Daily Briefing
2026-06-14 AI Daily
今天的 AI 熱點集中在 coding model 與 agent 工具，重點從模型能力延伸到評測選型與桌面執行安全。 4 則 AI 技術與產品重點：GLM-5.2 先進入 GLM Coding Plan，1M context 與開源時程成為 coding agent 新選項、Kimi K2.7 Code 正式進入 Kimi Code 與 API，長任務產碼開始有官方升級路徑、MTEB Leaderboard 換上新版架構，embedding 模型選型更適合依任務比較、ClawMoat 推出桌面 agent runtime security，讓本機工具使用多一層檢查
01 / 模型
GLM-5.2 先進入 GLM Coding Plan，1M context 與開源時程成為 coding agent 新選項
Z.AI 今日宣布 GLM-5.2 已提供給 Lite、Pro、Max、Team 等 GLM Coding Plan 用戶，主打 coding 能力、可用的 1M context 與長任務表現。官方說 API 與 chatbot 服務下週推出，模型也預計以 MIT License 開源。開發者現在可先把它當成 coding agent 的候選執行模型，等 API 與權重釋出後再評估自建、雲端與長上下文成本。
關鍵影響：先規劃長上下文 coding agent 測試
來源：Z.AI on X - GLM-5.2 is now available to all GLM Coding Plan users
02 / 模型
Kimi K2.7 Code 正式進入 Kimi Code 與 API，長任務產碼開始有官方升級路徑
Moonshot AI 的 Kimi Code 文件已列出 Kimi K2.7 Code，定位為最新 coding model，官方說在 Kimi For Coding 中可用，且在 thinking mode 開啟時生效。Kimi API 文件也提供 `kimi-k2.7-code` quickstart，主打長上下文指令遵循、產碼任務成功率與 agent 式工作流。這題是使用者指定保留，原始發布日期為 2026 年 6 月 12 日，今天適合追蹤團隊是否要把 K2.6 workflow 升級測試到 K2.7。
關鍵影響：把既有 Kimi Code 工作流升級測試
來源：Kimi Code Docs - What's New
03 / 評測
MTEB Leaderboard 換上新版架構，embedding 模型選型更適合依任務比較
MTEB 團隊在 Hugging Face 發布新版 leaderboard，從舊式表格改成更快的 FastAPI 與 Svelte 架構，並加入任務、語言、模態與個別 benchmark 篩選。使用者也能釘選模型做 head-to-head 比較，查看資料集、任務 metadata 與模型是否見過訓練集。對 RAG、搜尋與推薦系統來說，這讓 embedding 選型更接近實際任務，而不是只看總榜名次。
關鍵影響：用任務切片重選 embedding 模型
來源：Hugging Face - MTEB Leaderboard: From a slow demo to feature-rich leaderboard
04 / 安全
ClawMoat 推出桌面 agent runtime security，讓本機工具使用多一層檢查
ClawMoat 今日在 HN 出現並提供官方頁與 GitHub，定位為桌面 AI agent 的 runtime security layer。它主打在 agent 讀檔、跑 shell、使用瀏覽器、Gmail、cron 或 MCP 工具前，掃描 prompt injection、credential leak、PII、危險指令與外傳風險。這類工具的價值在於把本機 agent 從一次性聊天帶進可稽核、可阻擋、可設定政策的執行環境。
關鍵影響：替本機 agent 加上執行前掃描
來源：ClawMoat - Run Agents On Your Main Computer