AI 與前沿科技週報 – 模型進展、代理工作流程與機器人突破

簡要重點

Open‑weight 模型如 GLM‑5.3‑Flash 和 MiniCPM5‑2B 現在已成為公開可用的最強大大型語言模型之一，而代理平台（Herdr、Grok Build、SGLang、Hermes）則新增了協調、工具使用與本地模型支援功能。同時，機器人控制正從示範轉向真實世界部署，包括以世界模型驅動的人形機器人對戰、更快的影片生成（MiniMax Sol‑H3），以及像 Axis Robotics 這樣的大型資料收集平台。

Open‑weight 模型里程碑

  • GLM‑5.3‑Flash 在 AA 基準上排名第三強的開放權重模型，尤其在複雜代理任務上表現出色 @ZixuanLi_。
  • MiniCPM5‑2B 在 Artificial Analysis Intelligence Index 上成為 4B 以下開放模型中的第一名（得分 23），並在 34 個基準上展現強大的代理能力（得分 20）@OpenBMB。
  • MiniCPM5‑2B 同時領先新的 Intelligence Index v4.3，與 GPT‑6 Astra 和 Claude Fable 5.1 並列得分 53，而開放權重的 GLM‑5.3‑Flash（42）仍為頂尖表現者 @ArtificialAnlys。
  • MiniCPM5‑2B 以 2 B 參數的密集模型形式發布，支援 128 k 上下文，相容 llama.cpp，並聲稱在程式碼與數學推理方面達到最尖端的表現（SWE‑bench 46.4）@ItsmeAjayKV。
  • Qwen‑3.5‑4B (4‑bit) 推薦用於本地 MacBook Air/Mini 環境，可在 16 GB RAM 內運行，並在 M4 硬體上提供約 61 tok/s 的效能 @rapidmlx。
  • AMD vLLM 在 MI355X 上的效能 在軟體優化後，代理工作負載的執行速度提升 11 倍，突顯 ROCm 堆疊更新的影響力 @SemiAnalysis_。

代理協調平台

  • Herdr 0.9.0 引入統一的客戶端，可協調本地與遠端工作節點，明確劃分任務邊界，並在無需手動訊息傳遞的情況下自動驗證 @Voxyz_ai。
  • Grok Build（v1.0.22）新增桌面/MCP 整合、子代理支援與安全改進，被定位為 Blender 基礎創作的「超能力」@cb_doge@cb_doge。
  • SGLang 將其食譜庫擴充，加入在 RTX PRO 6000、DGX Spark 與 NVFP4 上驗證過的 Qwen 3.8‑Flash‑Next 食譜，並修復早期架構的錯誤 @sgl_project。
  • Hermes 在其自身程式碼庫上執行超過 1,600 個子代理任務，揭露委派弱點，並推出修正方案，如本地模型執行環境、工具模式簡化與跨閘道群組聊天 @HermesWatcher。
  • TeamAI‑CLI（由騰訊開源）將技能、規則與文件儲存在 git 倉庫中，支援在 Claude、Codex、Cursor 等代理之間進行團隊知識共享 @TencentAI_News。
  • Headroom 在 LLM 推論前壓縮 token 輸入，將 token 使用量減少高達 95 %，同時保持準確性，並支援 Claude、Codex 與 OpenAI 相容模型 @BharukaShraddha。

機器人與實體 AI

  • Unitree 的 UnifoLM‑X2‑1.0 展示即時世界模型驅動的自主人形機器人對戰，標誌著首場完全自主的人形機器人對決 @XRoboHub@UnitreeRobotics。
  • MiniMax Sol‑H3 以動態稀疏注意力與融合的 INT8 QKV/FP8 管線，實現「快於播放」的影片生成（在 8× B300 系統上 5 秒影片僅需 1.65 秒），為持續 24 FPS 生成開闢道路 @xieenze_jr@bennash。
  • Axis Robotics 透過基於網路的模擬平台擴展機器人訓練資料，目標每小時達成 10,000 條有效軌跡，並在無需實體硬體的情況下實現分散式資料收集 @BennyOnchainn@_wasbak。
  • Qwen‑Drive‑1.0 在預訓練的 VLM 上整合 3D 認知、VQA 與軌跡規劃，代表首個保留通用視覺語言能力的自主駕駛基礎模型 @askalphaxiv。
  • Anthropic 的機器人使用代理 博客強調代理控制實體機器人的轉變，認為這將改變機器人研究的發展軌跡 @phillip_isola。
  • 中國人民解放軍 正測試人形機器人用於城市突襲與滲透，顯示未來 5 至 10 年內將戰場部署列為戰略重點 @MarioNawfal。

新興代理應用場景

  • 程式碼審查流程 現在使用多代理首輪掃描來標記錯誤、評估嚴重性並建議修復，僅保留高影響力變更由人工確認（Addy Osmani）@addyosmani。
  • AI 驅動的行銷工具堆疊 結合 Codex、GPT‑6 Astra、Claude Fable 與 Grok 進行文案撰寫、工具自動化與影片生成，展現端到端的代理工作流程 @shannholmberg。
  • AI 驅動的 Android 自動化（ARTEMIS） 將自然語言指令轉譯為可靠的 Android 工作流程，在 AndroidWorld 基準上成功率超過 99 %，展現能操作其所創造軟體的代理 @vicky_grok。
  • 代理經濟學：Concordium 的 Agent Registry 將鏈上代理與經驗證的人類或企業身分連結，解決在區塊鏈平台進行交易與聘僱的 AI 代理責任問題 @NazeeWeb3。
  • 安全自動化：HexStrike AI 將 Claude 與 150 多種安全工具結合，自主生成並執行滲透測試載荷，展現現實世界風險導向的代理式 AI @MAXdeg0。

基準與評估趨勢

  • Artificial Analysis Intelligence Index v4.3 將 Terminal‑Bench 升級至 4.0（66 個多步驟任務），並以 AutomationBench‑AA（657 個商業工作流程）取代 τ³‑Banking，提升代理程式碼任務的難度，並將私有測試權重提高至 45 % @ArtificialAnlys。
  • ChatGPT 檢索漏洞 揭露單一查詢可觸發數十個隱藏的子查詢與引擎呼叫，暴露現代 LLM 驅動檢索管道的複雜性 @metehan777。
  • NVIDIA 的 SparDA transformer 在每一層加入預測投影，提升長上下文模型的預填速度（最高 1.25×）與解碼吞吐量（最高 1.7×），並透過 CPU‑GPU 快取重疊支援更大批次大小 @DailyDoseOfDS_。

社群資源與教育

  • OpenAI 的 Codex 代理系統課程（1 小時）教授建立子代理、技能創造與自我改進迴圈，取代價值 50 萬美元的工程課程（Codez）@0xCodez。
  • Anthropic 的免費 4 小時工程職前準備 涵蓋提示 Claude、除錯與模型特定技巧，提供通往 AI 工程職位的低成本途徑（Ram Singh Verma）@RamSingh_369。
  • MiniCPM5‑2B 的資料與 RL 堆疊 已在 Hugging Face 與 GitHub 完全開源，鼓勵社群複製與擴展 @OpenBMB。

重點總結： AI 的前沿正朝向三大支柱匯聚——能與封閉原始碼巨頭比肩的開放權重大型語言模型、能連結本地與遠端資源的複雜代理協調系統，以及能從模擬擴展至真實世界機器人的實體 AI 系統。這些趨勢共同加速了 AI 從靜態工具轉變為跨軟體、硬體與經濟領域的自主工作者的轉變。