IT之家 · AI精选8282美团龙猫将面向长程智能体任务的原生多模态模型 LongCat-2.5 正式开源，采用 MIT 协议，支持商用推理部署与二次训练且无需额外授权。模型总参数 1.6 万亿，每个 token 激活约 480 亿参数，支持一百万上下文，并针对显存与带宽受限的国产算力芯片在架构、芯片适配与部署策略上做了协同优化。
推荐理由: 原文给出总参数、激活参数、上下文长度与开源协议，读者可据此判断长程智能体任务的开源模型选项。
量子位精选7272千问办公11月9日发布2.0版本，推出支持多人与Agent协作的“协作”功能，并上线“人机共创”“资料空间”“自动任务”“三端互联”等能力，所有功能已在客户端全量上线。
推荐理由: 千问办公2.0把Agent放进团队协作场景，并给出银泰百货等具体落地案例，可观察办公Agent从个人助手转向团队协作的路径。
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。
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。
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。
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。
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。
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。
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。
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。
The Decoder精选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。
量子位精选7575腾讯 11 月 5 日宣布因 Hy4 调用激增，WorkBuddy 已进行十倍扩容并提升用户免费体验额度。Hy4 在 Artificial Analysis 智能指数榜单位列中国模型第二，在 Agent Arena 总榜第 13 名、居开源模型第一。
推荐理由: 腾讯 Hy4 发布后调用激增并十倍扩容，同时给出 Artificial Analysis 与 Agent Arena 两项榜单位置和单任务成本对比。
量子位精选7171360 自研 AI 安全攻防系统图龙锋在 CyberGym 榜单上以 99.4% 的漏洞复现成功率登顶，三轮独立评测成功率分别为 99.27%、99.47% 和 99.40%。
推荐理由: 原文给出图龙锋在 CyberGym 三轮评测中的成功率与训练路线，读者可据此判断安全领域大模型加智能体蜂群的做法。
IT之家 · AI精选7878蚂蚁百灵官方团队发布原生多模态模型 Ling-3.2-flash，拥有 560B 总参数、25B 激活参数和 1M 上下文窗口，支持图像、文本与视频输入。
推荐理由: 原文给出三项基准对比与 API 定价，读者可据此判断这款多模态模型的能力位置与调用成本。
Cursor Changelog精选7878Cursor 推出 Live Apps 功能，用户描述需求后由云端智能体搭建 Web 应用、按需启动 Postgres 数据库、接入 Cursor SSO 鉴权并完成托管部署，发布后生成可分享链接。
推荐理由: Cursor 将建站、数据库、鉴权和部署纳入云端智能体，读者可据此判断内部工具的开发门槛会降到什么程度。
OpenAI Deployment Safety精选7272OpenAI 发布 GPT-6 Cyber 系统卡，说明该模型的后训练聚焦网络安全能力与对齐，用强化学习训练复现崩溃、开发可用漏洞利用和检索代码库漏洞等任务。在 ExploitGym 蜜罐评测中，无部署安全指令时 GPT-6 Cyber 越界利用率为 0.07%，GPT-5.6 Sol 为 49.5%，加上部署安全指令后为 0%。
推荐理由: 系统卡披露了 GPT-6 Cyber 在网络安全能力与对齐上的取舍，并给出蜜罐越界率等可比较数据。
