AI 與前沿科技週報 – 模型發布、代理基準測試與機器人資料迴圈

TL;DR: AI 前沿正朝向開放權重、高表現模型（GLM‑5.3、Qwen 3.8、Claude Code 2.1）、更豐富的代理基準測試（著重於執行而非答案），以及更緊密的物理 AI 資料收集反饋迴圈發展。

新模型部署與開放權重釋出

GLM‑5.3 與 GLM‑5.3 Flash 現已於 Ollama 的雲端全面可用，提供美國與歐洲的私人、快速、零保留主機服務，並可透過 API 或直接接入方式存取 @ollama @ollama。
同一模型亦以開放權重形式釋出，供本地部署、微調與商業用途，採用特殊授權，僅對年營收超過 100 億美元的組織要求安全審查 @ZixuanLi_。
社群貼文確認 GLM‑5.3‑Flash 已上架 Hugging Face，並詳述硬體需求範圍從多張 H100 上的 FP8 到高階工作站上的激進 2 位元量化 @kimmonismus @kimmonismus。
Qwen 3.8‑27B 及其「Flash‑Next」變體已迅速獲得社群量化（GGUF、AWQ、NVFP4），並於 Groq 等平台提供服務，吞吐量達 450 tok/s @QwenDevs @codermatt。
Claude Code 2.1.251 與 2.1.250 已釋出，新增模型切換鈎子與專注於安全的檔案系統防護機制，並修復一般 CLI 穩定性問題 @ClaudeCodeLog @ClaudeCodeLog。
腾讯 AI 宣布推出 Hy4 預覽版（總計 770 B，活躍 49 B，1 M token 上下文），為一開放權重大型模型 @TencentAI_News。

Claude Code 使用範圍擴展：2024 年變更日誌指出新增模型切換前/後鈎子，支援受控部署與符號連結保護 @ClaudeCodeLog；另有一篇貼文強調 CLI 更新達 71 次變更 @ClaudeCodeLog。
Andrew Ng 分享一份「AI 工程技能地圖」，將軟體工程基礎重新詮釋於代理程式碼情境中 @AndrewYNg。
開源 AI 代理專案持續湧現，有整理出超過十個專案的清單（如 OpenCode、Claude Plugins、Hermes Agent 等），支援程式碼、記憶與專門技能 @RodmanAi @DivyanshT91162。
Claude Code 會話分析（40 萬次會話）顯示成功與領域理解相關，而非純粹程式碼能力；專家達成 28–33 % 的驗證成功率，新手僅 15 %，且規劃決策主導工作流程 @alex_verem。

CommerceAgentBench（Accio）引入 107 個真實世界電商任務，要求代理讀取混亂郵件、解決供應商衝突、計算到岸成本，並在日曆、瀏覽器與物流工具中執行動作。評估基於操作痕跡（標籤、草稿、日曆事件）而非文字答案 @lightreelai @Caromuffet @mhdfaran。
Google Research 的「WikiSkill」 論文展示自我改進代理，將執行模式儲存於 Wiki；使用進化技能的 Qwen 3.5 9B 表現超越較大規模的 Qwen 3.6 27B 基準，並觀察到模型間技能傳遞現象 @mark_k。

Axis Robotics 強調封閉式反饋迴圈：機器人嘗試 → 人類修正 → 學習訊號 → 模型改進 → 新任務設計，主張持續資料收集勝過靜態大型資料集 @Yosefphr @Yosefphr @ox_aryan1。
NVIDIA Robotics 展示 COMPASS，一個由 AI 代理驅動的工作流程，透過殘差強化學習（residual RL）將預訓練導航策略適應至新機器人，無需完整重訓練 @NVIDIARobotics。
TokenRouter 報告在 GB300 集群上實現 GLM‑5.3 的日初服務，並強調與 Inco AI 在 DFlash2 與 NVFP4 技術上的合作 @TokenRouter_US。
AI Village 宣布完成 1,260 萬美元融資，將擴展多代理村莊，招募工程師、研究科學家與設計師，分析巨量代理生成的資料流，並提升對 AI 群體的監控能力 @aidigest_。

Cursor 新增影響者搜尋功能與內建部署管道，模糊工具特異優勢，強調提示品質勝過平台選擇 @lightreelai @alex_prompter。
Review 是一款開源桌面應用，用於視覺化 AI 生成的程式碼追蹤，為代理輸出提供專注的程式碼審查體驗 @sidharthkmenon。
Open Notebook 提供 Google NotebookLM 的自-host 替代方案，支援 18+ 個 AI 提供商、多模態輸入與私有模型執行 @ihteshamali。
ComfyUI 在 GitHub 上達成 13 萬顆星，是一款完全開源的節點圖形介面，用於影像/影片生成，讓創作者能於本地掌控整個流程 @sabir_huss50540。

Imjustnewatai 預測 2027 年將出現隱藏的 AI 進展浪潮，多個大型模型可能同時問世，OpenAI 甚至可能整合人形機器人，初期作為軟體研究助理運作 @imjustnewatai。
SpaceXAI 與 Grok Bot 反覆被視為代理 AI 產品市場的領先者，具備強大的市場進入策略與社群動能 @cb_doge @ericosiu。
Krishna Agrawal 主張像 CommerceAgentBench 之類的基準測試對衡量「談論工作」與「實際完成工作」之間的差距至關重要，標誌著向真實世界代理可靠性轉變的趨勢 @lightreelai。

所有內容均直接取自所引用的 X 帖文；未添加任何外部資訊。