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。
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。
GPT 5.4 is now on AI Gateway★ 75
Vercel Changelog89d agoReleaseVercel 於 Changelog 宣布其 AI Gateway 服務已正式加入對 OpenAI 最新 GPT 5.4 模型的支援。開發者現在可以透過 Vercel 的統一 API 介面，輕鬆呼叫 GPT 5.4，並享有 AI Gateway 提供的自動重試、快取、速率限制（Rate Limiting）以及詳細的用量監控功能。這項更新將幫助開發者更安全、高效地將 GPT 5.4 整合至其 Web 應用程式中。
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。
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。
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。
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。
Three Years from GPT-3 to Gemini 3★ 80
One Useful Thing (Mollick)196d agoOpinion知名 AI 學者 Ethan Mollick 撰文指出，AI 技術在過去三年經歷了巨大的範式轉移。AI 已從最初 GPT-3 時代單純進行文本生成與對話的「聊天機器人（Chatbots）」，演進至如今以 Gemini 3 為代表、具備自主規劃與執行能力的「AI Agent（代理人）」。這一轉變不僅改變了人機互動模式，也重新定義了 AI 在工作與生活中的實用價值。
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。
Running Next.js inside ChatGPT: A deep dive into native app integration★ 85
Vercel Changelog230d agoReleaseVercel 發布技術深度解析，探討如何將 Next.js 應用原生整合至 ChatGPT 中運行。此技術讓使用者能直接在 ChatGPT 介面中部署、執行並互動 Next.js 專案，大幅提升 AI 輔助開發的體驗。文章剖析了沙盒環境、WebContainer 技術以及 Vercel 與 OpenAI 之間的架構協同。
On Working with Wizards★ 85
One Useful Thing (Mollick)263d agoOpinion知名 AI 學者 Ethan Mollick 提出「與魔法師共事」的隱喻，指出當前 AI 並非傳統軟體，而是具備強大卻不穩定能力的魔法師。在「參差不齊的技術前沿（Jagged Frontier）」上，AI 可能在困難任務上表現驚人，卻在簡單任務上出錯。人類必須學會扮演「驗證者」，透過深度整合（如半人馬或賽博格模式）來駕馭這股魔法般的技術。
Tricks from OpenAI gpt-oss YOU 🫵 can use with transformers★ 82
Hugging Face Blog264d agoTutorialHugging Face 官方解析了 OpenAI 最新開源項目 `gpt-oss` 的核心加速技術，並教導開發者如何將這些優化手段移植到現有的 `transformers` 庫中。重點技巧包含：利用 `torch.compile` 配合「靜態 KV 快取」消除 Python 執行期開銷、引入「投機性解碼」實現多倍速生成，以及透過 FP8/INT4 量化與 Triton 自訂核心緩解記憶體頻寬瓶頸。這些方法能讓開發者在不犧牲精度的情況下，極大化 GPU 的推論效率。
Mass Intelligence★ 85
One Useful Thing (Mollick)277d agoOpinion知名 AI 學者 Ethan Mollick 撰文探討「大眾智能（Mass Intelligence）」的降臨。他指出，AI 正在朝兩極化普及：一方面是如 GPT-5 等具備頂尖推理能力的前沿模型，另一方面是能在個人裝置運行的超輕量本地模型（如 nano banana 等）。這意味著強大的 AI 算力將如同電力般無所不在且廉價，徹底民主化智能的獲取管道。
TextQuests: How Good are LLMs at Text-Based Video Games?★ 75
Hugging Face Blog294d agoReleaseHugging Face 發表全新基準測試「TextQuests」，旨在評估大型語言模型（LLM）在文字冒險遊戲（如 Zork）中的表現。這類遊戲要求模型具備強大的自然語言理解、常識推理、長期規劃與狀態追蹤能力。測試結果顯示，儘管現今 LLM 在傳統基準上表現優異，但在面對需要多步驟決策與試錯的文字遊戲時仍面臨極大挑戰。
GPT-5: It Just Does Stuff★ 85
One Useful Thing (Mollick)299d agoOpinion知名 AI 學者 Ethan Mollick 撰文探討 GPT-5 的核心變革。他指出，未來的 AI 不再只是回答問題的聊天機器人，而是能夠自主執行複雜工作流的「代理人（Agent）」。使用者將從「撰寫提示詞」轉變為「授權與管理」，真正實現「讓 AI 掌管任務（Putting the AI in Charge）」，這將徹底改變我們的工作與組織協作方式。
GPT-5, GPT-5-mini, and GPT-5-nano are now available in Vercel AI Gateway★ 95
Vercel Changelog299d agoReleaseVercel 宣布其 AI Gateway 已正式支援 OpenAI 最新發布的 GPT-5、GPT-5-mini 和 GPT-5-nano 模型。開發者現在可以透過 Vercel 的統一 API 介面，輕鬆將這些具備更強推理與多模態能力的新世代模型整合至應用程式中。這不僅簡化了 API 管理，還能利用 Vercel AI Gateway 提供的快取、限流與監控功能，加速下一代 AI 應用的開發與部署。
Welcome GPT OSS, the new open-source model family from OpenAI!★ 95
Hugging Face Blog301d agoReleaseHugging Face 官方宣布迎來 OpenAI 的全新開源模型家族「GPT OSS」。這項合作打破了 OpenAI 長期以來以閉源為主的策略，將其強大的 GPT 技術以開源形式提供給全球開發者。社群現在可以直接在 Hugging Face 上下載、微調並部署這些模型，預計將對開源 AI 生態系產生深遠的影響。
TimeScope: How Long Can Your Video Large Multimodal Model Go?★ 75
Hugging Face Blog314d agoReleaseHugging Face 介紹了全新的影片多模態基準測試「TimeScope」，旨在評估 Video LMM 處理長影片的能力。現有基準多侷限於短影片，而 TimeScope 挑戰模型在長時段影片中的時間推理、事件排序與資訊檢索。測試結果顯示，多數現行模型在影片長度增加時，理解與推理能力會顯著下降，揭示了現有技術的瓶頸。
Back to The Future: Evaluating AI Agents on Predicting Future Events★ 75
Hugging Face Blog320d agoReleaseHugging Face 發表全新基準測試「FutureBench」，旨在評估 AI Agent 在預測未來事件（如地緣政治、金融市場及科技趨勢）上的表現。該測試挑戰了 Agent 的資訊檢索、機率推理與時間推理能力，有效避免了傳統基準測試中常見的資料洩漏問題。評估結果顯示，目前的 AI Agent 在面對未知的未來事件時，預測準確度與人類專家仍有顯著差距。
ScreenEnv: Deploy your full stack Desktop Agent★ 82
Hugging Face Blog327d agoNew ToolHugging Face 介紹了 ScreenEnv，這是一個旨在簡化「電腦使用（Computer Use）」AI 代理部署的開源環境。它提供類似 Gym 的標準化接口，讓開發者能在安全的虛擬桌面（如 Docker/VM）中，利用多模態模型（如 Claude 或 GPT）進行滑鼠、鍵盤與螢幕視覺的完整互動，非常適合開發自動化工作流與 GUI 代理。
Using AI Right Now: A Quick Guide★ 85
One Useful Thing (Mollick)344d agoTutorial知名 AI 學者 Ethan Mollick 整理了最新的 AI 實用指南，解答「該用哪款 AI」與「如何使用」的核心問題。他強調應直接使用最頂尖的 Frontier Models（如 GPT、Claude、Gemini），並將 AI 視為「聰明但缺乏常識的實習生」。指南涵蓋日常寫作、程式開發、資料搜尋與多媒體生成等四大領域的推薦工具與實戰心法。