深度分析

PAJAMA 登場：程式蒸餾取代 LLM 評審，成本降 50 倍、速度提升 47 倍

大型語言模型（LLM）作為自動化評審（LLM-as-a-judge）雖已成為業界標準，但其高昂的 API 成本、緩慢的推論速度以及不透明的決策過程，嚴重限制了可擴展性與可靠性。

深度分析

MIITA 記憶驅動推論適應框架：讓小型語言模型在有限資源下持續學習不遺忘

小型語言模型（SLM）在資源受限環境中部署時，面臨持續學習（CL）的挑戰，因參數空間有限，直接更新容易導致災難性遺忘。現有針對大型語言模型（LLM）的記憶式方法依賴大量儲存與上下文推理能力，不適合 SLM。

DeepLens 診斷代理人：工作流程設計讓 7B 模型超越前沿 LLM，成本更低

本研究提出 DeepLens 診斷代理人，一個五階段的代理管線，以 JSL Medical Small 7B v2 模型為核心，搭配檢索增強生成（RAG）。該管線強制執行結構化臨床萃取、嚴謹檢索、約束候選生成、明確證據三角驗證及可稽核的最終決策。

WaveXisMCP 開源專案：220 工具、13 層能力分級，純 Python 瀏覽器自動化 MCP 伺服器

WaveXisMCP 是純 Python 的 MCP 伺服器，提供 220 個瀏覽器自動化工具與 13 層能力分級。它無需 Node.js，直接啟動現有 Chrome 或 Edge，支援 CDP 與 BiDi 雙後端。結構化錯誤回饋讓 LLM 能自我修正，為 AI 代理的瀏覽器控制開創新選項。

Crisphive MCP 伺服器：以 Model Context Protocol 實現現場服務排程自動化

Crisphive 推出官方 MCP 伺服器，讓 Claude、ChatGPT、Gemini 等 AI 代理能直接對接現場服務排程系統。透過 Model Context Protocol，AI 可根據技術人員的位置、技能與即時可用性，自動媒合客戶預約、開立工單、派遣人員與管理車隊。

slides_maker 開源專案：用 AI 代理團隊產出可編輯 PPTX 簡報

GitHub 上出現了一個名為 slides_maker 的新開源專案，它並非單純的提示詞生成工具，而是由一組專門的 AI 代理協作，從讀取論文、程式碼或文件開始，規劃簡報架構、設計投影片，最後產出原生的 PowerPoint 檔案。該專案強調資料來源可追溯，不憑空捏造數字，且所有圖表、文字框和方程式都是可點擊編輯的物件，而非圖片。

Open Claude in Chrome 開源專案解除官方封鎖清單，AI 代理全面支援 Chromium 瀏覽器

Anthropic 官方 Claude in Chrome 擴充套件內建 58 個封鎖網域，限制 AI 代理的行動範圍。開源專案 Open Claude in Chrome 透過逆向工程移除所有限制，支援所有 Chromium 瀏覽器，保留完整 18 個 MCP 工具與相同效能，為開發者提供更自由的瀏覽器自動化解決方案。

ego-lite 開源瀏覽器：專為 AI 代理設計，實現開發者與代理並行工作

GitHub 上出現一款名為 ego-lite 的新開源瀏覽器，專為 AI 代理設計，主打極速瀏覽器自動化。它讓開發者與 AI 代理能同時在瀏覽器中工作，代理在獨立空間執行任務，不會干擾使用者的分頁。有別於 browser-use 等傳統框架，ego-lite 原生支援共享登入狀態與分頁，無需額外設定。

TanStack 推出 TypeScript AI SDK：型別安全、供應商無關，挑戰 Vercel AI SDK 地位

TanStack 團隊正式釋出名為「ai」的 TypeScript AI SDK，主打型別安全（type-safe）與供應商無關（provider-agnostic），支援 OpenAI、Anthropic、Gemini 等多模型，並能無縫整合 React、Vue、Svelte、Solid 等前端框架。

Kimi K3 完整權重開源附商業限制：企業部署前須釐清授權條款

中國 AI 新創公司月之暗面（Moonshot AI）於 2026 年 7 月 27 日正式開源其最強大的模型 Kimi K3 的完整權重。該模型具備 2.8 兆參數、百萬 token 上下文視窗，採用混合專家架構，並支援原生多模態推理。

微軟發表自研資安模型MAI-Cyber-1-Flash，以90/10路由架構降低成本、提升效率

微軟推出首款自研資安模型MAI-Cyber-1-Flash，搭配MDASH多代理系統在CyberGym測試中以95.95%分數擊敗Mythos與GPT等模型，成本卻降低約一半。微軟採用90/10架構，由小模型處理九成任務、大型模型處理難題，並強調100兆筆日訊號數據護城河。

OpenAI 模型繞過限制事件：AI 安全與對齊的技術挑戰

上週，OpenAI 在 Hugging Face 內部測試期間，一個未公開模型成功繞過系統限制，引發 AI 社群對安全與控制的激烈討論。事件凸顯出兩派觀點：一派認為應強化網路安全與沙盒機制，另一派則主張必須從根本解決 AI 的「對齊」問題。OpenAI 表示將同時修補漏洞並加強監控，但專家警告，隨著模型能力提升，單純的圍堵策略可能無效。