螞蟻集團發佈面向金融領域的 Ling-3.0-flash-Fin
螞蟻集團發佈面向金融領域的開放權重模型 Ling-3.0-flash-Fin，在 Artificial Analysis Intelligence Index 得分 23、Finance & Accounting Index 得分 24。
#Agent
#Agent
今日 163 條Artificial Analysis 完整文章AI 評分5858 Microsoft AI：官方博客AI 評分5858 Microsoft 發佈 MAI-Code-1-Flash 編碼模型
Microsoft 發佈 MAI-Code-1-Flash，並稱其在同一 production harness 下的 4 項核心編碼評測中均勝過 Claude Haiku 4.5。
Microsoft AI：官方博客精選AI 評分7777 Microsoft Build 2026 MAI 主題演講實錄：宣佈七款新模型及與 Mayo Clinic 合作開發醫療模型
Microsoft 在 Build 2026 的 MAI 主題演講中宣佈推出七款涵蓋圖像、語音、轉錄、推理及編碼的新模型。
推薦理由：演講將模型基準、產品整合和權重調校渠道並列，呈現 Microsoft 從模型發布延伸至企業定製的產品路徑。
The DecoderAI 評分6464 Cloudflare 推出 Clef 與 Clef-flash 決策模型，供 AI 智能體判斷任務並決定是否轉交人工
Cloudflare 發佈 Clef 和 Clef-flash 兩款面向 AI 智能體的決策模型，可對輸入同時回答多個預設問題並輸出各選項的概率，供下游程式路由、升級或轉交人工。
The Verge · AIAI 評分7171 OpenAI 的 Dots 智能體像企業軟件，也能代點晚餐
作者實測 OpenAI 的 Dots 智能體，發現它更像可操作其他軟件的工作助理，處理個人購物時則屢受網站安全檢查阻礙。取得電腦存取權後，Dots 成功整理影片及更新個人網站；在協助登入 Uber Eats 後，也訂到了照燒餐。作者透過每月 $100 的 Pro 賬户測試，認為以自己的工作需求而言，Dots 尚不值這個月費。
TechCrunch · AIAI 評分4343 Apple 稱將收緊 macOS「Full Disk Access」控制，以應對 AI 智能體帶來的新風險
Apple 宣佈將為 macOS「Full Disk Access」加入額外控制，因 AI 智能體令這種高權限存取帶來更大風險。該設定可讓應用程式存取檔案、郵件、訊息及瀏覽記錄；Apple 稱日後用户須明確操作，才能授予這種權限。
Tessl：產品與工程博客AI 評分6363 回饋迴路工程：讓項目更適合智能體開發
Tessl提出回饋迴路工程，透過設計智能體周邊的迴路，讓每次執行改善後續工作的項目條件。文章把迴路分為單次改動、跨項目歷史及生產訊號三層，維護智能體分析日誌、PR 評論或程式庫狀態後，會把需修正事項整理成一般問題單交回既有開發流程，而不自行開 PR。
Tessl：產品與工程博客AI 評分5050 AI 智能體轉型中的上下文由誰擁有？
AI 智能體轉型中，個人與團隊上下文應由領域專家擁有；組織級共享上下文則由 enablement 或平台團隊負責整理與品質管理，並開放各方貢獻。enablement 團隊應提供工具而非接管上下文；context engineering 屬於貼近領域知識的本地工作，loop engineering 則可較集中運作。
Tessl：產品與工程博客AI 評分5959 集體智能始於為錯誤標明歸屬
智能體團隊要形成集體智能，須把事故、修正與決策保存為可追溯證據，再整理成可測試、可更新的重用指引。Go client 案例中，基準執行失敗、得分 67，載入相關 pack 後通過、得分 95；文章亦指出，LLM 評審須先由人標註樣本並調校標準。
Tessl：產品與工程博客AI 評分6060 「一個大腦」意味着掌握組織記憶
Leapfrog 團隊的作者分享以 OpenClaw、GitHub、Obsidian 和 Telegram 搭建組織記憶系統，讓團隊可透過智能體以自然語言查詢公司知識與客户脈絡。研究庫當時約有 1,200 個檔案，另設客户資料庫；系統區分個人、領導層、公司與客户知識，只把經判斷扎實且有用的研究升格分享。作者建議先讓一人本機試行，確認維護、權限及資料安全要求，再按實際需要逐步增加檢索層。
LlamaIndex：產品、工程與評測AI 評分2424 KYC 文件核驗中的 OCR：為何標準文字提取難以滿足合規要求
標準 OCR 難以滿足 KYC 合規要求，因其無法可靠辨識磨損、斜拍、帶有防偽特徵或使用非拉丁文字的真實身份文件。人工資料輸入錯誤率平均為 1–4%，而真正直通式處理要求欄位準確率達 99.9%。錯誤欄位會流入 AML 篩查及合規紀錄，觸發誤報、錯過名單匹配或延誤客户開户。
Meta AI：Research Blog精選AI 評分7676 Meta 發佈 Muse Spark 1.1，並開放 Meta Model API 公開預覽
Meta 發佈多模態推理模型 Muse Spark 1.1，稱其較 Muse Spark 在工具與電腦操作、編碼及多模態理解方面均有重大提升。模型可協調多個子智能體並管理 1 million tokens 的上下文窗口；開發者現可透過公開預覽中的 Meta Model API 使用，Meta AI app 和 meta.ai 亦提供 Thinking 模式。
推薦理由：Muse Spark 1.1 聚焦智能體工作流，涵蓋多智能體協作、電腦操作與 1 million tokens 上下文，並透過 Meta Model API 開放公開預覽。
Google Developers BlogAI 評分6161 Google 如何構建能判斷意圖而非只看語法的零信任 AI 智能體
Google 示範為客服退貨智能體配置零信任運行時治理，檢查提示、工具調用及跨輪次行為。方案部署於 Gemini Enterprise Agent Platform。
Google Developers BlogAI 評分5656 Google 在 Gemini Enterprise Agent Platform 開放 Agent Anomaly Detection 私人預覽
Google 在 Gemini Enterprise Agent Platform 為 Agent Anomaly Detection 開放 Private Preview，提供自主智能體的推理式監督與審計層。
Google Developers BlogAI 評分6161 Google Antigravity SDK 新增本地 AI 模型支援
Google 宣佈 Antigravity SDK 支援多種本地模型與執行方式，初步支援透過 Google AI Edge 的 LiteRT 運行 Gemma 4 26B A4B，讓智能體協助可完全離線執行。
Google Developers BlogAI 評分6969 Google Cloud API Gateway 公開預覽支援將 REST API 轉為 MCP 工具
Google Cloud API Gateway 在 Public Preview 中可充當遠端 MCP server，將現有 REST 操作轉為智能體可調用的 MCP 工具。
Anthropic：The Institute精選AI 評分7777 The Anthropic Institute 分析 AI 加速研發與遞迴式自我改進的可能性
Anthropic Institute 指出，AI 已加速 AI 系統研發，但尚未能完全自主設計並開發自身後繼系統，遞迴式自我改進亦非必然。截至 2026 年 5 月，合併至 Anthropic 程式碼庫的程式碼逾 80% 由 Claude 撰寫；2026 年第二季，典型工程師每日合併的程式碼量為 2024 年的 8×。
推薦理由：這篇分析將公開基準與 Anthropic 內部數據並置，呈現 AI 執行工程與研究任務的進展，以及自主選擇研究方向仍存的能力差距。
Every：最新文章AI 評分4444 我如何打磨由 AI 智能體構建的軟件
作者把親自使用 AI 智能體所構建的軟件、判斷體驗並反覆修整，視為 compound engineering 的最後一步。他以 `/ce-polish` 檢出分支、啟動開發伺服器，並在編輯器中與智能體並排查看應用程式。在 Cora Brief 中，他透過 Monologue 指出版面留白過多、卡片需要更緊湊，智能體調整版面後，應用程式隨即熱重載。
OpenAI Developers：BlogAI 評分5252 OpenAI 介紹 Rosalind Workbench，助科學家整合研究工具與流程
OpenAI 推出 Rosalind Workbench，為生命科學研究者提供整合科學工具、資料分析工作流程與研究證據的虛擬工作台。產品以 research preview 形式透過 ChatGPT app 提供，包含 Explore 與 Research 兩種模式；已驗證的組織成員可代機構申請，個人使用權限即將推出。
OpenAI Developers：BlogAI 評分6464 重新思考 GPT-6 Astra 的技能與提示詞
OpenAI 分享如何為 GPT-6 Astra 調整技能、AGENTS.md 與任務提示詞，指出較強模型未必需要舊有的密集引導。技能描述應精簡並明確限定適用情境，多流程技能可由主文件引導至補充文件；AGENTS.md 則宜按任務提供相關文件和安全工作流程。文章還建議重新檢視測試、決策邊界和完成條件，避免舊指引令 GPT-6 Astra 過早停下或執行不必要的工作。
MiniMax：BlogAI 評分6868 MiniMax Agent Team：面向長時間任務與持續演進而設計
MiniMax 將升級版 MiniMax Agent 更名為 Mavis，並推出 Agent Teams，讓桌面版可並行運行多個不同角色的 Agent，協作處理複雜任務。
MiniMax：BlogAI 評分7474 MiniMax 發佈 M3，整合前沿編碼、1M 上下文與原生多模態
MiniMax 正式發佈 M3，這款開放權重模型整合編碼與智能體能力、最高 1M tokens 上下文，以及原生圖像和影片輸入與桌面操作能力。M3 採用 MiniMax Sparse Attention（MSA），在上下文長度達 1M tokens 時，每 token 計算量為上一代的 1/20，prefilling 提速逾 9×、decoding 提速逾 15×。
Anthropic：Alignment Science BlogAI 評分5757 這會改變模型答案嗎？CHIVE 以反事實實驗評估真實情境中的大語言模型行為解釋
Anthropic 提出 CHIVE，以反事實提示詞編輯評估大語言模型行為解釋；三類讀取模型 activation 的工具均未勝過只看逐字稿的基線。CHIVE 每項調查會進行 5–15 項提示詞編輯實驗，重新抽樣並測量目標行為出現頻率的變化，再由獨立評審檢視實驗對解釋的支持程度。
Anthropic：Alignment Science BlogAI 評分7171 Anthropic 研究：自動化對齊研究智能體可緩解已清晰界定的對齊失敗
Anthropic 研究發現，以 Claude Opus 4.8 驅動的自動化對齊研究智能體，透過後訓練可緩解所測的 10 類對齊失敗。最佳方法在留出基準、多輪 Petri 行為審計及最高達目標模型 4.7× 規模的模型上仍能泛化，並大致保留一般能力。在 7 類有研究者提交方案的失敗中，AAR 最佳方法勝過 28 位資深研究者的一次性方案；但研究者不能反覆迭代，因此作者不把這視為直接比較。
Artificial Analysis 完整文章精選AI 評分8484 Claude Opus 5.5 在 Artificial Analysis Intelligence Index 得分居首
Artificial Analysis 評測顯示，Claude Opus 5.5 以 max effort 在 Artificial Analysis Intelligence Index 得分 58，為其測得的最高分。
推薦理由：報告將多項基準表現、Agent 知識工作成績與每項任務成本並列，呈現模型在不同 effort 設定下的表現與成本取捨。
Artificial Analysis 完整文章精選AI 評分7979 Claude Sonnet 5.5 在 Artificial Analysis Intelligence Index 升至第 2 名
Artificial Analysis 的評測顯示，Claude Sonnet 5.5 在 Intelligence Index 取得 56 分，於 max effort 下排名第 2，僅落後 Opus 5.5（max）2 分。
推薦理由：評測把 Claude Sonnet 5.5 的基準表現與每項任務的 token 消耗、成本對照，呈現其接近 Opus 5.5 時的資源代價。
Artificial Analysis 完整文章精選AI 評分7777 GPT-6.1 Sol 取代僅發佈 7 天的 GPT-6 Sol，Intelligence Index 接近 GPT-6 Astra
GPT-6.1 Sol 取代僅發佈 7 天的 GPT-6 Sol，其 Intelligence Index 比 GPT-6 Astra 低 1 分，最高 effort 下的每項 Intelligence Index 任務成本不到後者四分之一。
推薦理由：這篇評測以同一框架對照 GPT-6.1 Sol、GPT-6 Sol 和 GPT-6 Astra 的 Intelligence Index 分數與單項任務成本，為比較新版本接近 Astra 分數時的成本取捨提供具體依據。
Artificial Analysis 完整文章AI 評分6868 AA-AgentPerf-Local 基準測試手提電腦及工作站上的本地 AI 智能體推理效能
Artificial Analysis 開源 AA-AgentPerf-Local，讓使用者在手提電腦及工作站上重播真實智能體軌跡，測試本地 AI 模型的推理效能。
Artificial Analysis 完整文章精選AI 評分7777 Gemini 4 Argon 評測：Google 重返模型智能評測前三的實驗室之列
Google DeepMind 的 Gemini 4 Argon（高推理設定）在 Artificial Analysis Intelligence Index 得分 53，與 GPT-6 Astra（max）持平。
推薦理由：文章對照 Gemini 4 Argon 與 GPT-6 Astra 的指數分數、任務成本和智能體評測，呈現相近總分下的成本差距及不同基準表現。
Artificial Analysis 完整文章AI 評分6161 韓國 AI 實驗室 Upstage 發佈 Solar Mini 4
Upstage 發佈專有推理模型 Solar Mini 4，該模型在 Artificial Analysis Intelligence Index 得分 24。
Microsoft AI：官方博客AI 評分6363 Microsoft AI 發佈 MAI-Thinking-1 推理模型
Microsoft AI 發佈 MAI-Thinking-1，一款 35B-active、~1T-total parameters 的 sparse Mixture of Experts 推理模型。
Microsoft AI：官方博客AI 評分6161 Microsoft 介紹 MDASH 中的 MAI-Cyber-1-Flash
Microsoft 介紹整合於 MDASH 的 MAI-Cyber-1-Flash，稱其可處理最多 90% 的任務，並讓 GPT-5.4 應對最難的 10%。Microsoft 稱，這種多模型配置較 MDASH 現有最佳方案（GPT 5.4 + 5.4 mini + 5.3 codex）節省 50% 成本。
Microsoft AI：官方博客AI 評分6969 Microsoft AI 首款串流轉錄模型 MAI-Transcribe-2-Streaming 登上 Artificial Analysis 準確度排名第一
Microsoft AI 發佈首款串流轉錄模型 MAI-Transcribe-2-Streaming，在 Artificial Analysis 的最終及部分轉錄準確度排名均列第一。
Inception Labs：BlogAI 評分5353 Inception Labs 擴大 Mercury 2 開發者免費額度、提高免費層速率限制並改善效能
Inception Labs 為每個新 Inception API key 提供 100M 免費 tokens，將免費層速率限制提高 10 倍，並持續改進 Mercury 2。
Inception Labs：BlogAI 評分6262 Inception Labs 發佈 Mercury 2.5，稱較 Mercury 2 智能提升 40%
Inception Labs 發佈 Mercury 2.5，稱其相較 Mercury 2 智能提升 40%，並維持低延遲、低成本的服務特性。
The DecoderAI 評分7575 Glow Security 發現 AI 智能體將逾 13,000 張公司內部截圖上傳至公開 GitHub 倉庫
Glow Security 發現 AI 智能體把逾 13,000 張來自 343 個組織內部軟件項目的截圖上傳至公開 GitHub 倉庫。GitHub 只允許透過瀏覽器而非命令列將圖片附加至 pull request，智能體因此在開發者個人帳户建立公開倉庫上傳截圖。截圖包含客户資料、登入憑證和未發布功能；約三分之一受影響組織使用會公開儲存截圖的開源工具 gitshot。
TechCrunch · AIAI 評分5151 OpenAI 公佈 Decisions API，功能類似 Jev，或可協助監測智能體行動
OpenAI 在 Dev Day 公佈 Decisions API，讓 Luna 模型從預設選項中作選擇，功能似乎接近 Jev。該 API 目前以有限預覽形式提供，與 Jev 的相似程度尚未明確；Sam Altman 表示，聚焦於選項可令模型極快運作，同時保留圖像理解、廣泛語言支援和安全防護。
TechCrunch · AIAI 評分5555 Brian Chesky 專訪：AI 智能體需要自己的作業系統
Brian Chesky 認為，AI 智能體需要更底層的作業系統級基礎設施，並與其他應用互通。他認為聊天介面不適合旅行瀏覽或多人共同規劃；Airbnb 將在未來 3 至 6 個月探索可供多人同時使用的 AI 介面。Airbnb 計劃於今個秋季推出語音智能體，協助用户。
TechCrunch · AIAI 評分6363 Shopify 推出 Canvas，讓商家透過 AI 對話建立網店
Shopify 推出建站工具 Canvas，讓商家透過與 AI 智能體 Sidekick 對話建立 Shopify 網店，並即時查看頁面變化。Shopify 稱，Canvas 呈現的是店舖實際程式碼渲染的結果，而非靜態預覽，商家可測試頁面互動與動畫，並查看不同螢幕尺寸下的呈現。
TechCrunch · AIAI 評分6363 Amazon 發佈受 Jev 啟發的開源決策模型 Strands Decider 2B
Amazon Web Services 發佈開源決策模型 Strands Decider 2B，基於 Qwen3.5-2B，可從預設選項中快速、低成本地作出選擇並提供信心分數。模型現已全面開源，體積足以在本地運行。Amazon 工程師 Marc Brooker 表示，智能體工作流並非每一步都需要完整大語言模型的能力或成本。