Introducing NVIDIA Nemotron 3 Nano Omni: Long-Context Multimodal Intelligence for Documents, Audio and Video Agents★ 75
Hugging Face Blog35d agoReleaseNVIDIA 推出全新輕量級多模態模型 Nemotron 3 Nano Omni，主打「長文本」與「多模態」處理能力。該模型專為文件分析、語音與影片理解的 AI Agent 所設計，能在資源受限的設備上運行。這標誌著邊緣端（On-device）多模態 Agent 應用的重大突破。
DeepSeek-V4: a million-token context that agents can actually use★ 85
Hugging Face Blog39d agoReleaseHugging Face 介紹全新 DeepSeek-V4 模型，具備 100 萬 Token 的超長上下文能力。不同於以往流於形式的長文本模型，DeepSeek-V4 專為 Agent 設計，在長文本召回率與指令遵循上表現優異。本文探討其技術突破、在 Hugging Face 生態系的部署方式，以及如何實際應用於複雜的 Agent 工作流中。
Sign of the future: GPT-5.5 ★ 85
One Useful Thing (Mollick)40d agoCommentary賓州大學教授 Ethan Mollick 針對 GPT-5.5 發表評論。他指出，GPT-5.5 的出現再次證實了 AI 技術並未如外界預期般遭遇瓶頸，而是沿著陡峭的成長曲線繼續攀升。這款新模型在推理、任務執行與自主代理能力上展現了顯著的進步，為未來的自動化工作與人機協作揭開了全新序幕。
Ecom-RLVE: Adaptive Verifiable Environments for E-Commerce Conversational Agents★ 75
Hugging Face Blog47d agoReleaseEcom-RLVE 是一個專為電子商務對話 Agent 設計的自適應可驗證環境。它解決了電商 AI 難以在動態場景下評估與確保合規性的痛點。透過模擬多樣化的用戶行為與後台 API，並結合自動驗證機制，開發者能更安全地訓練與測試具備工具調用能力的電商 Agent。
Inside VAKRA: Reasoning, Tool Use, and Failure Modes of Agents★ 75
Hugging Face Blog48d agoReleaseIBM Research 於 Hugging Face 發表全新基準測試「VAKRA」的分析報告。該測試專為評估 AI Agent 的核心能力而設計，著重於複雜的多步驟推理與動態工具調用。研究不僅評估了主流模型在 Agent 任務中的表現，更系統化地歸納出 Agent 的各類失敗模式（如工具誤用、推理漂移等），為開發者優化 Agent 系統提供關鍵指引。
Import AI 453: Breaking AI agents; MirrorCode; and ten views on gradual disempowerment★ 75
Import AI (Jack Clark)50d agoCommentary本期 Import AI 深入探討三個核心議題：首先是 AI Agent 在面對惡意輸入與複雜環境時的脆弱性與破解方法；其次介紹了代碼生成領域的新技術或基準測試 MirrorCode；最後，透過十種不同視角，探討人類因逐漸將決策權讓渡給 AI 系統而導致的「漸進式失權（Gradual Disempowerment）」風險，並以「火的發明是否等同於當時人類的奇點」進行哲學反思。
Import AI 452: Scaling laws for cyberwar; rising tides of AI automation; and a puzzle over gDP forecasting ★ 75
Import AI (Jack Clark)57d agoCommentaryJack Clark 在本期電子報中探討了三個核心議題：首先是「網路戰的縮放定律」，分析運算量提升如何改變攻防兩端的平衡；其次是「AI 自動化浪潮」對各行各業的實質滲透；最後則聚焦於「GDP 預測之謎」，探討現有經濟模型在評估 AI 帶來的革命性經濟影響時所面臨的侷限與衝突。
Gemma 4: Byte for byte, the most capable open models★ 85
Google DeepMind Blog61d agoReleaseGoogle DeepMind 正式發表全新開源模型 Gemma 4。官方宣稱其為「同等參數規模下最強大的開源模型」，在智慧表現上達到新高度。該系列模型特別針對進階推理與自主 Agent 工作流進行優化，為開發者提供更高效、更具性價比的開源 AI 選擇。
Import AI 451: Political superintelligence; Google's society of minds, and a robot drummer ★ 75
Import AI (Jack Clark)64d agoCommentary知名 AI 科技週報《Import AI》第 451 期聚焦三大前沿議題。首先探討「政治超智慧」對人類社會與民主體制的衝擊，並提出科技是否已無法收回的詰問；其次介紹 Google 借鑑閔斯基理論的「心智社會」多智慧體協作研究，展示群體 AI 解決複雜問題的潛力；最後則分享了結合強化學習與精準物理控制的機器人鼓手技術。
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。
Liberate your OpenClaw★ 75
Hugging Face Blog67d agoTutorial本文探討如何「解放」開源 CLI 開發 Agent 工具 OpenClaw。隨著類似 Claude Code 的終端機 Agent 工具興起，Hugging Face 介紹了如何將 OpenClaw 與 Llama、Qwen 等開源模型整合。透過 Hugging Face 的推論 API 或本地部署，開發者可以不再受限於單一閉源 API，實現高自由度、低成本且隱私安全的自主開發流程。
Automatic persistence now in beta on Vercel Sandbox★ 75
Vercel Changelog68d agoReleaseVercel 宣布其 Sandbox（沙盒環境）正式推出「自動持久化（Automatic persistence）」Beta 版。此功能解決了過去沙盒環境在執行完畢後即銷毀、無法保留狀態的痛點。現在，沙盒中的檔案修改、安裝的套件與執行狀態將會自動保存，讓開發者在構建 AI Agent、動態程式碼執行或互動式開發工具時，能擁有更連貫且高效的體驗。
A New Framework for Evaluating Voice Agents (EVA)★ 75
Hugging Face Blog70d agoReleaseServiceNow AI 在 Hugging Face 上發布了名為「EVA」（Evaluating Voice Agents）的全新開源評估框架。該框架旨在解決傳統文字 LLM 評估無法涵蓋語音互動特性的痛點，專注於即時延遲、語音打斷、輪替（Turn-taking）及語意理解等多維度指標。這為開發下一代即時語音助理（如類似 GPT-4o 或 Gemini Live 的應用）提供了標準化的測試基準。
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。
State of Open Source on Hugging Face: Spring 2026★ 85
Hugging Face Blog77d agoCommentaryHugging Face 發布 2026 年春季開源報告，揭示開源 AI 生態的最新趨勢。報告指出，具備推理能力的開源模型（如 DeepSeek 與 Qwen 系列）已成為社群主流；同時，以 smolagents 為首的輕量級 Agent 框架與本機端（On-Device）小模型正快速普及。此外，開源多模態與影片生成技術的下載量也創下歷史新高，展現出開源社群強大的創新動能。
Holotron-12B - High Throughput Computer Use Agent★ 75
Hugging Face Blog77d agoReleaseHcompany 在 Hugging Face 上推出了 Holotron-12B 開源模型，專為「電腦操作（Computer Use）」設計。該模型具備 120 億參數，主打「高吞吐量」特性，旨在提升 AI 代理在操作作業系統與應用程式時的反應速度與執行效率，為輕量高效的 Agent 邁出重要一步。
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。
Import AI 448: AI R&D; Bytedance's CUDA-writing agent; on-device satellite AI ★ 75
Import AI (Jack Clark)85d agoCommentary本期 Import AI 聚焦三大前沿：首先是 ByteDance 開發出能自動編寫與優化 CUDA 程式碼的 Agent，大幅降低 GPU 效能調校門檻；其次是探討在衛星上直接運行 AI 模型（邊緣運算）的技術進展；最後，作者藉由烏克蘭無人機戰事，深刻反思未來首場真正的「AI 戰爭」將於何時、以何種形式爆發。
Import AI 447: The AGI economy; testing AIs with generated games; and agent ecologies ★ 75
Import AI (Jack Clark)92d agoOpinion本期 Import AI 深入探討了三個前沿議題：首先是「AGI 經濟」，分析當算力與能源成為核心資源時，超智慧生態建築（Arcology）的運作模式；其次是「生成式遊戲測試」，指出傳統基準測試已飽和，未來將透過即時生成的遊戲來評估 AI 的泛化與規劃能力；最後是「Agent 生態學」，展望多智慧體在共享環境中互動、競爭與演化的未來趨勢。
Security boundaries in agentic architectures★ 75
Vercel Changelog98d agoOpinion隨著 AI Agent（代理）逐漸具備自主執行工具與呼叫 API 的能力，傳統的安全防護已不敷使用。Vercel 提出在代理式架構中建立「安全邊界」的關鍵指引，強調必須實施執行期沙盒化（Sandboxing）、嚴格的最小權限原則（Least Privilege），以及在關鍵決策中引入「人工確認（Human-in-the-loop）」機制，以防止提示詞注入與越權操作。
Gemini 3.1 Pro: A smarter model for your most complex tasks★ 85
Google DeepMind Blog103d agoReleaseGoogle DeepMind 宣布推出新一代模型 Gemini 3.1 Pro。該模型專為需要深度思考與複雜處理的任務而設計，旨在解決傳統簡單回答無法滿足的進階需求。這標誌著 Gemini 系列在複雜推理與專業工作流上的進一步升級，將為開發者與企業用戶在建構 AI Agent 及處理高難度邏輯推理時，提供更強大的運算大腦與解決方案。
IBM and UC Berkeley Diagnose Why Enterprise Agents Fail Using IT-Bench and MAST★ 80
Hugging Face Blog104d agoReleaseIBM 研究中心與柏克萊加州大學（UC Berkeley）合作發表了 IT-Bench 基準測試與 MAST 診斷框架。IT-Bench 模擬了真實的企業 IT 運維環境，而 MAST 則專門用來剖析 AI Agent 在執行多步驟任務時失敗的深層原因。研究指出，企業級 Agent 的失敗往往源於工具調用錯誤、狀態追蹤失效及錯誤累積，而非單純的 LLM 能力不足，這為未來 AIOps 的優化提供了明確方向。
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。
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。
OpenEnv in Practice: Evaluating Tool-Using Agents in Real-World Environments★ 75
Hugging Face Blog110d agoNew ToolHugging Face 介紹了開源評估框架 OpenEnv 的實務應用。該框架旨在解決傳統靜態基準測試的不足，提供模擬真實世界（如作業系統、網頁瀏覽、API 呼叫）的動態環境。透過 OpenEnv，開發者能更準確地測試 AI Agent 在面對網路延遲、非預期錯誤及多步驟規劃時的真實表現，是推動 Agent 走向實用化的關鍵工具。
Import AI 444: LLM societies; Huawei makes kernels with AI; ChipBench★ 75
Import AI (Jack Clark)113d agoCommentary本期 Import AI 涵蓋三大前沿議題：首先探討如何量化 AI 的「創意」與 LLM 社會模擬（LLM societies）的最新進展；其次聚焦華為利用 AI 技術自動生成與優化作業系統核心（Kernel）的實踐，展示 AI 在系統級程式設計的潛力；最後介紹 ChipBench，這是一個評估 AI 在晶片設計與硬體描述語言（HDL）生成能力的全新基準測試。
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。
Anyone can build agents, but it takes a platform to run them★ 75
Vercel Changelog113d agoOpinionVercel 探討 AI Agent 從開發到生產環境的關鍵痛點。雖然現今開發 Agent 難度降低，但運行時面臨 Serverless 超時、複雜狀態管理、即時串流（Streaming）以及工具調用監控等挑戰。Vercel 強調，唯有透過完善的平台基礎設施（如 Vercel AI SDK 與其託管服務），才能真正釋放 Agent 的商業價值。
Introducing SyGra Studio★ 75
Hugging Face Blog117d agoNew ToolServiceNow AI 發表全新開源工具 SyGra Studio，旨在簡化「符號圖（Symbolic Graphs）」的建立與視覺化。該工具結合了神經網路（LLM）與符號邏輯（Symbolic AI），讓開發者能以直觀的拖拉介面設計複雜的 Agent 工作流，並提供即時偵錯與路徑追蹤功能，大幅提升企業級 AI 代理的可靠性與可解釋性。
H Company's new Holo2 model takes the lead in UI Localization★ 75
Hugging Face Blog119d agoRelease法國 AI 新創 H Company 發表全新 Holo2-235B 模型，在 UI 元素定位（UI Localization）任務上取得領先。該模型擁有 2350 億參數，旨在精準識別與定位網頁及應用程式中的互動元件。這項突破將大幅提升 GUI 運作型 Agent（如自動操作電腦的 AI）的執行效率與準確度，是自動化工作流與 AI 代理領域的重要進展。