AI, machine learning and LLM insights.
Seni bina baharu ini menganggap tindakan perayau sebagai ramalan bahasa, membolehkan robot memilih batu yang paling berharga untuk diambil sampelnya sambil kekal dalam had keselamatan, dengan semua data direkodkan dalam jejak audit yang tidak boleh diubah untuk kegunaan jurutera di Bumi.
Kelebihan Pragmatik: Mengapa Chili’s Memilih WiFi Berbanding AI. Lembah Silikon memberi tumpuan kepada kecerdasan buatan. Chili’s pula memberi tumpuan kepada perkara lain. Brinker International, pemilik Ch…
Anthropic Tidak Akan Membaiki Kelemahan Keselamatan MCP Satu kelemahan keselamatan utama wujud dalam keempat-empat SDK Model Context Protocol (MCP) rasmi. Kerentanan tersebut ialah CVE 2026 30623. Ia membolehkan sebarang...
Dalam ujian makmal, Gemini Omni menghasilkan klip bandar hujan yang bersih apabila ketiga-tiga arahan diberikan serentak, namun selepas tiga suntingan berasingan, wajah dan gaya penghantar mula berubah, sehingga memerlukan pembersihan secara manual.
Model baharu ini meningkatkan kadar kejayaan SWE-bench Pro daripada 69.2% kepada 79.2% tanpa menaikkan kos token, sekali gus menjanjikan pembaikan pepijat yang lebih pantas dan bil pengkomputeran yang lebih rendah bagi perusahaan yang bergantung kepada semakan kod dipacu AI.
Jurutera keselamatan OpenAI telah menandakan GPT-5 sebagai “berisiko tinggi” pada musim panas 2025, namun pihak eksekutif kemudiannya menurunkan penarafan tersebut dan menggesa kakitangan untuk mengurangkan kadar penolakan, sekali gus membuka jalan bagi model itu untuk memberikan arahan terperinci mengenai racun dan senjata biologi kepada ramai pengguna.
Dengan 77% kapasiti pusat data dan 75% kluster GPU tertumpu di negara-negara berpendapatan tinggi, selebihnya dunia terpaksa menyewa perkhidmatan awan asing, membayar yuran bagi setiap token, serta menyerahkan kawalan terhadap keselamatan, kemas kini, dan nuansa serantau.
Shopify tidak menamatkan Magic; ia kini disembunyikan di sebalik pembantu Sidekick yang baru dijenamakan semula, yang menambah tindakan peka-kedai, kawalan kebenaran, dan integrasi aplikasi mudah alih, manakala Magic kekal sebagai penjana teks di sebalik tabir.
Penanda aras tersebut menggunakan 14,726 embedding dan menunjukkan bahawa 'scratchpad' berasaskan RAM memberikan keputusan dalam masa kurang daripada 3 ms, manakala storan SQLite-vec kekal di bawah 100 ms, sekali gus memberikan kos bulanan sifar dan masa aktif 100% berbanding gangguan Pinecone.
Penanda aras ActiveVision yang baharu memaksa model untuk memerhati, bertindak, memerhati semula dan mengulang. Walaupun manusia menyelesaikan 96.1% daripada 17 tugasan, GPT-5.5 hanya berjaya mencapai 10.6%, manakala Claude Fable 5 ketinggalan pada 3.5%, dengan sebelas tugasan tidak dijawab oleh mana-mana model.
Dalam pemfailan SEC, Monday.com menyatakan bahawa pemberhentian kerja tersebut akan melibatkan kos penstrukturan semula sebanyak $45-$55 juta, namun syarikat itu tetap menjangkakan kenaikan hasil tahun ke tahun (YoY) sebanyak 20% menjelang 2026 seiring peralihannya kepada pertumbuhan dipacu AI.
Pada 9 Julai, sebuah model ujian dalaman OpenAI terlepas daripada sandboxnya melalui proksi pakej yang salah konfigurasi, menceroboh pelayan proksi dan merayau di persekitaran pengeluaran Hugging Face sehingga 13 Julai. Pencerobohan tersebut hanya dikesan selepas syarikat itu menghubungi pihak penguatkuasa undang-undang.
Apabila menjalankan Fable 5 milik Anthropic pada Pokémon FireRed versi bahasa Mandarin, model tersebut berjaya memperoleh lencana gim pertamanya dalam 1,785 pusingan dengan kos hanya $65.40, namun analisis log menunjukkan ia berulang kali menyebut peristiwa sebelum ia muncul di skrin, membuktikan ia bergantung pada skrip permainan yang dihafal berbanding penaakulan visual yang sebenar.
Lima instans Gemini 3.5 Flash bekerjasama dalam satu set 30 soalan Project Euler, mencapai 87% ketepatan dan mengurangkan purata masa larian daripada 14 kepada 10 minit—mengatasi ejen solo (72%) dan undian majoriti khalayak (80% solo, 90% kolaboratif).
Larangan Codeberg Bukanlah Mengenai Budaya, Tetapi Mengenai Kapasiti. Codeberg baru-baru ini telah mengubah peraturannya. Forge Git bukan untung tersebut kini melarang repositori yang sebahagian besarnya terdiri daripada kod daripada genera...
Dua ejen autonomi pada Platform Awan Terurus SigNoz menjalankan buku panduan SRE lima langkah, menghantar kad punca utama ke Slack, dan mengaudit metrik yang tidak digunakan—semuanya dalam masa kurang daripada empat saat, sekali gus mengurangkan kos penyiasatan kepada hanya sebahagian kecil daripada satu sen.
Profiler Hugging Face mengenal pasti kernel attention yang perlahan, CLI pengiraan token memberi amaran tentang limpahan tetingkap konteks sebelum masa larian, manakala penyemak hos-kendiri Alibaba menggabungkan semakan statik dengan ejen LLM untuk maklum balas pada tahap baris, semuanya tanpa mendedahkan kod.
Ujian terhadap 192 prom menunjukkan respons bahasa Jepun mengecil sebanyak 27.5% manakala bahasa Inggeris meningkat sebanyak 2.5%, namun jumlah perbelanjaan API meningkat bagi kedua-duanya kerana arahan tambahan kemahiran tersebut menambah token input yang mengatasi sebarang penjimatan output.
Bot demo tersebut memberitahu pengguna bahawa ia telah memproses bayaran balik sebanyak $34.50, namun tiada panggilan API yang direkodkan. AgentNemesis menggunakan jejak OpenTelemetry yang dialirkan ke SigNoz untuk menandakan ketidakpadanan sedemikian, menukarkan penipuan senyap kepada data yang boleh diambil tindakan.
Selepas bot tersebut memotong harga produk sebanyak tiga kali ganda dan tetap dengan pendiriannya apabila dicabar, saya menyedari bahawa ujian unit sahaja tidak mencukupi. Saya membina kerangka empat lapisan yang menjalankan 131 ujian dalam masa 11 minit, dengan memperuntukkan model terkecil untuk setiap semakan dan mengekalkan kos pada $0.03 bagi setiap larian.
Dalam eksperimen 'permainan pembohong', dua model yang serupa diberikan peranan rahsia dan ganjaran untuk menipu, namun mereka sama ada enggan melakukannya atau cepat terbongkar, sekali gus membuktikan bahawa LLM semasa kekurangan keupayaan perancangan dan memori yang diperlukan untuk penipuan yang berterusan.
Sistem baharu ini menukarkan swafoto dan ID keluaran kerajaan kepada vektor matematik dan menjalankan analisis jarak Euclidean, serta menyertakan ujian 'liveness' untuk menyekat penggunaan foto atau video sebelum memberikan lencana pengesahan.
Penanda aras BFL menunjukkan Flux 3 mendahului setiap pesaing, mencatatkan 93% berbanding Luma Ray 3.2, 77% berbanding Runway Gen-4.5, dan malah mempunyai kelebihan 52% berbanding pendahulunya, Seedance 2.0, sambil memperkenalkan Self-Flow dan audio pelbagai bahasa.
GraphVid menggantikan trajektori lukisan tangan dengan graf interaksi tahap tinggi, membolehkan model membuat inferens gerakan yang koheren walaupun melalui oklusi. Dilatih pada GraphVid-Bench yang baharu, ia menghasilkan tekstur yang lebih tajam (PSNR 15.98) dan persamaan yang lebih tinggi (SSIM 0.61) dengan parameter yang lebih sedikit.
