AI Memasuki Era Pelaksanaan ketika Model, Ejen dan Verifikasi Bertumpu

Model Barisan Hadapan Melangkaui Penjanaan

Pengumuman pada 8 dan 9 September menunjukkan sistem AI mengambil alih aliran kerja yang semakin lengkap. TechCrunch melaporkan bahawa model OpenAI yang belum dikeluarkan telah menjana satu bukti berkaitan masalah Navier–Stokes melalui kira-kira 10,000 ejen terkoordinasi dalam tempoh 88 jam, diikuti pengesahan Lean secara formal. OpenAI turut melancarkan ChatGPT Images 2.5 dengan penjanaan lebih pantas, penyiapan lakaran, templat dan penyuntingan serantau. Inception melaporkan bahawa Mercury 2.5 mencapai 1,107 token sesaat dengan tetingkap konteks 260,000 token.

Model Terbuka Membentuk Semula Kos dan Penerapan

Penanda aras komuniti menunjukkan model campuran pakar Kimi K3 dengan parameter 2.8 trilion berjalan daripada empat SSD pada MacBook Pro M5 Max 128 GB pada kira-kira satu token sesaat. Perplexity melancarkan Portable Computer, iaitu ejen setempat yang dibina berdasarkan Qwen3.8-27B terbuka Alibaba dan dioptimumkan untuk NVIDIA DGX Spark. DeepSeek turut mengumumkan harga model Flash yang lebih rendah, termasuk pengurangan input cache-hit sebanyak 60% pada waktu luar puncak.

Modal Mengikuti Ekonomi Ejen

Mistral menutup pusingan Siri D bernilai €3 bilion pada penilaian yang dilaporkan sebanyak €21 bilion, manakala Cognition mencecah penilaian yang dilaporkan sebanyak $48 bilion. Qualcomm dan Amazon mengumumkan perkongsian pelbagai generasi yang merangkumi cip pusat data, inferens dan interkoneksi optik. Pelancaran Muse oleh Meta menggambarkan lapisan ejen peribadi, tetapi ujian dalaman turut menekankan keperluan untuk kawalan kebenaran, pemantauan dan kebolehpercayaan.

Keselamatan dan Bukti Menjadi Keperluan Produk

Anthropic mengesahkan bahawa perisian hasad yang mencuri maklumat telah digunakan untuk merampas sesi Claude dan menghabiskan kuota akaun. Kumpulan Perisikan Ancaman Google melaporkan bahawa TeamPCP menggunakan rangka kerja pelbagai ejen autonomi untuk mengumpul kelayakan selepas kompromi rantaian bekalan. Keputusan PISA OECD selanjutnya menunjukkan bahawa AI paling berkesan sebagai perancah: pelajar yang menggunakannya sekali atau dua kali seminggu mengatasi prestasi kedua-dua pengguna berfrekuensi lebih rendah dan lebih tinggi, manakala bilik darjah yang berfokuskan penilaian menunjukkan prestasi lebih baik.