最近幾天的新增消息，分別把模型能力放進開源權重、AI 研究流程、企業級程式開發與個人部署環境中。各個案例都報告了新的能力或效率數字，但可用範圍、驗證方式與實際承擔的成本仍取決於部署條件與人工審查。

🔥 Mistral Large 4 公開預覽，權重預計月底釋出

Mistral 在 10 月 6 日發布 Mistral Large 4 的 API 公開預覽。官方資料稱，這是一個原生多模態、約 1 兆參數、每次啟用約 520 億參數的模型；預覽版由 Mistral 自有的歐洲資料中心提供，模型權重預計在 10 月底釋出。公告目前沒有提供完整架構、訓練資料或 post-training 方法的細節，並表示這些資料會在權重發布時補充。

Mistral 列出的測試結果包括 DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4 28.3%，以及 Cybench 40 題中解出 93%。在另一項漏洞重現與修補測試中，官方稱模型得分為 82%；這些數字主要來自 Mistral 引用的 Artificial Analysis、內部測試或第三方評估，公告沒有把所有測試設定與原始結果一併提供。

官方也把資安能力與可自行部署連在一起，表示模型會提供給私有雲或 on-premise 使用；在權重釋出前，資安能力較低限制的版本先提供給經過審查的合作夥伴、資安領導者與政府機構進行 red-team。這代表公開預覽、特定合作夥伴版本與月底預計釋出的權重，並不是同一個存取條件。

Epoch AI 的 InnovationEval：模型尚未重現一項人類 AI 研究創新

Epoch AI 發布 InnovationEval 的初步結果，測試模型能否在不知道原始論文的前提下，提出新的 machine learning 方法，並在短答與 coding 任務上達到一項人類研究成果的表現。測試環境允許 agent 編輯和執行程式、使用最多 50 張 GPU，單次評估配置約 3,000 GPU-hours 與 100 億 inference tokens；研究團隊之後仍以人工檢查提交內容、範圍與執行紀錄。

測試的目標是重現 on-policy self-distillation 方法 SDPO 對 GRPO baseline 的改善。Epoch AI 表示，GPT-5.6 Sol 的方法在短答任務達到 SDPO 改善幅度的 35%，若以相近的 wall-clock 時間比較，coding 任務中符合範圍的部分約達到 15%；另一個模型 Fable 5 則透過多次執行挑選較好的結果，沒有提出可被研究團隊認定為相當的人類創新。整體結果被研究團隊標為「尚未能自動化 AI R&D」。

這項評估仍是早期版本：每次嘗試需要大量 GPU，任務範圍依賴人工判定，後來的模型可能記住測試所依據的論文，而且研究團隊指出，這個設計沒有測量如何選定研究問題本身。結果因此只回答這組受限任務的端到端表現，不能直接換算成所有 AI 研究工作的自動化程度。

Cockroach Labs 以多階段審查流程執行資料庫工具開發

Cockroach Labs 公布一套以 GitHub Actions 執行的 coding-agent 流程，讓規劃、拆解、實作、審查、測試與合併分成不同角色和階段。公司稱這套流程在五個月內處理超過一百萬行程式碼；為 MOLT 增加 IBM Db2 支援的工作花費不到兩天、token 成本 4,172 美元，而公司 2024 年以人工加入 Oracle 支援時花費約九個月、工程時間約 16 萬美元。

Db2 工作從一個 issue 拆成 15 個子 issue，最後形成 32 個子工作、27 個 pull request、55 次退回修改與 9 次升級，其中兩次交由人員處理。公司表示，這套流程在最初一週曾以無人工批准模式運作，之後改為每次合併都需要人工審查；因此文章中的成果並不等於所有程式碼都在無人介入下直接進入產品。

公司也報告了流程成本與限制：截至文章發布，系統消耗約 135,000 美元的 Claude token，每個 issue 平均約 84 美元，通常在流程中停留一至兩天，且常由等待人工審查造成。流程所使用的 25 份 skill 文件超過 100,000 字，其中約 23% 是重複內容；文章最後也指出，Db2 支援在初始測試中沒有經過人工審查，團隊仍在確認其正確性。

Talorys 把單一使用者 AI 助手部署到 Cloudflare 帳戶

GitHub 專案 Talorys 提供一個 MIT 授權的單一使用者 AI 助手，使用 npx create-talorys@latest 部署到使用者自己的 Cloudflare 帳戶。專案由 React 前端、Cloudflare Pages Function、私有 Worker 與 Durable Object 組成；資料放在以 SQLite 為基礎的 Durable Object，功能包括對話、記憶、任務、筆記、專案、自動化與提醒。

專案預設使用 Cloudflare Workers AI 的 @cf/zai-org/glm-4.7-flash，支援串流回覆與工具呼叫。README 表示，Worker 不開放公開 URL，前端透過 service binding 存取；安裝器會設定密碼、產生 session secret，並在部署後檢查前端、驗證端點、未授權拒絕與儲存健康狀態。專案列出的最低 Node.js 版本是 20.18+。

「免費」取決於 Cloudflare 帳戶的方案與配額：Workers、Pages、Durable Objects 和 Workers AI 都有帳戶級限制，Workers AI 的每日配置用完後，聊天功能會等到重置；付費方案超出包含額度的使用量則按照 Cloudflare 方案計費。資料雖然部署在自己的 Cloudflare 帳戶，專案文件仍明確表示 Cloudflare 會處理聊天訊息與送入 prompt 的記憶，使用者需要另外查看 Cloudflare 的隱私政策與 Workers AI 條款。