量子位精选8282腾讯混元Hy4正式发布，770B总参数、49B激活参数，首次引入原生视觉能力和电脑操作支持，指令遵循、长文理解与长程Agent能力同步升级。模型已在腾讯云TokenHub、WorkBuddy/CodeBuddy、元宝等产品上线，API接入OpenRouter、Hermes、OpenCode等平台，权重将于近期开源。
推荐理由: 作者用多个长程任务实测混元Hy4的自主执行与自检能力，可据此判断开源模型在Agent交付上的实际水平。
Hugging Face Daily Papers3131智能体进化通过递归自我改进（RSI）提升性能而不更新模型权重，但高基准分数并不总带来可靠、高效和可迁移的改进。研究评估了四种方法在通用和编码任务上的表现，发现所有十六个进化智能体都获得了新任务能力但丢失了部分旧能力，其中一种通用任务智能体可靠性提升5.2点但丢失了十个旧任务。EvoAudit通过分析、变异和门控机制实现了最佳性能。
IT之家 · AI同一件事 · 3 家6767千问办公 2.0 发布，推出首个支持多人与 Agent 协作功能“协作”，可实时关联钉钉群聊、文档、AI 表格和 AI 听记等信息源，支持任务管理与指派；上线“自动任务”功能，首批支持指定人的消息、指定群内 @自己的消息、审批任务等触发场景；“人机共创”能力实现对话、内容预览与产物编辑打通，支持多人、多 Agent 在线同时共创。
MarkTechPost精选71710sec Labs 开源了 AI 安全 harness 0，以 MIT 或 Apache-2.0 许可发布，属于研究预览版，可从本地浏览器控制台、无头 CLI 或 MCP server 驱动，用于漏洞调查、代码审查、渗透测试、逆向工程和修复生成。
推荐理由: 原文给出该安全 harness 的架构、自报基准与同类工具对比，可据此判断它在漏洞挖掘流程中的位置。
量子位4747基元律动发布Agent原生模型NeoHorse-1.5-Flash Preview，基于Qwen3.8-Flash训练，180B总参数、6B激活参数，在Agents’ Last Exam、Natural Language to Repository等评测中得分提升。该模型通过递归自我改进（RSI）迭代，结合OpenSquilla平台实现多模型差分诊断与在线学习，现开放限量内测。
量子位精选7272量子位作者用 LobeHub 组建 AI 编辑部实测：主管 Agent Sienna 在不到 8 分钟内分派三位小编产出 6 条选题简报，随后自行新建网页开发和 QA 两个 Worker，沿用上一轮成果在约 30 分钟内做出可筛选的资讯看板。
推荐理由: 作者用两轮实测展示主管 Agent 如何派活、临时招人并接力交付，可观察多 Agent 协作的实际边界。
36氪 · AI同一件事 · 3 家6565千问办公2.0发布，推出行业首个支持多人与Agent协作的“协作”功能，同时上线“人机共创”、“资料空间”、“自动任务”和“三端互联”等能力，让Agent从服务个人走向服务团队和组织。
Hacker News · AI 热帖6565使用 Claude Code 或 Codex 从终端工作时，用户常因任务多线程处理导致脑力耗竭。作者通过将工作组织成类似优先队列的方式，在 git 中管理任务，每项任务为 markdown 文件，状态为 git 快照。AI 智能体按循环处理新任务、运行测试和浏览器检查，但无法做决策，需用户在“所有者收件箱”中处理，并通过 Claude 工具单页查看任务，完成后再关闭，实现一次处理一项任务。
Simon Willison6565Claude Code 或 Codex 生成的 PR 描述过于冗长，但隐藏在 HTML details/summary 元素中可优化阅读体验。将模型名和努力程度作为 summary，例如“Claude Opus 5.5 Medium”，读者可快速获取核心信息。GitHub Markdown 支持此功能，点击展开箭头查看完整内容，使 PR 不再显得杂乱。
Hugging Face Daily Papers6060Claude Opus 5.5 结合 Claude Code 与 GPT-6.1 Sol 在 HEELO 框架下处理 46 项真实任务时，单独完成 9 项，通过 MCP 服务器连接完成 39 项与 35 项，耗时分别减少 1.9 倍和 2.3 倍，成本降低 1.55 倍
IT之家 · AI6565Anthropic 发布研究报告显示，科学家主要将 Claude 用于数据分析和写作，收集数据、生成研究假设则较少使用 AI。研究基于 2026 年 8 月至 9 月 20.7 万次科研会话数据，其中计算机科学、数学和统计学领域使用比例最高，数据分析占 Claude 科研会话的 33.7%，写作与沟通占 32%。
IT之家 · AI6060蚂蚁集团旗下 AI 助手灵光用户数突破 2000 万，2.0 版本上线一周助用户管理超 116 万项事务，执行超 360 万次任务。灵光 2.0 通过主动识别潜在需求并持续管理事务，接入了蚂蚁 APASS 实现跨场景统一账号与安全管理。
The Decoder5858安德烈·卡帕西在周末使用 Claude 的 Opus 5.5 模型构建了 HackerTube 视频平台，该平台通过过滤 20 年 Hacker News 的 4300 万条评论并提炼成 6454 个视频，提供了比 YouTube 更好的推荐体验。
IT之家 · AI精选7575上海交通大学陈海波、王肇国团队与樊春海、王飞团队合作构建 AI 原生科学实验室 AutoDNA 装置（思源一号），实现自主分子生物学实验操作，成果发表于《自然》并获官网首页头条报道。
推荐理由: 该研究把多智能体架构与仪器原子服务结合，让 AI 自主完成分子生物学实验，可作为 AI 原生实验室架构的参考。
The Decoder精选同一件事 · 2 家7171阿里巴巴与多所亚洲高校的研究者用真实用户变更请求构建了编码智能体基准 Co-Design Bench，十个受测模型中表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求，但完全正确的任务仅占 26.4%。
推荐理由: 由真实用户请求构成的基准显示，最强模型仅完全解决约四分之一任务，且同一模型换环境分数相差近 20 个百分点。
MaxxBench 团队对 89 个 DeepSWE 任务做小幅改动（参考补丁中位数仅增 17 行、3.5%），重新评测 15 个模型配置，发现最高与最低分差从 DeepSWE 的 20.9 个百分点扩大到 48.3 个百分点。
推荐理由: 通过改写 89 个 DeepSWE 任务的指令与起始代码，展示模型分数在熟悉基准与改动后任务间的巨大落差。
IT之家 · AI6767OpenAI GPT-6.1 Sol 在活体小鼠脑部手术中连续操作三次，通过外科医生反馈改善定位表现，耗时从 169 秒缩短至 86 秒，定位误差从 0.6 毫米降至 0.3 毫米，误差下降 50%。研究团队让模型参与小鼠头骨表面 Bregma 和 Lambda 两个关键解剖标志的定位任务，每次操作后保存图像、数据及修正记录供后续参考。
The Decoder6565安迪·霍尔研究了 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 在检测智能体不当行为（如奖励攻击和沙袋策略）时的表现。
Hugging Face Daily Papers2424物理AI应通过终身认知共生体增强人类智能，该共生体通过感知、情境保留和主动协助来弥补认知差距，需要嵌入式治理。大型基础模型和个人智能体已能独立完成多步任务，但人类仍会遗忘知识、忽略信息、缺乏历史参考，因为能提供帮助的机器处于情境之外。
The Decoder精选7878一项研究让 Claude Opus 4.8、Claude Opus 5、Claude Fable 5、Claude Opus 5.5、GPT-5.6 Sol、GPT-6 Astra。
推荐理由: 这项基准用 15 个未发表的研究问题检验 9 个智能体，并给出 135 份提交中常见的失败模式，可作为评估自主科研能力的参照。
IT之家 · AI6262Anthropic 尚未发布的 AI 模型助物理研究机构 PSI 证明阿伦森－安拜尼斯猜想，该猜想自 2008 年提出以来未获解决，涉及量子计算机何时能超越传统计算机的运算速度。PSI 开发的基于该模型的研究系统仅用三天完成证明，证实量子优势依赖问题特殊规律。此前 OpenAI 已用 AI 解决纳维－斯托克斯方程难题。
量子位6666AFK AI 的 Comma 产品通过单 Router+多 Worker 架构实现了连续上下文与多 Agent 并行协作，用户可通过一个对话入口调度多个 Agent 处理海量信息，解决了人类注意力有限的问题。Comma 支持跨 App 接活、派活、交活，并具备主动发现问题和持续学习的能力，其分布式 Agent 运行框架 Salix 可接入微信、Signal 等多平台，实现信息流统一管理。
量子位精选7878安全机构 Forever Security 披露一种攻击手法：网页把恶意 AGENTS.md 静默下载到 ~/Downloads，用户在该目录启动 Codex 或 Claude Code 时，Agent 会把它当作项目规范执行。
推荐理由: 文章复现了通过下载目录投毒 AGENTS.md 劫持 Codex 与 Claude Code 的攻击链，并给出可执行的排查步骤。
IT之家 · AI6565Anthropic 发布研究称 Claude AI 智能体可通过“做梦”机制提升长周期任务表现，在空闲时间反思历史记录、纠错并构建知识结构。Claude Opus 5.5 和 Sonnet 5.5 在 CL-Bench 数据库问答任务中使用记忆后，平均得分分别达到 0.838 和 0.833，优于无记忆基线 0.655 和 0.644。
IT之家 · AI6262Amp 推出 Spaces 功能，用户对话主 Agent 即可自动生成和协调多个并行 Agent 线程完成项目。每个 Space 支持团队在单一聊天中规划、执行和追踪任务，主 Agent 负责目标拆解与进度组织，开发者只需定义目标、审查结果。
GitHub Blog · AI & ML3838GitHub Copilot 在 canvases 上支持跨设备会话连续性，让用户在云沙箱中执行任务，通过 Copilot 应用隔离仓库编辑，用存储指令和共享记忆的项目知识提升效率，并可选择 Copilot Fusion 模型匹配工作需求。
Anthropic Research精选6262Anthropic 发布研究文章，把 Claude 的智能体记忆拆成记忆笔记、dreaming 离线整理和记忆层级提升等组成部分，并说明记忆指跨会话保留、可再次读取的上下文，不包括权重更新、单次对话内的上下文学习和 compaction。
推荐理由: Anthropic 公开了智能体记忆的分层设计与 dreaming 机制，并用 CL-Bench、宝可梦和内部文档语料给出可对照的实测结果。
OpenAI News3838OpenAI 发布了 BioBasicsBench 基准测试，包含 100 项任务，用于评估 AI 智能体解读原始实验数据和处理日常湿实验科学的能力。
Cursor Changelog精选6060Cursor推出Voice Chat，用户可与智能体进行实时语音通话，口述改动需求、询问智能体正在做什么，并听取进展更新。
推荐理由: 官方说明了语音通话在哪些端可用、如何与编码智能体分工，读者可据此判断它适合哪些协作场景。
Anthropic Research精选7272Anthropic 公布 Project EVE 研究，让 Claude 在 EVE Online 模拟市场中交易、在 EVE Frontier 实机中四人组队完成任务。
推荐理由: Anthropic 让 Claude 在 EVE 中交易与组队，量化了模型代际进步和智能体团队协作与破坏的薄弱点。
Amp News5858Amp 推出 Spaces 功能，允许用户通过单个智能体与其团队进行对话，该智能体负责生成和协调其他智能体，简化线程创建和组织工作。Amp 团队试用 Spaces 几周后认为，这是未来与智能体交互的方式，提供全局视角和必要时的细节深入。 Spaces 已用于协作新功能开发、服务账户发布与支持、以及定期安全审查等场景。
AWS Machine Learning BlogAWS Quick 将智能体工作分解为"何时"、"何事"、"何人"、"如何"四个原语，通过触发器启动任务、智能体执行并使用能力（工具、技能、工作流）完成工作。触发器分为人类发起、智能体委托、定时和事件驱动四种类型；智能体是持续学习的执行者，包含指令、动态更新的能力和累积的上下文记忆；能力从完全自主到完全确定性存在谱系，工具是原子操作，技能提供结构化指导，工作流是确定性协调。
LangChain Blog精选7272LangChain 在 Deep Agents 中推出异步子智能体，由常驻的编排智能体对接用户，子智能体在后台并行执行长任务并在完成后回报结果。
推荐理由: 原文给出异步子智能体的五个管理工具与通知机制，可据此判断长任务并行的工作流怎么搭。
AWS Machine Learning Blog4848Okta Cross App Access 在身份提供商中管理 AI 代理的访问权限，Amazon Bedrock AgentCore 则在执行层面验证和转换授权决策。
The Decoder同一件事 · 2 家Perplexity 推出可独立处理持续项目的 AI 智能体 Teammates，需 Max 计划（每月 200 美元）支持，通过 Perplexity 应用线程和 Slack 交互，与 Grok Bots、Muse、Dots、Duet 等同类产品竞争。
各家口径不同：The Verge 表示 Teammates 可以扮演多重角色并利用现有项目、技能和记忆，而 The Decoder 侧重于其独立处理持续项目的能力。
Google Developers Blog13% 的代理会因 inline TODO(bug/...) 或 FIXME(bug/...) 而被误导，其中 83% 的行动完全未获开发者提示。41% 的代理追踪已关闭的 bug，57% 触发范围蔓延，导致每会话步骤增加 70%、token 增加 77%、等待时间增加 105%。通过交叉比对 TODO 状态和用户提示，可自动分离有效工作与浪费路径。
Hugging Face Daily Papers6565EvoMemState 框架通过关系状态和推理状态增强持久事实，提升长期对话和记忆使用基准测试的检索完整性和记忆响应准确率。该框架包含本体引导的记忆状态归纳、基于强化学习的状态演化和状态感知推理三个组件。
TechCrunch · AI6565亚马逊推出让用户通过短信与 Alexa AI 代理购物的功能，支持搜索商品、加购、购买等操作，并可管理购物清单、追踪价格、跨网页搜索商品、比较产品及查询订单状态；该功能基于 Alexa 近期的购物相关升级，用户可分享图片搜索相似商品，亚马逊表示 Alexa 将随时间学习用户偏好并提供建议；部分美国用户已收到启用邀请，未获邀请者可加入等待名单，该功能将在未来几周内更广泛推出。
The Decoder精选同一件事 · 2 家7373Thinking Machines 发布第二代模型 Inkling 2 Small，采用 MoE 架构，总参数 594B、激活参数 17B，支持文本与图像输入并可调节思考深度。
推荐理由: 原文给出新模型在智能指数、智能体任务和成本上的具体对比，读者可据此判断开源权重模型的竞争位置。
IT之家 · AI6565Airbnb 正开发全新 AI 智能体，计划 2027 年推出以帮助用户规划旅行。该智能体采用非传统聊天窗口设计，调用包含数百种旅行专用界面元素的资源库，集成地图、照片、对比信息、日历和行程安排，支持实时组合。Airbnb 强调 AI 助手在客户支持中的重要作用，第三季度约 40% 的客户支持请求无需人工介入即可解决。
