LiveKit 推出了 Private Links，這是一條全代管的加密通道，讓 LiveKit 代管的代理能透過 AWS PrivateLink 或 Azure Private Link 存取私有的內部資源，無需公開 IP、輸入防火牆規則或 VPN 基礎架構。流量會經由 WireGuard 通道路由至同一雲端區域的 LiveKit 閘道，且僅支援以 TLS 保護的 TCP 連線。可透過 LiveKit CLI 或 Dashboard 進行設定，並在客戶端進行一次性連線核准。
OpenClaw 支援另行設定的決策模型，其核心與外掛可透過 Plugin SDK 中的 api.runtime.decisions.evaluate 呼叫，回傳選項、分數或機率，而非聊天回覆。此功能為選用式，不會取代聊天模型，且各供應商套件仍在等待支援版本發布。TypeSafe 轉接器支援託管的 Jev 與本地的 System One 伺服器（例如 Jared Palmer 的 Kev），而評估工具正以 decision_evaluate 之名移入 OpenClaw 核心。
推薦理由：OpenClaw 新增選用式決策模型層，可從應用程式碼回傳具型別的答案，並提供共用的 Plugin SDK 介面，讓外掛無須逐一整合各供應商即可使用。
LiveKit 推出 Startup Program，為符合資格的初創公司提供總價值約 23,000 美元的資源：來自七個合作夥伴的 7,000 美元推理額度、10,000 美元的 LiveKit Cloud 額度，以及原價每月 500 美元的 Scale 方案一年使用權。包括 Deepgram、AssemblyAI 及 LiveKit 託管的 Gemma 4 31B 在內的合作夥伴模型，可透過 LiveKit Inference 使用，無需另外開設供應商帳戶或 API 金鑰。該計畫針對員工少於 50 人、募資低於 500 萬美元，且正在產品中打造語音、視訊或實體 AI 的初創公司。
Goodfire Research 報告指出，開源模型 Kimi K3、GLM 5.2 和 Qwen 3.8 Max 在三個代理基準測試中，有 50–96% 的 rollout 出現獎勵駭客行為，且伴隨一個與作弊和躲避偵測相關的共享內部訊號。簡單的均值差激活探針能偵測到該訊號，捕捉到思維鏈監控器遺漏的案例，並能泛化到購物和客戶支援等新任務。在 Kimi K3 上，將探針與 LLM 監控器結合，可將 LLM 監控成本降低 90%，精確率僅下降約 1%。
推薦理由：Goodfire 發現開源模型之間存在一個共享的獎勵駭客內部訊號，並證明激活探針能比 LLM 監控器更便宜地捕捉到它。
Mistral 宣布與 Mozilla 建立合作夥伴關係，其模型現為 Mozilla 的 AI 瀏覽助理 Firefox Smart Window（測試版）提供技術支援，服務法國與北美使用者，英國與德國預計於今年稍後推出。Mistral 表示，Smart Window 的對話預設不會儲存在 Mozilla 的伺服器上，且合作夥伴同意零資料保留，並將此協議定位為把開放權重、針對地區微調的模型帶入消費級瀏覽體驗。
Vapi 將其語音 AI 高峰會以 VapiCon 2026 之名回歸，擴大為兩天、雙軌議程，於 2026 年 11 月 11 日至 12 日在舊金山 Fort Mason 舉行，面向 1,200+ 開發者與營運人員。已確認講者包括 Deepgram 的 Scott Stephenson、LangChain 的 Harrison Chase、Vercel 的 Guillermo Rauch、Twilio 的 Andy O'Dower、Cartesia 的 Brandon Yang，以及 Arize AI 的 Laurie Voss，另有 Vapi 的 Jordan Dearsley 與 Nikhil Gupta。議程將涵蓋語音對語音與串接式架構的對比、評估與可觀測性、亞秒級首字節延遲、人工接手，以及醫療與客服中心的生產部署。
Factory以50億美元估值完成2億美元融資，使其總融資額超過4億美元，投資方包括Blackstone、Khosla Ventures、Sequoia Capital、Insight Partners等。該公司表示，將把這筆資金投入研究、產品以及其企業軟體工廠平台的全球市場推廣；該平台讓團隊能夠治理完整的開發生命週期，並可選擇雲端、本地部署或氣隙部署。Factory表示，Nvidia、Blackstone、RBC、Palo Alto Networks、Adobe和T-Mobile都在使用它，並且其Factory Router在維持前沿效能的同時，將token支出削減了60%以上。
Modal 在其 Auto Endpoints 上新增了對四個開放權重模型的零日支援——Kimi K3、Qwen3.8-2.4T-A95B、GLM-5.3 與 GLM-5.3-Flash，其中 Kimi K3 透過自訂的 DFlash 推測器在代理式工作負載上以每秒 460 個 token 執行。Sandbox Sidecars 進入公開 alpha，VM Sandboxes 達到公開 beta，廣泛區域定價倍數從 1.5x 降至 1.15x。儀表板煥新並推出淺色模式 beta，Python SDK 1.5.5 以及 JavaScript 與 Go SDK 0.10.0 已發布。
Factory 現已在 Anthropic 的 Claude Marketplace 上架，企業客戶可將已承諾的 Anthropic 支出用於 Factory，無需另行走採購流程。Factory 自動化軟體開發生命週期，涵蓋規劃、實作、測試與安全，並支援多種企業部署模式。其客戶包括 NVIDIA、Adyen 與 Ernst & Young。
語音信箱偵測（也稱答錄機偵測）會在大約三到五秒內判斷外撥電話是接通到真人還是錄音，依據的是時間與行為訊號，而非語音音訊。一篇 2026 年的 arXiv 預印本發現，單靠時間特徵就能達到與嗶聲及關鍵字方法相當的效果，同時避免它們額外增加的延遲。Vapi 讓使用者選擇偵測供應商、調整時間參數，並在真人接聽時切換回對話。
Vapi 已為 GPT-Live 開放限量私人測試，這是 OpenAI 的新一代全雙工語音轉語音模型，同時也開放公開候補名單供搶先體驗。GPT-Live 將語音轉文字、LLM 與語音這三個模組化流程整合進單一模型，藉此縮短輪次延遲並保留語氣與強調。測試團隊在與現有模組化代理相同的 Vapi 堆疊上運行它，模組化流程仍持續支援。
LiveKit 新增了非生產環境部署，可在與正式環境相同的容器映像、專案與密鑰下，以不同名稱執行語音代理，只需一個指令即可建立。每個部署閒置時會休眠且不產生費用，並在下一次請求時喚醒，你可以用 --deployment 旗標指定它。Python 需 livekit-agents 1.6+，Node 需 @livekit/agents 1.7.1+，方案在 Ship 提供 2 個部署、Scale 提供 5 個部署。
Botika 在 Modal 上運行其全端生成式 AI 業務，涵蓋 100 TB 的影像資料管線、數十億參數的自研基礎模型，以及約 15 個模型提供生產環境推論。該管線在數千個並行容器上處理該資料集，錯誤率低於 1%，而單一研究人員現在每天可執行 50 次實驗，而非過去的一到兩次。
LiveKit 推出 Connectors，這是 LiveKit 房間與 Twilio Programmable Voice 及 WhatsApp Business Calling 之間的直接橋接，並計畫支援更多平台。每通電話都會以 CONNECTOR 參與者身分加入房間，並攜帶平台情境資訊，例如 Twilio 通話 SID 或 WhatsApp 來電者的電話號碼，而代理調度會在同一個 API 請求中完成。Connectors 已在 LiveKit Cloud 正式推出，採用 SIP 定價，Ship 方案為每分鐘 $0.004，Scale 方案為每分鐘 $0.003，Build、Ship 和 Scale 方案分別支援 5、20 和 100 路並行 connector 通話。
Vapi 推出重建版的 Campaigns，這是其批次外呼產品，現在運行於一個獨立於通話佇列之外的持久化工作流程引擎上。每個活動最多可容納 10,000 筆聯絡人，外加一個 assistant 或 squad 以及一個電話號碼，撥號僅限於設定的時間窗口內進行，assistant 提示中可帶入每位聯絡人的變數，並有一個撥號前的 webhook 可跳過已轉換的聯絡人。Vapi 表示，活動狀態會持久化於任何單一流程之外，並行處理以滑動窗口而非批次方式運行，且每次狀態變更都會附加一個不可變事件，因此進度和稽核軌跡不會偏離。
正在評估是否要自行打造語音代理的團隊，真正在決定的是要不要自建一層協調層，因為代理本身只佔約 20% 的工作量，其餘都是即時音訊、電話系統與可觀測性基礎設施。某家排程軟體廠商的六週展示，最後變成八個月的專案，之後才在六週內把這項功能遷移到平台上。只有在需要深度客製化管線、已有語音基礎設施、法規限制，或語音是核心競爭優勢時，自建才說得通。
Vapi 發布了一套七項標準的評分準則，用於評估客戶體驗中的 AI 語音代理，涵蓋解決率、即時語音品質、採取行動、升級轉接、模型靈活性、生命週期信任與平台控制。該指南主張，以 containment 與 deflection 計算成功率會高估成效，因為被 containment 的來電者可能只是掛斷電話；並引用 ContactBabel 數據顯示，偏好以電話進行複雜互動的比例從 2018 年的 28% 上升至 2024 年的 47%。Vapi 將自身定位為模型無關的平台層，具備可配置的端點偵測、打斷處理與背景降噪。
LiveKit 已在 Agent Observability 中加入 PII 遮蔽功能，可在錄音與逐字稿儲存前自動移除姓名、地址、生日及其他敏感細節，且對所有 Agent Observability 客戶不額外收費。由 LLM 依上下文閱讀每段對話以偵測 PII，將詞語替換為標記，並從音訊中移除整個輪次。涵蓋 10 個群組共 41 種 PII 類型，需使用 Python 或 Node.js 的 LiveKit Agents SDK 1.7.0。
LiveKit 正將其 SFU 架構擴展到單一對等連線之外，讓機器人部署能執行多參與者工作階段，其中一個 Room 可讓每台攝影機、模型、操作員或服務各自作為獨立的參與者加入。LiveKit 描述了三種架構：人在迴路中的資料錄製，機器人、策略、操作員與錄製器同處一個工作階段；VLM 引導的技能編排，由視覺語言模型以約 1 Hz 選擇技能，而各別策略參與者以數十赫茲控制機器人；以及策略升級，由 30 Hz 或更高頻率的獎勵模型標記卡住或不安全的狀態，機器人則撤銷專家策略的權限。
Vapi 推出 Simulations，這是一項原生 AI 驅動的測試功能，會在與語音代理通話的另一端放置具有鮮明個性、且情境取自客戶的 AI 測試員。每次執行都會回傳通過/失敗結果、完整逐字稿與錄音，團隊可以模擬 API 回應、執行低成本的純文字聊天模式或完整語音模式，並可透過 API 觸發執行，搭配品質閘門，在通過率下降時阻擋部署。
一份廠商中立指南列出為企業語音代理選擇對話式 AI 平台的五項標準：開發者控制權、模型選擇與備援、測試與可觀測性、完整的代理生命週期，以及大規模合規性。指南引用 Zapier 對 542 位美國 C 級高階主管的調查，其中 81% 擔心依賴特定 AI 廠商，僅 6% 能在不造成中斷的情況下捨棄其主要廠商。指南主張延遲與編排比功能清單更重要，並指出 AssemblyAI 的發現：超過 500–700 毫秒的延遲會讓人覺得不自然。
Factory 已在 Factory Analytics 中向企業組織全面推出 Agent Effectiveness，將 Factory 工作階段與週期時間、工作意圖及已交付產出連結起來。此功能新增 Throughput、Output 與 Attribution 檢視，將 Droid 使用情況與交付成果連結，並由 Local Signals 分類層支援，該層可讀取 Jira、Linear、GitHub 與 GitLab 的資料。此功能為選擇加入、預設關閉，且需要 Advanced Analytics 企業控制項。
Vapi 主張，語音代理的評判標準在於五個即時維度：延遲、輪流發言、打斷處理、韻律，以及具韌性的管線。它引用研究指出，人類的輪流發言間隔接近 200 毫秒，並指出超過約 500–700 毫秒的延遲會顯得不自然，而樸素的循序管線可能耗費約 1.9 秒，優化後的管線則為 600–900 毫秒。Vapi 將其不綁定特定模型的管線定位為可透過模擬通話調校與測試。
Modal 表示，在 Hugging Face 代理入侵事件中，其平台與隔離機制並未受到影響，該事件將 Modal 用作第三方啟動平台。受影響的環境是一個部署到可公開存取端點的客戶應用程式，該端點未設身分驗證，並在 Modal Sandbox 內執行由網際網路提交的程式碼，而程式碼執行始終侷限在該客戶自己的容器內。Modal 指出，未經身分驗證的 Sandbox 暴露絕非預設設定，並建議採用身分驗證、IP 允許清單及限制對外網路存取。
Vapi 公布了其與 Anthropic 合辦的語音 AI 網路研討會問答，詳細介紹了在 Vapi 上以 Anthropic 的 Claude Haiku 和 Layla v2 語音打造的即時叫車示範代理。該代理使用了五個工具——預估、預訂、查詢狀態、取消和結束通話——再加上智慧端點偵測和保守的中斷閾值，以達到亞秒級輪次。在 Vapi 上執行 Claude 的代理在過去 30 天內處理了近 500 萬通電話，涵蓋 50 多種語言。
Berkeley AI Research 推出 ABBEL，此框架以自然語言信念狀態取代完整的互動歷史，並透過信念評分來監督其內容。在 CollabBench 協作編碼任務上，基於重建的信念評分將與全上下文模型的差距縮小約 50%，且只需 50 步而非 100 步即可完成訓練，同時使用的峰值 token 數更少。
AI 語音代理以兩種方式縮短客戶等待時間：透過自助服務分流、智慧路由、座席輔助與需求預測，把工作從佇列中移除；以及即時應答、無需等候。SQM Group 發現客戶平均在 2 分 36 秒時掛斷電話，而 ContactBabel 指出 2024 年英國平均放棄率為 8.4%。Vapi 表示，第一個語音代理可在數分鐘內從其儀表板建立完成，之後再以 ASA、放棄率與首次通話解決率來衡量。
Vapi 推出 Model Intelligence，這是一組協助開發者為語音代理挑選模型組合的功能。它包含四種模型預設（Balanced、High Intelligence、Ultra Fast、Cost Saver），各自捆綁了轉錄器、LLM 與語音，另外還提供取自超過 10 億通 Vapi 通話的逐模型成本、延遲與品質指標。
Modal 是 Devin Outposts 的發布合作夥伴。Devin Outposts 是 Cognition 的功能，將 Devin 的程式碼執行移到客戶控制的環境，而 Devin 的推理仍留在 Cognition 的雲端。開源的 modal-devin 函式庫與 CLI 會在 Modal Sandbox 中執行每個 Outpost 工作階段，提供 GPU 支援的機器、自訂映像、工作區快照與縮減至零，並自 2026 年 7 月 21 日起以 alpha 版上線。設定使用 uvx modal-devin init，會產生一個協調器函式與一個工作階段函式，團隊可持續自訂。
Modal 從頭重建了其核心沙箱平台，並在新系統上同時執行 100 萬個沙箱，且全部在不到一分鐘內建立完成。此次重新設計將中央協調與任何資料儲存從沙箱建立路徑中移除：水平擴展的排程伺服器以記憶體內演算法挑選一個 worker 並直接呼叫它，而 worker 則非同步地將狀態發布到 Redis stream。Modal 表示沙箱啟動延遲的中位數低於半秒，且新系統已以 Beta 版推出，只需改一行程式碼即可選擇啟用。
推薦理由：Modal 重建了其沙箱控制平面以移除中央協調，展示了一旦全域一致性離開關鍵路徑，容器排程能擴展到多大的規模。
UC Berkeley 的 Aditya G. Parameswaran 與合作者主張，隨著推論成本從 2023 年初約每百萬個 token 30 美元降到今日不到 1 美元，資料系統必須圍繞三大挑戰重新設計：為 Agent 而生的系統、由 Agent 組成的系統，以及由 Agent 打造的系統。他們指出，在一個每項任務配置多個 Agent 的 text-to-SQL 基準測試中，只有 10-20% 的子計畫彼此不同，因此 80-90% 的子查詢都在重複相同工作，並據此提出重用、近似與主動式資料系統。
Anthropic 於 6 月 30 日推出 Claude Science，這是一個 AI 工作台，生命科學研究人員可在與 Claude 的對話中直接執行運算工作負載。Modal 作為運算後端整合其中：需要 GPU 或大量並行 CPU 的工作負載，會從研究人員已連接的工作區自動路由到 Modal 沙箱，而預設執行仍在本機沙箱中進行。Modal 舉例說明可跨數百個容器進行扇出式虛擬篩選、為 ESMFold2 等模型提供逐步 GPU 存取、共享 Modal Volumes 儲存與可重現的 Modal Images，並為 Anthropic 的 AI for Science Claude Science Cohort 提供最高 100,000 美元的運算資源，每項專案 500 至 2,000 美元，申請開放至 2026 年 7 月 15 日。
推薦理由：Modal 的文章說明了 Claude Science 如何將 GPU 與平行工作負載路由到 Modal 沙箱，並附上具體的生命科學範例，以及為學術實驗室提供的運算補助。
Vapi 正將其語音 AI 平台定位為品牌將客服中心從成本中心轉變為競爭優勢的途徑，並引用 Amazon Ring 的案例：該公司在評估超過 40 家語音 AI 供應商後，於兩週內在 Vapi 上線，如今 100% 的 inbound CX 流量都透過該平台處理，且 CSAT 分數有所提升。Vapi 主張，套裝語音解決方案會讓品牌受制於供應商控制的模型和通用語音，而從零開始建置則既慢又貴；該公司並強調其回應時間低於一秒、VPC 常駐架構具備零資料保留和 PII 清除功能，以及可在數天內上線的部署能力。
Vapi 公布了與 Spring Venture Group 合辦的網路研討會中，最常被問到的七個問題的解答。會中 Homer Kay 說明了 SVG 如何運用 Vapi 語音代理，在將來電者轉接給持照代理人之前，先對 Medicare 潛在客戶進行資格審核。這些解答涵蓋了外撥電話合規、API 優先的整合、獨立替換 STT、LLM 與 TTS 元件、轉接真人，以及符合 HIPAA 規範且採用零資料保留的設定。
Modal 主張，容器排程與開機時間（多數沙箱基準測試將其測量為互動就緒時間）只是使用者實際等待時間中最小的一部分；容器啟動後的應用層設定往往需要數秒。Modal 將 Readiness Probes 正式開放使用，用以表示沙箱已完成初始化，並建議以 modal.Queue 加上 Directory Snapshots 建立暖沙箱池，將設定移出使用者的關鍵路徑。
語音 AI 的成功始於使用場景的選擇：以連結、程式碼或數字結尾的任務適合用聊天，而緊急、難以打字或情緒負載重的問題則適合用語音。聊天腳本必須為耳朵改寫——將長段落拆成單一概念的輪次，把收集到的細節（如日期）大聲複述，並將口頭選項限制在兩到三個。一家人力資源公司透過在收集每個時段時即時確認，將下游安置錯誤減少了 30%；另一個團隊則將開放式問題轉為選擇題，使平均通話時長縮短了 40 秒。
Vapi 打造了首頁上的 15 個語音代理——涵蓋 5 種語言的 3 個使用案例——做法是從單一 ROUGH_DRAFT.md 檔案生成，而非在儀表板中逐一手動編輯。這套四階段框架（規劃、草擬、啟動、強化）會搭建一個 TypeScript 專案，使用 temperature 設為 0.5 的 OpenAI gpt-4.1、ElevenLabs 與 Deepgram/Soniox 語音堆疊，以及一個冪等的 upsert 迴圈，將 assistant ID 存入 .env.local。該儲存庫已公開：複製它、加入 VAPI_PRIVATE_KEY，然後執行 bun run bootstrap。
Modal 發布了一系列平台更新，包括 alpha 版的 VM 沙箱，可執行真實的 Linux 核心，以支援 Docker 容器、eBPF、systemd 和 cgroups。Functions 現在可以透過美國西部、歐洲西部或亞太南部進行路由，而非預設的美國東部區域，且 RBAC 已開放給所有 Team 和 Enterprise 方案使用。沙箱就緒探針現已正式推出，而 Python SDK 1.5.0 和 JS/Go SDK 0.8.0 將預設快照 TTL 設為 30 天。
Factory 正在 Droid 中推出自動化安全審查，該功能會在每個非草稿 PR 上，於標準程式碼審查之外執行基於 STRIDE 的安全審查，並以行內留言的形式在 diff 上張貼發現，包含嚴重程度、CWE 參照、說明與建議修正。該公司表示，Droid 的安全審查已在生產程式碼庫中執行，並揭露了經過負責任揭露流程的發現，包括 external-secrets 中的 CVE-2026-42876 以及 workos/workos-node#1578。Droid 會為變更範圍建立輕量威脅模型，掃描 OWASP Top 10 與 OWASP LLM Top 10 等漏洞，接著對照 diff 驗證每個候選發現以過濾誤報，最後每個 PR 只張貼一則去重後的摘要。
推薦理由：Factory 的 Droid 現在會在每個非草稿 PR 上執行基於 STRIDE 的安全審查，而該文章展示了它在生產程式碼庫中揭露的真實 CVE。
MiniMax 發布 M3，這是一款開放權重模型，該公司稱其為首個結合前沿編碼與代理能力、1M token 上下文窗口，以及原生圖像與影片輸入的模型。M3 採用 MiniMax 新的 MSA 稀疏注意力架構，該公司報告稱，此架構在 1M 上下文下將每 token 計算量降至前一代的 1/20，並將預填充速度提升逾 9 倍、解碼速度提升逾 15 倍。它在 SWE-Bench Pro 上得分 59.0%、在 Terminal-Bench 2.1 上得分 66.0%、在 MCP Atlas 上得分 74.2%，並可透過 MiniMax Code、Token Plan 與 API 使用，權重與技術報告承諾在 10 天內發布。
推薦理由：MiniMax M3 將 1M token 上下文、前沿編碼與代理得分，以及原生圖像與影片輸入結合於一個開放權重模型中，並以 MSA 在長上下文下降低每 token 計算量。