TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南

Ramen 團隊將遊戲測試系統 Autopilot 開源:LLM 離線讀遊戲原始碼撰寫動作選單,TypeSafe 的 Jev 決策模型線上約每 0.25 秒做一次決定。官方評測以 7 比 5 贏過 Claude Code,差距全部來自兩題被記作弊的目標題,且貼文、影片、官網對「贏多少」有三種寫法。

Google 發表 Gemini 4 Carbon,資安評測三項領先、AA 綜合指數第一,但先只開放給部分資安防禦團隊,API 優惠價每百萬 token 輸入 2 美元、輸出 10 美元,優惠結束後翻倍。本文核對官方公告與第三方榜單,整理誰先用、價格怎麼算、幻覺率上升怎麼讀。

Replit 在 2026 年 10 月 22 日推出 Monitoring Agent,讓代理調查正式 App 的警報、嘗試修復並驗證變更。官方文件把監測警報、Auto-fix 與實驗性的 Auto-republish 拆成三個獨立設定,代理修好程式不代表有權把修改發布上線,資料遷移與索引操作是官方點名的風險區,執行也會計入 Agent 用量費用。

AWS 與 UC Berkeley 的 Hydro 專案開源代理執行環境 Infinity:工具呼叫即暫停,等待中的代理只剩對話歷史,每個約佔 100KB,8GB 約容納七萬五千個代理。本文拆解官方基準測試的模擬口徑、SQS 加 Lambda 的無伺服器部署,以及官方自列的四個未解問題。

GitHub 在 2026 年 10 月 23 日把 Teams 裡的儲存庫通知與 Copilot 雲端代理收進同一個 App:在通知討論串標記 @GitHub 就能要求代理調查、修復並開出待審 PR。觸發修改需要儲存庫寫入權限,共用對話以 App 身分建立產物,規則集下還會多一道同意;通知不需 Copilot 授權,代理需要付費方案與雲端沙箱。舊版 GitHub App 將改名 deprecated 並在 11 月 16 日退役。

Anthropic 的 Applied AI 團隊在 2026 年 10 月 22 日的官方文章建議企業把路由、規劃器與領域子代理收回主代理迴圈,改用技能檔與工具搜尋按需載入。本文把配套開源的 single-agent-loop-kit 抓下來實跑離線測試、重新彙算官方收錄的兩輪 claude-opus-5 評測紀錄:退貨折疊後完成率 92% 升到 96%、延遲降近三成,但輸入 token 不減反增,診斷工具化那輪完成率反而從 94% 掉到 91%。整併不是穩賺,官方賣的是先架評測、一次收一個、看哪些任務翻盤的量測流程。

一段 Grok Bot 把工作派給 Codex 與 Claude Code 的示範,帶紅了八月就開源的 HarnessRouter:一支 Docker 容器自架,把 26 種代理執行環境接進相容 OpenAI Responses 的同一個 API,連開放標準 UHP、一致性測試矩陣與失敗紀錄都公開。它不是 Grok Bot 的官方升級,Grok 在倉庫裡的身分是被接入的 Grok Build 後端;免費的只有基礎設施層,模型費仍要自備金鑰,雲端版另有四級月費。

Google Cloud 在 X 發布長文,把給程式代理看的說明拆成 AGENTS.md、DESIGN.md、SKILL.md 三份檔案,分別管理全域規則、視覺設計與任務流程。文中引用的 AAIF 七月實測原文寫的是點數減少 24%,Google 轉述成 token 減少 25%;三份檔案裡也只有 DESIGN.md 是 Google 自家 2026 年 4 月推出、仍在 alpha 階段的新規格,AGENTS.md 與 SKILL.md 是多家工具已採用的開放標準。

Fuel Labs 開源 HobbyLM-1B Computer Use:14MB LoRA 附加權重掛上自家 10.4 億參數 MoE 小模型,在 MacBook Air 用 Apple MLX 離線把英文指令變成十種固定 Mac 操作,從計算機、亮度、計時器到確認後寫入行事曆。0.26 秒是 262 個決策回放的中位數、實機均值 0.81 秒,13 倍提速橫跨框架與版本兩個變數;模型卡同時公布四輪封存測試 72% 完成率與兩條未達標的預註冊門檻,商用前還要看計算機元件的 BSL 授權邊界。

Sakana AI 於 2026 年 10 月 23 日發表企業代理平台 Aquarium,以 Ontology 整理組織資料的定義與關係,資料留在原處連接,代理的分析與人工核准接成 YAML 流程。本文對照官方發布文,檢視已公布的功能與尚未公布的價格、連接器細節。