AI工具变稳，靠的是你看不见的底层修复

底层bug修复，工具更稳定

Pydantic AI 2.32.1 修复了回调嵌套，避免空签名思考块，同时扩展了函数模型调用支持。n8n 2.35.5 不再因任务运行器慢就重启，只在需要时初始化表达式引擎，并在拆卸后释放测试webhook。LangChain Core 1.6.0 新增了标准模型异常，遇到未解析的工具模式引用就快速失败，并收紧了对嵌套必填字段的处理。Transformers 5.15.1 修复了DFlash、MTP候选生成器、Gemma 4视频设备映射以及CUDA Lanczos回退——后者改用双三次插值。这些修复让工作流更少崩溃或卡住。

本地运行效率提升

Ollama 0.32.15 通过缓存模型元数据减少每次请求开销，但预发布版本缺乏延迟基准数据。跨AI PC分片推理利用OpenVINO层流水线。在8B INT4模型上，双节点吞吐量达到1.79倍。此外，它还能在四台Lunar Lake PC上运行70B模型，达到交互式水平。本地模型响应速度有望提升，但具体效果要看实际场景。

AI代理：更聪明，但更固执

SPADE将LLM环境设计器与推理代理配对，在八个保留基准上平均提升5.3分，但未说明各任务表现是否一致。潜在多代理协调研究探索代理通过公共记录之外的潜在状态协调，使用共享事件ID连接不同操作，隐私保护机制尚不明确。研究显示，更多推理计算并不保证代理改变策略，它们往往早期承诺一个方向并局部优化，更多计算无法可靠触发重新考虑。如果你依赖AI做决策，最好偶尔检查一下方向。

视觉AI的视角敏感

GS-VLA报告，相机视角偏移在最坏情况下可将机器人任务基准LIBERO的性能从约90%降至约10%。其高斯规范化器旨在无需重新训练策略即可规范化视图，但实际部署中能否应对所有视角变化，仍不确定。