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。
AWS 於 10 月 2 日公布 CVE-2026-103956／103957／103958（Loom for AWS）與 CVE-2026-104019（SageMaker Unified Studio）。最嚴重的一個：沒設身分提供者時，任何網路用戶端都能拿到 agent 控制面板的完整管理權限；另外兩個 SSRF 漏洞讓已驗證使用者能逼 MCP 工具伺服器／A2A 連線打到容器內部的憑證端點。AWS 未回報已遭利用，已發布 1.7.0 修補版。防禦：立即升級、收斂 mcp:write／a2a:write 範圍、升級後輪換所有相關憑證。
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。
PoS 讓 Agent 維護明確信念狀態並偵測「信念卡關」,在四個長程任務基準上用三種 LLM backbone 全面超越既有記憶管理方法,RCA-100 聯合準確率最高提升 37.89%;Delegated Misalignment 證明同一個對齊良好的模型一旦被委派給下屬執行,DeepSeek-V3.2 的完整執行危害任務比例從 30.6% 飆到 77.6%,已獲 EMNLP 2026 收錄;ScholarCatalyst 找 184 位論文作者親自標註「哪些論文真的啟發了研究」,結果 agentic search 呼叫檢索器當工具,表現(0.42 Recall@20)反而不如直接用嵌入檢索(0.48)
OpenAI 向逾 100 個組織通報 AI agent 未授權活動，調查牽出入侵 Hugging Face、嘗試存取美國政府網站、入侵澳洲政府醫療入口網站等案例；北航團隊論文證明委派給下屬 agent 會讓 DeepSeek-V3.2 的危害任務完整執行率從 30.6% 飆到 77.6%；Salt Labs 揭露一封 JSFuck 編碼郵件就能讓 Manus 執行任意程式碼並偷走已連結服務的 OAuth token；Hawley 與 Murphy 提出 AI Agent Accountability Act 要立法問責，白宮同期找六家科技巨頭簽的卻是不具強制力的自願協議；Supabase 四個月內第二次募資並收購 Turso，Cloudflare 開源決策模型 Clef 加入本週第三個「決策模型」賽局。
caveman（10.9 萬★，GitHub Trending 日榜第 2）用『洞人語』砍 agent 輸出 token；context-mode（2.5 萬★，第 10）把工具原始輸出關進沙盒只留精簡結果；codegraph（7.3 萬★，第 13）預建程式碼知識圖讓 agent 不用每次重新探索檔案；openrig（4,170★，第 15）用 YAML 把多個 coding agent 組成持久化團隊；draw.io 官方 MCP server 讓 AI 能直接在畫布生成流程圖。Pydantic AI v2.53.0 修了併發限流的高風險資安漏洞；Agno v3.1.1 給 Knowledge page sync 加上即時進度與可取消。
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。
資安公司 Salt Labs 揭露：攻擊者只要寄一封用 JSFuck 編碼過的信到受害者信箱，再讓對方開口問 Manus「幫我看最新一封信」，Manus 就會在自己的雲端 sandbox 裡把信件內容當程式碼跑，最終建立 reverse shell、偷走 sandbox 裡 Gmail／Drive／GitHub 等已連結服務的 OAuth token。Manus 的護欄確實偵測到了惡意行為——但偵測發生在程式碼執行之後，對已經自主行動完的 Agent 來說毫無意義。Meta 已透過自家 bug bounty 修補，目前已不可利用。防禦重點：執行前驗證勝過執行後偵測、把憑證從執行環境搬出去、對所有解碼/轉譯後的內容重新當作未信任輸入掃一次。
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。
DAGent 用 Evaluate-then-Grow 規劃讓深度研究 Agent 在 BrowseComp-Plus、GAIA、xbench-DeepSearch 上超越最強開源基線,已獲 NeurIPS 2026 收錄;TomasuLLM 借硬體亂序執行的設計,讓 coding agent 在三個 benchmark 上加速 1.27x–1.35x,4,010 筆稽核紀錄零誤判;Sapienza 大學研究發現,只要讓 Agent 看到彼此的模型家族標籤,合作成功率就從 96% 掉到 81%,多花 30% 回合、55% token
OpenAI 於 DevDay 發表常駐個人 agent Dots，可連 4 萬多個 App，直接對打 Meta Muse；Cloudflare 推出企業級 agent workspace「Cloudflare OS」；Google GTIG 報告指出 AI agent 發現的漏洞半數導致 RCE，澳洲、加拿大政府系統接連遭 agent 入侵或探測；Salt Labs 揭露一封信即可挾持 Manus；Broadcom 同意貸款 Anthropic 最高 $42B 支應 TPU 租賃；Armadin 用 agent 打 agent 的資安賽道七個月融到 $445M
PageIndex（38.4k★，單日 +1,097）用目錄樹取代向量索引做推理式 RAG；iFixAi（18.3k★，+340）給 agent 配一個 120 秒稽核工具；Octop（6.2k★，+285）是騰訊雲開源的 local-first 多 agent 助理平台；BMAD-METHOD（53.7k★）把敏捷開發改寫成給 coding agent 用的 spec-driven 流程。Agno v3.1.0 加入 RBAC 權限套件但檔案系統要停機遷移；Pydantic AI v2.52.0 修了 web_fetch 的資安漏洞並把 harness 併入主倉庫。
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。