超越可觀測性:證據是否真正影響 AI 智能體的決策?
作者以開源 AI Governance Platform(AIGP)的 Causal Audit 説明,如何透過受控反事實重播測試工具證據會否影響 AI 智能體決策。
作者以開源 AI Governance Platform(AIGP)的 Causal Audit 説明,如何透過受控反事實重播測試工具證據會否影響 AI 智能體決策。
NVIDIA公佈2027財年第三季度業績,季度收入達1158.44億美元,同比增長103%,高於公司指引中值及市場預期。數據中心收入為1076億美元,佔總收入約93%;公司預計第四季度收入達1300億美元,但毛利率將降至71%—72%。文章分析,Agent 推理可能提高客戶對記憶體與儲存的重視,令 NVIDIA 高價算力方案承受成本壓力;本季截至10月25日,早於黃仁勳離任。
推薦理由:文章由季度業績切入,拆解 Agent 推理對記憶體、儲存與算力成本的不同要求,呈現 NVIDIA 平台優勢面對的壓力。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別定位為面向複雜項目的旗艦模型及面向日常工作的高效率模型。
推薦理由:兩款模型的分工、成本與評測數據提供了比較基礎,而長任務停滯和障礙省略等反饋,則呈現基準分數以外的使用風險。
UIUC、香港科技大學及德克薩斯農工大學等機構的研究者提出 A2D,透過強化學習優化問題生成器,為在策略蒸餾合成更有學習價值的問題。A2D 根據教師與學生的預測分佈評估問題,不需外部訓練問題或正確答案。實驗中,合成問題令學生回答長度減少約 20%,累計學習信號增加約 28%。
Raj Murugan 在 Amazon Bedrock AgentCore 測試多智能體銀行助手,發現工具層 Cedar 政策可阻止身份或權限不符的呼叫,卻無法辨識用戶是否受注入指令影響。
InflectAI 團隊介紹 Sabriel Memory Control Plane 的記憶整理方法,透過集中維護有效指令、標記已取代規則及按優先級排序上下文,處理智能體重載舊指令或收不到新指令的情況。
文章提出一套工程團隊安全使用 AI 的政策,透過明確任務範圍、分級自主權、逐步審批及不依賴提示詞的權限控制,限制智能體執行未獲授權的操作。政策將任務分為 N0 至 N3,預設採用 N0 或 N1;涉及狀態變更時,須先列出計劃並經人手確認,再逐步執行及提供變更前後的證據。
VSO 分析 GTIG 的 exploit_agent 報告及 Barracuda 44 小時入侵事件,指出日誌不足令 Barracuda 無法排除攻擊者曾讀取 XDR 整合憑證。
AI Agent Clinic 一集節目在 Miles Libbey 以 TypeScript 和 Agent Development Kit (ADK) 建構的語音行動智能體 Scribant 中,比較 4 種記憶方案及 3 種上下文精簡方法,處理用戶資訊遺忘和每輪成本增加的問題。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向複雜專業項目與日常工作,並提升程式編寫及多步驟智能體任務表現。在 Agents' Last Exam 中,GPT-6.2 Astra 比 GPT-6 Astra 高 5.2 個百分點,單項任務成本不到後者三分之一;其 AA-3D 評分為 1318 Elo,排名第一。
推薦理由:兩款模型分別面向專業項目與日常工作,文中並列多項基準表現、任務成本及 API 定價,呈現不同定位下的性能與成本差異。
Vayo 於 2026 年 11 月 17 日宣佈,其私人測試版 AI 旅行智能體現可跨線上旅遊平台及直接向供應商預訂完整行程。旅客可在一次對話中搜尋、比較及預訂航班、酒店、租車、餐廳和活動;如 Booking.com 提供最佳選項,可取得 Genius Level 3 價格,部分住宿折扣最高達 20%。
OpenAI 推出 ChatGPT for Sales,提供專為銷售人員設計的 Sales plugin,並加入逾 30 個新增或增強的合作夥伴插件。它可連接團隊現有工具與客戶資料,支援帳戶篩選、會議準備、提案和跟進等工作。用戶亦可委派工作予 ChatGPT 內的常駐智能體 dot,由它準備會議簡報、追蹤交易更新,並整理變化和建議後續步驟供審核。
推薦理由:文章按銷售環節展示如何把 CRM、通話紀錄及其他工具的客戶脈絡帶入帳戶研究、會議準備與後續跟進,呈現插件整合的實際工作流。
Amazon Bedrock AgentCore 的三項優化策略,令處理 20 MB+ JSON 資料的生產智能體在代表性 23 MB payload 基準測試中,token 用量最多下降 71%,平均延遲最多降低 80%。
推薦理由:文章把狀態外置、列表分頁與字典摘要整合成可組合方案,並以 23 MB 資料測試呈現 token 用量及延遲的變化。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向複雜專業項目和日常工作,並提升程式編寫、智能體工作流及多步驟任務表現。
推薦理由:兩款模型在專業工作、科學任務及日常工作評測中的表現各有側重,文中並列出與前代及 Claude Fable 5.2 的成績和任務成本差異。
微軟在 Ignite 2026 發佈自研編程模型 MAI Code 2 和 MAI Code 2 Flash,並在 GitHub Copilot 上線。官方數據稱,MAI Code 2 平均單次任務成本為 $0.309,四項編程基準的平均表現約為 GPT-6.1 Sol 的 98%,價格約為其 40%。
Microsoft Copilot SDK(前稱 GitHub Copilot SDK)現已推出 2.0,執行時可在單一程序內承載多個彼此隔離的工作階段,無須為每個工作階段啟動容器。
OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,兩款模型已可透過 API 使用,分別面向高難度項目和日常工作。GPT-6.2 Astra 定價為 6 Astra 的 80%,輸入價格為 $8/MTok、輸出為 $40/MTok,快取價格為 $0.40/million;GPT-6.2 Sol 為 $2/$10,與 6.1 Sol 及 6 Sol 相同。
推薦理由:文章對照兩款新模型的價格、基準表現與動畫實測,呈現其成本差異及相較同級模型的任務表現。
Simon Willison 與 Prime Radiant 合作探索編碼 Agent 的外置沙箱模式,並發布三種伺服器實作,讓 Agent 在沙箱內執行程式碼,而 Agent 本身留在沙箱外。
OpenAI 於 2026 年 11 月 17 日推出 ChatGPT for Sales,將客戶紀錄、通話筆記及銷售材料整合至 ChatGPT,支援客戶研究、會議準備、跟進及銷售管線檢視。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向複雜專業工作及日常任務,兩者均已在 OpenAI API 上線。Astra 每 1M tokens 的輸入/輸出價格為 $8.00/$40.00,較 GPT-6 Astra 低 20%;兩款模型均有 1,050,000-token 上下文窗口及 128,000 最大輸出。
推薦理由:文章並列 Astra 的降價與基準排名,以及 Sol 以約五分之一成本接近 Astra 的編碼成績、Coding Agent Index 下跌 3 分,呈現兩款模型的取捨。
Perplexity 為 Computer 加入 Multiagent,由主導智能體協調最多 16 個支援智能體,讓它們分享發現並互相核對工作。預設團隊由 Claude Opus 5.5、GPT 6.1 Sol 和 Gemini 4 Carbon 組成,智能體亦可編輯共用檔案。功能僅供 Perplexity Max 訂戶在網頁版使用,官方未公佈效能基準或準確度、速度數據。
OpenAI 於2026年11月17日正式推出 GPT-6.2 Astra 和 GPT-6.2 Sol,前者面向複雜專業任務,後者側重日常效率。Astra 評測得分較前代最高提升9個百分點,成本降低超60%;Sol 的成本則為 Astra 的五分之一,並增強智能體與編碼能力。
OpenAI 發佈面向複雜專業工作的 GPT-6.2 Astra,並推出面向日常工作的更新版 GPT-6.2 Sol。OpenAI 稱,Astra 在 Agents’ Last Exam 比 GPT-6 Astra 高 5.2 分,成本不到 GPT-6 Astra 的三分之一;Sol 在 FrontierCode 2.0 與 Astra 相差 0.5 分,成本約為五分之一。
推薦理由:報道並列兩款模型的工作定位、基準結果和成本差異,亦提及更嚴格防護據稱會限制部分正當漏洞研究。
NVIDIA 公佈截至 2026 年 10 月 25 日的第三季收入為 $115.8 billion,按季增長 20%、按年增長 103%。資料中心收入為 $107.6 billion,按季增長 21%、按年增長 110%。公司預計 2027 財政年度第四季收入為 $130.0 billion,正負 3%,並未將中國資料中心運算收入納入預測。
推薦理由:NVIDIA 第三季收入按年增長 103%,資料中心收入為 $107.6 billion;下一季 $130.0 billion 的收入指引,呈現公司對短期增長的預期。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,兩款模型現已在 ChatGPT Work、Codex 及 API 提供。在 FrontierCode 2.0 上,Sol 僅落後 Astra 0.5 分,價格為其五分之一;作者認為開發者可先試 Sol,但第三方測試尚未確認這一分差能否反映實際程式庫表現。
推薦理由:文章以 0.5 分差和五分之一價格比較 GPT-6.2 Sol 與 Astra,呈現編碼任務的成本取捨,並指出相關差距仍待第三方測試。
Grabbit 是團隊在 Junction 2026 開發的投資者研究智能體,透過 Cala 的圖譜,按新創公司與投資者信任對象的關聯程度排序,協助篩選 Slush 參展公司。以 Y Combinator 和 500 Global 為信任對象時,符合條件的新創公司由 5 間增至 27 間;排名採用確定性計算,Gemini 只負責撰寫文字,數值則由伺服器填入有來源的資料。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,提升專業工作、編碼、電腦操作及多步驟智能體任務表現,並減少完成任務所需的輸出 Token 數量。
推薦理由:文章並列 Astra 在專業工作與科研評測中的成績和任務成本,呈現其相對前代及 Claude Fable 5.2 的效能與成本差異。
Runta 發佈的 FrontierHarness Eval v1.1 比較 5 個開源模型、22 種 harness 配置及 62 項終端任務,顯示模型解釋 92.8% 的單次執行成本變異;固定模型後,最貴與最便宜的 harness 每項任務成本可相差 1.8 至 5.0 倍。
Michael F 在 ClaudeArena 的 63 題 Professional 考試 Hard 難度測試中,讓五個 AI 模型作答,全部在 120 分鐘限時內取得 98% 或 100%。
中國汽車工程學會發布全國首個《新能源汽車能效白皮書》,從整車結構與工藝、電池與動力系統、熱與能量管理三方面總結九大技術趨勢,並提出政策建議。2021年至2025年,純電動乘用車整備質量由1387公斤增至1910公斤;整備質量每降低10%,電耗可降低約6%。
中國科學院計算機網絡信息中心打造的科學幻方(SciMatrix)正式上線 1.5 版本,新增人智交互、智能體討論室和團隊推薦三項功能。平台目前有 25 位涵蓋數學、化學、物理、材料、環境及人工智能等領域的專家智能體;用戶可自主組織討論、要求修訂發言,並按項目資料獲推薦候選團隊。系統目前完全免費。
這期 AI Daily Digest 彙整 Microsoft Ignite 2026 的企業智能體與資料平台更新、OpenAI 電腦操作智能體進入醫療流程,以及 Genesis AI 融資等消息。
OpenManus 是 FoundationAgents 團隊的開源替代方案,文章主題是在桌面裝置安裝及連接該專案,並以 AI 智能體方式執行。
Microsoft Agent Framework 的 1.26.1 和 1.26.2 版套件於 2026 年 11 月 17 日被上載至 PyPI,內含憑證竊取程式,兩個版本至 21:30 UTC 已下架。
推薦理由:文章梳理兩個遭植入憑證竊取程式的 PyPI 版本、其啟動方式與 Azure、CI 憑證收集範圍,並列出可供排查的檔案及網絡指標。
Amazon SageMaker AI 即時端點新增 KV-aware routing,根據模型容器回報的 KV cache 狀態,把請求路由至持有最長匹配快取且負載未過高的實例。
推薦理由:文章比較 KV-aware routing 與 prefix-aware routing 的路由依據,並以長對話工作負載的測試呈現延遲、吞吐量及快取命中率變化。
Microsoft 在 Microsoft Ignite 2026 宣佈,Azure Database Migration Service(Azure DMS)開始預覽由 Oracle Database 遷移至 PostgreSQL 的功能。
Microsoft 在 Microsoft Ignite 2026 發佈 PostgreSQL 相容無伺服器資料庫 Microsoft Fabric HorizonDB 的公開預覽版,支援 OLTP 及 OLAP 處理。資料表預設會複製至 OneLake,閒置 5 分鐘後運算資源會自動暫停,收到查詢時則會恢復。
Microsoft AI 在 Ignite 2026 宣佈 7 款新模型,並公佈多款模型相對競品的性能與價格比較。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,兩款模型現已在 ChatGPT Work、Codex 及 OpenAI API 開放使用。
作者用一個提示詞,在 30 分鐘內讓 Claude 製作原生 Swift UI app,追蹤透明牙套的佩戴時間。牙套每天須佩戴 21+ 小時;app 可記錄佩戴及取下時間、計算平均每日佩戴時間,並提醒用戶更換下一副牙套,亦可連接 Apple ShortCuts 和 Siri。