完整日報

AI 日報 2026-08-13

52 則值得知道的變化

要聞

3 則

新版模型軟體工程跑分翻倍，加劇與 Grok 4.6 的價格戰，官方並暗示將推出專屬代理框架 DeepSeek Harness。

測試 13 款模型發現，即使啟用思考模式，前沿模型仍有 11% 至 12% 的事實無法提取，顯示擴展規模對改善知識提取的幫助有限。

該 3.1B 模型記憶體佔用低於 3.3GB，在蘋果 M5 Max 推論達 228 tokens/s，並大幅提升螢幕 UI 理解與函數呼叫能力。

1 則

韓國 AI 實驗室 Upstage 推出新一代旗艦推理模型，支援 512K 上下文，在代理與長文本任務表現大幅提升，但延遲增加且定價翻倍。

4 則

該機器人在一小時無人工介入的直播中，僅用標準夾爪處理隨機包裹，準確率逾 98%，其 WUM 架構模型能即時預測物理變化。

分析顯示 Opus 5 平均回覆達 510 字，更常使用破折號與坦誠語氣；同系列的 Fable 5 則較簡潔，但給予肯定回饋的機率翻倍。

有別於 LLM-as-judge，AutoEval 透過真實人類提示與模型回覆進行評分，維持動態基準，讓模型實驗室能快速取得基於人類偏好的洞察。

該方案幾乎無針對 ARC 進行最佳化，僅透過單一動作指令與檔案系統日誌，即可達到 99.3% 的 pass@2 成績。