[AINews] The End of Finetuning★ 75
Latent Space20d agoOpinion在一個相對平靜的新聞日，Latent Space 帶領讀者反思「微調（Fine-tuning）的終結」這一命題。 隨著長上下文視窗、高效 RAG 以及上下文內學習（In-context Learning）的成熟，許多原本需要微調的場景已被取代。 未來微調可能退化為僅用於調整輸出格式、風格或進行模型蒸餾的工具，而非首選的知識注入手段。
How Superset built the IDE for AI agents on Vercel
Vercel Changelog23d agoCommentary本文介紹 Superset 如何在 Vercel 平台上構建專為 AI Agent 設計的整合開發環境 (IDE)。Superset 利用 Vercel AI SDK 簡化多模型對接，並透過 Next.js App Router 與 Serverless Functions 處理複雜的代理人工作流與工具調用。透過 Vercel 的全球邊緣網路，他們成功解決了 Agent 運作時的即時狀態同步與高延遲問題，為開發者提供流暢的協作體驗。
[AINews] Anthropic growing 10x/year while everyone else is laying off >10% of their workforce★ 75
Latent Space24d agoBusiness本文探討了當前科技經濟中極具對比的「雙軌分歧」現象。一方面，多數科技企業正經歷超過 10% 的裁員潮與預算緊縮；另一方面，以 Anthropic 為首的頂尖 AI 公司卻以每年 10 倍的速度瘋狂成長。這種資金與人才高度向生成式 AI 領域集中的現象，正劇烈重塑科技產業的就業與發展版圖。
[AINews] Anthropic-SpaceXai's 300MW/$5B/yr deal for Colossus I, ARR growth is 8000% annualized★ 90
Latent Space26d agoBusiness根據 Latent Space 報導，Anthropic 與 xAI 達成一項歷史性的算力租賃協議。Anthropic 將以每年 50 億美元的價格，租用 xAI 旗下 Colossus I 超級電腦叢集高達 300MW 的電力容量。這項交易不僅代表著 AI 算力市場的版圖重組，也讓相關實體的年化經常性收入（ARR）呈現驚人的 8000% 爆發式成長，顯示出前沿模型對算力的極度飢渴。
The distillation panic★ 75
Interconnects (Nathan L.)29d agoOpinion近期 AI 業界出現將「知識蒸餾（Distillation）」稱為「蒸餾攻擊（Distillation attacks）」的趨勢。 這反映了閉源模型廠商（如 OpenAI、Anthropic）面對開源模型透過合成數據快速追趕時的焦慮。 作者 Nathan Lambert 指出，將這種行之有年的機器學習技術與商業競爭行為「安全化（securitize）」，試圖將其塑造成惡意網路攻擊，是非常糟糕且誤導的術語，旨在為法律訴訟或技術封鎖鋪路。
Reading today's open-closed performance gap★ 75
Interconnects (Nathan L.)43d agoOpinion本文探討了比較開源（如 Llama）與閉源（如 GPT、Claude）模型時，過度依賴單一評估指標（如 MMLU 或 Arena Elo）的盲點。作者指出，基準測試受提示詞敏感度、測試集污染及後訓練（Post-training）策略影響極大。未來，隨著推理期計算（Inference-time compute）與 Agent 應用的興起，評估模型性能的維度將發生根本性轉變。
My bets on open models, mid-2026★ 75
Interconnects (Nathan L.)48d agoOpinion知名 AI 學者 Nathan Lambert 針對 2026 年年中的開源模型發展提出預測。他指出，開源與閉源模型之間的差距（Open-Closed Gap）正從「基礎預訓練能力」轉移到「推理期計算（Inference-time compute）」與「代理（Agent）可靠性」。雖然 Meta 的 Llama 4 等開源模型將持續逼近閉源旗艦，但閉源廠商憑藉龐大算力與專有強化學習（RL）架構，在複雜多步驟任務上仍將保持領先。
Claude Mythos and misguided open-weight fearmongering★ 75
Interconnects (Nathan L.)53d agoOpinion本文探討了 AI 領域中圍繞 Anthropic Claude 所建立的「安全神話」，以及輿論對開源權重（open-weight）模型安全性的過度恐慌。作者 Nathan Lambert 指出，這種將開源模型視為重大威脅的論調缺乏實質依據，往往只是閉源陣營或特定政策倡導者重複上演的「開源恐懼之舞」。他呼籲大眾與決策者應理性看待開源的實際風險與巨大價值，避免因不理性的恐懼而扼殺創新。
Agent responsibly★ 75
Vercel Changelog64d agoOpinionVercel 針對日益普及的 AI Agent 開發提出「Agent responsibly」倡議。文章聚焦於開發者在部署 Agent 時面臨的挑戰，包括無限循環、高昂成本、安全漏洞（如提示詞注入）以及用戶隱私問題。Vercel 結合其 AI SDK 與平台特性，提供了防護欄（Guardrails）、速率限制、可觀測性等實用解決方案，幫助開發者構建既強大又安全的 Agent 應用。
GPT 5.4 is a big step for Codex★ 80
Interconnects (Nathan L.)76d agoCommentary本文探討了 GPT 5.4 對於 OpenAI 旗下 Codex（代碼與 Agent 生態）帶來的重大進展。作者 Nathan L. 深入評估了當前 AI Agent 的前沿發展，分析了 GPT 5.4 的進步。然而，儘管 GPT 5.4 取得了顯著突破，作者也解釋了在實際開發與評估中，他依然更傾向於選擇 Anthropic 的 Claude 的原因。
The Shape of the Thing★ 85
One Useful Thing (Mollick)82d agoOpinion沃頓商學院教授 Ethan Mollick 撰文分析 AI 的現狀與未來。他指出，雖然基礎模型的純暴力縮放（Scaling）可能遇到瓶頸，但透過「推論時運算」（Inference-time compute）如 OpenAI o1/o3 和 Claude 3.7 Sonnet，AI 的推理能力正大幅躍進。我們正處於從「對話式 AI」轉向「自主 Agent」的關鍵節點，這將徹底重塑工作流程與組織架構。
Dean Ball on open models and government control ★ 75
Interconnects (Nathan L.)88d agoCommentary本文探討政策專家 Dean Ball 對於「Anthropic 訴 戰爭部（DoW）」一案的觀察。他指出，這場涉及國家安全與 AI 技術控制的法律戰，其判決與和解過程將釋放微妙的先例信號。這些信號不僅影響封閉原始碼巨頭，更會直接衝擊開源模型的生存空間，若政府以國安為由限制模型權重，將對整個開源生態帶來嚴重的監管效應。
How much does distillation really matter for Chinese LLMs?★ 75
Interconnects (Nathan L.)98d agoCommentary本文探討知識蒸餾（Distillation）在中國大語言模型（如 DeepSeek、Qwen）發展中扮演的角色。針對 Anthropic 近期將蒸餾視為「安全攻擊」的報告，作者指出，雖然蒸餾確實加速了模型對齊，但中國 LLM 的成功更多歸功於其強大的預訓練底座與強化學習（RL）創新。將蒸餾單純簡化為「抄襲」或「攻擊」，忽略了其作為標準機器學習技術的本質，也低估了中國團隊的工程實力。
A Guide to Which AI to Use in the Agentic Era★ 85
One Useful Thing (Mollick)104d agoTutorial隨著 AI 從單純的「聊天機器人」演進至具備主動執行能力的「代理人（Agents）」與深度思考的「推理模型（Reasoning Models）」，使用策略已大幅改變。本文整理了當前主流 AI（如 GPT、Claude、Gemini 及 DeepSeek）在寫作、程式開發、資料分析與自動化任務中的定位。讀者將能理解何時該用一般聊天、何時該啟動推理，以及如何佈署代理人來提升生產力。
Open models in perpetual catch-up★ 80
Interconnects (Nathan L.)105d agoOpinion本文探討開源與閉源 AI 模型之間的動態關係。開源模型（如 Llama、DeepSeek）常利用閉源模型的輸出進行「蒸餾」來快速追趕，但這也讓它們始終落後一步。儘管如此，開源模型憑藉著低成本、高客製化與強大的開發者生態，在實用普及度上依然能取得勝利。然而，要打破這種「永久追趕」的狀態，開源社群仍需在基礎架構創新與自主強化學習（RL）上取得突破。
Custom Kernels for All from Codex and Claude★ 80
Hugging Face Blog109d agoNew ToolHugging Face 發表最新技術，展示如何讓 AI Agent（如基於 smolagents 框架）具備編寫自訂 CUDA/Triton Kernel 的「技能」。透過將編譯器、正確性驗證與基準測試（Benchmarking）工具整合為 Agent 的 Tool，Agent 能自主撰寫低階 GPU 程式碼、讀取錯誤訊息進行 Debug，並持續優化效能。這項突破大幅降低了 GPU 算子開發的門檻。
Opus 4.6, Codex 5.3, and the post-benchmark era★ 80
Interconnects (Nathan L.)113d agoOpinion本文探討在 2026 年面對 Opus 4.6 與 Codex 5.3 等頂尖模型時，傳統靜態基準測試（如 MMLU）已完全失效。AI 評估正式進入「後基準時代」，重點轉向評估模型在複雜、多步驟的代理人任務（Agentic tasks）中的實際表現。未來，評估將更依賴動態環境、人類反饋與客製化的工作流模擬，而非單一的分數指標。
How we built AEO tracking for coding agents★ 75
Vercel Changelog113d agoCommentary隨著 AI 程式碼代理（Coding Agents）逐漸主導開發流程，Vercel 提出了 AEO（Agent Engine Optimization，代理引擎優化）的概念。本文介紹 Vercel 如何建構一套追蹤系統，藉由分析 User-Agent、監控 llms.txt 等代理專用文件的請求，來評估與優化 AI 代理對 Vercel 文件的檢索效率。這項技術能幫助開發團隊了解 AI 代理如何理解自家產品，進而提升 AI 生成程式碼的準確率與部署成功率。
We Got Claude to Build CUDA Kernels and teach open models!★ 80
Hugging Face Blog125d agoReleaseHugging Face 發表最新「Upskill」專案，展示如何利用 Claude 3.5 等強大商用模型生成複雜的 CUDA 核心（Kernel）程式碼與測試案例。透過這套包含編譯與效能驗證的自動化管線，他們篩選出高品質的合成數據，並成功用來微調開源模型，大幅提升開源社群在極具挑戰性的 GPU 硬體加速編程任務上的表現。
AGENTS.md outperforms skills in our agent evals★ 78
Vercel Changelog126d agoReleaseVercel 在最新的 Agent 評估中發現，使用 `AGENTS.md` 這種基於 Markdown 的宣告式文件來定義 AI Agent 的角色與指令，其成效顯著優於傳統為 Agent 綁定特定「技能（Skills/Tools）」的作法。這項發現將簡化開發者構建多 Agent 系統的流程，並提升 LLM 在複雜任務中的執行準確度與對齊表現，代表著 Agent 開發範式正朝向「文件驅動」轉移。
Testing if "bash is all you need"★ 75
Vercel Changelog131d agoOpinionVercel 近期發表文章，探討在 AI Agent 時代中，「僅提供 Bash 工具」是否就能滿足所有開發需求。文章評估了讓 AI 代理直接操作終端機的潛力與極限，分析其在自動化測試、程式碼修復及部署上的表現。雖然 Bash 賦予了極高的自由度，但安全防護、錯誤處理與上下文限制仍是關鍵挑戰。
Import AI 441: My agents are working. Are yours? ★ 75
Import AI (Jack Clark)134d agoCommentary在本期 Import AI 中，Jack Clark 探討了 AI Agent 的實用化轉折點，分享他如何將 Agent 融入日常工作流，指出 Agent 已從「玩具」走向「實用工具」。此外，本期也介紹了一項安全研究「毒泉（Poison Fountain）」，展示了攻擊者如何透過持續注入惡意數據，污染 AI 系統的長期記憶與檢索機制，對當前日益普及的 Agent 安全性敲響警鐘。
Claude Code and What Comes Next★ 85
One Useful Thing (Mollick)145d agoCommentary知名 AI 學者 Ethan Mollick 撰文分析 Anthropic 最新釋出的命令列工具 Claude Code。他指出，這款工具代表了 AI 從單純的「對話框」走向「自主代理人（Agent）」的重大轉變。Claude Code 不僅能寫程式，還能直接在終端機執行、測試、根據錯誤訊息自我修正並完成 Git 提交。這預示著未來所有工作流程都將被這種「給予工具並讓其自主嘗試」的 Agent 模式所顛覆。
We removed 80% of our agent’s tools★ 85
Vercel Changelog162d agoOpinionVercel 在建構生產級 AI Agent 時發現，給予過多工具會導致模型混淆、延遲飆升與成本暴增。他們透過「動態工具載入」、「多 Agent 架構」與「程式碼硬編碼路由」等策略，成功精簡了 80% 的工具。這項優化不僅讓 Agent 的任務成功率顯著提升，更大幅改善了用戶體驗，證明了在 AI 應用開發中「少即是多」的硬道理。
FACTS Benchmark Suite: Systematically evaluating the factuality of large language models★ 80
Google DeepMind Blog175d agoReleaseGoogle DeepMind 發表全新的 FACTS 基準測試套件，專門用於系統化評估大型語言模型（LLM）的真實性。該套件解決了現有評估方法不夠全面或難以標準化的痛點，透過多維度的測試集與自動化評估指標，幫助研究人員與開發者精確量化模型的「幻覺」程度。這對於提升 AI 在高風險領域（如醫療、法律、金融）的實用性與信任度具有重要意義。
We Got Claude to Fine-Tune an Open Source LLM★ 78
Hugging Face Blog180d agoTutorialHugging Face 分享了如何利用 Anthropic 的 Claude 模型（作為 AI Agent）來自動微調開源大語言模型。透過整合 Hugging Face 的生態系工具（如 AutoTrain），Claude 能夠自主處理數據集清洗、撰寫訓練腳本、調整超參數並執行微調。這項實驗展示了 Agent 在機器學習工程（MLE）自動化中的巨大潛力，讓模型訓練變得更加平民化。
Giving your AI a Job Interview★ 80
One Useful Thing (Mollick)202d agoOpinion隨著 AI 提供的決策與建議在工作中變得越來越重要，傳統的簡單測試已不足以評估其極限。華頓商學院教授 Ethan Mollick 指出，我們需要透過結構化的「工作面試」流程，包含情境問答、極限測試與邏輯追問，來評估 AI 在特定任務中的真實實力、潛在偏見與幻覺機率，從而決定如何安全地與其協作。
An Opinionated Guide to Using AI Right Now★ 85
One Useful Thing (Mollick)226d agoTutorial賓州大學華頓商學院教授 Ethan Mollick 釋出最新 AI 實用指南。他指出，目前主流模型各有擅場：Claude 3.5 Sonnet 適合寫作與程式，GPT-4o 語音與綜合能力強，Gemini 則以超大上下文見長。他強調，使用者應將 AI 視為「聰明但缺乏經驗的實習生」，透過持續對話與回饋來突破「不規則邊界（Jagged Frontier）」，才能真正發揮 AI 的生產力潛能。
Introducing x402-mcp: Open protocol payments for MCP tools★ 75
Vercel Changelog263d agoReleaseVercel 宣布推出「x402-mcp」，這是一個針對模型上下文協議（MCP）工具的開放式支付協議。該協議旨在解決 AI Agent 與工具互動時的付費與授權問題，靈感源自 HTTP 402（Payment Required）狀態碼。透過 x402-mcp，開發者可以更輕鬆地為其 MCP 工具整合計費與支付機制，促進 AI 工具生態系的商業化發展。
402-mcp enables x402 payments in MCP★ 75
Vercel Changelog263d agoReleaseVercel 宣布推出 402-mcp，在 Model Context Protocol (MCP) 中啟用 x402 付款機制。這允許 AI 代理（Agents）在調用 MCP 工具或數據時，直接透過 HTTP 402 進行自動化微付款，為 AI 代理經濟（Agentic Economy）奠定商業化基礎。