找到 13 筆
OpenAI 在 Codex/Work 連續 28 天更新計劃的第二天一次性放出四項更新：Auto-review（即 Approve for me）對所有用 ChatGPT 帳號登入的使用者免費，不再消耗套餐額度；API 付費等級從五檔簡化為 Build、Launch、Grow 三檔，累計付費門檻分別為 5、100、500 美元，最高檔由 1000 美元減半至 500 美元並自動升級；
Gemini API 於 2026 年 9 月 17 日發布 antigravity-preview-09-2026，取代並棄用 antigravity-preview-05-2026。遠端沙箱且只讀取 output_text 或 model_output 的呼叫方只需更新 agent 字串；
OpenAI 開發者官方帳號發布推文，以「Building with the Agents API?」為題，提示開發者關注 Agents API 的最新動態。推文正文僅有一句「Catch up on what's new:」，未披露具體更新內容、發布時間或功能細節，後續資訊需以官方發布為準。
Anthropic 的 Compliance API 聊天端點現在也會返回統一 Claude 體驗中的對話，該能力面向 Claude Enterprise 組織以 beta 形式提供，沿用現有的 Compliance Access Key 即可呼叫。官方文件《Retrieve and delete chats, files, and projects》說明了對應的檢索與刪除方式。
Google 在 Gemini API 更新說明中宣布，Gemini 2.5 系列模型僅向過去活躍使用過它們的使用者開放，新專案需改用 3.5 Flash-Lite 或 3.8 Flash。官方稱 2.5 模型並未棄用，仍會通過 API 繼續提供，此舉是為保障整體容量與效能。
DeepSeek Harness 發布 v0.2.1-alpha.1，新增實驗性 Claude Code Mods 相容層，讓按 Claude Code Mods 介面編寫的擴充套件有機會接入 DSH 外掛系統執行。官方稱該相容層主要用於驗證 Mods API 能力，大致屬於 DSH 外掛能力的子集，暫不提供完整實用相容性；diff、agents-md、sec-default 和 telemetry 仍標註為不可執行。
Simon Willison 發布 LLM 外掛 llm-mistral 0.16，新增對推理模型的支援，包括新發布的 Mistral Large 4。該外掛通過 Mistral API 提供對 Mistral 模型的訪問，屬於 LLM 外掛生態的一部分。發布日期為 2026 年 10 月 6 日。
Gemini Nano Banana 2.1（gemini-nano-banana-2.1）已正式 GA，這是最新的高效率影像生成與對話式編輯模型，也是 gemini-3.1-flash-image 的更新版本。它在保持 Flash 級速度與成本效率的同時，提升了視覺品質、提示詞遵循、多輪角色一致性、文字渲染，並支援 1:4、4:1、1:8、8:1 的寬幅與全景比例，覆蓋 1K、2K、4K 解析度。
Google 於 2026 年 9 月 15 日宣布 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 兩款音訊到音訊模型正式可用（GA），面向 Live API 的即時語音應用。前者是低延遲語音代理與即時對話的預設選項，支援交錯推理、預設非同步函式呼叫和完整會話客戶端內容更新；後者支援即時音訊互動中的後臺推理，適合需要更高後臺推理能力的場景。
Claude Code 更新至 v2.1.284，Anthropic API 新增 Claude Sonnet 5.5（claude-sonnet-5-5）並設為預設 Sonnet 模型，支援 100 萬 token 上下文，定價為每百萬 token 輸入 2 美元、輸出 10 美元，快取讀取 0.2 美元。
Claude Code 更新至 v2.1.286，集中修復登入、會話恢復與 MCP 相關問題。權限提示新增「2 of 5」計數，全屏列表的「N more」行支援滑鼠點選跳轉。修復了多程序重複開啟登入瀏覽器、--resume/--continue 丟失並行工具呼叫後的對話輪次、API 400 錯誤、雲會話大歷史無法喚醒等缺陷；同時修正了憑據脫敏、MCP 工具計數與外掛載入報錯資訊。
llama.cpp 發布 v0.6.0，作者 ggerganov 列出了這一版的主要更新：新增 Clef 支援，涵蓋文字與視覺；對 Qwen3.8-Flash-Next 提供高品質支援；Metal 後端效能大幅提升；並引入新的 llama_batch_ext API。配套官網也完成改版，地址為 llama.app。原文未給出各項改動的具體效能數字。
llama.cpp 的 ggml 後端緩衝區型別介面新增 alloc_buffer_n 方法，並公開 API ggml_backend_buft_alloc_buffer_n，同時加入 get_alloc_size_n 與配套測試。預設實現負責多緩衝區拆分與張量分配，Meta 緩衝區型別提供按裝置建立子上下文的自訂實現；cpu、metal、openvino、hexagon、webgpu 等現有後端介面先置為 NULL。