完整日報

AI 日報 2026-09-02

68 則值得知道的變化

要聞

3 則

兩款模型基礎相同但安全限制相異，Fable 5.1 科研跑分達 52.6% 遠超前代，秋季將推出企業零資料保留架構。

工具基於 Harbor 框架構建，支援 Claude Code 等代理，目前僅限 us-east-1 區域且尚未發布官方排行榜。

實驗顯示 GPT-5 與 Gemini-3 已編碼 95% 至 98% 的測試事實，證明幻覺主因是提取失敗而非缺乏知識，可透過推論期運算解決。

1 則

網友透過 GLM-5.3 從官方頁面整理出多款模型數據，其中 Qwen3.8-Flash-Next 總參數 125B，在 SWE-bench 表現亮眼，Opus-4.8 則作為對照組在多項基準領先。

2 則

透過分離研究問題與評估準則，該框架將準則外洩率降至 3.7%，並開源兩萬筆資料的 PaperGym-20k 語料庫與兩項評測基準。

該方法基於 100 款 LLM 與 3.4 萬道題目訓練，能獨立還原出安全與推理兩大維度，證實單一評測分數常混雜不同能力訊號。

2 則

V4 Pro 雖輸入單價偏高，但單次任務成本僅 0.25 美元；其開源框架 Harness 透過維持請求前綴穩定來最大化快取命中率，大幅降低實際花費。

網傳華爾街日報消息指 Google 3.8 Flash 模型效能可匹敵 Anthropic Opus 5，目前官方尚未證實。