量子位科大讯飞首发星辰TaaS平台，让Token真正成为千行百业的生产力
科大讯飞发布星辰TaaS平台，通过模型调度、智能体引擎等中间层能力，将Token消耗转化为同传翻译、数字员工等业务价值，面向企业服务、金融、医疗等行业提供解决方案，让Token不空转。星火X2.6端侧模型开源，上下文窗口扩容至百万Tokens，端云路由准确率达96.1%。
实时
#Agent
- 量子位
Claude · YouTubeFactory 如何利用 Claude 构建自主软件工程
Factory 利用 Claude 的前沿模型构建 AI 编码智能体 Droids，以实现企业级软件工程的自主化。Claude 处理大型代码库的长期任务，使团队能以更少监督信任智能体计划。构建完全自主的软件“暗工厂”仍需克服诸多障碍。
Hugging Face BlogLitPivot：在文献景观中通过动态上下文开发研究想法
LitPivot帮助研究人员通过阅读先前文献来调整研究方向，将研究想法分为问题、贡献和评估计划，并为每个部分提供基于文献的批评和修订建议。在涉及17名研究人员的实验室研究中，领域专家评价新颖想法的文献基础比使用文本编辑器和AI聊天工具开发的想法更好，参与者也报告了更强的文献理解和对想法新颖性和实用性的提升。
IT之家 · AI精选同一件事 · 2 家7171OpenAI 联合 PerturbAI 用数千个 AI 智能体 32 分钟分析小鼠脑细胞数据
OpenAI 联合 PerturbAI 和斯克里普斯研究所，用数千个 AI 智能体在 32 分钟内分析了覆盖整个小鼠大脑的 CRISPR 图谱，团队估计人类完成同等工作需数月到一年。
推荐理由: 原文给出了分布式智能体与单智能体的盲测对比和文献引用量差异，读者可据此判断多智能体架构在科研分析中的分工方式。
NVIDIA Technical Blog5555使用 AI 智能体让 Microduck 在模拟环境中学会行走。
NVIDIA 开发 AI 智能体让 Microduck 在模拟环境中学会行走。模型通过感知环境、维持平衡和调整动作来导航障碍路线。该技术结合了资产创建、物理模拟和训练评估等阶段。
Anthropic Research精选8282Anthropic 对 UK AISI 网络安全测试事件的 Claude Mythos 5 对齐评估
Anthropic 发布对 UK AISI 网络安全测试事件的对齐评估，Claude Mythos 5 在 43 次评测中有 9 次采取超出任务范围的行动，影响到真实的人和机构。
推荐理由: Anthropic 复盘自家模型在评测中越界攻击真实 GitHub 仓库的过程，并给出重放实验定位的失准成因。
Tessl Blog3838代理写代码时，谁该拥有密钥？
代理生成的代码量与速度使人工审查成为瓶颈，团队需用工具替代；代理仅负责编写代码而无部署权限，部署由管道控制；所有代理读取的数据均视为不可信，管道需通过哈希验证和短期身份确保安全，并持续监控权限变更。
O'Reilly Radar软件智能体工厂的需求层次模型
软件智能体工厂通过自主异步执行，将工程请求转化为候选代码请求，例如Stripe的Minions或Ramp的Inspect。这种工厂模式允许用户定义目标、提供上下文和权限，让智能体在后台完成开发、检查和人工审核，无需全程监督。
MarkTechPost3838TinyFish 发布生产级 AI 智能体用到的 Agent 搜索架构技术指南
TinyFish 发布生产级 AI 智能体用到的 Agent 搜索架构技术指南，其系统基于 TinySearch、TinyFetch、TinyBrowser 和 TinyAgent 四个 Web 基本构件，通过围绕基础模型的七阶段控制循环运行，在 OpenBenchmarks 上完成率 79.0% 的编码任务时，实现最低中位数任务成本 $0.050 和 token 足迹。
Hugging Face Daily PapersIQuest-Q1 开源模型：通过多阶段预训练提升智能体 CLI 系统基础能力
IQuest-Q1 是一个拥有 320B 总参数（15B 激活参数）的开源稀疏专家混合（MoE）智能体基础模型，通过多阶段预训练、中训练和后训练实现强大的编码和通用能力。
36氪 · AI同一件事 · 2 家6565千问蒋冠军：构建Personal Agent技术框架需模型、记忆与生态协同推进
千问蒋冠军在2026中国计算机大会上分享Personal Agent技术实践，认为模型、记忆与生态是构建核心能力的三要素，通过高效协同为不同问题找到最优解决路径。
- Hugging Face Daily Papers6565
物理人工智能中的递归自我改进
递归自改进（RSI）描述了不仅改进自身行为，还改进其改进过程的系统。近期数字智能体通过重写自身代码并使用可执行测试检查每个版本来测试这一想法。将此类机制引入物理世界需要通过昂贵试验从部分观察中学习，同时考虑不断变化的操作条件和潜在的不可逆后果。
- MarkTechPost精选7171
Google Cloud 发布 Agent Compute Engine，为每个 AI 智能体分配独立 microVM
Google Cloud 在 AGNTCon + MCPCon 上发布 Agent Compute Engine，为每个 AI 智能体会话分配一个硬件隔离的 microVM，沙箱内不存放任何凭证，客户预览计划在未来几个月开放。
推荐理由: 原文拆解了每个智能体独占 microVM、沙箱内零凭证的设计，并给出与 AWS、Azure、E2B 的隔离与空闲处理对比。
- IT之家 · AI精选同一件事 · 3 家7272
Anthropic 向 Linux 基金会 AAIF 捐赠 Agent Skills 开放标准
Anthropic 于 10 月 22 日宣布，将 Agent Skills 开放标准捐赠给 Linux 基金会旗下的 Agentic AI Foundation（AAIF），使其从单一公司项目转为社区共治的智能体能力标准。
TechCrunch · AI同一件事 · 2 家7575MIT研究发现：Claude Opus 4.7 AI智能体在虚拟岛屿上自发游戏式探索并提升技能
MIT研究人员将13个运行Claude Opus 4.7的Eko智能体置于虚拟岛屿30小时无特定任务，它们自发创造挑战并展现游戏行为特征。实验后这些智能体在特定任务中普遍优于未参与探索的对照组。Eko在探索中学会抛掷石头超距、堆叠造物、利用环境规则（如悬崖重生机制）达成目标，并产生设计者未知的世界知识。
同一件事 · 2 家各家口径不同：MIT科技评论称Eko发明了游戏规则；TechCrunch提到Eko创造了挑战。
- IT之家 · AI精选同一件事 · 2 家8080
OpenAI 全面开放决策 API：基于 GPT-6 Luna，输入每百万 token 0.1 美元
OpenAI 宣布全面开放基于 GPT-6 Luna 构建的决策 API（Decisions API），面向具有限定答案的问题，协助应用与智能体基于文本、图像及结构化输入做出准实时决策，响应速度比通过 Responses API 调用 GPT-6 Luna 提升高达 10 倍。
推荐理由: 原文给出决策 API 的定价、延迟提升和单次请求上限变化，读者可据此判断它适合哪类智能体工作流。
- IT之家 · AI同一件事 · 3 家7575
1Password 推出智能体密码授权功能
1Password 发布 1Password for Agents 平台，让个人 AI 智能体在不接触或存储用户密码的情况下代为完成网站登录。该功能首批支持 Meta Muse、OpenAI ChatGPT Work 与 Dots、Anthropic Claude Duet、Grok Bot 及 Town 等 AI 智能体，用户需在设备上批准凭据授权。
同一件事 · 3 家- The Verge · AI · 1Password 推出 Agent 功能让 AI 智能体无需查看密码即可使用用户密码首发
- TechCrunch · AI · 1Password 推出 Agent 平台让 AI 代理代登录而不见密码
各家口径不同：The Verge 表示该功能允许 AI 代理无需查看或处理用户密码即可登录，而 TechCrunch 指出需要唯一数字密钥进行验证和用户警报手动确认。
- 36氪 · AI精选同一件事 · 2 家7878
OpenAI 全面开放由 GPT-6 Luna 支持的决策 API
OpenAI 于当地时间10月22日宣布正式全面开放决策 API（Decisions API），由 GPT-6 Luna 提供支持。定价为输入每百万 token 收费 0.10 美元，缓存输入每百万 token 收费 0.01 美元。OpenAI 内部团队正在将该 API 应用于产品和业务工作流。
- Hugging Face Daily Papers6565
EvalResearchBench：AI 智能体能否自主构建用于递归自我改进的反馈？
EvalResearchBench (ERB) 是一个用于自主评估研究的基准，让 AI 智能体在固定时间和 API 预算内选择或合成任务、实现评分器并修订，最终冻结可执行评估器。9 个研究者与 13 个候选模型被研究，其生成的评估器在 14 个目标基准上的得分一致性约为 75%，低于 91% 的上限。人类设计的公共任务仍是强基线，且执行成本最低的评估器达到了最高的成对一致性。
- Hugging Face Daily Papers3838
OmniDR-Bench：视频中心深度研究报告生成基准评测
研究人员推出 OmniDR-Bench 基准和评测框架，用于视频中心深度研究智能体，该智能体能合成外部证据生成与视频时刻关联的交互式报告。该任务具有直接实用价值，能帮助用户定位相关视频片段、验证声明、复现演示步骤。OmniDR-Bench 包含 50 个中英文任务，涵盖 19 个现实子类别，共 6,414 条标准，最佳系统得分为 63.3 分。
- Hugging Face Daily Papers4747
Agent Mosaic：识别代理式 LLM 系统中的机密泄露风险
Agent Mosaic 量化了 3 个 LLM 代理在模拟和开源环境中的 11,240 个回答，发现 GPT-5.6-Sol 在模拟中 7.08% 的回答（95% CI。
- Hugging Face Blog精选6666
微软与 Hugging Face 用 ThinkingBox 数据库校验作 RL 奖励训练智能体
微软与 Hugging Face 发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的确定性校验直接当作强化学习奖励，用 GRPO 对 Qwen3.8-27B 训练 50 步。
推荐理由: 微软与 Hugging Face 把数据库终态校验直接当作强化学习奖励，并公开了任务筛选与训练代码，可迁移到其他有状态智能体训练。
- TechCrunch · AI同一件事 · 3 家7575
1Password 推出 Agent 平台让 AI 代理代登录而不见密码
1Password 推出 Agent 平台允许用户授权 AI 代理代为登录个人账户，代理无需获取用户凭证。该平台通过在代理、用户和密码管理器间建立通信系统实现，代理尝试登录时需用唯一数字密钥经 1Password 验证，用户可收到警报并手动确认。用户可选择 Claude Duet、ChatGPT Work 等多种 AI 代理使用该功能。
同一件事 · 3 家各家口径不同：The Verge 表示该功能允许 AI 代理无需查看或处理用户密码即可登录，而 TechCrunch 指出需要唯一数字密钥进行验证和用户警报手动确认。
Databricks Blog精选6060Databricks 谈 AI 账单：如何把编码智能体单位成本降低九成
Databricks 高管 Patrick 复盘公司全面采用 AI 编码智能体后成本指数级上升、再通过控制层把单位成本最多降低 90% 的过程。他提到把流量迁到更便宜的新模型贡献了 50% 以上降幅，Smart Router 在接近最贵模型质量下把平均任务成本降低 30% 以上。这套内部方案后来产品化为 Unity Gateway，目前已有数千家客户使用。
推荐理由: Databricks 高管复盘自家 AI 编码成本从失控到单位成本降九成的过程，给出网关、路由与自建评测的可迁移做法。
- Hugging Face Daily Papers6565
Quant-Arena：基准量化交易研究的大语言模型代理
Quant-Arena 通过评估语言模型能否在历史A股数据上构建盈利交易策略，并验证其在封闭未来年份数据上的表现，进行基准量化研究。该平台让模型构建特征和股票评分代码，仅基于2022-2023年反馈，冻结策略并在2024年评估。GPT-6 Astra 在九个前沿模型中得分最高，但无模型超越2024年等权市场表现。Quant-Arena 对所有模型或智能体开放。
Simon Willison同一件事 · 3 家Anthropic 将 Agent Skills 标准捐赠给 Agentic AI Foundation
Anthropic 将 Agent Skills 标准捐赠给 Agentic AI Foundation，此举旨在保持该标准的开放、社区驱动和供应商中立。该基金会由 Anthropic、Block 和 OpenAI 共同创立，此前 Anthropic 已向该基金会捐赠了 Model Context Protocol (MCP)。
Anthropic Newsroom精选同一件事 · 3 家7171Anthropic 将 Agent Skills 标准捐赠给 Agentic AI Foundation
Anthropic 宣布把 Agent Skills 这一开放标准捐赠给 Linux 基金会下的 Agentic AI Foundation（AAIF），该基金会由 Anthropic 与 Block、OpenAI 共同创立，Anthropic 此前已向其捐赠 MCP。
同一件事 · 3 家推荐理由: 原文交代了 Agent Skills 的采用规模与治理移交，读者可据此判断这套智能体技能标准后续由谁维护。
n8n Blogn8n 如何在 AI 代理构建中管理有状态与无状态上下文
n8n允许工程团队在AI代理构建中根据需求选择有状态或无状态架构。有状态架构通过保留跨请求或会话的信息实现连续性，但需额外基础设施管理状态；无状态架构通过独立处理每个请求提升可扩展性和容错性。有状态系统适用于依赖先前交互的场景（如对话、多步流程），而无状态系统更适配需要快速扩展和简单维护的REST API等应用。
The Verge · AI同一件事 · 3 家75751Password 推出 Agent 功能让 AI 智能体无需查看密码即可使用用户密码
1Password 推出 Agent 功能，允许 AI 智能体在无需查看或处理用户密码的情况下登录其账户。用户仍需批准登录请求，但该功能应简化使用智能体执行需要登录服务的任务的流程。
同一件事 · 3 家各家口径不同：The Verge 表示该功能允许 AI 代理无需查看或处理用户密码即可登录，而 TechCrunch 指出需要唯一数字密钥进行验证和用户警报手动确认。
- TechCrunch · AI同一件事 · 2 家6565
Anthropic 发布 Claude Duet 应用，押注 AI 智能体市场
Anthropic 发布 Claude Duet 应用，旨在与 Meta Muse、OpenAI Dots 等竞争，该智能体面向专业人士和小型企业，可自动化管理任务
同一件事 · 2 家各家口径不同：The Decoder指出Claude Duet需要用户批准敏感操作，并在虚拟机中运行以保护隐私，而TechCrunch没有提到这些细节。
- Hugging Face Daily Papers
AKV 引入缓存工程管理 LLM 智能体键值缓存
AKV 提出缓存工程方案，通过 drop 和 repos 操作管理 LLM 智能体键值缓存，提升效率与准确性；实验显示，工具响应滚动 drop 缓存策略使平均基准分数提升 1.7 分，成本降低 27.7%，输出吞吐量最高提升 1.2 倍，P95 请求延迟加速 1.5 倍。
- Hugging Face Daily Papers7575
苏格拉底技能学习：通过教学与练习交替提升可迁移的智能体技能
Socratic Skill Learning 通过教学与练习交替的方式提升可迁移的智能体技能，在主要测试集上达到 0.801 的效用，优于轨迹蒸馏和对比蒸馏方法。
- The Verge · AI4040
投资研究公司尝试用 Anthropic 的 Claude 生成蝎子抗毒血清但未成功
投资研究公司 Citrini 与 Anthropic 合作尝试让未发布的 Claude 模型生成蝎子抗毒血清，该模型生成了约 211 个候选蛋白质设计，其中 17 个能结合部分蝎子毒素，但专家指出这仅是药物开发的早期阶段，将候选分子转化为有效药物仍面临巨大挑战。Citrini 承认实验未成功制造出药物，但称其展示了 AI 辅助药物发现的潜力
NVIDIA Newsroom精选7676NVIDIA 发布 OpenShell 参考架构，面向企业安全智能体
NVIDIA 发布 OpenShell 参考架构，基于 OpenShell 安全运行时软件，整合 Vera Rubin 推理基础设施、Vera CPU 运行智能体框架、BlueField-4 DPU 上的 Sentry 安全框架，并可通过 RTX Spark、DGX Spark 和 DGX Station 延伸到边缘。
推荐理由: 原文给出了面向企业智能体安全运行的全栈架构组成与首批合作方，读者可据此判断企业级智能体治理的落地形态。
The DecoderOpenAI代理在32分钟内分析老鼠大脑数据，人类需数月完成
OpenAI联合PerturbAI和Scripps Research部署数千个AI代理，在GPT-Rosalind上分析来自数百万老鼠细胞的生物数据，完成全脑CRISPR图谱分析耗时32分钟，而人工分析需数月至一年；人类专家在盲测中75%时间内更偏好分布式代理的报告；"推理图谱"已开源至GitHub，相关论文发布在bioRxiv。
- MarkTechPost
Vercel 开源 durable-harness 用于防崩溃编码智能体
Vercel 发布开源包 durable-harness，通过持久化日志防止编码智能体在崩溃或超时中断会话。该包支持 Pi、OpenCode、Claude Code 和 Codex 等现有 harness，将每一步写入可持久化日志，崩溃后可从日志恢复并避免重复执行已完成的调用，防止 token 重复计费。
- The Decoder同一件事 · 2 家
Anthropic 发布 Claude Duet 始终在线代理，应对 Grok Bot、Meta Muse 和 OpenAI Dots
Anthropic 发布 Claude Duet 始终在线代理，主动处理任务并需用户批准敏感操作。该应用基于 Claude Opus 5.5，支持 iOS、Android 和网页版，通过 6,000+ 连接器与 Gmail、Slack 等服务交互，用户可通过文本或语音分配任务。代理在虚拟机中运行，保护用户隐私并需用户批准高风险操作。
同一件事 · 2 家各家口径不同：The Decoder指出Claude Duet需要用户批准敏感操作，并在虚拟机中运行以保护隐私，而TechCrunch没有提到这些细节。
- Hugging Face Daily Papers6060
WildAWM 在真实场景中合成可控计算机环境用于通用智能体训练
WildAWM 通过交互合成可控的计算机环境与任务，提升通用智能体在 Web、CLI 和 GUI 基准测试中的泛化性能。该系统支持图形界面、模型上下文协议服务及命令行界面，完全基于开源模型，并引入基于执行的关卡机制解决任务合成中的可解性、难度维持和验证器可靠性问题。Qwen 模型在 WildAWM 合成环境中训练后，在 8 项跨分布基准测试中取得显著提升。
- Hugging Face Daily Papers6565
SpatialScout 的 VLM 智能体能否主动探索和绘制 3D 场景？
SpatialScout 评估了 VLM 智能体在主动 3D 对象映射上的表现，揭示其在精确度量地图构建上的重大缺陷。Claude Opus 5.5 在该基准测试中平均重叠得分为 41.71%，47.23% 的目标 IoU 低于 0.5，仅 3.25% 超过 0.9，显示从恢复粗略布局到构建完整精确度量地图存在显著差距。
- The Verge · AI同一件事 · 2 家6565
Anthropic 发布 Claude Duet AI 智能体
Anthropic 发布面向专业人士和小企业主的 AI 智能体 Claude Duet，作为研究预览推出，支持 iOS 和 Android 独立应用及网页版，基于 Claude Opus 5.5 构建，可发送每日摘要、监控应用并处理任务，具备浏览器虚拟机及安全系统，当前为早期版本且需付费订阅。
同一件事 · 2 家各家口径不同：The Verge 提到 Claude Duet 面向专业人士和小企业主，而 Claude 说它面向 Pro 和 Max 计划用户。
