AI · 第 50 頁

固定 rc.7 原始碼，從越界 path、取消／unmount、config replacement 到 crash 後 UNKNOWN projection，以 9 組、481 項測試建立 DeepSeek Harness 安全 Plugin 的...

只看 completion，Agent 可能做完卻重讀、重搜、重跑。這篇用固定 24-turn 配對測試量 Reacquisition Cost，守住 constraints 與 tool inventory，再以非劣性和 all-in 成本 gate 決定是否壓縮。

扣款 API timeout，不代表沒扣款。這篇用 SQLite 假訂單 Agent 實作 stable key、unknown 對帳、ledger、outbox 與補償，並用七項故障測試驗證 replay 不會二次扣款。

Qwen3.8-27B 本機 Agent 能聊天，不代表兩輪工具呼叫可靠。本文提供 llama.cpp、vLLM 四模式的可重跑 fixture，教你驗收 arguments、tool history 與 16／24／48 GiB artifact 候選。

VibeWorlding 把 3D 世界建造成可訓練的 Agent benchmark；但作者自報的 59.3 分、評分器循環與公開程式仍有多個待對帳缺口。

Cursor 推出 Origin 早期測試，開始自己託管程式碼、PR 與 GitHub 鏡像。這篇拆解它的真實邊界、平台野心，以及團隊現在該怎麼安全試用。

Anthropic 8 月風險報告將高風險失調分級從「極低」升為「低」，並揭露內部 Model 2、CoBench 62.8% 與低於 2 倍的 AI 研發加速。這些數字能證明什麼，又有哪些自評限制？

Stripe 同意收購 OpenRouter，交易尚未完成。本文從官方公告、路由文件與 Stripe token 計費機制，拆解 10 兆 token／日自報數字、既有合作、整合後的控制點、中立性與可靠性風險，並整理開發者現在應驗證的四件事。

404 Media 用 AirTag 追蹤書籍到 Amazon 拉斯維加斯設施，員工稱現場切書脊、掃描並毀掉紙本。本文查證證據邊界、合理使用判決與保存代價。