AI 與前沿科技週報 – Gemini 3.7 Flash、Grok 4.6，以及代理型創新浪潮

TL;DR: Google 的 Gemini 3.7 Flash 與 SpaceXAI 的 Grok 4.6 為前沿模型設立了新的價格-效能基準，引發社群中一連串以代理為中心的工具開發、基準測試釋出與架構討論。

Gemini 3.7 Flash – 更便宜、更快、更安全

Google 以 每百萬輸入文字元 0.75 美元 和 每百萬輸出文字元 3.75 美元 的價格推出 Gemini 3.7 Flash，價格僅為 3.6 版本的一半，同時宣稱「在大多數任務上表現提升一倍」，並改善了規劃與工具呼叫的可靠性@VaibhavSisinty @kimmonismus。
Florian Roth 的獨立安全測試顯示，Gemini 3.7 Flash 在 THOR Finding Triage 測試中獲得 72.5% 的分數，具備 100% 威脅捕獲率與 0% 重大漏報，在降低誤報率方面超越 Qwen 3.7 Max、Kimi K3 與 DeepSeek V4@cyb3rops。
Google 釋出的基準測試（FrontierCode、DeepSWE、AutomationBench、WebDev Arena）顯示，與 3.6 版本相比有顯著提升，例如 FrontierCode 從 34.4% 提升至 43.6%，WebDev Arena 的 Elo 分數則從 1538 上升至 1588@kimmonismus。
Google DeepMind 的早期使用者已利用 Gemini 3.7 Flash 建立示範，將一份 50 頁的 PDF 轉換為互動式網站，突顯其強大的 RAG 能力@genevieve__h。

SpaceXAI 發布 Grok 4.6，其在 Artificial Analysis Intelligence Index 上的得分達 61，與 GPT-5.6 Sol 和 Claude Fable 5 相當，並在 CursorBench、FrontierCode 與 AA-Briefcase 基準上領先@kimmonismus @ArtificialAnlys。
Grok 4.6 每項任務的成本為 0.84 美元，與 Kimi K3 相當，遠低於 Claude Opus 5（每任務 5 美元以上）與 GPT-5.6 Sol（每任務 5 美元以上）@ArtificialAnlys。
Composio 的基準測試顯示，Grok 4.6 在 30 個高難度代理任務中，於 通過率、速度與每成功任務成本 上均超越 Grok 4.5@composio。
使用者報告生產力大幅提升，例如僅用一句話就建構出完整的登陸頁面網站，並將 50 頁的 PDF 轉換為可搜尋的知識庫@VaibhavSisinty。

Databricks Unity AI Gateway 推出 Smart Routing，透過讓代理具備任務感知能力並維持快取命中率，提升程式碼代理的品質與成本效益@matei_zaharia。
Mixedbread 的 Toast 1 宣稱在代理搜尋領域達成新的帕累托前緣，提供 12 倍更快 的結果，且價格僅為原先的 1/10@mixedbreadai。
NVIDIA AI 宣布代理現可存取跨 30 款產品的 300 多項 NVIDIA 技能，擴展多模態代理的工具箱@NVIDIAAI。
Google Cloud 將 Agent Plugins 推廣為「一次建構，全域使用」的可重複代理能力模型@GoogleCloudTech。
Statewave 發布開源記憶執行時環境，為代理記憶加入來源追溯、存取控制與防篡改審計軌跡，解決生產部署中的信任問題@DAIEvolutionHub @Vikram_AI_。

Vals AI 推出 SRE-Bench 二進位反向工程基準，用以評估代理在真實世界二進位檔上的表現，顯示前沿模型之間有明顯區隔@KettlebellDan。
THOR Finding Triage 基準（由 Roth 使用）專注於安全事件的優先排序，Gemini 3.7 Flash 現已領先@cyb3rops。
AA-Briefcase（Artificial Analysis）衡量長時程代理知識工作；Grok 4.6 與 Claude Fable 5 競逐激烈，且每任務成本顯著更低@ArtificialAnlys。

Anthropic 工程師主張，代理迴圈與圖形結構的重要性高於模型本身的規模，強調良好設計的協調機制比單純放大模型更關鍵@Mahaximus_。
Pathway 的 Post-Transformer 架構（BDH-CQ）顯示，一個僅 1.5 億參數的模型，其推理成本僅為較大 Claude 或 GPT 版本的 約 1/11，即可達相近的推理表現，挑戰「唯規模論」的敘事@BrianRoemmele。
一篇 Anthropic 的論文（由 Brian Roemmele 摘要）警告，多代理「地盤爭奪」源自訓練資料的偏見，暗示安全問題的根源在資料而非模型架構@BrianRoemmele。

多位評論者指出出現 價格通貨緊縮浪潮：DeepSeek V4-Pro 的輸出成本僅為 每百萬文字元 0.87 美元，比 Claude Opus 便宜 30 倍，而 Grok 4.6 與 Gemini 3.7 Flash 將文字元價格推至歷史低點@hosseeb @VaibhavSisinty。
Aaron Levie 強調，更便宜且能力更強的模型釋放了新的企業應用場景，特別是在安全掃描、文件審查與工作流程自動化方面@levie。
AI 的「傑文斯悖論」顯而易見：成本降低驅動需求上升，加速了前沿模型的發布頻率@levie。

Kimi K3 展示了一個由 300 個代理組成的群體，能建構上下文圖而非扁平報告，使查詢如「單一故障點」可在圖中跨節點分析@N01ennn。
Koray Kavukcuoglu 展示了一支由 3 個代理組成的團隊，使用 Gemini 3.7 Flash 自主訓練機器人控制模型，展現模型在程式碼準確性與規劃上的提升@koraykv。
Andrew Ng 的免費 2 小時課程 概述了從單一提示到 100 個代理自我改進圖的流程，強調從單一代理轉向可擴展圖形系統的轉變@DamiDefi @dkare1009。

Figure AI 及其他人工人形新創公司正籌集大筆資金，將人形機器人定位為下一波千億美元市場，聲稱具備大規模生產與多語言 AI 互動能力@MadSocietyTV @nexta_tv。
Arkshel Robotics MX01 與 Runway 的 SF Summit 突顯物理 AI、世界模型與機器人研究的融合，標誌著朝向具身 AI 系統的更廣泛推進@ArkshelRobot @c_valenzuelab。

所有陳述均直接引自所列推文，反映作者原始用語或報告之數據。