Parcha Labs 開源 AgentRun，一個在 Claude Code、Codex、OpenCode 和 pi 之上疊加自我改進、持久執行與控制台的 Agent 平台，採用 Apache-2.0 許可。
推薦理由：AgentRun 把自我改進、持久執行和控制台疊加在 Claude Code、Codex 等現有 harness 之上，並給出程式碼審查成本從每月 6451 美元降到每次 18 美分的具體案例。
Edge0 開源了 Edge0-145B 與 Edge0-120B，以及其統一推理框架與部署工具，並宣稱 Edge0-145B 是首個開源的 145B 參數端側模型。該公司報告在相容筆記型電腦上峰值記憶體 29GB、預填速度 1,100+ tokens/s、解碼速度 80+ tokens/s、典型功耗約 120W，上下文長度 128K–256K。其引用內部評分：DeepSWE 1.1 為 64.6、Terminal-Bench 2.1 為 86.52、GPQA-Diamond 為 90.4、IFBench 為 80.6，並表示權重已發布於 Hugging Face，首日即支援 macOS、Windows 與 Linux。
推薦理由：Edge0 開源了一個 145B 端側模型，報告峰值記憶體 29GB、解碼速度 80+ tokens/s，為本地推理能擴展到何種程度提供了一個具體數據點。
AWS 宣布更新 Amazon Bedrock AgentCore 執行環境，這是其用於代理程式的受管運算層，工作階段現在啟動速度最高提升 15 倍，可擴展至 4 倍運算資源（最高 8 個 vCPU 與 32 GB，容器映像最高 10 GB），執行效率最高提升 68%，同時每個工作階段仍維持在各自硬體隔離的 Firecracker MicroVM 中。無論映像大小或並行數量，工作階段皆在 2 秒內啟動，閒置代理程式會縮減至零，代理程式可掛載檔案系統並將工作儲存至 Amazon S3 儲存貯體等位置，支援 FUSE，讓資料留在信任邊界內。此執行環境即日起在北美、南美、歐洲與亞太地區的 AWS 區域提供。
推薦理由：AgentCore 執行環境的新版本同時調整了工作階段啟動、算力上限與記憶體計費，為需要長時間執行的智慧代理提供了隔離與成本之間的新取捨。
Google DeepMind 推出 Gemini 4 Hydrogen，這是一款 Gemini 4 模型，專為快速的日常程式編寫與代理式執行而打造，而非像 Gemini 4 Carbon 與 Argon 那樣著重於長程推理。它在預設的高思考等級下，於 Artificial Analysis Intelligence Index 上得分 51，而 Argon 為 50；在全新的 xhigh 設定下達到 54；其定價在其 100 萬 token 上下文視窗內一律為每百萬輸入 token 1.50 美元、每百萬輸出 token 7.50 美元。Google 亦在 Google Antigravity 中推出 Orchestrator，可在同一工作階段內於 Carbon 與 Hydrogen 等模型之間切換，並在 Terminal-Bench 4.0 上達到接近 Carbon 的任務成功率，同時少用 24% 配額、完成速度快 19%。
推薦理由：Google 的 Gemini 4 Hydrogen 鎖定快速的日常程式編寫與代理式工作，在 100 萬上下文視窗內一律採每百萬 token 1.50/7.50 美元的定價，並搭配可在 Gemini 4 模型之間切換的全新 Orchestrator。
AWS 已開源 UAEF（Universal Agent Evaluation Framework），這是一個與框架無關的系統，透過適配器將來自 LangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore 和 Langfuse 的代理軌跡正規化為統一的 AgentTrace，再以 7 個維度下的 36 項內建指標進行評分。結果按實驗分別儲存在 Amazon DynamoDB 和 Amazon S3 中，讓團隊可以將代理版本與基準進行比較，以預設 5% 的閾值標記回歸，並生成統計報告及 LLM 撰寫的洞察。文章指出，電信、醫療保健和金融服務領域 12 個組織的客戶在發布前使用了 UAEF，Apache 2.0 程式碼、Python 函式庫、CDK 部署及各框架的 notebook 均位於 awslabs/uaef GitHub 儲存庫中。
推薦理由：AWS 團隊開源 UAEF，用適配器把不同框架的 Agent 軌跡統一成一種格式，再以 36 項指標跨 7 個維度打分，為跨框架比較 Agent 版本提供了一套可復用的評測層。
Replit Agent 現在有兩項新任務：透過 Link 和 Visa 購買業務用品，以及在搜尋、YouTube、多媒體廣告和探索上建立 Google Ads 廣告活動。在購買流程中，瀏覽器子代理會導覽商家網站並準備結帳，然後等待擁有者核准最終總金額；付款期間會停用 shell 存取，且核准檢查會在程式碼中強制執行。Agentic Commerce 先在美國開放給 Core 和 Pro 使用者，僅限一次性購買；Agentic Ads 則全球開放給 Pro 使用者。
推薦理由：Replit Agent 現在能處理購買和 Google Ads 廣告活動，並透過程式碼強制執行的核准關卡，展示如何設計代理的消費上限。
Anthropic 發布 Claude Meetings 測試版，讓 Claude 以可見參與者身分加入 Google Meet 通話，能在聊天中回答問題、即時建立文件和白板，並撰寫筆記與待辦事項。每場會議在 claude.ai 上都有專屬頁面，包含逐字稿、筆記和產出物；預設情況下，除非管理員允許，Claude 不會加入有外部賓客的通話。此測試版在 Team 與 Enterprise 方案推出，部分組織無法使用，包括 ZDR、HIPAA-ready 和 CMEK 設定；測試期間筆記、逐字稿和通話中回答皆免費。
推薦理由：Anthropic 的測試版發布展示了會議代理如何在通話進行中起草文件、取得已連接工具的資料並撰寫筆記，同時預設排除外部賓客的規則。
Claude Opus 5.5 現已成為 Claude 在 Pro、Max、Ultra 與 Team 方案中的預設模型，Anthropic 建議將其作為日常主力，用於研究、分析以及完成文件、簡報與試算表。Anthropic 表示，Opus 5.5 在中等強度下的表現，在其程式設計與知識工作評估中達到或超越 Opus 5 在高強度下的水準；在一項內部併購分析測試中，它以 Opus 5 執行同一任務一半的成本，於 63 分鐘內完成。該文章也列出新模型的提示詞調整方式，包括移除「think hard」指令、從中等強度開始，以及附上圖表而非重新輸入其數值。
推薦理由：Anthropic 自家的指南說明了為何 Opus 5.5 現在是日常知識工作的預設模型，以及應為它捨棄哪些提示習慣。
微軟研究人員描述了 Lazarus，這是一種後門技術，可重新程式化 LLM 中不到 10 個休眠神經元，使建構於其上的代理在出現隱藏觸發條件時發出攻擊者指令，且無需重新訓練。修改後的模型仍能通過標準評估，並在觸發前表現正常，觸發條件可以簡單到只是日期變更，隨後代理便以其被賦予的任何權限執行下載的程式碼。作者表示，偵測需要與原始權重進行差異比對，而 Microsoft Foundry 已將開放權重模型與其發行商綁定並掃描其容器，同時紅隊測試框架、基於代理的權重掃描以及具備防篡改來源證明的簽署模型正在開發中。
推薦理由：微軟研究人員展示，重新程式化不到 10 個休眠神經元即可在無需重新訓練的情況下對 LLM 代理植入後門，這使得權重來源與完整性成為實際的安全需求。
LangChain 詳細說明其開源 Deep Agents 框架如何運用中介層來對抗長時間代理執行中的上下文腐化。工具結果超過約 20,000 個 token、使用者訊息超過 50,000 個 token 時，會被卸載到檔案中，只顯示預覽；而當用量達到上下文視窗的 85% 時，摘要功能會壓縮較舊的訊息。技能、子代理和一個 markdown 長期記憶檔案讓主代理的視窗保持精簡，並讓記憶能跨模型和供應商延續。
推薦理由：LangChain 說明其開源 Deep Agents 框架如何運用中介層來卸載、摘要和隔離上下文，為長時間任務中的代理提供可重複使用的模式。
Anthropic 以 Beta 版形式推出 Claude Whiteboards 與 Claude Sheets，並將 Claude Dashboards 正式更名為 Claude Data 全面開放。Whiteboards 可將口述計畫轉為含時間軸、負責人與日期的看板，供團隊即時編輯；Sheets 則能建立含分頁、公式、格式設定與下拉選單的試算表，並列出每項編輯。Claude Data 讓資料團隊認證查詢，並依據指標生成資料故事或旁白影片，即時分享功能可顯示最新數字。
推薦理由：Claude 新增協作白板、試算表與共享資料儀表板，將其工作空間從聊天延伸至團隊文件。
Claude 現在支援互動式連接器，可在 Claude 內開啟工具的完整版本，讓使用者能在對話的同時於 Adobe、Atlassian 和 Box 中工作，並自行進行變更或請 Claude 代為變更。在示範中，Claude 在 Confluence 的發布計畫中加入摘要、在 Adobe 中對照片套用抖色效果，並在 Box 中依設計標準檢查平面圖，再將修訂版本另存為新檔案。此功能正於網頁版與桌面版逐步推出。
推薦理由：互動式連接器讓 Claude 能在 Adobe、Atlassian 和 Box 應用程式內操作，展示代理工作流程如何從對話延伸到完整的第三方工具。
Google DeepMind 向開發者、企業、科學家與消費者開放 Gemini 4 Carbon，將其定位在 Gemini 4 Argon 之上，適用於需要更深層推理與更多 token 的任務。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 與 Zapier 的 AutomationBench 上排名第一，每項任務成本比次佳的外部模型低 2 倍以上，定價為每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，與 Argon 的 introductory 價格相同。Google 也預覽了 Google Antigravity 中的 /swarm，能將單一提示詞轉化為一支協同運作的代理團隊，並回報 Carbon 在模擬網路攻擊測試中攔截了 99% 的攻擊軌跡。
推薦理由：Google 的發布說明詳細介紹了 Gemini 4 Carbon 如何以更高的 token 用量換取更深層的推理，在 CursorBench 4.0、WANDR 與 AutomationBench 上排名第一，每項任務成本不到次佳外部模型的一半。
NVIDIA 將其用於保護與治理自主代理的開源執行環境 OpenShell 貢獻給雲原生運算基金會，成為沙箱專案，同時也對 Google 主導的 Agent Substrate 做出貢獻。NVIDIA 宣布三項新的 DSX AI Factory 平台元件：NVIDIA Kubernetes Engine 與 NVIDIA Kubernetes Recipes（現已進入公開預覽），以及 NVIDIA Snapshot，可在數秒內還原檢查點副本，無需重新載入模型或暖機。Crusoe 在 Crusoe Cloud 上測試 GLM-5.3，將工作負載就緒時間從約八分鐘縮短至 31 秒，而 Saturn Cloud 則將 vLLM 啟動時間從 2 到 8.5 分鐘縮短至 6 分 34 秒。
推薦理由：NVIDIA 將其代理安全執行環境 OpenShell 貢獻給 CNCF，並為 GPU AI 工廠新增 Kubernetes 工具，早期的 Snapshot 成果將推論啟動時間從數分鐘縮短至數秒。
Google 發布 A2UI 1.0，這是其開放協議的首個穩定版本，讓 AI 代理能以互動式畫面回應，並由各應用程式自身的原生元件渲染。1.0 版新增雙向函式呼叫、無障礙支援與擴充元資料，並提供 React、Angular、Lit、Flutter、SwiftUI 與 Jetpack Compose 的開源渲染器（Compose 渲染器為 0.9.1 版，1.0 版即將推出），以及 Python、TypeScript 與 Dart 的代理 SDK。Atlassian 正將 A2UI 引入 Jira，Alation 在 Claude 中以它渲染其資訊流，而字節跳動於 2026 年 6 月發布了 Lynx 渲染器，目前支援 0.9 版。
推薦理由：Google 穩定的 A2UI 1.0 協議讓代理能回傳原生互動式畫面，而非大段文字，並提供網頁、Android 與 iOS 的渲染器，早期採用者包括 Atlassian 與字節跳動。
Google DeepMind 研究人員使用 AlphaProof Code——一個多 LLM 代理框架——對 Signal 協議實際底層程式碼的關鍵安全屬性進行正式驗證。由 Gemini Carbon 驅動的代理生成了超過六百萬行 Lean 程式碼，人類專家僅審查了約百分之一的程式碼庫；驗證耗時四週，而這項任務歷來需要專家團隊數年時間。當兩個先前已修復的錯誤被重新引入 Signal 程式碼的隔離版本時，該系統產生了機器檢查的證明，證明有錯誤的版本不安全，DeepMind 正在將其正式驗證產物開源。
推薦理由：Google DeepMind 的多代理框架在四週內正式驗證了 Signal 部署的加密程式碼，而這項任務歷來需要專家團隊數年時間。
在涵蓋硬體改造、商業規劃、人文課程建構、學術研究及一個 450 個世界的 3D 傳送門專案等任務上，並依其定義——在多數電腦化智力任務上能與大多數人類專家匹敵——判定它幾乎達到 AGI。
推薦理由：Ethan Mollick 對 Claude Fable 5.2 的實測顯示其在程式設計、商業與研究方面具備強大的通用能力，同時也暴露出它在判斷自身工作是否足夠好這方面持續存在的落差。
Anthropic 正在推出一項更新，讓支援的互動式連接器能在對話旁或全螢幕開啟完整工具，並讓 Claude 對開啟的頁面、資料列或檔案進行變更，使用者核准的方式與連接器動作相同。此次推出涵蓋網頁版與 Claude 桌面應用程式的所有方案，首批工具包括 Asana、Canva、Carta、Dropbox、monday.com、Smartsheet、Vercel 與 Webflow，Figma、Harvey 與 Shopify 也正在建置整合。這些連接器執行於 MCP Apps，而 Claude 現在支援更多該擴充功能，例如應用程式工具與內嵌網站，並以公開預覽形式提供給開發者。
推薦理由：Claude 的連接器現在會在對話旁開啟完整工具，並讓 Claude 直接編輯頁面、資料列與檔案，採用與連接器動作相同的核准流程。
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。
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。