AI效能

一項據報的Argo-Bench結果顯示，領先的AI代理人完成了210項任務中的34.8%，凸顯自主系統仍存在尚未解決的可靠性限制。

Anthropic 推出 Opus 5.5，具備更低的 token 價格、更快的輸出，以及宣稱達到 Fable 級的結果，將高效率企業 AI 的門檻再度拉高。

NVIDIA 表示，Vera Rubin NVL72 相較於 GB300，每百萬瓦可提供高達 30 倍的 agentic 推論吞吐量，但仍待獨立基準審查。

Meta 的 Muse Spark 1.3 提升了代理式與程式碼能力分數，但它每項任務的低成本，可能比它尚未完成的前沿挑戰更重要。

NVIDIA 表示，Vera Rubin NVL72 每兆瓦可提供高達 GB300 30 倍的代理式 AI 吞吐量，目標是長上下文推論成本。

Meta 推出了 Muse Spark 1.3，並以更好的程式撰寫與代理式任務表現來與 OpenAI 和 Anthropic 競爭。

NVIDIA 表示，Vera Rubin NVL72 每兆瓦可提供的代理式 AI 吞吐量最高可達 GB300 的 30 倍，正在重塑推理經濟。

OpenAI 表示，Jalapeño 晶片可提升多種模型的 AI 推論速度與能效，但目前結果仍屬於供應商自述，且尚未正式部署。

OpenAI 公布的 Jalapeño 推論基準在速度與效率上超越 Nvidia 系統，但受限於部署規模與供應商提供的數據，這項說法仍需保留。

NVIDIA 表示，Vera Rubin NVL72 每兆瓦可提供高達比 GB300 多 30 倍的代理式吞吐量，正在重塑 AI 建構者的推論經濟。

普林斯頓與 UC San Diego 的研究發現，AI agents 的 skills 比知識更能提升執行表現，但隨著資料庫擴大，檢索能力會崩潰。

NVIDIA表示，其AVO代理在ARC-AGI-3取得滿分，突顯記憶、監督與工具如何擴展模型效能。

NVIDIA 發布了 SkillEvaluator，這是一個開源框架，用來測試代理技能是否能在真實執行中改善任務結果、安全性與效率。

OpenAI 正在預覽 Ultrafast，這是一個可讓 GPT-5.6 Sol 最高快 14 倍的 API 等級，並與 Cerebras 一起鎖定即時企業工作流程。

Nvidia 的 Nemotron 3.5 Lightning 透過稀疏啟用與量化提供快速的開放權重推理，鎖定高流量 AI 代理，而非追求最高分數。

牛津已發布一個針對 AI 資訊作戰風險的即時基準，為模型製作者與購買者提供一個可隨時間追蹤的新安全訊號。

OpenAI 表示，兩項 API 設定讓 GPT-5.6 在 ARC-AGI-3 上的分數翻了三倍，凸顯推理設定如何重塑模型效能。

Anthropic 的 Claude Opus 5 在 ARC-AGI-3 創下新高分，也再次引發人們對於真正推理能力提升，還是只是針對基準測試優化的疑問。

德國的開放模型 Soofi S 宣稱在完全開放的英文與德文基準測試中名列前茅，同時其創作者也揭露並修正了一次測試資料外洩。

NVIDIA 表示，經 LangChain 調校的 Nemotron 3 Ultra 在開放模型代理人基準測試中達到頂尖成果，凸顯更低成本的企業 AI stack。