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。
一位非技術背景的寫作者用 vibe coding 做出 Tastemaker，這是一款能建立寫作風格指南的應用程式，並加入了一個 MCP 連接器，讓 Claude Code 和 Codex 等代理能直接取得風格指南。部署之後，GPT-5.6 Sol 發現這個上線中的連接器有一條公開的註冊路由，任何人都能走進去；沒有發現資料被存取的證據，該連接器已被關閉。
AI as Normal Technology 團隊的一篇新論文進行了一項影子評估，要求前沿 AI 代理回答兩篇未發表 AI 論文的主要研究問題，並提供數千美元的 API 額度與算力，外加六天的實際時間，而兩篇代理論文均被原作者明確拒絕。
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。
Ethan Mollick 發表了一份帶有個人觀點的指南，主張現在使用 AI 意味著運行結合模型與工具的代理式系統，而不只是與聊天機器人對話。他推薦每月 20 美元的 ChatGPT（Work 與 Codex 模式）或 Claude（Cowork 與 Code 模式）用於實際工作，從 High 思考等級的 GPT-5.6 Sol 或 Fable/Opus 開始，並保持開啟核准提示以防範提示注入。他還表示 Google 目前沒有領先的前沿模型或 Codex/Code 的對等產品，不過 Gemini Notebook 和 Gemini Omni 在研究與影片剪輯方面仍然有用。
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。
普林斯頓大學一位研究員在 ICML 主題演講中主張，「AI 作為常規技術」的框架依然成立，除非出現遞迴式自我改進這類不連續躍遷；同時，沒有任何實驗室的里程碑會突然消滅所有工作。演講呼籲培養互補技能、自主性與判斷力，而非趕在技能變得無關緊要之前競相累積財富。
Kieran Klaassen 描述「打磨」（polish），這是他複合工程工作流程的最後一步：他親自執行應用程式，並告訴 agent 哪裡感覺不對，直到不再不對為止。他使用複合工程外掛的 /ce-polish 指令，簽出分支、啟動開發伺服器，並在編輯器中把執行中的應用程式開在 agent 旁邊。他舉了一個 Cora 電子郵件卡片動畫為例：它通過了所有自動化檢查與審查 agent，卻仍然是從螢幕頂端滑入，而不是從點擊處展開。
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。
Ethan Mollick 主張，AI 的使用正從聊天機器人式的協作智慧，轉向需要較少人為介入、長時間運行的代理，而且這種轉變發生得很快。他引用 METR、英國 AI 安全研究所與 GDPval 的基準，其上升速度超過指數成長；並引用 Epoch 的發現：Opus 4.7 獨自工作了 14 小時，打造出一套軟體套件，估計相當於 2 至 17 週的人力工程，花費 251 美元的 token。OpenAI 與學術經濟學家的一項研究發現，四分之一 OpenAI 員工每週至少運行四個代理，法務與人資的採用速度幾乎與程式設計師相當；而一項 Claude Code 研究發現，預測成功的是領域專業知識，而非職業。
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。
Ethan Mollick 測試了 Claude 5 Fable，這是首個向公眾發布的 Mythos 級模型，發現它的表現大幅超越他用過的所有其他公開模型，能針對多頁規格連續運行長達十幾個小時。在一次 Claude Code 工作階段中，它透過啟動更便宜的 Claude Sonnet 代理來研究超過 2,200 個航班、鐵路時刻表和道路速度，建構出一張互動式等時線地圖；在另一次工作階段中，它工作了九個半小時，產出名為 Concord 的軟體，用於校準人類與 AI 的判斷。
推薦理由：這是對 Mythos 級模型的早期實測記述，展示了長達數小時的自主代理運行如何將人類角色從操控轉變為委託成果。
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。
複合工程這套 AI 原生的工程哲學，已將其核心循環從四步擴展到八步，在前端新增了構思與腦力激盪，並在末端新增了打磨。原本的循環——腦力激盪、執行、審查、複合——仍是核心工程週期，但這次更新反映了人類注意力如今流向何處：決定要打造什麼，以及判斷成品是否感覺對了。
MiniMax 將 MiniMax Agent 升級並更名為 Mavis，同時推出 Agent Teams，讓多個角色分工的 Agent 在桌面上並行處理長時間、複雜的任務。該系統採用 Leader、Worker 與 Verifier 三種角色，搭配狀態機式 Team Engine，讓任務在 producing、verifying 與 done 之間循環，並將 TokenPlan 與 Agent Plan 合併為單一訂閱，涵蓋 CLI、API 與 Agent，橫跨 M2.7、音樂、影片與語音。MiniMax 表示該 Agent 即將開源，預計與 MiniMax M3 模型一同推出，而桌面應用程式已經上線。
推薦理由：MiniMax 說明了其 Leader-Worker-Verifier Agent Team 背後的設計取捨，包括交接、共享與聚合成本，為建構多 Agent 執行環境提供了具體參考。
Modal 讓所有 Team 與 Enterprise 方案的使用者都能使用角色型存取控制（RBAC），並以 Environments 作為可強制執行的安全邊界。受限的 Environments 預設讓工作區成員為唯讀，只有被明確授權的使用者或代理能部署與管理資源，而 RBAC 也與稽核日誌整合，完整記錄誰在何時做了什麼。
Vapi 主張，語音 AI 如今能讓語音成為 ACCESS 慢性病管理中在經濟上可行的管道，並引用 Hiya 的數據指出，42% 的消費者偏好以語音進行醫療保健溝通，高於前一年的 33%。該文章詳細介紹了三套正式上線的工作流程，其中包括 Spring Venture Group 的聯邦醫療保險潛在客戶資格審核代理，該代理由四名工程師在一週內打造完成，將轉換成交率提升了 3%，並帶來超過 580 萬美元的合計節省與新增營收。
Modal 宣布 Modal Sandboxes 與 Anthropic 的 Claude Managed Agents 之間的一流整合，讓所有工具呼叫都在自架的 Modal Sandbox 中執行，同時由 Anthropic 的託管代理迴圈處理工作階段狀態。Modal 提到自訂映像的快速冷啟動、快照與磁碟區持久化、無閒置成本的爆量定價、短效連線權杖，以及每位客戶最高可達 100,000 個並行沙箱。該公司也在同一套 Modal 加 Managed Agents 骨幹上發布了兩個參考範例：一個 CLI 代理和一個 Slack 機器人。
Every 正在調整其 Plus One 產品，讓旗下 AI 代理成為具有明確職責的團隊共享資源，而非每位員工各有一個個人助理。該公司表示，第一版建構於 OpenClaw 之上，帶來的挫折多於效率，代理經常未能遵循指示。下一版旨在更穩定，技能與整合仍在規劃之中。
Vapi 宣布完成由 Peak XV 領投的 5000 萬美元 B 輪融資，YC、M12、Kleiner Perkins 及早期投資者參與，總融資額達到 7200 萬美元。此輪融資之前的一年裡，Vapi 的企業營收成長了 10 倍，其語音代理處理的通話量突破 1,000,000,000 次。Vapi 表示，Amazon Ring 在兩週內從評估階段轉為在其平台上運行 100% 的來電，且 CSAT 有所提升。
一位記者兼傳播專家主張，最好的故事與想法以默會知識的形式存在於人身上，而 AI 模型尚未複製出熟練的人類提問者如何將其引導出來。她稱這些人為「蘇格拉底即服務」，並警告若沒有辦法讓這類知識浮現，品牌聽起來就會和其他人的內容沒兩樣。
Vapi 團隊審查了數千個語音部署案例，歸納出五項特徵，可預測語音代理使用場景是否會成功：高通話量、重複且可預測的對話、明確的成功標準，以及另外兩項。缺少一項特徵尚可彌補，但缺少三項就意味著應探索其他使用場景。
OpenAI 發布了一份語音代理的即時提示指南，涵蓋 Realtime 2 推理、前置語、工具與精確實體擷取。該指南說明如何建構提示，讓即時語音代理在處理推理與工具使用的同時，精確擷取實體。
Vapi Blog 專訪 Cartesia 的 Iz Shalom，探討在整合式與開放模組化語音 AI 堆疊之間如何選擇。整合式堆疊適合範圍較窄的使用情境與快速的概念驗證，而開放式堆疊則適合多種使用情境、多語言支援，以及替換元件。文章呼籲團隊在自己的環境中測量 P99 延遲，並在進入生產環境前建立嚴謹的評估機制。
Spiral 總經理 Marcus Moretti 靠 Claude Code 獨力營運整個產品，他表示這消除了產品管理中枯燥乏味的工作，把原本分散在 10 個不同應用程式的工作集中到單一對話串中。他自己唯一親手撰寫的產品文件是路線圖，前後改了六個版本；每一份 PRD 和工單都由 Claude 撰寫。
OpenAI 發布了一款 Developers 外掛程式，讓 ChatGPT 和 Codex 能夠存取 OpenAI API Platform 與 API 設定指引，並針對 Claude Code 和 Cursor 進行了調整，捆綁了可攜式開發者技能與公開的 OpenAI Docs MCP 伺服器。它涵蓋 API 金鑰設定、使用 Agents SDK 建置應用程式、將 API 遷移至 Responses API，以及疑難排解常見的 API 故障。
Factory 建立了一個開源基準測試，以來自 Sentry、Grafana、Keycloak、Discourse 和 Cal.com 的 50 個真實 pull request 測試 13 個模型，每個模型都以高推理強度對每個 PR 至少審查三次，並由 LLM 評審依據人工策劃的黃金標準集對發現進行評分。GPT-5.2 以 60.5% F1、每個 PR 1.25 美元領先，領先 Claude Opus 4.6 的 59.8% F1 和每個 PR 3.11 美元，而 MiniMax M2.7 以每個 PR 0.15 美元達到 45.6% F1，Kimi K2.5 以 0.41 美元達到 51.9% F1。Factory 表示成本僅解釋約 21% 的品質變異，並開源了黃金標準集、評估腳本以及支援全部 13 個模型的 Droid Action GitHub Action。