NVIDIA 發佈 Nemotron 3 Nano Omni 長上下文多模態模型,面向文件分析、音訊與影片理解及智能體電腦操作
NVIDIA 發佈 Nemotron 3 Nano Omni,這款長上下文多模態模型面向文件分析、音訊與影片理解、智能體電腦操作及通用推理。
推薦理由:文章並列 Nemotron 3 Nano Omni、Nemotron Nano V2 VL 與 Qwen3-Omni 的多項基準結果,另列系統效率數據,提供文件、影音和 GUI 任務的比較依據。
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。
NVIDIA 發佈 Nemotron 3 Nano Omni,這款長上下文多模態模型面向文件分析、音訊與影片理解、智能體電腦操作及通用推理。
推薦理由:文章並列 Nemotron 3 Nano Omni、Nemotron Nano V2 VL 與 Qwen3-Omni 的多項基準結果,另列系統效率數據,提供文件、影音和 GUI 任務的比較依據。
OpenAI 的 GPT models、Codex 與 Managed Agents 現已在 AWS 提供。OpenAI 表示,企業可在 AWS 環境建構安全 AI。
推薦理由:這項 AWS 上線交代了 OpenAI GPT models、Codex 與 Managed Agents 的可用範圍,也説明企業可在 AWS 環境建構安全 AI 的使用場景。
Mistral AI 開放企業 AI 編排層 Workflows 公開預覽,讓開發者以 Python 編寫流程,並可發佈至 Le Chat 供組織成員觸發。Workflows 提供持久執行、Studio 逐步追蹤及人工審批暫停與恢復,並支援將 workers 和資料處理部署在企業自有環境。
推薦理由:Workflows 將持久執行、Studio 追蹤與人工審批整合,並支援 workers 在企業自有環境運行,呈現企業 AI 流程走向生產的部署設計。
DeepSeek於2026年4月24日發布DeepSeek-V4系列預覽版,開放網頁及API使用,並公開開放權重。兩款模型均支援1M上下文窗口:DeepSeek-V4-Pro總參數為1.6T、活躍參數49B;DeepSeek-V4-Flash則為284B及13B。
推薦理由:兩款模型同具1M上下文窗口,但在參數規模、推理表現與回應速度上定位不同,可看出 DeepSeek-V4 系列的型號取捨。
OpenAI 於 2026年4月23日發佈 GPT-5.5,提升模型在智能體編碼、電腦操作、知識工作和科學研究方面的能力。
推薦理由:文章並列 GPT-5.5 的基準測試表現、與 GPT-5.4 相同的 token 延遲,以及完成相同 Codex 任務所需 token 較少的情況,呈現能力和效率的對照。
深度求索(DeepSeek)發佈 DeepSeek-V4,Pro、Flash 系列各有 instruct 與 base 版本,四款 checkpoint 均支援 1M-token 上下文。
推薦理由:文章把 KV cache 成本、混合注意力設計與智能體工作流串連起來,並以基準數據呈現長上下文能力在工具任務中的表現。
Hugging Face Blog 提供 Transformers.js 在 Chrome Manifest V3 擴充功能中運行本地 AI 的實作指南。範例將模型初始化、推理和工具執行集中在背景 service worker,側邊欄提供聊天介面,content script 負責網頁內容擷取及元素標記。
推薦理由:文章拆解 Manifest V3 擴充功能內模型推理、對話狀態與頁面操作的分工,並説明背景 service worker 如何協調模型載入、工具執行與介面訊息。
Augment Code 以內部編碼任務評估 AGENTS.md,發現優質文件可提升 AI 編碼智能體表現,劣質文件則可能令結果比沒有文件更差。約 100 個核心檔案的中型模組中,100–150 行主文件配合少量聚焦參考文件,在各項指標帶來 10–15% 改善;六步部署新整合工作流程則令正確率提升 25%、完整度提升 20%。
推薦理由:文章以內部編碼評測比較 AGENTS.md 在不同任務中的得失,並整理出文件長度、工作流程與參考資料安排對結果的具體影響。
Moonshot AI 於 2026年4月21日發佈開源原生多模態智能體模型 Kimi K2.6,文章稱其在 Kimi Code Bench 的長期編碼任務中較 Kimi K2.5 大幅改善。
推薦理由:Kimi K2.6 同時更新長時間編碼與 Agent Swarm 規模;相較 Kimi K2.5 的 100 個子代理、1,500 步,新版的 300 個子代理、4,000 步呈現長流程協作的升級重點。
OpenAI 於 2026年4月16日為 Codex 推出重大更新,新增電腦操作、應用程式內瀏覽器、圖像生成、工具整合、自動化及記憶功能。圖像生成可使用 gpt-image-1.5;Codex 亦可沿用既有對話串脈絡,排程並自動執行數日或數週的任務,另推出 90 個以上插件,記憶功能則以預覽版推出。
推薦理由:Codex 把桌面操作、外部工具整合與跨日任務自動化放進同一工作流,並以記憶功能保存過往經驗,呈現其由編碼助手延伸至持續協作智能體的變化。
OpenAI 更新 Agents SDK,加入原生沙盒執行與模型原生 harness。這些更新旨在協助開發者構建可跨文件和工具運作的安全、長時間運行智能體。
推薦理由:更新把原生沙盒執行和模型原生 harness 納入 Agents SDK,呈現其對安全、長時間運行智能體跨文件與工具工作的支持。
HCompany 推出免費 Chrome 擴充功能 HoloTab,讓用户無需設定或技術技能,即可由 AI 智能體在瀏覽器中執行網站任務。用户可錄製操作並沿途講述目的,生成 routine 後再重跑或排程執行。HoloTab 已開放使用:https://chromewebstore.google.com/detail/holotab/hlaoiikljjgcjdhkakedfngifaopbcop
推薦理由:HoloTab把網頁操作交給瀏覽器內的智能體,並以錄製操作、補充講述來生成可重跑或排程的流程,呈現重複網頁任務的自動化方式。
Anysphere 於 2026 年 4 月 2 日發佈 AI 編碼編輯器 Cursor 3,並為智能體編碼重新設計用戶介面。新增的智能體視窗整合本機、雲端及遠端 SSH 等環境,支援跨專案管理、平行執行智能體,以及在本機與雲端之間交接工作。Cursor 3 同時保留原有編輯器介面,並支援 macOS、Windows 和 Linux。
推薦理由:Cursor 3 新增智能體視窗並保留原有編輯器介面,支援在本機、雲端及遠端環境管理智能體,呈現其面向多智能體開發的工作流程調整。
Google DeepMind 發佈 Gemma 4 開放模型家族,提供 E2B、E4B、26B MoE 和 31B Dense 四種尺寸,並採用 Apache 2.0 授權。
推薦理由:Gemma 4 提供從手機端到工作站的多種尺寸,並列出排行榜名次與上下文窗口,便於比較本地部署時的硬件需求和能力差異。
Google DeepMind 的 Gemma 4 多模態模型系列已登陸 Hugging Face,提供五種尺寸,支援圖像、文字及部分型號的音訊輸入。模型採 Apache 2 授權,最大上下文窗口為 256K;31B 和 26B A4B 的 text-only LMArena 估算分數分別為 1452 和 1441,後者有 4B 啟用參數。
推薦理由:文章列出五種 Gemma 4 規格、上下文窗口和音訊支援差異,並整理多個推理與微調框架的接入方式,可供比較型號特點及部署路徑。
Google Research 宣佈 Vibe Coding XR,結合 Gemini 與 XR Blocks,將自然語言描述轉成具物理感知能力的 Android XR 應用,最快可在 60 秒內生成。
推薦理由:文章展示如何以 XR Blocks 架構、範例模板和專用系統提示詞約束 Gemini,令自然語言生成的 XR 原型遵循既有 API 與互動設計規範。
Mistral AI 發佈 Mistral Small 4,將 Magistral 的推理、Pixtral 的多模態及 Devstral 的智能體編碼能力整合至單一模型。
推薦理由:Mistral Small 4 整合指令、推理、多模態及智能體編碼能力,並列出相較 Mistral Small 3 的吞吐數據,可供比較單一模型承接多類任務時的效率表現。
HKCERT指出,OpenClaw 快速普及且可接觸本機資源及外部服務,令惡意 skills、假冒安裝來源及已披露漏洞帶來代理接管與惡意程式感染風險。文章提到 ClawHub 已引入 VirusTotal 掃描,但部分 prompt injection 載荷仍可能避過檢測。建議核實官方下載來源、審核 skills、採用最小權限及隔離環境,並更新 OpenClaw。
推薦理由:文章將 skills 供應鏈、假冒安裝來源及核心漏洞納入高權限 Agent 的整體風險脈絡,並整理來源核實、權限收斂、隔離與監察等部署措施。
Manus 推出桌面應用程式核心功能「我的電腦」,讓雲端智能體透過終端命令讀取、分析和編輯本機檔案,並啟動及控制本機應用程式。用户可新增並授權本機資料夾;執行每項命令前須明確批准,亦可選擇「始終允許」或「僅允許一次」。該功能現已向 macOS 和 Windows 用户開放。
推薦理由:Manus 將雲端智能體延伸至本機檔案與應用程式,並透過命令授權讓自動化能力與用户對本機操作的控制並存。
HumanLayer Blog 指出,編碼智能體的許多失誤與 harness 配置有關,並整理透過配置改善輸出質素和可靠性的做法。文章建議按實際失誤調整 CLAUDE.md/AGENTS.md、MCP、技能、子智能體及 hooks,並以精簡的驗證回饋避免無關輸出佔用上下文。
推薦理由:文章將編碼智能體的可靠性問題連到 harness 配置,並整理按實際失誤調整上下文、工具與驗證機制的方法,提供可逐步迭代的工程思路。