所有分類Kolibri 1(`Aleph-Alpha/Kolibri-1`,FP8;`Aleph-Alpha/Kolibri-1-BF16` 為全精度版):2026-10-03 開源,78.1B 總參數/3.46B 活躍參數 MoE(384 個 experts 選 6 個+1 共享),context window 最高驗證 1,048,576 tokens(建議 ≤262,144);Apache 2.0 全開源權重,無官方 API 定價,自架為主;AIME 2025 96.9%(前代 Kolibri Origin 81.9%,未公開發布)、GPQA Diamond(EN)84.3%、τ³-bench Banking 38.1%(遠超競品最強 15.5%);用 Merlin-Arthur 協定訓練拒答能力,context 不支援答案時主動說不知道;德國訓練、德英雙語,瞄準公部門/工業/航太等受歐盟 AI Act 與 GDPR 規範的場景
Google 於 2026-09-30 發表 Gemini 4 Argon,API 促銷價 input $2.00、output $10.00(USD/1M tokens,cached input $0.10),promo 結束後標準價倍增為 $4.00/$20.00(cached $0.20)——漲幅 100%。官方公告只在註腳寫『促銷期結束後』會調整,沒給任何到期日期,且目前僅開放給受信任資安夥伴,一般 API 存取時程未定。
Behavioral 面試考的不是你有沒有衝突故事,而是你敢不敢講一個真的有張力的衝突、清楚呈現自己的立場與證據,並且在決定 commit 之後是真的全力執行而不是消極抵抗。今天的框架是 STAR(把 60% 篇幅放在 Action 與 Result,而非 Situation/Task)加上 Amazon「disagree and commit」這個決策原則。練習題是「你曾經跟主管意見不合過嗎,後來怎麼處理」,拆解思路是先挑一個真實且雙方都有理的衝突、具體敘述自己的立場與根據的數據、呈現決定 commit 的那個轉折點、交代之後怎麼全力執行、最後定義衝突落幕後的結果與自己學到什麼。案例是 Jeff Bezos 在 2016 年股東信裡親自示範的 disagree and commit:他對 Amazon Studios 一部原創劇的商業條件有疑慮,但在表達完整意見後立刻回信「I disagree and commit and hope it becomes the most watched thing we've ever made」,讓團隊按自己的判斷往前走。文末附本週 Product Sense 到 Technical PM 六篇主題的回顧表與下週預告。
shipstores 是一個 MCP server,讓 Claude 之類的 agent 直接操作 App Store Connect 和 Google Play Console 完成上架。安裝:`claude mcp add shipstores -- uvx shipstores`。解決了「app 寫完了但上架那 40 個手動步驟、一半還沒公開 API」的問題。
今天的 Paper Reading 輪練是 arXiv:2609.37658《EnterpriseBench: Benchmarking LLM Agents on Enterprise-Level Strategic Reasoning and Decision-Making》——2026 年 9 月 29 日才掛上 arXiv 的新論文,設計了一個兩層評測架構:基礎層是重組現有企業/財務 QA 資料集(資訊擷取、數值計算、領域知識、複雜推理),互動層則是三個全新情境——模擬顧問面談(Consulting)、經典啤酒遊戲供應鏈模擬(Beer Game)、企業數位分身專案規劃(EDT)。用九種 agent 方法(CoT、Self-Refine、Reflexion、Debate、Discussion、AMEM、DC、GEPA、ACE)跑四個 backbone(DeepSeek-V3、GPT-4.1、DeepSeek-V4-Pro、GLM-5.2),核心發現是靜態 QA 表現好的方法,換到互動決策任務不一定還是贏家,而且『誰是最佳方法』會隨任務、隨 backbone 變來變去,沒有一個通用贏家。核心概念涵蓋這個『靜態—互動評測落差』、為什麼 Self-Refine/Reflexion 在多輪顧問案例裡反而輸給簡單 CoT、GEPA/DC/AMEM 在不同任務與 backbone 上的勝負逆轉說明了什麼,以及論文怎麼用三層驗證(20 案例粗篩、500 筆逐字稿多人標註、prompt 穩健性測試)去證明自己的 LLM-judge 可信。練習題走評測設計師視角,討論怎麼把『沒有通用贏家』這個結論轉成實際的 agent 選型決策流程,以及怎麼判斷一個 LLM-judge 的信度數字『夠不夠好』可以上生產環境。
Pydantic AI v2.53.0 三個重點:(1) 資安——GHSA-6fqq-452j-qhrp(high):透過 ConcurrencyLimitedModel 或 limit_model_concurrency 發出的串流請求,若消費端提早離開(中止疊代、丟例外、被取消)或把 stream_text() 完整跑完(預設有 debounce),併發槽位可能卡在「已釋放但未真正釋放」的狀態,重複觸發會讓共用同一限流器的所有請求全部卡住;(2) 連帶調整限流器語意——model wrapper 若與發出請求的 agent 或外層 wrapper 共用同一限流器,現在會丟出 UserError,`ConcurrencyLimiter.acquire()` 改成每次呼叫都佔一個槽位(即使同一個 task 也一樣),自訂的 `AbstractConcurrencyLimiter` 必須允許從別的 task 呼叫 `release()`;(3) 新增 `ToolCallJudge`,讓工具呼叫在真正執行前先經過一層審查,`repair_messages` 訊息修復流程也從內部工具正式開放成公開 API。
Supabase 完成由 GIC 領投的 $150M 新一輪資金,距離 6 月的 $500M Series F 僅 4 個月,同步收購 Turso 以支援 Agent 大量建立隔離資料庫的工作負載。這筆錢代表的趨勢是:後端基礎設施的客戶正從人類開發者快速轉向會自己開資料庫的 AI Agent,籌資節奏被迫跟著 Agent 的用量曲線加速。
Clef(27B,基於 Qwen3.8-27B 後訓練)與 Clef-flash(9B,基於 Qwen3.5-9B):64k context window、支援圖片/影片輸入、Clef 定價 $0.24/1M input tokens(Clef-flash $0.09,無 output 計費)、BFCL case exact 98.5%、BANKING77 macro-F1 94.2%、CLINC150+OOS macro-F1 97.4% 均超越 Typesafe Jev;架構上以 prefill-only 打分取代逐 token 生成,接在 Typesafe Jev、OpenAI Decisions API、Amazon Strands Decider 2B 之後,是一週內第三個登場的「決策模型」
xAI 的 grok-imagine-image-quality 將於 2026-11-02 停用(9/2 發出 60 天預告),屆時所有請求自動轉給 grok-imagine-image-2.0 並強制套用 quality: low,每張圖從 $0.05 降到 $0.04(↓20%)。重點是 2.0 本身不分 quality 計價——主動遷移並手動指定 quality: medium 可以拿到更好的畫質,價格完全一樣,只是被動等轉址的人會被鎖在最低畫質。
Technical PM 面試考的不是你會不會畫架構圖,而是你能不能把一個破壞性 API 變更,拆解成客戶分群、相容層設計、分階段淘汰時程這幾個具體決策,並且敢真的設一個會執行的下線日期。今天的框架是 Use Case → Contract → Compatibility → Operability → DX 五層 API 設計框架,搭配 ADR(背景→決策→後果→回頭觸發點)把決策寫下來。練習題是「如何規劃一個破壞性授權變更的 API 淘汰計畫」,拆解思路是先釐清變更性質、用呼叫量數據把客戶分群、評估相容層的可行性、分四階段淘汰(警告→溝通→軟性截止→下線),最後用流量遷移率當領先指標。案例是 Stripe 從 2011 年至今用日期命名版本與版本轉換模組,讓每個帳號在第一次呼叫時自動釘選版本,之後所有破壞性變更都由內部轉換模組吸收,開發者可以永遠留在自己被釘選的版本上;2024 年 9 月起進一步把節奏公開為每月小版本、每年兩次大版本。
HarnessRouter Community Edition 是一個 Apache-2.0 自架平台,用 Unified Harness Protocol(UHP)把 Codex、Claude Code、Hermes 等 agent harness 包成同一個 API。安裝:`docker run -d --name harnessrouter -p 127.0.0.1:3000:3000 -v harnessrouter:/data harnessrouter/harnessrouter`。解決了產品要接多個 coding agent harness 時,每個都要重寫 session/串流/檔案/取消邏輯的問題。
今天的 Coding 輪練換個方向,不再碰前幾週已經練熟的 batching scheduler 跟 tokenizer,改做幾乎每個 LLM API 都會暴露、卻很少人真正手刻過的功能:實作一個吃 logits、temperature、top_k、top_p 四個參數的 sample_token 函式。核心概念涵蓋 softmax 數值穩定性(exp 之前要先減去最大值,否則大 logit 直接 overflow 成 inf)、temperature 的邊界情況(T=0 在公式上是除以零,業界慣例是退化成 greedy decoding 而不是丟例外)、top-k 與 top-p 的套用順序(先 temperature 整形分佈,再 top-k 砍固定數量,再 top-p 依累積機率動態砍)、以及 top-p 最容易寫錯的邊界判斷(要用「加入這個 token 之前」的累積機率跟門檻比較,不是加入後)。練習題來自 AI Engineering 面試題庫收錄的真實題目,額外延伸到 top_k 超過字典大小、renormalize 分母為零這類容易被面試官抓到的邊界案例。
Arena Agent 排行榜 09-30 發布:Claude Fable 5.1(Max)14.55% 第一、Claude Opus 5.5(High)13.78% 第二、GPT-6 Astra(Max)12.18% 第三;Anthropic 官方宣稱 Opus 5.5「效能近 Fable 5.1 但省 40% 成本」,但在這個由真人投票決定的 Agent 類別裡,Opus 5.5 仍落後旗艦版約 0.8 個百分點,且第三方測算其滿力模式每題耗用 token 是 GPT-6 Astra 的 4 倍;本篇同時記錄一個方法論突破:改用 Arena 官方發布在 Hugging Face 的歷史資料集(datasets-server API),繞過一個多月來擋住 swebench.com/arena.ai 等排行榜網頁渲染的結構性故障
Agno v3.1.0 三個重點:(1) 新增 `agno.os.authz` 套件,AgentOS 內建角色儲存、scope policy、審計日誌與使用者目錄,提供原生與 `fga` 兩種可插拔授權引擎;(2) 新增 `agno.fs`/`DbFileSystem`,AgentOS 多一組 `/filesystem` 路由管理檔案,但既有 `agno_fs` 資料表需停機跑遷移腳本,否則直接噴 `SchemaOutdatedError`;(3) Breaking:`MCPConfig` 的內建預設工具與生命週期工具(`continue_run`/`cancel_run`)從『自動附贈』改成要顯式打開。
Haystack v3.3.0 三個重點:(1) 資安——`anyio` 升級到 `>=4.14.2` 修補 CVE-2026-63374(GHSA-82r6-8w77-94w6),這個套件透過 `httpx`/`openai` 間接安裝,舊版有洞;(2) 效能——`SentenceWindowRetriever` 改成每次 `run`/`run_async` 只查一次 Document Store,不再每個檢索到的文件各查一次;(3) Breaking:BM25L/BM25Plus(預設)現在只回傳至少命中一個查詢詞的文件,可能讓檢索筆數變少;`top_k` 傳負數改成直接丟 `ValueError`;修掉引號句尾遺失空白的 bug 連帶讓含引號句子的語料重新索引後切塊邊界改變。
Armadin 完成 $255.5M Series B,由 a16z 與 Accel 共同領投,估值超過 $2.5B。這輪錢代表的趨勢是:當 AI 讓攻擊者找漏洞、串攻擊鏈的速度快過人類紅隊能反應的速度時,「用 AI Agent 打 AI Agent」正從概念驗證變成資本願意重注的獨立賽道。
enso 完成 $15M Series A,由 MoreTech Ventures 領投,NFX 續投。這輪錢代表的趨勢是:當 ChatGPT、Perplexity 這類 AI 答案引擎開始取代一部分搜尋流量,「持續監測並即時調整」的行銷 Agent,正從加分工具變成品牌能見度保衛戰的必需品。
Flow Engineering 完成 $50M Series B,估值 $750M,由 Tesla 早期投資人 Antonio Gracias 與 Nvidia 早期投資人 Gavin Baker 共同領投。這輪錢代表的趨勢是:AI 讓軟體開發從週縮短到天之後,資本正賭同一套「Agent 加速迭代」的劇本能複製到更難、更昂貴的硬體工程領域。
IQuest-Q1(`IQuestLab/IQuest-Q1`):2026-09-28 開源,320B 總參數/15B 活躍參數 MoE(256 個 experts 選 8 個),context window 524,288 tokens;開源權重自架,無官方 API 定價;CyberGym(真實 CVE 修復)84.5%(僅次 DeepSeek-V4.1-Flash 88.1%)、Terminal-Bench 2.1 83.2%、DeepSWE v1.1 64.6%、NL2Repo 63.0%;原生相容 Claude Code/Codex CLI,換模型只需改環境變數;發佈團隊 IQuest(至知創新研究院)此前無公開模型紀錄,首作即公開權重、推理程式碼與訓練方法論
OpenAI 於 2026-09-29 DevDay 為 GPT-6 Astra API 新增 Ultrafast 速度層級:input/output 漲到 Standard 的 6 倍(短 context $60/$300 per 1M tokens),換取 API 最高 6 倍、Codex 最高 8 倍的生成速度;同時 ChatGPT Pro 200 的 Codex/Work 用量上限從 20x Plus 砍到 10x Plus,既有訂閱戶延至 2026-10-29 才降級並獲發 2026-12-31 到期的 $2,500 usage credit;新方案 Pro 500($500/月、25x Plus)成為唯一內建 Ultrafast 的訂閱層級。