英國 AI Security Institute 評估 OpenAI GPT-5.5 的網絡安全能力
英國 AI Security Institute 評估中，GPT-5.5 的 Expert 級進階任務平均通過率為 71.4%，高於 Mythos Preview 的 68.6%。
推薦理由：報告分別測試進階網絡任務、企業攻擊鏈及工控模擬，並交代結果與測試限制，呈現 GPT-5.5 網絡安全能力的不同面向。
Agent 智能體
全部主題讓模型自主規劃、調用工具、完成多步任務的技術方向——從 Claude Code、Manus 到各家 Agent 框架與評測基準的全部動態。
最新精選
第 1–20 條 · 共 137 條英國 AI Security Institute：Blog精選AI 評分7676
MarkTechPost精選AI 評分7878 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1：不同工作適合哪款前沿模型？
MarkTechPost 將 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1 的基準、價格及存取條件並列，按工作負載整理各自適用情境。
推薦理由：文章將四款模型的基準、價格、存取限制和任務成本並列，呈現不同工作負載下的取捨，説明排行榜名次不足以單獨決定選型。
OpenAI Developers：Blog精選AI 評分7676 OpenAI Realtime API 開發者筆記：GA 後語音對語音更新要點
OpenAI 整理 Realtime API 與 gpt-realtime 語音對語音模型進入 GA 後的介面變更、新功能及整合注意事項。文章建議客户遷移至 GA 介面，並説明 beta 與 GA 在功能支援、temperature 和非同步函式呼叫上的差異。
推薦理由：文章對照 beta 與 GA 的功能支援差異，並説明介面遷移、temperature 設定及長對話截斷的處理方式，方便開發者按整合環節核對需要調整的設定。
OpenAI Developers：Blog精選AI 評分7676 OpenAI 分享以 Skills、託管 shell 與服務端 compaction 建構長時間運行智能體的實作技巧
OpenAI 分享以 Skills、託管 shell 和服務端 compaction 構建長時間運行智能體的實作模式，涵蓋技能路由、容器復用與網絡配置。Glean 面向 Salesforce 的 skill 將評測準確率由 73% 提升至 85%，並令 time-to-first-token 縮短 18.1%。
推薦理由：文章將 Skills、shell 與服務端 compaction 的分工整理成長流程建構方法，並涵蓋技能路由、產物交接及網絡隔離等可複用設計。
MiniMax：Blog精選AI 評分7676 MiniMax 開源 M2 模型，並推出中國版、升級海外版 MiniMax Agent
MiniMax 正式開源並推出面向智能體與編碼的 MiniMax M2，同時在中國推出 M2 驅動的 MiniMax Agent，並升級海外版本。
推薦理由：MiniMax M2 公佈 Artificial Analysis 10 項測試成績、API 定價與約 100 TPS 推理速度，並開放權重，呈現智能體模型在表現、速度與部署成本間的取捨。
MiniMax：Blog精選AI 評分7676 MiniMax M2.5：為真實工作場景生產力而打造
MiniMax 發佈 M2.5 與 M2.5-Lightning，稱兩款模型在編碼、智能體工具調用、搜索及辦公任務達到 SOTA，M2.5 在 SWE-Bench Verified 得分 80.2%。
推薦理由：文中並列 SWE-Bench Verified 成績、不同腳手架的評測結果、執行時間與定價，方便比較 M2.5 的編碼表現和使用成本。
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。
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。
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。
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。
AWS Machine Learning Blog精選AI 評分6969 使用 Amazon Quick 與 Adjudicated Query 模式，對數萬份租約進行合規掃描
AWS 介紹並部署 Adjudicated Query 模式，讓 Amazon Quick 的自然語言合規查詢透過固定 MCP 操作交由確定性規則引擎判定，而非由模型作出決策。
推薦理由：文章把自然語言查詢與合規判定分開，並以完整性收據和逐筆證據鏈展示如何核對大量檢查結果。
AWS Machine Learning Blog精選AI 評分6666 如何用 Amazon Bedrock AgentCore 構建環境式智能體，串聯事件觸發與人在迴路工作流
Amazon Bedrock AgentCore 的參考實作把 Amazon S3 上傳或排程事件轉成智能體工作，並讓智能體在需要澄清、審批或覆核時暫停等待人員回應。
推薦理由：文章把事件來源、AgentCore 執行與人在迴路處理串成參考架構，並清楚區分樣本內建能力與需自行擴展的訊號來源。
Johann Rehberger / Embrace The Red精選AI 評分7777 SQL Copilot（SSMS）CVE-2026-65669 攻擊鏈可令 db_owner 取得 SYSADMIN 權限
Johann Rehberger 揭示 SQL Server Management Studio（SSMS）中的 SQL Copilot 存在 CVE-2026-65669，攻擊者可繞過唯讀限制，令任意 T/SQL 以受害者的資料庫連線權限執行。
推薦理由：文章拆解間接提示詞注入如何串連唯讀限制繞過與資料庫權限提升，並指出唯讀約束應由權限機制落實。
Google DeepMind精選AI 評分7777 Google DeepMind 發佈 Gemini 4 Argon，面向複雜長流程任務
Google DeepMind 發佈前沿模型 Gemini 4 Argon，面向軟件工程、企業知識工作及網絡安全等複雜長流程任務。其輸出 token 上限由 64K 提至 1M，在 DeepSWE v1.1 得分 77.9%，並在 LVBench 得分 91.7%。
推薦理由：Gemini 4 Argon 將輸出上限由 64K 提至 1M tokens，文章把這項擴容與處理更長、更複雜工作流程的能力相連。
NVIDIA Blog精選AI 評分6565 NVIDIA 與 CoreWeave 打通智能體 AI 從訓練到生產的閉環
CoreWeave 宣佈在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72，並推出 CoreWeave Forge，推進智能體 AI 從訓練到生產的部署。
推薦理由：文章披露 Cognition 對 Vera Rubin NVL72 與 GB200 NVL72 的 SWE-2 推理測試，列出最高 4.8x 的總 token 吞吐提升，讓兩種平台在智能體編碼工作負載下可作量化比較。
AWS Machine Learning Blog精選AI 評分6767 GPT-6.1 Sol 在 Amazon Bedrock 正式開放使用，面向智能體編碼與專業工作負載
GPT-6.1 Sol 已在 Amazon Bedrock 正式開放使用，面向智能體編碼、電腦操作及專業工作負載。OpenAI 表示，GPT-6.1 Sol 在 DeepSWE v1.1 上匹配 GPT-6 Astra，單項任務成本約為 GPT-6 Astra 的五分之一；其分數亦比 GPT-6 Sol 的最佳結果高 6.4 個百分點，且所用推理力度較低。
推薦理由：文章列出 GPT-6.1 Sol 在 DeepSWE v1.1 上與 GPT-6 Astra 的任務成本對照，並比較其對 GPT-6 Sol 的分數提升。
Simon Willison精選AI 評分8484 OpenAI DevDay 2026 即時紀錄：發佈 GPT-6.1 Sol、Dots 等產品與功能
OpenAI 在 DevDay 2026 發佈 GPT-6.1 Sol、Dots 智能體及多項開發者工具與功能。GPT-6.1 Sol 主打接近 Astra 的智能水平，價格為 Astra 的五分之一；Ultrafast 最高達 300 tokens/second，速度快 8x，先支援 Astra 6。
推薦理由：現場紀錄同時追蹤產品宣佈、示範失誤與後續功能場次，讀者可從發佈內容和實際操作兩方面瞭解 OpenAI DevDay 的產品進展。