專家文章01
代理更容易花錢，Simon Willison 主張預設硬性預算上限
Willison 指出，代理讓付費 API 與雲端程式更容易上線，也放大失控支出的風險。他主張服務應預設在預算用盡時停止運作，並讓使用者明確選擇是否解除限制。
實作啟示
替代理設定每次任務與每月支出上限，實際驗證超額時會停止，而非只寄通知。
限制與日期說明
這是實作者的產品設計主張；不代表所有雲端服務都已提供硬性上限。
Simon Willison
發布 讀原文 ↗
這則的固定連結 ↗發布 讀原文 ↗
VOL. 001 / 2026.10.04原文核對 · 原創雙語選讀
一般 AI 選讀
2026/10/04 編輯精選：10 則一手來源，發文或預印本提交日期為 9/28–10/03。涵蓋產品、研究、資安與專家文章；部分內容回顧較早事件。這是近期重點整理，不是過去 24 小時或熱門度排行榜。
每則已重新查閱原始來源。廠商與作者的效能、研究及事件說法均保留歸因；實務建議為編輯判斷，並非獨立實測。日期依來源原樣記錄，未將無時區的日期推算成精確 UTC 時間。
10 / 10
找不到符合的內容。試試其他關鍵字或重設篩選。
新產品02
Prime Inference 將開放模型推論服務推向正式應用
Prime Intellect 發布 Prime Inference，提供無伺服器端點、預留容量與相容 OpenAI API 的介面。團隊說明跨資料中心故障轉移，以及如何用快取與排程支援長上下文代理流量。
實作啟示
試用時同時量測冷啟動、長對話延遲、工具呼叫正確率與故障恢復。
限制與日期說明
速度與可靠度數字來自供應商；相容介面不保證所有既有工作流程可直接遷移。
Prime Intellect
發布 讀原文 ↗
這則的固定連結 ↗發布 讀原文 ↗
專家文章03
BootLoops 經驗：先選能驗證的問題，再讓 AI 跨領域探索
物理學家 Matthew Schwartz 分享 BootLoops：為代理提供可檢查的計算工具，探索跨領域問題。他強調，技術上正確的結果未必有研究價值，仍需要領域專家選題、檢查與引導。
實作啟示
把可重現的計算、可查閱的圖表與專家驗收列為不同檢查點。
限制與日期說明
這是研究者的經驗文章；作者當時在 Anthropic 擔任訪問研究員，BootLoops 由他本人維護。
Matthew Schwartz / Anthropic
發布 讀原文 ↗
這則的固定連結 ↗發布 讀原文 ↗
新聞04
OpenAI 披露七月推理擷取活動與防護措施
OpenAI 表示已阻斷協同擷取模型推理內容的活動，並加強跨使用者與模型的保護。公司稱事件沒有直接存取已儲存的使用者對話；9 月文章披露的是 7 月觀察到的活動。
實作啟示
檢查可攜式代理狀態的權限與隔離邊界，勿將加密等同於可安全跨環境重用。
限制與日期說明
事件範圍與防護成效依 OpenAI 披露，未獨立驗證；請勿把嘗試次數當成成功次數。
事件／版本日期: 2026-07-01/2026-07-28
OpenAI
發布 讀原文 ↗
這則的固定連結 ↗發布 讀原文 ↗
新產品05
GPT-6.1 Sol 降低代理工作流程的模型成本
OpenAI 推出 GPT-6.1 Sol，強調程式開發、電腦操作與專業任務的能力／成本平衡。標準 API 每百萬輸入與輸出 token 分別為 2 與 10 美元，快取輸入為 0.10 美元。
實作啟示
用固定任務集比較成功率、延遲與每次成功成本，再決定模型路由。
限制與日期說明
能力提升為供應商評測結果；價格與產品可用性以查核當時的官方公告為準。
OpenAI
發布 讀原文 ↗
這則的固定連結 ↗發布 讀原文 ↗
新產品06
Sonnet 5.5 以更少 token 降低任務成本
Anthropic 推出 Sonnet 5.5，稱輸出速度提升超過 30%，測試中每項任務最多便宜 30%。每百萬輸入／輸出 token 價格仍為 2／10 美元，成本改善主要來自較少 token 用量。
實作啟示
比較實際完成任務的總花費，並將推理強度與失敗重試算入。
限制與日期說明
百分比為供應商測試結果，不能保證每種任務都同幅改善。
Anthropic
發布 讀原文 ↗
這則的固定連結 ↗發布 讀原文 ↗
新產品07
Holo4 讓同一代理切換畫面、程式碼與 API
H Company 發布 27B dense 與 35B-A3B MoE 版 Holo4，可操作 GUI、執行程式碼並呼叫 MCP 或 API。團隊同時公開基準測試的執行軌跡，讓開發者檢視代理的實際步驟。
實作啟示
選一個需要跨畫面與 API 的流程，連同失敗恢復一起評估。
限制與日期說明
官方比較使用的執行框架、題目子集與版本不同，不能視為完全同條件排名。
H Company
發布 讀原文 ↗
這則的固定連結 ↗發布 讀原文 ↗
論文08
Codoku 用可再生程式謎題評估代理推理
Codoku 要求代理填入不完整程式，滿足整體靜態與動態限制，並可持續生成新題。作者以 300 題測試五個前沿模型，指出大型題目仍讓最強受測模型遭遇明顯困難。
實作啟示
在固定程式評測之外加入可更新、可驗證題目，降低記憶題庫的影響。
限制與日期說明
這是預印本與特定程式謎題評測，不能直接代表真實開發產能。
Cong Li, Hao Sun, Zenan Li and Zhendong Su / arXiv
發布 讀原文 ↗
這則的固定連結 ↗發布 讀原文 ↗
論文09
LEGO-Anything 揭示「能產出 3D 檔案」與「重建正確」的落差
LEGO-Anything 讓代理從單張圖片反覆編寫與執行 Blender 程式。研究以 104 個場景的 208 張圖片分別量測檔案有效性、幾何與外觀，發現產出可用檔案仍不代表重建準確。
實作啟示
驗收生成作品時，分開檢查能否開啟、是否正確，以及是否符合視覺要求。
限制與日期說明
這是預印本與模擬場景基準；作者也指出真實圖片上的表現仍落後專用視覺模型。
Xirui Li and coauthors / arXiv
發布 讀原文 ↗
這則的固定連結 ↗發布 讀原文 ↗
工程實戰10
GitHub 分享以分階段 AI 稽核通報 24 個 Android 漏洞
GitHub Security Lab 分享把稽核拆成入口辨識、弱點分類與驗證的流程，表示累計找到並通報 24 個 Android 應用程式漏洞。作者也說明模型會誤判影響與可利用性，需要驗證及研究者複核。
實作啟示
在已獲授權的程式庫測試分階段稽核，為驗證、人工複核與 token 消耗預留預算。
限制與日期說明
這是團隊經驗報告，沒有證明任意專案都會有相同成果。
Kevin Stubbings / GitHub Security Lab
發布 讀原文 ↗
這則的固定連結 ↗發布 讀原文 ↗
設定新聞關鍵字
匯出設定後，執行收集程式才會搜尋新新聞。這裡只預覽設定，不會儲存到伺服器，也不會改變已發布日報。
執行搜尋會把關鍵字傳給 GDELT 與 arXiv，請勿輸入私人資訊。GDELT 使用英文索引；中文主題請自行填入英文別名。