AI · 第 5 頁

以三道可驗收的 Codex 任務比較 GPT-6 Sol、GPT-6.1 Sol 與 Effort。固定提示、測試與 repo 起點，計入失敗、人工修正和用量，再決定是否切換。

OpenAI Dots 開始有限開放。本文還原常駐代理的工作方式、主動研究的只讀邊界與批准機制，並用官方安全測試判斷哪些成果值得信任。

Anthropic 測得 GLM-5.3 在隔離 ExploitBench 的 410 次嘗試中有 50 次完整漏洞利用。NIST 也見到開放權重模型的資安能力提升，但兩份評分方法不同；模擬防護數字更不能當成真實入侵成功率。

Jeff 決策模型開放權重，作者報告 M4 Max 每次 28 毫秒；但 v1.0 的長選項漏洞提醒我們，速度與判斷品質要分開驗收。本文拆解 v1.1 修正、基準分數與適用邊界。

AMD 與 World Labs 簽署約 82 億美元股票收購協議。本文核對原文與 8-K，拆解世界模型、晶片路線圖、開放生態承諾及交易尚待驗證的關鍵。

GPT-6.1 Sol 的外部評測顯示，綜合指標與 Astra 只差 1 分，單題成本約為 0.72 對 3.26 美元。這篇對照官方資料與測試邊界，教你用合格任務的總成本判斷是否值得換模型。

從 OpenRig 官方 first-project 兩個 Codex 座位起步：先盤點 setup 與 Hooks 寫入，再用小型 repo 任務核對 queue、checker 和卡住後的復原證據。

從 Claude Design 核准單頁網站，到 Claude Code 實作與桌機手機截圖驗收；附可複製的核准表、交接施工單和返工格式。

HTTP 擋住了，DNS 查詢還會到外部嗎？用自有網域與三張前後對照收據，驗收 Agent 沙盒的解析路徑、日誌和阻擋規則。