 或沙箱攔截、詢問與退回的情況。
OpenAI 開發者帳號通知，處於付費層級的組織會自動遷移到新的層級，使用者無需進行任何操作。官方同時給出了資格認定與速率限制的詳細說明，連結指向 platform.openai.com 的組織限額設定頁面。通知中未披露新層級的名稱、價格或具體額度。
Cockroach Labs 用名為 MOLT Sinai 的智慧體流水線，在不到兩天內為遷移工具 MOLT 加上 IBM Db2 源支援，token 花費 4172 美元；2024 年為 MOLT 加 Oracle 支援則用了 9 個月、約 16 萬美元工程時間，即快 164 倍、便宜 38 倍。
Square 與 Cash App 母公司 Block 的 AI 負責人 Bradley Axen 介紹了用 Claude Fable 5 編排大規模程式碼遷移的做法：單次遷移涉及跨倉庫的數百到數千個 PR、數百萬行程式碼，由 Fable 負責資料模型、API 規格等高層設計，再排程數十個 Opus、Sonnet 等更便宜的模型完成具體檔案修改與測試，全程跑在其開源協作工作區 Buzz 上。早期結果顯示前沿 token 集中在前期規劃、執行更多交給小模型，品質沒有下降。
Anthropic 已把 monorepo 從 git 遷移到自研版本控制系統 Scion，整個遷移耗時五個月。其日均合併程式碼變更從 2026 年 5 月的約 2500 次增至 9 月的逾 3 萬次，主分支歷史近 100 GB、壓縮工作副本超 25 GB，CI 每天約 2500 萬次 checkout。同期還上線了程式碼評審介面 Antique、程式碼搜尋和原始碼管理 IAM。Scion 假設客戶端始終線上，由服務端承擔歷史、blame、合併等計算，原始碼查詢全部通過 API 開放。
Anthropic 用 7 名工程師和 Claude，在 5 個月內從零開發出內部原始碼控制系統 Scion 及程式碼審查工具 Antique，並把整個 Monorepo 從 Git 遷移過去。起因是 AI 程式設計量激增：日均程式碼合併從 5 月的約 2500 次漲到 9 月的 3 萬次以上，主分支歷史近 100GB，CI 每天約 2500 萬次檢出，原有 Git 映象方案難以支撐。
OpenAI 表示，最新一輪模型能力提升集中在 COBOL、Fortran、Visual Basic 等低資源程式語言，增強了這類軟體的建置與遷移能力。這些語言支撐著銀行、政府和企業長期依賴的系統；OpenAI 的目標是理解數十年的業務邏輯，並在保留可用部分的前提下幫助開發者完成現代化改造。OpenAI 稱會圍繞開發者與企業客戶提出的實際難題推進，並公開徵集下一批需要支援的語言與工作流。
Anthropic 自研了內部版本控制系統 Scion，並在五個月內把 monorepo 從 git 全量遷移完成。原因是 AI 編碼速度已超出為人設計的開發基礎設施：日合併程式碼變更從 2026 年 5 月的約 2500 次增至 9 月的逾 3 萬次，主分支歷史近 100 GB，壓縮工作副本超 25 GB，CI 每天約 2500 萬次 checkout。Scion 假設客戶端始終線上，由服務端負責歷史、blame、合併與 rebase，客戶端只保留有界快取；
Mistral 為一家歐洲能源運營商將 4 萬行 Fortran 77 編寫的油藏模擬器遷移到 C++，該程式碼庫沒有測試套件和集中文件。做法是先建置數值一致性校驗框架，再用 Vibe CLI 排程上百個 agent 逐節點生成文件並提交 PR，由審查 agent 定時複核。首次嘗試讓 agent 完全自主翻譯，結果只是把 Fortran 按 C++ 語法重寫，COMMON 塊和 GOTO 控制流原樣保留，未實現真正的現代化重構。
The Browser Company 宣布 Arc 瀏覽器將於 2026 年 12 月 22 日正式關停，此後使用者無法登入或使用 Arc，所有 Arc 帳戶也會在當天停用，相關個人資料將在 30 天內刪除。官方建議使用者遷移到接任產品 Dia，Arc 的許多功能已在 Dia 延續，幾步操作即可匯入原有 Arc 配置；完整時間表與遷移步驟見官方說明。
Scinetics 與復旦大學、中國科學技術大學、香港科技大學的研究者發布 ScienceRSI 框架，按專業化、驗證、遷移、複用四步在模型之間傳遞科學能力，並已在 Hugging Face 開源 ScienceRSI-8b 權重。用 8B 專家向 Qwen3.5-27B 遷移後，七項基準的等權平均分從 87.3% 升至 94.0%，提高 6.7 個百分點；4B 與 8B 模型在五項科學評測上均取得對比方法中的最高分。
Anthropic 發布遷移工具（migration kit），幫助 Claude Platform 使用者把子代理摺疊進主 agent 迴圈，先跑引導流程識別模式、評估替代方案，並可在 mock 系統上演示。在多家企業部署的對比中，單一 agent 配合 skills 的品質常優於子代理架構，且每任務成本與延遲更低；有客戶實測多 agent 執行時間約為單迴圈的 2 倍。
GPT-6 系列在 COBOL、Fortran、Visual Basic 等低資源語言上的編碼與遷移能力明顯提升。在要求用 20 種語言從零建置 SQLite 相容資料庫引擎的 MultiLangBench 上，GPT-6 Astra 平均通過率 87.4%（前代 GPT-5.6 Sol 26.8%），COBOL 從 10.9% 升至 72.1%；低價版 GPT-6 Luna 達 40.3%，API 成本低約 78%。
llama.cpp 發布 v0.40.0-rc0，核心是為 llama-server 移除相容補丁做準備。該版本引入 manifest-list 儲存，讓不同 runner 的 manifest 共存於同一 tag，並保留 v1 tag 作為降級錨點；同時為舊版 Ollama GGUF 加入惰性本地相容遷移，轉為 llama.cpp 相容子模型，覆蓋已修補的模型家族，並保留解析器/渲染器、模板、投影器、媒體後設資料、分片 GGUF 及 MTP/draft 張量。
Anthropic 在工程部落格公布，團隊自建了一套版本控制系統，並在五個月內把整個 monorepo 從 git 完整遷移過去。官方給出的動因是：為人類規模而非 agent 規模搭建的開發基礎設施已經成為瓶頸，5 月每天合併約 2,500 次程式碼變更，9 月已超過 30,000 次。部落格文章詳細介紹了新系統的搭建方式，以及 monorepo 完成遷移的過程。
以太坊聯合創始人 Vitalik Buterin 支援研究員 Justin Drake 提出的 bunker mode 預警：AI 數學進展可能比量子計算機更早攻破保護加密錢包的 ECDSA 簽名演算法。Drake 建議持幣者有序把資產遷往公鑰未暴露的新地址，大戶先行，並在每次簽名交易後再換地址；Buterin 提醒遷移本身有風險，稱自己因遷移失誤損失的錢超過所有駭客攻擊。
llama.cpp 最新建置 b11645 為 Metal 後端的張量 API flash attention 核心加入了 BF16 變體，主要面向 Apple Silicon 上的 macOS 與 iOS。同一提交還把張量 FA 核心遷移到 kernels/fa_tensor.metal。
馬斯克在 X 發帖，內容只有一句，提到 Grok @Bot 的記憶轉移。帖子沒有說明這句話的具體含義、功能上線時間或適用範圍，也沒有附上任何說明或連結，目前可確認的資訊僅此一條。
Gemini 3.7 Flash 已棄用，由 gemini-3.8-flash 取代，API 請求會自動路由到新模型，Google AI Studio 中也不再可選；同樣棄用的 gemini-3.5-flash 則被路由至 gemini-3.6-flash，開發者需更新模型字串。
NVIDIA 宣布擴充套件開源 Agent Toolkit，核心是全新的 Agent Knowledge Foundation：它結合 CUDA-X 庫與 Auto-Ontology，把企業原始資料對映為業務概念，讓智慧體直接查詢並預測，且無需遷移資料或改動治理控制。
Anthropic 推出 Claude Haiku 5.5（claude-haiku-5-5），面向高併發與低延遲場景。該模型提供 1M token 上下文視窗、128k 最大輸出 token，並支援通過 effort 引數調節的自適應思考。已在 Claude API、Amazon Bedrock、AWS 上的 Claude Platform、Google Cloud 和 Microsoft Foundry 上線。
SpaceXAI 宣布把 Grok、Cursor 與 X Premium 的訂閱方案統一，推出名為 The X Subscription 的新訂閱。公告未披露價格、各檔包含的額度與功能、上線時間，也沒有說明原有訂閱如何遷移。此次調整後，Grok、Cursor 與 X Premium 歸入同一套訂閱體系。
Ollama 官方表示，全球範圍內的企業團隊正在使用 Ollama 將工作流遷移到開源模型上，並提到下週將前往韓國。該說法未披露具體客戶名稱、部署規模或涉及模型。
Anthropic 發布 Claude Sonnet 5.5，是 Claude 5.5 家族在 Opus 5.5 之後的第二個模型，官方稱其比 Sonnet 5 更聰明高效、速度快 30%。每百萬 token 輸入 2 美元、輸出 10 美元，與 Sonnet 5 完全持平，但因完成同樣工作所需 token 更少，多數任務成本最多降低 30%。
Google 的 Gemini 4 Argon（gemini-4-argon）已正式開放 GA，官方稱其為面向複雜編碼、agentic、數學與科學任務的最強模型。本次發布說明只給出上線狀態，API 變更、定價與遷移指引需另見 What's new in Gemini 4 Argon，未在此列出具體價格或額度細節。
Cloudflare 在 16 週年生日周共發布 46 項公告，覆蓋開源、應用安全與後量子遷移、agent 經濟、開發者平台和網路效能。開源側推出映象整個 Cloudflare API 的 cf CLI、在 CI 中生成 SDK/CLI/文件的流水線 Forge，以及基於 Astro、把外掛跑在隔離 Worker 沙箱中的無伺服器 CMS EmDash。
Claude Code 發布 v2.1.316，Opus 4.8 的快速模式自 2026 年 10 月 30 日起棄用、11 月 30 日徹底移除，屆時相關請求直接報錯且不回退到標準 Opus 4.8，官方建議遷移到 Opus 5.5 保留加速。同版本為 Claude apps gateway 增加團隊共享月度 pooled_budget 預算、layered 策略模式，以及 Bedrock 上游的 guardrail 輸入標記。
Deno 創始人 Ryan Dahl 宣布整個 Deno 團隊加入 Cloudflare，未來開發重心轉向基於 Cloudflare Workers 程式設計模型的 celld，不再單獨維護執行時與託管服務。Deno 執行時會再獲得一年的月度 bug 修復與安全更新，之後停止開發但保持開源；Deno Deploy 將在六個月後關停，付費客戶可獲得遷移到 Cloudflare Workers 的支援。
Codex app 26.803 發布，本次更新以效能改進和錯誤修復為主。修復了在 Find 中鍵入內容會誤改當前開啟程式碼檔案的問題，並在把對話遷移到 worktree 時保留原先選定的模型與思考等級。@ 提及的搜尋改為不區分大小寫。更新日誌僅列出這三項，未說明其他改動。
IBM 發布 Granite Switch 4.1.1 補丁版本，與 4.1 完全向後相容、無需遷移。此次僅替換介面卡、基座模型未動：Granite Speech ASR 更新後支援 10 種語言的語音轉文字，並自帶標點與大小寫，轉寫結果可直接交給下游模型；granitelib-core 的 Decision 介面卡在 Jev Decision Index 測試集上整體表現提升。
Google Play 服務中的 LiteRT 現在提供由 ML Drift 驅動的 GPU 推理，效能約提升 1.4 倍，並配套新的 CompiledModel API。開發者如果不再把 LiteRT 二進位制打包進應用，改為使用 Play 服務提供的版本，應用體積可減少約 8MB，同時執行時能在數十億臺裝置上自動更新。更新依賴即可採用，也可藉助新的 Android Studio LiteRT skill 自動遷移。
清華大學李一鳴團隊發布世界動作模型 PrismWAM，在雙臂操作基準 RoboTwin 2.0 上以平均成功率 83.67% 位列官方榜首，且未做額外的動作資料預訓練。該模型把語義上下文與物理狀態解耦，動作生成只讀取深度物理表徵，在 Clean-to-Random 高難度遷移評測中成功率達 75.5%。
Anthropic 發布報告稱，Claude 能自主為 10 類對齊失敗尋找修復方法，各項基準成績均有提升，且不損害學生模型的通用能力。這些方法在 Claude 研究時未接觸過的對齊基準和 Petri 對抗測試上依然有效，還能遷移到比研究目標大 4.7 倍的模型；在欺騙一類上，Claude 的最佳方法比 28 位人類安全研究員的最佳提案高 20%。
AWS 發布開發工具 TorchNeuron，用 PyTorch 寫的 AI 應用只需改一行配置即可跑在自研晶片 Trainium 上，無需重寫程式碼。AWS 稱約 85% 的 AI 應用基於 PyTorch，熟悉 PyTorch 的開發者可直接上手。亞馬遜還會把解耦 PyTorch 與特定晶片的程式碼回饋上游，推動框架硬體無關；Trainium 兼顧訓練與推理，AWS 強調價效比，語音 AI 公司 Deepgram 遷移後每美元處理音訊量提升 70%。
Anthropic 於 2026 年 9 月 22 日發布由 Addy Osmani 撰寫的 Opus 5.5 使用指南，覆蓋 Claude 應用與 Claude Code。Opus 5.5 每次回覆前都會自行思考，無需再寫「think carefully」；它更擅長長時間多步驟任務，早期測試者可讓其連續數小時執行編碼任務。指南建議一次性給出完整任務與完成標準、在 CLAUDE.md 中寫明何時停下詢問、用子代理拆分大型審計或遷移，並把任務清單寫入檔案。
AI 科研平台 Open-Science 由 AIPOCH 以 Apache License 2.0 開源發布，同時推出 .science 軟體包格式。.science 把選定的對話分支、檔案版本、Notebook 記錄與驗證證據整合成一個可移植檔案，可分享、遷移到另一臺機器，或作為只讀記錄匯入評審，相容 RO-Crate 標準，資料預設本地儲存，不會自動執行程式碼或恢復憑據。
Simon Willison 用 ChatGPT 桌面端 Codex 的語音對話模式，邊做晚飯邊口述約半小時，就為自己的部落格做出了 Newsletters 歸檔頁。模型 GPT-6 Astra High 在本地開發環境裡生成了 Django 新模型與遷移、四個匯入指令碼（Substack RSS、其未公開 API、GitHub 上的月度通訊倉庫、贊助者私有倉庫）、/newsletters/ 歸檔頁，並接入站點搜尋，通訊只出現在日期歸檔而非標籤頁和首頁。
微軟發布 Microsoft-Decision-1：一個基於阿里 Qwen3.5-9B 後訓練的 9B 模型，不做對話或生成，只對給定選項列表打分並返回每個選項的機率。它已上線 Microsoft Foundry 與 OpenRouter，用於路由、分類、優先順序排序和結果驗證等高頻決策。微軟稱其在 36 個基準、約 15 萬道題上準確率 83.5%，P50 延遲比 GPT-6 Sol 低約 35 倍，並計劃把底座遷移至 MAI 與 OpenAI 模型。
Anthropic 自研 Git 替代方案 Scion 與配套程式碼審查系統 Antique，動因是程式碼變更速度激增：2026 年 5 月日均合併約 2500 次，9 月已超過 3 萬次。主分支歷史近 100 GB，壓縮工作副本超 25 GB，CI 每天約 2500 萬次程式碼檢出，若按 Git 方式抓取每天流量將超 600 PB。該系統由 7 人團隊開發，5 個月完成從 Git 遷移；因 Claude 是 Scion 最主要的使用者且必然線上，因此未做離線支援。
Meta 對比了後訓練階段見過的任務與其他任務上的測試時算力擴充套件：Muse Wonder Full 與 Muse Spark 1.3 在分佈外任務上的提升幅度相近，但在相同的分佈內得分下，Muse Wonder Full 在陌生任務上的表現好於 Muse Spark 1.3 趨勢所預測的水平。Meta 把這一上移歸因於更強的基座模型，認為它能更有效地把後訓練收益遷移到未被預期的任務上。
Anthropic 發布 Claude Haiku 5.5，官方跑分逐項超過 GPT-6 Luna，成為新的小模型守門員。10 萬 token 以內的請求輸入輸出價格降 90%，超出部分降 50%，但換用新 tokenizer 後同一任務耗費 token 更多，實際省下的錢少於標價折扣。它首次支援 low 到 max 五檔 effort 調節，OSWorld 2.1 上 Low 檔準確率 42.0%、單次成本 $0.07，Max 檔 72.4%、$0.61；
北京大學團隊的 DragMesh 被 IJCV 接收。使用者只需在已有 3D 資產上對目標部件拖拽一次，系統就能生成符合關節約束的完整運動軌跡，無需重新生成整個物體。方法上先用 KPP-Net 預測關節型別、軸與原點，再由 Dual Quaternion VAE 並行生成 16 幀軌跡，並通過跨模態語義蒙皮把同一套運動遷移到 Mesh 或 3D Gaussian Splatting。
自建 AI 程式碼審查的平均單次成本從 2.43 美元降到 0.77 美元，降幅 68%；中位審查耗時也從 4 分 09 秒縮短到 1 分 32 秒。約 40% 的節省來自審查器程式碼最佳化，其餘來自更換所用模型與調整推理強度；在此之前，成本已從 4 月的 1.19 美元漲到 8 月的約 2.46 美元。審查器現已整體遷移到重寫的 OpenCode v2，影子模式對比中 98% 的合併請求審批結論一致，全量審查約快 13%。
Anthropic 日本團隊的一位 BDR 把日常銷售流程交給一組 Claude 智慧體，並從自製原型遷移到 Claude Platform 的託管智慧體基礎設施 Claude Managed Agents（beta），此後無需自行維護基礎設施。他把工作拆成 5 個單一職責的智慧體，分別做線索分派、篩選與首封郵件、收件箱回信、Salesforce 商機更新和會後跟進，另設一個協調者，每約 15 分鐘讀取 Slack 頻道中的變更請求並更新指令，且只有他本人能提交。
智源 AREX 團隊發布以 Qwen3.8-27B 為基座的開源模型 AREX-2，在 MLE-bench Lite 取得 81.8、Frontier-CS 取得 70.7，超過表中所有對比模型，包括同為 72.7 的 GPT-5.6 Sol 與 Kimi-K3。它用機器學習與演算法程式設計場景的長程反思資料訓練，並把這種能力遷移到深度研究，BrowseComp 達 84.0、HLE 達 52.6，為 40B 以下模型最高。團隊稱這為遞迴自我改進（RSI）提供了可訓練、可驗證的路徑，論文、模型權重與程式碼均已公開。
中國科學院大學、卡迪夫大學與可靈 AI 團隊提出 JointLight，可對已拍攝的人物影片按目標環境光重新打光，論文入選 SIGGRAPH Asia 2026，程式碼已開源。方法基於 Wan2.2-TI2V-5B 微調，把幾何渲染出的粗糙輻照度當作可修改的線索而非固定條件，讓 RGB 畫面與輻照度以非同步聯合去噪方式生成，支援光照方向、強度和色彩控制。訓練只用 Unreal Engine 5 合成的 6800 個場景、6.8 萬條影片，即可遷移到真實影片；
研究者在鋼琴 MIDI 上預訓練的 transformer Aria 上做微調，用 12 位爵士鋼琴家的獨奏資料並插入門控交叉注意力層，讓模型按指定鋼琴家風格續寫。用鋼琴家分類器沿生成片段滑動判定，帶條件的續寫有 70% 被認成目標鋼琴家，不帶條件只有 37%，隨機為 8%，而困惑度幾乎分不出兩者（6.82 對 6.96）。僅在生成音樂上訓練的第二個分類器識別真實錄音的準確率達 95%，模型還可標出真實演奏中風格最集中的段落。