自動 AI 新聞摘要：數學推理、影片生成與可驗證的 Agent 工具

前言

本文由 Horizon 抓取最近 48 小時的 AI、LLM、agent 與開發工具資料，再由 Codex 篩選、整理與改寫。Horizon 只負責資料抓取；本文優先採用官方發布、專案 release 與原始技術文章。

今天的主題是把能力放進可驗證的系統：不管是數學推理、影片生成、SDK 或 agent 工具，真正影響使用體驗的是輸入、權限、評估與回歸測試能不能跟上。

OpenAI 發布 Ten advances in mathematics and theoretical computer science，整理其在數學與理論電腦科學領域的十項進展。這類成果的價值不只在模型能解出題目，也在於是否能產生可檢查的證明、反例、程式或推導過程。

將 AI 用於研究或高複雜度推理時，最好把模型輸出當成候選假設，而不是結論本身。保留 prompt、工具版本、計算環境與驗證步驟，才能讓結果可重現，也方便人類專家檢查真正的關鍵推理。

ByteDance Seed 團隊發布 Seedance 2.5，主打 one-take creation 與 flexible referencing。影片生成工具持續把重點從「生成一段好看畫面」移往「能否根據參考素材，持續控制角色、鏡頭與內容」。

實際導入時，先建立小型素材集與固定測試腳本會比一次追求長片更可靠。逐一驗證人物一致性、文字與品牌元素、鏡頭連續性、授權素材來源與失敗重試成本，才能判斷它是否真的適合製作流程。

官方 openai/openai-python 發布 v2.52.0。SDK 的小版本更新雖然不像模型發布吸睛，卻常直接影響 API 整合的型別、行為、相容性與錯誤處理。

升級前，建議固定依賴版本、閱讀 release notes，並至少在 staging 跑一組涵蓋串流、工具呼叫、重試與錯誤回應的測試。把 SDK 升級納入正常的發布流程，通常比在 production 遇到不相容時再搶修輕鬆得多。

GitHub 公告 Restricting npm bypass-2FA granular access tokens。AI 開發流程常會碰到套件發布、CI、模型工具與多個 service token，因此供應鏈權限管理比以前更重要。

務實做法是把 token 權限縮到工作所需範圍、設定到期與輪替、分離人員帳號與 CI 身分，並在每次發布時留下可追蹤紀錄。Agent 若能碰到 token 或發布工具，也必須遵守同一套最小權限原則。

Simon Willison 分享了 llm-mcp-client 0.1a0 與 smevals，後者是一套用於評估模型、prompt 與 harness 的小型 evaluation suite。這類工具的共同價值是讓 agent workflow 不再只靠「感覺這次回答不錯」。

團隊不需要一開始就建立龐大 benchmark。先挑 10 到 20 個代表性任務，涵蓋正確性、工具呼叫、格式、拒答與失敗復原，並在改 prompt、模型或工具後重跑即可。小而固定的回歸集，往往最能及早抓到品質滑落。

AI 產品正從展示能力走向日常工程：研究輸出要可驗證、影片生成要可控、SDK 要能安全升級、token 要有邊界、agent 則需要回歸測試。工具越強，這些看似基礎的工程紀律就越有價值。