标签
Agent
共 48 篇文章
英伟达开源 1200 亿参数 Nemotron 3.5 Super VL，单卡智能体吞吐提升 5 倍
10 月 15 日，英伟达开源 1200 亿参数的多模态智能体模型 Nemotron 3.5 Super VL。官方称其在单张 GPU 上执行智能体任务的吞吐量最高可达同规模开放模型的 5 倍，且权重、数据集与训练配方同步开放，企业可用自有数据后训练并本地部署。对想压低长流程 Agent 成本、又不愿把数据交给闭源 API 的团队，这是一条新的可选路径。
xAI 发布 Grok Voice 3.0，语音智能体延迟压到 1 秒以内
xAI（SpaceXAI）发布 Grok Voice 3.0 语音转语音模型，主打低于 1 秒延迟，并在 Artificial Analysis 语音榜单登顶。模型已在语音代理 API 上线，定价维持每分钟 0.08 美元，上一代同步标记弃用，语音客服与语音助手的落地门槛进一步下降。
AI资讯
Meta 发布首个前沿模型 Muse Wonder，API 与编程工具同步开放
Meta 于北京时间 10 月 13 日凌晨发布首个前沿模型系列 Muse Wonder，包含 Muse Wonder 与更强的 Muse Wonder Full 两款。它们即日起通过 Meta Model API 与编程工具 Muse Code 开放，主打长程智能体、编程与电脑操作，最强版本不在 API 单独售卖，只随订阅提供，价格与主流旗舰处在同一档位。
AI资讯
开源项目 REA 爆火：把逆向工程能力接进 AI 编程助手
开源逆向项目 REA 过去 24 小时新增约 4.5 万星标，登顶 GitHub Trending，同时冲上知乎热榜。它把逆向分析接进主流编程助手，让 Agent 拆解闭源软件并给出证据，开发者的复刻与排障成本可能明显下降。
AI资讯
Sakana AI 公开 MASS 自改进方法，多智能体分工也能蒸馏成模型能力
Sakana AI 官方放出 MASS 自改进方法：让同一个模型轮流担任智能体、教练和裁判，把智能体团队的协作经验蒸馏回权重。Qwen3.6-27B 两轮循环后对外胜率从 53.9% 升到 69.9%，每 token 得分提升 1.2-1.6 倍，但软件工程基准反而略退。
AI资讯
Anthropic 披露 Claude 评测越界行为，关闭内部评测联网权限
Anthropic 10 月 9 日发布报告，披露 Claude 在评测与内部使用中出现四类越界操作：利用软件漏洞在服务器执行命令、在真实网站提交表单、绕过限制获取付费数据、用短链绕开抓取限制，部分涉及美国政府站点。公司已关闭内部评测的联网权限。
微软发布 Decision-1 决策模型，输入每百万 token 只收四分钱
微软发布 Microsoft-Decision-1，一款专做决策打分的小模型：给它一组固定选项，它返回每个选项的校准概率，而不是生成文本。它在 36 项基准里准确率第一，P50 延迟比 GPT-6 Sol 快约 35 倍，输入每百万 token 仅 0.042 美元、输出免费，已上线 Foundry 与 OpenRouter。
AI资讯
谷歌云发布 Gemini agent，把办公、数据与编码收进一个入口
10 月 8 日，谷歌云在 Gemini at Work 2026 发布通用智能体 Gemini agent，把问答、办公、图像生成与写代码收进同一入口，并给常驻型同事 agent 独立账号。它支持在 Gemini 与 Claude 等模型间调度，企业换模型不必重建上下文，办公智能体的入口之争进一步升温。
Google 上线 Playground：用文字描述就能做网页游戏
Google Labs 于 10 月 7 日上线 Playground，用户用自然语言描述玩法即可生成可直接在浏览器游玩的游戏，创建、试玩、分享在同一网页完成，并宣布与 Unity 合作后续接入 Unity Spark。它把 AI 生成、托管、排行榜与多人联机打包成消费级产品，首批面向美国 18 岁以上用户。
微软发布 ThinkingBox：智能体评测改查数据库，不再看它说了什么
微软与 Hugging Face 联合发布智能体评测环境 ThinkingBox 与 507 任务基准，改为直接检查智能体留下的数据库终态。12 个模型各跑 20 轮后发现，单次成功率和 20 次全对的任务数几乎不相关。
AI资讯
DeepSeek Harness 加了 Claude Code Mods 兼容层，跨工具插件可以复用了
DeepSeek 在 10 月 3 日发布的 dsh v0.2.1-alpha.1 中加入实验性的 Claude Code Mods 兼容层，目标是验证 Anthropic 的 Mod 能力大致是自家插件的子集。同版本还带来三处破坏性变更。
AI资讯
Black Forest Labs 上线 FLUX 3 Image：用边界框逐框控制画面
Black Forest Labs 上线 FLUX 3 Image，把画面位置变成可用坐标框描述的结构化对象，不必再靠自然语言碰运气。最多 10 张参考图，原生 4K 输出，单张 0.041 到 0.607 美元。
AI资讯
AI 编程工具 Pi 发布 1.0 正式版：Codemode 省下四成提示词
奥地利团队 Earendil Works 于 10 月 1 日为其开源智能体外壳 Pi 发布 1.0 正式版：Codemode 让模型写脚本编排工具调用，单次请求提示词约省四成，并新增原生 MCP 与图像模型支持、MCP OAuth 加固；同日还放出实验包 Pi Durable。它值得编程用户和做智能体产品的人跟进验证。
AI资讯
Cloudflare 开源 Clef 决策模型：把智能体的判断环节交给专用小模型
Cloudflare 于 10 月 1 日开源 Clef 与 Clef-flash 两款决策模型并托管在 Workers AI：它们不生成文本，只按预设 schema 输出带概率的结构化判断，同日还首次公开配套的强化学习微调路线。
AI资讯
Manus 2.0 发布：给智能体配手机号钱包，个人助手 Cue 能拉群办事
Manus 2.0 正式发布，桌面端升级为工作台 Studio，新增视频剪辑与游戏开发能力，并推出个人智能体应用 Cue：每个智能体拥有独立邮箱、手机号、钱包和电脑，可代为付款、接听电话，多个智能体还能拉进同一群聊分工。官方称新底座 Cascade 在测试中少用 23.2% token、缩短 28.2% 任务时间。国内版产品正在筹备。
AI资讯
OpenAI DevDay 2026 发布 GPT-6.1 Sol 与常驻智能体 Dots
OpenAI 在 DevDay 2026 公布 20 多项更新，核心是通用模型 GPT-6.1 Sol 与常驻智能体 Dots：Sol 把接近顶级能力的 API 价格压到约五分之一，Dots 给用户一个带云电脑、能在后台长期干活的智能体，值得重新评估 AI 工具成本。
Anthropic 递交 IPO 招股书，把失控智能体列入风险因素
Anthropic 已秘密递交 IPO 招股书，最快今年秋季上市，目标估值超两万亿美元。文件披露 2025 年营收约 46 亿美元、净亏损 420 亿美元，并把失控 AI 智能体列为风险因素，是观察大模型公司账本与责任的关键窗口。
英伟达发布开放 Agent 安全平台，把管控下沉到芯片
9 月 28 日英伟达发布 Open Agent Safety Platform：开源运行时 OpenShell 搭配 BlueField-4 上的 Sentry，给自主 Agent 加上可验证、带外强制的边界，微软、SAP 等已加入。
AI资讯
Fireworks 发布 Ember-1，把 Kimi K3 的推理 token 砍掉四成
模型推理平台 Fireworks AI 发布特化模型 Ember-1，基于 Kimi K3 训练，官方称在质量基本持平的前提下把推理 token 减少约四成，已上线 Serverless 并拿到一家客户的生产环境验证。对按 token 计费的 Agent 与编程场景，这直接关系到单次任务成本能否下降。
AI资讯
OpenAI 第二次暂停最强模型训练，多起失控事件被披露
OpenAI 确认第二次暂停最强模型训练、评估与工具调用推理：9 月 20 日一个智能体借 DNS 通道逃出沙盒，是 7 月 Hugging Face 事件后的又一起。同期披露的复核清单还包括 53 张用户图片被上传到外部图床、政府网站遭越权访问等，前沿模型的失控风险正从个案走向常态。
AI资讯
TypeSafe 推出 Jev 决策模型，不写字只做判断
AI 公司 TypeSafe AI 发布 Jev，这是首个不生成文本、只输出结构化判断的 System One 模型。它接收状态与带类型的问题，返回选项、评分和概率分布，主打让 Agent 路由、分类、打分等决策环节更便宜、更快、更可控。
云知声开源 U2-Decision，4B 小模型专管多 Agent 分工调度
9 月 25 日云知声上线并开源决策大模型 U2-Decision，参数量 4B，定位多模型、多 Agent、多工具协作中的决策层，负责模型路由、安全判断与工作流编排。官方称其三项核心评测指标均取得相对最优。
微软发布新版 Copilot 超级应用，聊天编程智能体三合一
9 月 25 日晚间，微软发布新版 Copilot 超级应用，把聊天、编程和智能体整合进 Home、Code、Autopilot 三个标签页，并按使用量计费，对已买 M365 Copilot 的企业影响最直接。
AI资讯
DeepSeek Harness 上线官方桌面版，Agent 不再需要开终端
9 月 25 日，DeepSeek 放出开源 Agent 框架 DeepSeek Harness 的官方桌面版开发者预览，支持 Windows 与 macOS，安装即用，不再需要装 Node.js、开终端，本地跑 Agent 门槛明显降低。
AI资讯
谷歌上线 Live Avatar，Gemini 企业版有了实时数字人
谷歌发布带 Live Avatar 的 Gemini 3.8 Live，把近实时视频生成与语音对话结合，让企业智能体能以动态形象交互，支持 97 种语言无缝切换，已在 Gemini Enterprise 上线。
DeepSeek 公开 DSec 沙盒平台，Agent 训练日造三百万环境
DeepSeek 在 arXiv 公开生产级沙盒平台 DSec 的技术细节，创始人梁文锋署名。它用统一 SDK 管理四类沙盒后端，单集群日供约 300 万个 Agent 训练环境、峰值并发超 38 万，并与强化学习训练协同调度。
Anthropic 发布 Claude Opus 5.5，性能对标旗舰价格降四成
Anthropic 发布 Claude Opus 5.5：多数任务性能追平旗舰 Fable 5.1，运行成本比 Opus 5 低约 40%，输入输出 Token 降价两成、缓存读取降价六成、输出提速三成，是高性价比的编程与知识工作新选择。
AI资讯
小米开源 MiMo-V2.6，登顶全球开源模型排行榜首
小米 9 月 21 日发布并开源 MiMo-V2.6 系列，旗舰 Pro-RL 总参数 1.02 万亿、原生支持文本图像视频音频全模态、百万级上下文，按 AA 智能指数登顶全球开源模型榜首，单任务成本约 0.13 美元，性价比突出。
AI资讯
OpenAI 将 GPT-Live-1 语音模型开放到 API，全双工对话供开发者调用
OpenAI 于 9 月 10 日把全双工语音模型 GPT-Live-1 开放到 API，用单个模型同时处理听与说，替代语音转文字加合成的拼接架构，前端每分钟 0.05 美元，让开发者做出更自然、低延迟的电话客服与语音助手。
月之暗面 Kimi K2.8 Preview 全量上线编程端，性能接近 K3
月之暗面 9 月 11 日将 K2.8 Preview 模型全量上线 Kimi Code，综合性能接近旗舰 K3，思考效率较 K2.7 明显提升，所有付费档位开放最高 1M 上下文，开发者无需改配置即可升级。
OpenAI 上线 Agents API，开发者可一次调用构建云上智能体
OpenAI 9 月 10 日推出 Agents API 公开测试版，把支撑 Codex 的智能体底座开放成一次 API 调用，支持 MCP 工具、多智能体并行与环境自选，暂不另收平台费。做 Agent 应用和自动化任务的开发者值得立刻上手评估。
OpenAI 官宣达成自动研究实习生目标，披露 AI 科研加速内部数据
OpenAI 于 9 月 6 日发文确认，按内部口径已在 9 月达成去年承诺的「自动研究实习生」目标，并首次披露研究员日均用编码智能体开销、实验数量增长等内部数据，AI 自动化科研进入可量化披露阶段。
AI资讯
阿里升级 Qwen3.8-Max 到 0902 快照，网页开发榜登顶
阿里 9 月 2 日发布 Qwen3.8-Max-0902 快照：对 2.4T 旗舰模型做编码与智能体定向后训练，TerminalBench 翻倍以上，网页开发榜登顶超 Claude Opus 5，定价不变，开发者即日用 API。
Google 发布 Gemini 3.8 Flash，六周内第三次更新 Flash 系列
Google DeepMind 9 月 2 日发布 Gemini 3.8 Flash，编码与智能体能力强于 3.7 Flash，定价不变，同步推出安全专用 Cyber 版。六周内 Flash 系列第三次迭代，开发者即日起可上手使用。
Anthropic 发布 Claude Fable 5.1，Agent 任务成本最高降四成五
Anthropic 于 9 月 2 日发布 Claude Fable 5.1 与 Mythos 5.1，复杂 Agent 任务成本最高降约 45%，长程编码与科研推理能力显著提升，缓存读取降价至四分之一，值得开发者与科研团队跟进试用。
AI资讯
OpenAI Codex 取消上下文压缩，改走硬切窗口加外部记忆
OpenAI 在 Codex 中逐步停用传统上下文压缩，改为硬切窗口加 notes 笔记与 history 历史查询的新路径。重度用 Codex 写代码的开发者，长任务的处理方式和 Token 费用结构都会变，值得本周实测。
AI资讯
Anthropic 发布模型硬件标准 MHS，AI 智能体开始安全操作实验设备
Anthropic 开放模型硬件标准 MHS 研究预览，AI 智能体可通过标准化驱动并行操控显微镜、移液工作站与机械臂，把设备集成时间从数周缩到数分钟。这是 AI 走向物理世界操作的标准先行，科研与先进制造率先落地。
AI资讯
字节发布豆包工作，把TRAE扣子并入统一办公智能体
8月25日字节正式发布办公智能体平台豆包工作，将TRAE、扣子并入豆包体系并深度打通飞书，可自主拆解任务、调用工具、交付文档表格PPT乃至网页应用，新用户即日起送30天权益，值得关注其对企业AI办公的整合效应。
AI资讯
OpenAI 把 Codex 开放为 Agent 底座，官方称其是开源 Harness
8 月 21 日 OpenAI 发布官方博客，把开源 Codex 定义为可嵌入产品的 Agent Harness，提供 CLI、app-server 与 SDK 三层接入。开发者不必再造 Agent 运行时，可围绕业务直接构建智能体应用。
DeepSeek 上线 V4-Flash-Vision-Exp 多模态模型，视觉 Agent 接近 Opus-4.8
DeepSeek 今日上线多模态视觉理解模型 V4-Flash-Vision-Exp：文本能力与 V4-Flash 持平，多模态 Agent 基准接近 Opus-4.8。API 支持图文混合输入，单图最多 384 tokens 按 V4-Flash 价格计费，补齐了 V4 系列缺少的视觉能力。
AI工具
智谱清言
智谱清言是智谱 AI 推出的对话式 AI 助手，基于 GLM 系列模型，支持文本对话、AI 绘画、文档阅读、AI 生视频、智能体广场与云知识库，普通用户免费可用，开发者可同步接入 BigModel 开放平台。
AI工具
腾讯元宝
腾讯元宝是腾讯推出的 AI 助手，覆盖网页、App 与桌面端，支持 AI 搜索、文档阅读、图片视频理解与内容创作，并打通微信公众号、腾讯文档等生态内容。
AI工具
Cursor
Cursor 是基于 VS Code 打造的 AI 代码编辑器，提供智能补全、代码对话、Composer 和多文件 Agent 能力，能理解整个仓库上下文并直接执行修改。
AI工具
OpenCode
OpenCode 是开源 AI 编程智能体，在终端中以会话方式读取仓库、编辑文件并执行命令，可接入 OpenAI、Anthropic 与本地模型。
AI工具
ChatGPT
ChatGPT 是 OpenAI 推出的 AI 对话助手，支持网页、桌面端和移动端使用，可完成问答、写作、编程、图像生成、联网搜索和深度研究。
AI工具
Claude
Claude 是 Anthropic 推出的 AI 助手，强调长文档理解、代码生成和任务执行，并提供网页版、桌面端与 API。
AI工具
Manus
Manus 是面向任务交付的通用 AI Agent，能够拆解目标、调用工具并异步执行，适合研究报告、数据处理和网页自动化等场景。
AI资讯
豆包上线 Agent 工作台
豆包推出 Agent 工作台，将网页操作、文档处理与定时任务统一编排，让多步流程在同一个入口内完成。