自動 AI 新聞摘要：Agent 協作、即時語音與多模態 API

前言

本文由 Horizon 抓取資料，再由 Codex 篩選與改寫；Horizon 只負責資料抓取。

1. GitHub Copilot 在 Slack 開放 agentic 工作能力預覽

GitHub 將 Copilot CLI 與 Copilot app 的 agentic capabilities 帶進 Slack 的 GitHub integration，目前為 public preview。這讓團隊可以在既有溝通空間中與 @GitHub 協作，但導入前仍應確認頻道權限、可存取的儲存庫範圍與產出如何回到正常的 review 流程。

資料來源：GitHub Changelog：The new GitHub Copilot experience in Slack

2. GitHub Copilot 也能在 Microsoft Teams 共享 agent session

GitHub 在 Microsoft Teams 推出 shared agentic work。使用者可在 channel、thread 或 direct message 提及 @GitHub，啟動讓多人共同觀看與引導的 Copilot 工作階段。這類協作方式能讓需求釐清和 agent 執行留在同一條討論脈絡，但最終修改仍需要明確的審核責任。

資料來源：GitHub Changelog：Shared agentic work with GitHub Copilot in Microsoft Teams

3. DeepSeek 推出 v4 Flash Vision 實驗版

DeepSeek 發布 v4 Flash Vision 實驗版的視覺指南。資料指出，圖片會依尺寸轉成 token 並與文字 token 一起計費；在推論前，圖片會保留長寬比自動縮放，較大圖片會縮至約 800×800 的總像素量。需要 OCR 或文件理解的產品，應先以自己的頁面與字級測試縮放後的辨識品質和成本。

資料來源：DeepSeek：v4 Flash Vision experimental guide

4. Qwen3-TTS 的實作報告目標是 sub-50ms 首段音訊

Nari Labs 分享 Qwen3-TTS 的延遲優化，表示在一張 H100、每秒 10 個請求下，p95 time-to-first-audio 可達 34ms，並公開實作、benchmark 與優化說明。即時語音體驗不只取決於語音品質，首段音訊延遲、併發量與硬體成本也要一起衡量；這份數字應視為特定條件下的基準，而非所有部署都能直接複製。

資料來源：Nari Labs：How we made a text-to-speech model respond in sub-50 ms

5. LLM 與 llm-openrouter 更新，處理相依與工具呼叫

LLM 0.32.1 暫時將 openai<3 固定，修正 fresh install 因 transitive httpx 相依消失而失效的問題，後續版本預計改用 httpx2。llm-openrouter 0.7 則改用 OpenRouter 的 Responses API，並新增 Shell、WebFetch 與 WebSearch 三個 server-side tools。這些更新提醒 CLI agent 專案：相依更新和工具權限都需要被視為正式的版本升級工作。

資料來源：Simon Willison：llm 0.32.1，llm-openrouter 0.7

今日觀察

今天的趨勢不是單純讓 agent 更會回答，而是把它帶進協作工具、語音介面與多模態工作流。真正的品質門檻，仍在權限、成本、延遲與最終審核能否被清楚管理。