1️⃣ Anthropic 將 Claude Code 自動模式設為預設——AI 寫程式不再逐步等人類確認
Anthropic 宣布自 8/14 起，Claude Code 的 auto mode 將成為 Pro、Max、Team 帳號預設。auto mode 下不再逐步請求人類批准，僅在偵測到「不可逆、破壞性或超出環境範圍」操作才暫停。1,053 名付費測試者研究顯示，auto mode 攔截 89% 有害操作，人工審核僅 13.6%。用戶現實中 97% 的權限提示都直接點同意。Claude Code 負責人 Boris Cherny 表示自己已專用 auto mode 數月，無法想像回到權限提示。此舉標誌著 AI 程式設計工具從「輔助」邁向「自主代理」的關鍵轉變。
🔗 來源：Anthropic 官方公告
📌官方公告（Anthropic）
2️⃣ NVIDIA 開源 VoiceChat 11B：全雙工語音模型 448ms 延遲，對話中同步呼叫工具
NVIDIA 發布 VoiceChat 11B 開源全雙工語音對話模型。將語音理解與生成整合進單一網路，不需 ASR→LLM→TTS 串接。平滑回合切換延遲僅 448ms，使用者可中途插話（打斷率 1.00），更是首個支援對話進行中同步工具呼叫的開源全雙工模型——工具執行時 agent 會說「請稍候」填補沉默。混合 Mamba/Transformer 架構，基於 Nemotron Nano 9B，使用 55 萬小時音頻訓練。權重已上 HuggingFace，需 80GB VRAM GPU。目前標註研究用途，存在 2 分鐘上下文上限等限制。
🔗 來源：NVIDIA VoiceChat 11B（HuggingFace）
📌官方開源（NVIDIA）
3️⃣ Google DeepMind WeatherNext 突破數十年瓶頸：單一 AI 模型同時精準預測颱風路徑與強度
Google DeepMind 攜手美國國家颶風中心、英國氣象局開發 WeatherNext-C 模型，解決了颶風預報中存在數十年的「路徑精度 vs 強度精度」取捨難題。五天預報風暴中心誤差平均 230 公里，優於 ECMWF 的 370 公里；三天強度預報比 NOAA HAFS 精確 3.75 節。模型以 28 公里粗網格運行——較區域模型粗百倍——卻仍達頂級表現，打破「高解析度是強度預測前提」的假設。研究發表於 Nature。自 2025 年 6 月已在 Google Weather Lab 上線，於颶風 Melissa 中成功預測快速增強。
🔗 來源：Google DeepMind 官方部落格
📌官方公告（Google DeepMind）
4️⃣ Google DeepMind DiffusionGemma：用不到 10% 訓練成本將 LLM 改造為文字擴散模型
Google DeepMind 以 Gemma 4 26B 為基礎，透過兩階段訓練將其轉換為文字擴散模型 DiffusionGemma，僅使用原始訓練 token 預算不到 10%。推理基準平均提升 10 分，每計算步驟 token 產出近 4 倍。擴散架構的雙向推理能力讓模型能在輸出定案前修正早期錯誤——解決自回歸模型「第一個 token 即定生死」的根本限制。此方法證明任何已訓練的自回歸模型都可能在極低成本下獲得擴散模型的自我修正能力，為 LLM 架構創新開闢新路徑。
🔗 來源：arXiv 研究論文
📌研究論文（arXiv / Google DeepMind）