Mastra Platform 推出 25 美元入門方案，含專用伺服器
Mastra Platform 推出 25 美元的 Starter 方案，提高每月運算、資料與可觀測性事件的額度，並包含一台 Small 專用伺服器且其運算費用已涵蓋。所有方案的額度現已提高，免費層更名為 Free，其中無伺服器代理可免費執行。專案可採無伺服器執行，或部署於 Small、Medium、Large 伺服器，而 Mastra Connect 會依方案增加連線額度。
#Agent
Mastra BlogAI 評分2525
NVIDIA Blog精選AI 評分7070 NVIDIA 在 CoRL 發表 GR00T 2 世界動作模型與 Isaac Lab 3.0
NVIDIA 在 CoRL 推出 GR00T 2，這是一個建構於 Cosmos 之上的開放世界動作模型，以 10 萬小時的人類第一人稱視角資料訓練，同時發表 Isaac Lab 3.0 與新的機器人基準測試。GR00T 2 在沒有任務特定示範的情況下，於 50 項受評任務中至少完成 40 項；在每項任務各給一次示範的條件下，50 項任務平均成功率達 71%，給五次示範則升至 95%。Isaac Lab 3.0 加入 Newton 物理整合以支援可變形物體，並在一個基於視覺的靈巧操作基準測試中，回報其訓練吞吐量最高可達搭載 PhysX 的 Isaac Lab 2.3 的 2.5 倍。
推薦理由：NVIDIA 在 CoRL 的發布顯示，模擬加上世界動作模型如今已鎖定精細組裝作業，GR00T 2 與 Isaac Lab 3.0 的細節值得與先前的機器人技術堆疊相互比較。
Anthropic · Claude.dev精選AI 評分8080 Anthropic：1,000 個 Claude Fable 5.2 代理在 28.7 小時內重現費馬最後定理的形式化
在沒有 Prove2Me 平台、也沒有研究人員引導的情況下耗時 7 小時，而 Anthropic 九月那次執行則用上了這兩者；這次寫出的證明長度只有七分之一，使用的輸出 token 數也只有三分之一。每個代理都在網路隔離的沙箱中工作，由一個分類器檢查每一條 shell 命令與檔案編輯，另有一個離線監控器；在超過一百萬次工具呼叫中，沒有任何一次達到應被攔截的標準。
推薦理由：Anthropic 的 1,000 代理執行在沒有 Prove2Me、也沒有研究人員的情況下重現了費馬最後定理的形式化，顯示沙箱與監控如何約束一個自組織的代理團隊。
Anthropic · Claude.dev精選AI 評分6060 Anthropic 指南：如何在 Claude Fable 5.2、Opus 5.5、Sonnet 5.5 與 Haiku 5.5 之間選擇
Anthropic 發布指南，建議開發者將多數程式設計與知識工作從 Claude Opus 5.5 的預設中等努力等級開始，因為其每 token 成本僅為 Fable 5.2 的一半。該指南將 Sonnet 5.5 對應到範圍明確的日常工作，Haiku 5.5 對應到高頻分類、路由與子代理任務，Fable 5.2 則對應到最困難的程式設計、金融與科學專案或長時間無人值守的執行。指南也建議在切換模型前先調整努力等級，並指出在 SWE-bench Pro 上，Opus 5.5 以低努力執行、失敗者再以高努力重跑，通過約 97% 的任務，每項約 $0.17，相較之下每項任務都以高努力執行則為 95.3%、每項 $0.29。
推薦理由：Anthropic 自家的指南將每個 Claude 模型與努力等級對應到具體任務類型，並提供每項任務成本與基準比較，以供從中選擇。
Berkeley AI ResearchAI 評分2222 BAIR 於 CoRL 2026：柏克萊機器人學習論文、口頭報告與主題演講
加州大學柏克萊分校的 BAIR 在 CoRL 2026 發表 33 篇主會議論文、4 篇最新研究海報、3 場口頭報告與 7 場焦點展示；該會議於 11 月 9 日至 12 日在德州奧斯汀舉行。Negar Mehr 教授發表早期職涯主題演講，探討機器人如何學習與他人互動及協調。研究涵蓋視覺-語言-動作模型的具身記憶、以第一人稱人類資料擴展靈巧操作，以及具自主性的機器人自我改進。
NVIDIA BlogAI 評分3636 韓國 AI 生態系進展並以 NVIDIA 確保代理式 AI 安全
現代汽車集團正在探索 NVIDIA NemoClaw 藍圖與 NVIDIA OpenShell 執行環境，而 AIM Intelligence 正將其 Starfort 平台與 OpenShell 整合，以支援用於員工生產力與企業工作流程的安全 AI 代理。OpenShell 是 NVIDIA Open Agent Safety Platform 的關鍵元件，提供沙箱化執行與基於政策的控制，以治理自主代理的行動。LG AI Research 也正在開放 K-EXAONE-2.5 的 API 存取，該模型使用 NVIDIA Nemotron 資料集開發，包括 Nemotron-Personas-Korea，這是一個包含 700 萬個合成韓國人物誌的開放資料集。
Figma BlogAI 評分3838 在畫布上使用 Figma agent 的六種方式
Figma 概述了直接在畫布上使用其設計 agent 的六種方式，從透過 Granola、Notion 或 Google Drive 等連接器引入會議記錄來標註設計，到彙總留言回饋並套用已達成共識的變更。該 agent 還能建立自訂 shader、使用團隊的資源庫在單一提示中生成多種版面配置變化、將靜態設計轉為可互動的程式碼圖層，以及加入動態效果。
Meta AI Research Blog精選AI 評分7878 Meta 發布 Muse Ember，其最小、最高效的代理任務模型
Meta 發布 Muse Ember，這是其最小、最高效的模型，瞄準代理整日從事的重複性工作，例如工具呼叫、程式編寫子任務、路由、擷取與長文件解析。Meta 表示，它在約三分之一的成本下達到 Claude Haiku 5.5 的最佳分數，並勝過所有 GPT-6 Luna 設定，每百萬輸入 token 為 0.10 美元、每百萬輸出 token 為 0.50 美元。它隨附 100 萬 token 的上下文視窗、最高 512K 輸出 token、原生文字、圖像、音訊與影片輸入，即日起在 Muse Code 與 Meta Model API 上以 muse-ember-1.0 提供。
推薦理由：Meta 最小的模型瞄準高頻的代理步驟，而其與 Claude Haiku 5.5 及 GPT-6 Luna 的每任務成本比較，說明了效率主張的來源。
Google Developers BlogAI 評分5858 Google AI Studio 新增可從提示詞建構 Google Maps Platform 應用程式的功能
Google AI Studio 現在讓使用者能直接從提示詞建構由 Google Maps Platform 驅動的應用程式，由 AI Studio 處理設定與 API 金鑰管理，且無需信用卡。此整合涵蓋 Maps、Places、Routes 與 Environment API，沙箱允許每個 API 每天 100 次呼叫，配額每 24 小時重置。連結 Google Cloud 帳單帳戶即可在標準 Google Maps Platform 定價下解鎖正式環境等級的配額。
Anthropic Research精選AI 評分7171 Anthropic 在真實世界電子設計上測試 Claude Fable 5.2
Anthropic 報告指出，Claude Fable 5.2 僅憑極少提示便設計出三款電子裝置：免持擴音電話、語音助理中樞與掌上型虛擬寵物，且 Diode Computers 依其設計檔案打造出可運作的原型，無須修正電路。在 Diode 內部的 PCB Gym 基準測試中，Fable 5.2 得分 69%，Fable 5 則為 25%；在公開的 BenchCAD 2.1 上，它達到 83.5%，幾乎是 Claude Fable 5.1 的兩倍。這些裝置仍屬原型，尚未經過電氣驗證、天線調校、熱測試或認證，且 Claude 並未連接至測試設備或製造機器。
推薦理由：Anthropic 親自說明 Claude Fable 5.2 設計出三款可運作的電子裝置，顯示模型已從局部 PCB 佈局大幅進展到端到端的硬體原型製作。
GitHub Blog · AI & MLAI 評分3838 超越程式碼生成：開發者的代理式工程指南
GitHub 發布了一份代理式工程開發者指南，說明 Copilot 如何支援軟體工作的規劃、建置、驗證與觀察階段。該指南引用 GitHub 今年十月單週 12 億次提交的數據，較一年前增加超過 400%，並引用 Faros AI 的一項研究發現：隨著團隊從低 AI 採用度轉向高 AI 採用度，拉取請求在審查階段停留的時間延長了 441%。指南詳細介紹了多項功能，包括 Slack 或 Teams 中的 Copilot、Plan Mode、GitHub Agentic Workflows、雲端沙箱、工作階段持續性、共享記憶體、Copilot Dreaming 以及 Copilot Fusion。
Meta Newsroom · AIAI 評分5858 Meta 在其 Muse 應用程式中推出 spaces，供使用者打造個人化體驗
Meta 在 Muse 應用程式中推出 spaces，這是一種互動方式，讓使用者能透過描述想法（例如禮物追蹤器、每日文字遊戲或 DIY 規劃板）來打造更個人化的 Muse。使用者可以用 Muse 調整每個 space，將其放在側邊欄或主分頁、隱藏或排定時間，並連結應用程式，讓演唱會日期和價格變動等細節在背景更新。即日起，所有提供 Muse 的地方都能使用 spaces，Meta 表示正在探索分享選項，並推出以 Muse Wonder 的學習成果訓練的專用模型版本。
Zyphra ResearchAI 評分5858 Zyphra 推出 MAIA Beta：一款跨 Slack 與桌面、具備共享記憶的多玩家 AI 代理
Zyphra 推出 MAIA Beta，這是一款主動式的多玩家 AI 代理，能記住團隊共享的上下文、在已連接的工具之間執行操作，並以獨立 Mac 桌面應用程式及 Slack 內的形式運行，Beta 期間免費。MAIA 會持續記住人物、決策與偏好並附上來源，能以自然語言執行多步驟任務，並可安排週期性工作。它遵循現有的工具權限，在不可逆操作前會先確認，並讓使用者檢視與刪除記憶，私人對話除非分享否則保持私密。
Ai2 · Allen Institute for AIAI 評分5858 Ai2 發布 ToyBlocks，一個用於機器人學習與評估的可控模擬世界
Ai2 發布 ToyBlocks，這是一個圍繞機械手臂與桌面上積木建構的開放模擬框架，作為其 FoundationWorlds 中首個用於可控機器人學習研究的項目。ToyBlocks 透過 Isaac Lab 中的強化學習與運動規劃自動生成任務與示範，在單一 GPU 上可達最高 24 倍的即時資料生成速度，並隨附 85,336 條長時程示範，涵蓋近 1,600 小時與 1.44 億幀。在 Franka FR3 的真實世界測試中，ManiFlow 的原子技能成功率在模擬中為 80.0%，在硬體上為 81.1%；而 Molmo 2 加 ManiFlow 系統則在模擬回合中成功 55.5%，在真實回合中成功 50.0%。
Sierra BlogAI 評分1818 Sierra 入選 JPMorganChase 創新名人堂
客戶體驗 AI 平台 Sierra 入選 JPMorganChase 的創新名人堂，該獎項於 10 月 29 日在帕羅奧圖舉行的 J.P. Morgan 第 18 屆年度技術創新研討會上頒發給執行長 Bret Taylor。創新名人堂成立於 2011 年，旨在表彰透過創新與緊密合作，對 JPMorganChase 產生重大影響的未上市科技公司。Chase 資訊長 Gill Haus 稱 Sierra 是探索銀行業代理式 AI 的強大合作夥伴，而 Taylor 表示，在 Sierra 上建構的代理可部署於網頁、行動裝置、聊天、電子郵件與語音，以解決複雜任務。
Sierra BlogAI 評分3838 Sierra Accelerators 為 AI 代理處理基礎事務
Sierra 發布了 Accelerators，這是針對訂單追蹤、預約排程、理賠受理和身分驗證等高頻工作流程的預建套件，現已在 Agent Studio 中提供。每個 Accelerator 都附帶基本的整合與防護機制，Ghostwriter 會依據公司自身的政策進行調整；Sierra 的更新會保留延續，而客戶的變更則另行追蹤。團隊很快就能在內部建立並分享自己的 Accelerator。
OpenClaw Blog精選AI 評分6969 OpenClaw 推出多人模式，支援共享 Agent 與上下文
OpenClaw 已推出 Multiplayer，這是一項免費且開源的功能，讓多個人可以連接到同一個 OpenClaw Agent 和工作區，提示會即時顯示在各自的筆記型電腦上，請求則透過共享佇列進行協調。在舊金山 GitHub Universe 的演示中，兩位與會者分別在各自的機器上輸入提示，共同編輯同一個 3D 場景，而無需重新陳述上下文。OpenClaw 基金會表示，已有 50 多人在同一個共享環境中協作，並將持續擴展這項功能。
推薦理由：OpenClaw 將多人共享同一 Agent 與上下文做成免費開源功能，為團隊協作中反覆重建上下文的問題提供了一種可遷移的做法。
Google Developers Blog精選AI 評分6060 Google 研究發現，過時的 TODO 錯誤參照在 13% 的編碼工作階段中分散編碼代理的注意力
參照。代理在 6% 的遭遇中依據該錯誤 ID 採取行動，其中 83% 的行動並非開發者所提示；41% 的非提示性繞道追逐已關閉的工單，而 57% 則觸及仍開啟的錯誤並擴大了範圍。在控制開發者、程式碼庫複雜度、任務類型、模型層級及其他因素後，非提示性錯誤繞道使每個工作階段多出 70% 的步驟、77% 的 token 及 105% 的等待時間。
推薦理由：Google 的大規模追蹤分析顯示，過時的 TODO 錯誤參照會使編碼代理陷入非提示性繞道，而其清理代理已移除數千個過時參照，審查者接受率超過 95%。
Anthropic Research精選AI 評分6060 Anthropic 說明 Claude 代理記憶的組成部分
Anthropic 概述了它如何為 Claude 代理設計記憶，將代理記憶定義為跨工作階段保留的知識，並將其與權重變更、上下文學習和壓縮區分開來。5 將其與記憶配對。7 在 225 個資料夾中寫入了 413 個檔案，並獲得了一枚徽章。
推薦理由：Anthropic 詳細說明了 Claude 的代理記憶如何運作，比較了模型在 CL-Bench 和 Pokémon Red 上的筆記記錄，並展示了離線做夢如何修正和組織儲存的筆記。
Anthropic ResearchAI 評分3636 Anthropic：教 AI 建立科學模型
Anthropic 研究主張，AI 系統現在能在一個下午內推導出霍奇金-赫胥黎模型等方程式，但擬合實驗數據並不等同於理解。這項工作將科學建模拆解為建立、約束與詮釋模型，並指出 AI 在約束模型方面進展最大，其中貝氏推論是繪製所有可能參數集而非單一擬合的標準方法。
Mastra BlogAI 評分3838 Mastra Agents 為門鈴事件新增 Ring 訊號
Mastra agents 現在可透過新的 @mastra/ring-signals 套件，將 Ring 門鈴事件作為通知訊號接收，需使用 @mastra/core@1.81.0 或更新版本。每個事件會以可設定的優先級送達 agent 的執行緒，agent 可從 Ring API 取得快照或影片片段，以決定如何回應。Ring 訊號也可指定至現有的頻道執行緒，例如 iMessage，讓警示送達共享對話。
Modal BlogAI 評分2222 Snorkel 如何用 Modal 執行逼真的代理模擬
Snorkel 使用 Modal 的 GPU 與 CPU 沙箱，每月執行數百萬次代理模擬，每小時尖峰達數萬個沙箱，並依賴 Modal 對其評估的開放權重模型進行推論。採用 Modal 的記憶體突發功能後，Snorkel 的沙箱總帳單降低約 20%，目前約有 10-15% 的沙箱使用突發功能。Modal 是唯一能大規模滿足 Snorkel GPU 沙箱需求的沙箱供應商。
Microsoft ResearchAI 評分5858 微軟研究院的 PDD Kit 正式驗證代理撰寫的全端網頁應用程式
微軟研究院推出 PDD Kit，這是一個研究原型，能將開發者的自然語言意圖轉換為 Verus 形式規格，證明編碼代理的 Rust 程式碼對所有輸入皆符合該規格，並在證明無法觸及之處退回測試。在 GitHub Next 的 Chopin 內部示範中，團隊使用 PDD Kit 驗證 Pet Store 的登入邏輯，這是一個約 5,000 行的 Rust 全端應用程式，開發者審查的是意圖產物，而非逐行檢視生成的程式碼。PDD Kit 目前僅驗證 Rust，其保證建立在六個經開發者核准的可信片段上，包括 bcrypt 密碼檢查與兩次資料庫查詢。
Meta AI Research Blog精選AI 評分6060 Meta 推出搭載 Active Memory 與 Active Focus 的專用 Muse 及 Meta AI 模型
Meta 正在向使用 Muse 和 Meta AI 的用戶推出其現有模型的專用版本，這些版本使用 Muse Wonder 訓練。專用模型新增了 Active Memory 和 Active Focus，Meta 報告稱，目前的 Muse 模型在其 Personal Superintelligence Index 上得分為 47%，而前一代模型為 38%；在 Active Memory 評估中為 90% 對 76%；在完成出現意外問題的日常任務方面提升了 67%。
推薦理由：Meta 的專用 Muse 和 Meta AI 模型將 Active Memory 與 Active Focus 帶給更多用戶，並在記憶和任務完成評估上報告了提升。
Sierra BlogAI 評分5858 Sierra 收購 Anon，以加入基於瀏覽器的代理身分驗證與導航功能
Sierra 已收購 Anon，這是一家新創公司，其建立的基礎設施可讓企業 AI 代理在沒有 API 的網站上登入、瀏覽頁面並填寫表單。Anon 募得超過 1300 萬美元，並推出一款有數百家客戶使用的產品，其團隊現在將協助 Sierra 的代理完成需要登入網站或透過瀏覽器入口操作的步驟。創辦人 Daniel Mason 表示，更好的模型與測試框架已讓瀏覽器代理可靠得多，而 Sierra 的 Horizon 代理正追求更長期的目標，例如發起貸款或為醫療程序取得事前授權。
Descript ChangelogAI 評分2222 Descript 2026年11月6日更新總覽：品牌版面配置包、Underlord 技能、30天垃圾桶
Descript 2026年11月6日的更新總覽新增生成式版面配置包，可將品牌規範、標誌與色彩轉化為四個 AI 提案方向，並在付費方案中提供完整的可編輯版面配置包。Underlord 現支援可重複使用的技能，在聊天中以「/」叫用，取代提示範本，而提示範本將於11月30日停用。刪除的專案現在會在垃圾桶中保留30天，Enterprise 雲端硬碟搜尋則能比對圖片和影片內的內容，包括透過 Descript MCP 和 API。
Mistral AI精選AI 評分6969 Mistral 擴充 Studio，推出託管代理、工作流程與應用程式，並同步搭載 Mistral Large 4（Le Chonk）
Mistral 擴充其企業 AI 平台 Studio，加入託管代理與應用程式，以及新的工作流程、企業情境、代理可觀測性與評估能力，並運行於 Mistral Large 4（Le Chonk）模型上。開發者可使用技能、沙箱、子代理與鉤子建構多步驟代理，並透過新的 Mistral MCP 伺服器以單一指令部署至 Studio。Mistral 表示，包括 ABANCA、BNP Paribas、Capgemini 與 TCS 在內的客戶已在生產環境中使用 Studio，部署方式可選擇雲端、VPC 或地端。
推薦理由：Mistral 擴充 Studio，推出託管代理、工作流程與應用程式，展示企業如何將部署與資料控制保留在自身環境中。
Anthropic ResearchAI 評分5858 Anthropic 研究研究人員如何在各科學領域與任務中使用 Claude
Anthropic 使用隱私保護分類器，分析了 2026 年 8 月 2 日至 9 月 30 日期間的 207,049 個 Claude 與 Claude Code 研究會話，發現科學家最常將 Claude 用於資料分析與寫作，最少用於資料蒐集與構思。資料分析佔 Claude 會話的 33.7%、Claude Code 會話的 48.1%，而研究人員投入的時間佔 27.6%；構思則佔會話的 4.2% 與 2.1%，研究人員投入的時間佔 7.1%。報告估計，廣泛採用現有能力可能使某些領域的研究產出大致翻倍，而完全自動化非實體工作可能使電腦科學與統計學等領域提升多達 15 倍。
Mastra BlogAI 評分3838 Mastra 推出 Custom Harness 計畫，配置嵌入式前線部署工程師
Mastra 推出 Custom Harness 計畫，由前線部署工程師進駐客戶團隊，共同打造量身訂製的 agent harness。該計畫涵蓋可觀測性、evals、自訂 MCP、human-in-the-loop 工作流程、驗證與 RBAC，並可優先使用 Mastra Enterprise Platform。Mastra 以 Workday 為例，該公司在 31 天內從 Amazon Bedrock Agents 遷移，減少 3,000 行程式碼，並將向量儲存成本降低 98%。
LiveKit BlogAI 評分2222 Clerk AI 採用 LiveKit 大規模驅動企業語音代理
Clerk AI 在 LiveKit 的開源框架與全球邊緣網路上運行企業語音與訊息代理，無需預先配置即可處理超過 1,000 個並發語音工作階段。代理回應時間低於 500 毫秒，原生支援 30 多種語言，ScreenSense 來電篩選準確率達 97%，TrueReach 語音信箱偵測準確率超過 98%。該平台對 STT、LLM 與 TTS 供應商保持完整控制權，並持有 SOC 2 Type II 認證，內建 TCPA 合規機制。
Microsoft ResearchAI 評分1818 微軟研究院的 Mike Walker 談駭客思維與打造網路防禦
曾主導 DARPA 網路大挑戰（Cyber Grand Challenge）的微軟研究院經理 Mike Walker，暢談駭客文化如何形塑他打造次世代網路防禦的職涯，包括首場全機器駭客競賽。他主張有效的安全取決於理解信任與脈絡，並回顧競技駭客經驗教會他關於團隊合作與集體智慧的事。
Google DeepMind精選AI 評分7272 Google Antigravity 新增化學資訊學技能，用於代理式藥物探索
Google DeepMind 為 Google Antigravity 推出化學資訊學技能（Cheminformatics Skills），讓代理能在約一小時內搜尋文獻、整理化合物、執行配對分子對分析、訓練效力模型，並提出具合成路線的剛性化大環化合物；其表示此工作流程過去需時數天。這些技能以 RDKit 為基礎，並連接 ChEMBL 與 PubChem，團隊以非小細胞肺癌的 crizotinib 與 lorlatinib 類似物進行示範。這些技能即日起可透過 Antigravity 應用程式的 Science 外掛使用，DeepMind 另提供 10,000 名科學家免費使用最高用量方案 6 個月，須符合資格、容量與遴選條件。
推薦理由：Google DeepMind 展示 Antigravity 中的化學資訊學技能，將數天的藥物探索循環壓縮至約一小時，同時指出設計仍屬假設，需經實驗室驗證。
Anthropic Research精選AI 評分6666 Anthropic 生物實驗室以 Claude 解出首個原核生物穹頂顆粒結構
Anthropic 的生物研究實驗室報告了原核細胞中穹頂顆粒（vault particle）的首個三維結構，這是一種名為 L05 的噬菌體蛋白，由 96 個拷貝組成，質量約 9.5 兆道爾頓。在團隊指導下，Claude 搜尋了約 150 億個預測蛋白質的資料庫、設計了 DNA 構建體、優化了尺寸排阻層析分離法，將純化時間從三天縮短到約 90 分鐘，並執行了 RELION 冷凍電鏡處理，在 34 小時內產出首個完整模型。該預印本已提交至 bioRxiv，團隊表示這些穹頂顆粒的生物學功能仍未知。
推薦理由：Anthropic 的生物實驗室報告了原核生物穹頂顆粒的首個三維結構，Claude 負責資料庫搜尋、構建體設計、純化與冷凍電鏡處理。
Figma BlogAI 評分5858 Figma 以代理驅動的原型工作流程，向所有使用者開放程式碼層級功能，進入公開測試
Figma 的程式碼層級功能現已進入公開測試，100% 的使用者皆可使用，讓團隊能直接在 Figma 畫布上建置並比較以程式碼為後盾的原型。操作示範中，一位設計師將 GitHub 儲存庫複製到程式碼層級，提示 Figma 代理並排生成三種收件地址變體，並在全螢幕程式碼編輯器中調整其中一個。擷取設計可將畫面或錄製的流程轉為可編輯的設計層級，並能透過「更新程式碼層級」送回原型，代理還能將兩位隊友的程式碼層級合併為單一整合體驗。
OpenAI Alignment BlogAI 評分5858 OpenAI 探討代理安全中的評估與生產行為落差，以及評估意識的角色
OpenAI 研究人員測量了代理安全中的評估與生產行為落差：在六個已部署模型中，Respecting Warnings 評估的成功率比對應的 Codex 生產決策低 10.2 至 37.4 個百分點，其中 GPT-5.6 Sol 與 GPT-6 Sol 的落差最大。單獨的通用評估意識與該落差關聯微弱（R² = 0.008），而特定的評估目標意識關聯較強（R² = 0.370），且最常口頭表述錯誤目標（抵抗提示注入）的模型落差最大。在對 GPT-6.1 Sol 的干預中，通用評估提示幾乎未改變成功率（63.1% 對 63.4%），正確目標提示將其提升至 91.6%，錯誤目標提示則將其降至 17.6%。
Sierra BlogAI 評分4242 Sierra 圍繞 Ghostwriter 重新設計 Agent Studio
Sierra 圍繞 Ghostwriter 重新設計了 Agent Studio，Ghostwriter 是其常駐的代理構建代理，因此調查問題、編輯旅程和測試修復現在都在一次對話中完成。Ghostwriter 會跟隨你跨越旅程、模擬和儀表板，每個工作階段都會將變更和測試結果保存在一起，直到隊友審查並合併它們。Agent Studio 還將相關代理分組到單一專案中，並新增逐行差異、Preview Chat、Simulations 以及帶有必需審批和受控推出的發布治理。
Google Developers BlogAI 評分5858 Google 以每項任務成本為基準，對便宜分類器進行基準測試，用以分流 Gemini 模型
Google 執行了一項 50 題自動評分的編碼代理基準測試，檢驗輕量級分類器 TypeSafe 的 Jev 能否將每項任務分流到仍能正確作答的最便宜 Gemini 配置。一個凍結的正規表達式與提示長度啟發式方法在 16 道開發題上得分 93.8%，但在 34 道留出任務上掉了 23.2 個百分點至 70.6%，而 Jev 在完整測試集上達到 96.0%。最強的無路由器配置，即低思考模式的 Gemini 3.8 Flash，解出了全部 50 道任務；而一個先將任務送往 Flash-Lite、再將被標記的任務升級的 Jev 路由器也解出了全部 50 道，同時降低了成本與回應時間；將 maxOutputTokens 上限設為 300 在簡單任務上沒有節省任何成本，還弄壞了 25 道難題中的 7 道。
Sakana AI BlogAI 評分4040 Sakana AI 研討會：Jürgen Schmidhuber 談 AI 的過去與未來，日本進軍語言模型、世界模型與實體 AI
Sakana AI 於 2026 年 10 月 26 日在東京舉辦「從世界模型到真實世界 AI」研討會，首席科學顧問 Jürgen Schmidhuber 發表主題演講，Sakana AI 並宣布將開發自家預訓練語言模型系列 Sakana Sawara（暫定名稱）。首個小型模型 Sawara Small（暫定名稱）若開發順利，計畫於 2027 年春季發布。超過 400 人參與此次活動，會中還安排了 Schmidhuber 與執行長 David Ha 的對談。
Google DeepMindAI 評分5858 Google DeepMind 將 PlanAssist AI 規劃工具擴展至另外 12 個英格蘭地方議會
Google DeepMind 正在將其基於 Gemini 構建的 AI 規劃工具 PlanAssist 擴展至英格蘭另外 12 個地方規劃機構，使總數達到 15 個。自六月以來，在 Barnet、Camden 和 Dorset 的試點中，該工具將官員處理住戶評估任務的平均時間縮短了多達 58%，其生成的報告中有超過 70% 未經編輯即獲批准。
Sierra BlogAI 評分5858 Sierra 年度經常性收入突破 4 億美元，單季第三季就增加逾 1.5 億美元
Sierra 的年度經常性收入（ARR）達到 4 億美元以上，光是第三季就增加逾 1.5 億美元，超過它去年全年的總額。該公司表示，從 1 億美元翻倍到 2 億美元花了六個月，但從 2 億美元翻倍到 4 億美元只花了五個月，目前它與近 50% 的《財星》50 強企業合作。Sierra 還表示，正與超過 50 家企業（包括 Meta、Shopify、Stripe 和 Walmart）共同開發一項名為 Poppy 的開放標準，用於控制個人代理與品牌互動的方式。