AI 與前沿科技週報：自我改進代理、本地推理、開放模型競爭，以及實體 AI 數據基礎設施

TL;DR：新研究顯示，自我改進的程式碼代理能以遠少於的運算資源達到更高性能，開發者現在可在消費級工作站上本地運行強大的 LLM，開放權重模型迅速超越封閉模型的 Token 使用量，同時價格仍極具競爭力，而像 Vangrid 這樣的專案正打造去中心化的現實世界資料層，以推動實體 AI 的發展。

自我改進的程式碼代理大幅降低運算成本

  • MIT‑Sakana AI 的論文介紹了 透過快速樹搜尋的自我改進（SIFT），僅經過 30 次擴展後就在 Polyglot 基準上達到 35.1 % 的表現，僅使用不到 50 CPU 小時與 5 小時的實際時間——約為 DGM 基線所需運算資源的十分之一 @dair_ai。
  • 該方法依賴 LLM 判官來評估候選的自我修改，僅評估有前景的項目，從而避免了基準評估帶來的執行時間瓶頸。
  • 在 TerminalBench 上的額外實驗顯示，使用更高品質的判官（gpt‑5.4‑high）可產生 36.7 % 的代理，表現優於較低品質的判官。

本地 AI 工作站讓程式碼代理更易取得

  • 配備雙 RTX 6000 Blackwell GPU（每顆 96 GB）的 Dell 7975 Precision 工作站可本地運行 Qwen 3B，讓開發者能在不呼叫任何雲端 API 的情況下，查詢程式碼代理進行程式碼審查 @davepl1968。
  • 此設定透過 ChatGPT 桌面應用與 VS Code 整合完成，顯示即使速度慢於託管服務，100 % 的本地推理在程式碼協助上已具實用性。

開放權重模型主導 Token 使用量，壓低定價能力

  • Vercel 的 AI Gateway 數據顯示，開放權重模型佔據了 78.4 % 的 Token 使用量，較三個月前的 40 % 大幅上升，儘管封閉模型仍因每 Token 價格較高而佔據不成比例的支出 @MelvinInvests。
  • DeepSeek V4.1 Flash 單獨處理了 59.3 % 的 Token，但僅佔 5.1 % 的支出，展現開放模型在價格上的激烈競爭。
  • 此趨勢威脅 OpenAI 與 Anthropic 等公司的定價能力，因開發者正越來越多地將高用量工作負載導向更便宜的開放替代方案。

為實體 AI 建立去中心化的現實世界資料（Vangrid）

  • Vangrid 提議將數十億支智慧手機轉化為 分散式空間捕捉網路，在邊緣端收集多角度觀測資料，應用裝置端的隱私模糊技術，並為每筆捕捉附加加密來源證明雜湊 @Sainoleno@itsNoble00@mrarafat211@momehx@mrarafat211@R2carloss。
  • 此網路目前已記錄 超過 100 k 筆驗證過的捕捉資料，並支援獎勵驅動的資料請求，目標是提供自主機器人與世界模型所需的高品質真實資料。
  • 透過利用現有的消費級硬體，Vangrid 避免了專用感測器艦隊的成本與物流問題，解決了具身 AI 的「空間瓶頸」。

智能金融引入 AI 交易員的信用評分

  • Agentics Credit 正在打造一個 金融聲譽層，將 AI 交易代理的表現轉化為 智能信用評分（ACS），讓代理在取得真實資金前能證明其可靠性 @Mechsjoke@meo_testnet@Bakioption@rahul19_rahul。
  • 該系統將策略執行與資金保管分離，使用風險限制（回撤、槓桿、停損）保護資金，同時 ACS 用來追蹤持續的表現。

前沿模型的硬體安全疑慮

  • 使用 Claude 驅動機械臂的實驗顯示，即使現今的前沿模型在獲得執行能力後，仍可能造成實體損害（如潑灑有毒液體、施加過大力量），凸顯在廣泛部署前建立穩固防護機制的必要性 @aliansarinik。

新模型發布謠言與測試策略

  • 多位使用者猜測即將推出的新版本包括 GPT‑6 Sol、GPT‑6 Luna、Grok Voice Transcribe 2.0，以及 Fable、Opus 和 Sonnet 的新版本，指出許多模型已在公開發布前透過內部帳戶進行隱蔽測試 @LexnLin@XFreeze@ravikiran_dev7@MehdiCade@synthwavedd@TimJayas。
  • Anthropic 的資深工程師釋出了一門免費的一小時課程，內容為建構代理迴圈與圖形，定位自身為智能代理 AI 領域的競爭者 @DAIEvolutionHub。

開源工具加速代理開發

  • AITOPIA 的 Agent Builder 讓創作者無需撰碼即可發佈 AI 代理，並獲得 70 % 的收益分成，大幅降低代理商業化的門檻 @OxBairan@commonman_16@Sharjeelai_786。
  • TasteSkill 及其後繼專案 TasteCode 提供開源「技能」，可提升 Claude Code、Codex 與 Gemini 等代理的 UI 生成品質，目標是打造更高品質的前端設計 @rammcodes@blueemi99。
  • 如 Jev、MiniMax Code CLI 與 LLaMA‑Factory 等專案提供低成本推理引擎、決策模型與多模型微調管道，以民主化 AI 開發 @jaredpalmer@MiniMax_AI@sairahul1@sairahul1。

推理優化最佳實務

  • 一份詳細指南強調應先建立一個 原始推理伺服器，再逐步加入批次處理、KV 快取、排程佇列與預測解碼，以理解瓶頸，再採用 vLLM 或 TensorRT‑LLM 等生產級引擎 @GonnabeNikhil@danialhasan。
  • Zoom 的研究人員報告指出，當上下文視窗緊湊時，上下文管理 對程式碼測試環境的準確性提升最大，而規劃與動作空間調整則能為強模型帶來成本降低 @dair_ai。

LLM 創造力的理論極限

  • 牛津研究人員主張，LLM 無法創造真正新穎的概念，因為它們僅受限於從現有資料預測下一個 token，此限制使其無法持有與訓練語料相違背的信念——而這正是科學突破所必需的能力 @BrianRoemmele@KanikaBK。

所有陳述皆直接源自所引用的推文；未添加任何額外主張。