Replit 推出 Agent Customization，讓 Replit Agent 套用 Custom Instructions 和 Skills
Replit 推出 Agent Customization，讓 Replit Agent 在不同專案中套用個人或團隊慣例。Custom Instructions 會在每個專案和工作階段自動加入 Agent 上下文，適用於 Pro 和 Enterprise；Skills 則按相關任務載入，所有方案均可使用。
全部AI 動態
全部動態
今日 431 條Replit：BlogAI 評分6262 Replit：BlogAI 評分4747 Replit 現已可直接在 Claude 中使用
Replit 現已可直接在 Claude 中使用，用戶可將設計及一般開發任務交由 Replit 繼續建置、完善及發布。用戶可在 Claude Design 以自然語言設計應用程式，再透過官方 Replit Connector 傳送至 Replit，無須複製貼上或切換工作情境。
Replit：BlogAI 評分5555 Replit 説明如何以評估閉環持續改進 Replit Agent
Replit 將 Replit Agent 的評估由發佈前的單次檢查，轉為結合離線基準、線上 A/B 測試及生產軌跡分析的持續改進閉環。ViBench 以自然語言產品需求文件和測試計劃評估生成應用是否符合規格，Telescope 則整理生產軌跡並聚類失敗模式。改進循環會提出候選修正、建立草稿 PR 並彙整評估證據，工程師仍負責審核及決定是否發佈。
Replit：BlogAI 評分6565 Replit 分享 AI Agent 如何改變公司運作，提出「自我運作公司」概念
Replit 表示，已將 Agent 系統融入公司多個部門的工作流程，逐步形成由人設定目標、Agent 執行任務並檢查結果的「自我運作公司」模式。從 1 月初至 6 月底，程式碼貢獻量增加 5.8 倍；固定作者羣的程式碼產出達之前的 2.9 倍，而審查延遲、PR 回退率及事故數維持平穩。
Replit：BlogAI 評分7070 Replit 推出 AI 設計套件 Replit Design，向所有用戶開放
Replit 推出 AI 設計套件 Replit Design，讓用戶描述構想並建立設計、應用程式或網站，可選用 Claude、GPT-5、Gemini、Kimi 和 GLM 等模型。
Replit：BlogAI 評分5151 Replit 指 AI 採用始於可信數據，語義層是基礎
Replit 指出，企業要可靠採用 AI Agent，須先建立共享語義層及受治理的營運真相層，讓 Agent 依據一致的商業定義、指標和數據來源工作。其內部數據 Agent 將修正存入 git 儲存庫，經人工審核和驗證後供接觸數據的 Agent 共用；Replit 稱，該 Agent 每週回答遠超 1,000 個以數據倉庫為基礎的提問，並在答案中附上證據。
Replit：BlogAI 評分6363 Replit 推出黑盒滲透測試，模擬外部攻擊尋找程式碼掃描難以發現的漏洞
Replit 現可為其應用程式執行黑盒滲透測試，透過網絡和瀏覽器模擬外部攻擊者，在無法存取程式碼的情況下尋找漏洞。執行 Level 3 掃描時，系統會在私有沙盒中的應用程式副本上並行執行白盒及黑盒掃描；黑盒掃描只需應用程式連結。Replit 表示，兩種掃描發現的問題很少重疊，案例包括白盒掃出存取權限已撤銷的用戶仍可操作，黑盒則找到無需登入即可進入的管理員控制台。
Replit：BlogAI 評分6262 Replit 開放 Intelligent Model Routing，按任務自動選擇模型
Replit 已向所有用戶開放 Intelligent Model Routing，系統會按每項任務自動選擇合適模型，平衡質素、速度與成本。Replit 表示，測試中其輸出質素與上一版 Max Mode 相同，成本則低 65%。所有用戶會從 Free Mode 開始，工作升級至可能產生使用費的較高效能模式時會收到通知，並可選擇留在 Free Mode；Core & Pro 用戶仍可手動選擇模型。
Replit：BlogAI 評分6060 Replit 收購 Atta，將商業分析及互動圖表帶入平台
Replit 宣佈收購位於舊金山的 Atta，將其商業分析方法及專門圖表技術整合至 Replit，並推出聊天互動圖表。用戶可在 Replit 對話中上載數據集或連接數據來源並提問，Replit 會分析數據並呈現圖表，無需編寫 SQL。圖表會按數據和問題選擇合適的視覺化方式，並提供可互動、可分享的呈現。
Cohere 產品與研究博客AI 評分7171 Cohere 與 Aleph Alpha 簽署業務合併協議，擬打造首個跨大西洋主權 AI 方案
Cohere 宣佈與 Aleph Alpha 簽署最終業務合併協議，合併後公司將以 Cohere 名義全球營運，並計劃打造首個跨大西洋主權 AI 方案。交易完成後，公司員工人數將增至 1,000 人以上，並計劃在柏林和多倫多設立雙總部，保留海德堡辦公室作研究中心。交易仍須取得最終監管批准，預計今年稍後完成。
Cohere 產品與研究博客AI 評分3838 AI 變革管理：以人為本的方法
AI 變革管理應把 AI 視為需要融入人類工作流程的協作參與者，而非僅是待部署的軟件工具。這項工作涵蓋企業由準備至日常使用的組織調整，包括角色職責、員工工作方式、流程及監督；人與 AI 的分工須區分可驗證、判斷型及混合型任務，並持續重新評估。
Cohere 產品與研究博客AI 評分4646 Cohere 的 Compass 雲端託管服務 Compass Cloud 進入私人測試
Cohere 的企業檢索平台 Compass 以雲端託管服務 Compass Cloud 形式進入私人測試。Cohere 將管理完整檢索流程及模型推理，開發者可透過 APIs、MCP server 或 Python SDK 使用。自行託管部署仍可供有私隱限制的項目使用，Cohere 正與有限數目的企業團隊合作測試。
Cohere 產品與研究博客AI 評分6060 Cohere 發佈 Embed 5 嵌入模型系列，涵蓋 Pro 與 Fast
Cohere 發佈 Embed 5 嵌入模型系列，分為面向最高檢索品質的 Pro 和麪向低延遲、高流量工作的 Fast，兩款均支援多模態輸入、100+ 種語言及 128K-token 上下文窗口。
Cohere 產品與研究博客AI 評分6363 Cohere 發佈開源語音辨識模型 Transcribe，平均 WER 為 5.42%
Cohere 發佈開源語音辨識模型 Cohere Transcribe，在 Hugging Face Open ASR Leaderboard 以 5.42% 平均 WER 排名第一。
Cohere 產品與研究博客AI 評分7070 Cohere 開源發佈 Command A+，向所有人提供主權 AI 智能體能力
Cohere 開源發佈 Command A+，這款採用 MoE 架構的 LLM 以 Apache 2.0 授權，面向高效能智能體任務。模型有 218B 總參數和 25B 活躍參數，支援 48 種語言，並提供 BF16、FP8 和 W4A4 量化版本。
Cohere 產品與研究博客AI 評分6868 Cohere 開源發佈 North Mini Code 智能體編碼模型
Cohere 開源發佈 North Mini Code，稱其為首款智能體編碼模型，採用 MoE 架構，總參數 30B、啟用參數 3B，並採用 Apache 2.0 授權。
ElevenLabs：BlogAI 評分6767 Universal Music Group 與 ElevenLabs 宣佈多年期授權協議及戰略合作
Universal Music Group（UMG）與 ElevenLabs 宣佈多年期音樂授權及戰略合作，並將共同開發 AI 音訊產品。ElevenLabs 正開發並將推出一個以授權音樂和藝人參與為基礎的 AI 音樂平台，讓粉絲以參與藝人及詞曲創作者的音樂創作 remix、mashup、新演繹和個人化人聲體驗。這是 ElevenLabs 首個與大型唱片公司達成、涵蓋授權及產品開發的協議。
ElevenLabs：BlogAI 評分7070 ElevenLabs 完成 $300 million 員工股份要約交易，估值升至 $22 billion
ElevenLabs 完成 $300 million 員工股份要約交易，公司估值達 $22 billion，為其 2 月 Series D 時估值的兩倍。公司稱，企業業務現佔收入 55%；ElevenAgents 每週處理逾 15 million 次對話，較 2 月增加 3x，同期 ARR 增長逾 3x。
ElevenLabs：BlogAI 評分7070 ElevenLabs 發佈 Eleven v4 與 Eleven v4 Turbo 文字轉語音模型
ElevenLabs 發佈 Eleven v4 文字轉語音模型及低延遲版本 Eleven v4 Turbo，兩者均支援 90 多種語言。Eleven v4 可按語氣、節奏、情緒、角色和上下文生成語音，並改善多説話者對話、聲音克隆及跨語言口音保留。Turbo 的中位推理延遲約 100ms，兩款模型現已可透過 ElevenAgents、ElevenCreative 和 ElevenAPI 使用。
Goodfire ResearchAI 評分1414 為何大型模型學得更多：容量、幹擾與罕見任務保留的影響
頁面內容稱此頁應重新導向 arXiv，卻未提供大型模型為何學得更多的研究內容或結論。頁面另列三項研究及其日期，並介紹 Silico 為可解釋性 Agent，以先進的可解釋性方法及基礎設施解釋、除錯並精確控制模型行為。
Goodfire ResearchAI 評分1616 Logits：監測模型評測意識的新工具
Logits 被提出作為監測模型評測意識的新工具，旨在追蹤模型是否察覺自己正處於評測情境；現有內容未交代實作細節或驗證結果。
Goodfire ResearchAI 評分5757 Goodfire Research 發佈 Predictive Data Debugging 研究，訓練前預測並調整模型從數據中學到的內容
Goodfire Research 發佈 Predictive Data Debugging 研究，提出在訓練前預測偏好數據如何影響模型行為的方法。其預測與模型實際學到的結果達到 R² = 0.9，並可追溯至相關數據羣組。使用 Dolci 和 Tulu 3 數據集的案例顯示，DPO 可能削弱模型對部分有害請求的穩健性；以除錯數據訓練則可同時改善安全與效能。
Goodfire ResearchAI 評分5050 Block-Sparse Featurizers 揭示視覺模型的表徵幾何結構
Goodfire Research 介紹其新論文提出的區塊稀疏特徵器（Block-Sparse Featurizers，BSF），以多維子空間刻畫視覺模型中的概念結構。
Goodfire ResearchAI 評分1111 快速分叉：高效估算文本生成中的不確定性動態
Goodfire Research 的《Forking Fast》聚焦高效估算文本生成中的不確定性動態。現有內容未交代研究方法或結果，只列出其他研究項目，並介紹 Silico 為可解釋性智能體，可用來解釋、除錯及精確控制模型行為。
Goodfire ResearchAI 評分6161 Goodfire Research 發現模型內部訊號可用於大規模偵測 reward hacking
Goodfire Research 發現，開源模型內部存在與 reward hacking 相關的訊號，activation probes 可用於大規模偵測這類行為。
Claude：BlogAI 評分6262 Claude Tag 現支援在 Slack 頻道使用個人連接器
Claude Tag（beta）現支援在 Slack 頻道的請求中使用用戶個人連接器，讓 Claude 存取用戶已連接至 Claude 帳戶的工具及資料。用戶可選擇在回覆發佈前先審閲，或使用自動模式；Enterprise 管理員亦可要求所有人先審閲。個人連接器現正向 Team 方案推出，Enterprise 方案其後跟進；排程工作及 Claude 自行啟動的操作仍使用管理員為頻道設定的共用連接器。
Claude：BlogAI 評分6363 Claude 推出插件目錄提交入口，支援審核追蹤及上線後使用分析
Claude 推出插件目錄提交入口，讓開發者提交插件、追蹤審核進度，並在插件上線後查看使用分析。入口只開放予使用付費 Claude 方案的開發者，提交方式包括單一遠端 MCP 伺服器連接器，或把 MCP 伺服器與 Agent 技能組成插件套件、託管於 GitHub 並提交程式碼庫。上線後的分析包括按產品介面及版本分類的安裝量、目錄頁面的瀏覽量，以及引導用戶找到列表的搜尋詞。
Claude：BlogAI 評分7272 Anthropic 與 NVIDIA 合作，透過 Claude Managed Agents 和 NVIDIA OpenShell 加強企業對 AI 智能體的控制
Anthropic 與 NVIDIA 合作，透過 Claude Managed Agents 和 NVIDIA OpenShell 為企業 AI 智能體加入額外安全與控制層；NVIDIA 亦宣佈 Open Agent Safety Platform，作為加強 AI 安全的開放軟件平台及參考系統設計。
Fireworks AIAI 評分6868 DeepSeek-V4.1-Flash 登陸 Fireworks，DeepSWE 每項任務成本約為 GPT-6 Astra 的 1/15
Fireworks 推出 DeepSeek-V4.1-Flash，其 DeepSWE Pass@1 為 74.34%，每項任務成本 $0.430，與 GPT-6 Astra 的 74.12% 相近。
Fireworks AIAI 評分5252 Phylo 藉助 Fireworks 開放模型，讓更多科學家使用前沿 AI
生物研究環境 Biomni Lab 的開發者 Phylo 將大部分流量轉至 Fireworks 上的開放權重模型，推理成本降低 60%，用戶月度增長達 2x。Phylo 以自家的 BiomniBench 按品質、延遲和成本評估模型，並保留專有模型處理最難的一類問題。
Claude：BlogAI 評分5959 Anthropic 銷售團隊如何以 Claude Managed Agents 重建銷售查詢流程
Anthropic 以 Claude Managed Agents（beta）建立購買智能體，協助企業客戶瞭解方案並從查詢走到購買。智能體每日處理數千段對話，回答定價、安全及數據問題，並按情況引導結帳、即時答覆或轉交銷售代表。轉交銷售團隊的客戶轉化為銷售機會的比例，是舊表單線索的兩倍以上，成交時間約快五天；客戶可在開始時選擇與智能體或銷售代表洽談。
Fireworks AIAI 評分5656 Fireworks AI：AI 能力前沿不在單一模型，而在路由器
Fireworks AI 以 DeepSWE v1.1 的 113 項工程任務測試模型路由，逐項選出 18 個模型中的最佳者後，oracle 結果達 97.6% 通過率、每項成本 $1.88。
Claude：BlogAI 評分5555 Claude for Government 正式向聯邦及州政府機構開放使用
Anthropic 宣佈 Claude for Government 正式向聯邦及州政府機構開放，並透過 FedRAMP High 授權環境提供編碼及智能體工作能力。
Fireworks AIAI 評分5757 Fireworks AI 推出 Specialized Intelligence Index，首批涵蓋七個領域的模型基準
Fireworks AI 推出 Specialized Intelligence Index（SII），比較開放模型、封閉模型及專用模型在特定領域基準上的表現，首批涵蓋七個領域。基準由實務工作者設計，結果按領域及基準呈現，不合併為跨領域綜合分數，並提供分數與成本、所需時間的比較視圖。文章指出，基準分數、能力主張與業務成果屬不同層次，後兩者需要各自有相應證據支持。
Fireworks AIAI 評分6565 Fireworks Research 發佈 Ember-1，tokens 用量較 Kimi K3 少 40%
Fireworks Research 發佈 Ember-1，稱其在維持 Kimi K3 品質的同時，tokens 用量較 Kimi K3 減少 40%。模型以 Kimi K3 為基礎，經訓練縮短不必要的推理；在七項基準及兩家客戶的正式環境流量測試中，推理 token 數可減少 35–50%，準確度未有下降。
Claude：BlogAI 評分7575 Claude Code 推出 mods，讓用戶自訂提示詞、介面及內置功能
Claude Code 推出 mods，這些小型 TypeScript 函數可改寫提示詞、阻止或改寫工具呼叫，並增添介面或替換內置功能。mods 隨插件一同提供，可在 Claude Code CLI 和桌面應用程式使用，也可由 Claude Code 編寫、安裝並在工作階段中熱重載。mods 不設沙盒，擁有與 Claude Code 相同的機器存取權限，應只安裝來自可信來源的 mods。
Claude：BlogAI 評分4444 Cresta 如何透過 Claude Agent SDK 將客戶體驗專業知識轉化為 Conductor 智能體建構工具
Cresta 以 Claude Agent SDK 打造 Conductor，將客戶體驗專業知識融入自然語言智能體建構工具，協助團隊由藍圖推進至實作、評估和優化。Cresta 表示，早期用例中，Conductor 將初始部署時間縮短約一半。團隊以建立新智能體、編寫測試、修改現有智能體及根因分析等任務，評估其成果、執行路徑、品質和資源使用。
Fireworks AIAI 評分5656 Fireworks 多區域部署架構解析：單一部署支援全球擴展
Fireworks 新增 GLOBAL 多區域部署選項，讓單一部署可跨地區調度兼容容量，並以同一端點管理工作負載。排程器預先安排容量，避免每個請求都經過全球路由步驟，並遵守硬件、配額、可靠性及資料駐留限制。
Prime IntellectAI 評分7373 Prime Intellect 推出自我改進型 RLM 編碼智能體框架 Prime Agent
Prime Intellect 推出開源編碼智能體框架 Prime Agent，以 RLM 和 Continual Harness 管理上下文及可更新的 harness 狀態。
Prime IntellectAI 評分6868 PRIME-RL 引入多智能體訓練與評估支援，verifiers 0.3.0 和 prime-rl 0.8.0 同步推出
Prime Intellect 在 verifiers 0.3.0 和 prime-rl 0.8.0 加入多智能體訓練與評估支援，並以 Agent 和 Env 抽象編排智能體互動。