AI 模型與研究 第 16 頁

NVIDIA SoL-Pi 用四種 agent harness 機制減少 44.7–49.0% token，但 EdgeBench 分數下滑、Terminal-Bench 少解三題。本文完整拆解方法、數據與風險。

Anthropic 用不到四週做出 36 套生物分子模型優化；4.1 倍加速只適用哪些測試？萬級 token 成功與 7 萬殘基崩塌又揭露什麼限制？

Needle 3 的 29MB 說法成立嗎？本文固定模型與原生 runner，以三個 depth 設定跑完 30 條中英 Tool Calling 測例，檢查 exact match、confidence 與高風險動作，找出可上線與必須停下來確認的邊界。

Qwen3.8-Omni-Flash 把長影音接進 Agent 工作流。本文拆解 1M context、Realtime、Plugins、Harness、benchmark 與價格主張，判斷突破來自模型還是整套工具鏈。

Jev 發布後，SemIf 做出開放介面實驗，Laya 發布 421M 專用模型。本文核對程式碼、權重、原始評測與校準圖，拆解社群重製的是介面、模型還是既有分類技巧，並判斷 TypeSafe 真正剩下的護城河。

Anthropic 表示 Claude 已主導 26% 的內部 AI 研發工作。本文拆解自動化指數、30,000 個 Agent、59% 評分一致率與 METR 反例，判讀這項內部量測真正代表什麼。

Bonsai 2 27B 把 27B 語言模型壓到 5.95GB，卻不代表 6GB 裝置就能日用。本文拆解三元權重、98.2% 官方 benchmark、runtime 限制與 12 題驗收法。

Infinite-Parameter LLM 把即時資料轉成可重用的低秩權重。本文用玩具實驗比較長 Prompt、RAG 與 LoRA，拆解論文證據、限制與部署判斷。

NVIDIA 宣稱 AI Agent 已把 TileGym 24 個 Operator、約 40 個 GPU Kernel 轉成 CUDA Rust，平均達 cuTile Python...