Nvidia 发布 Open Agent Safety Platform，称可在毫秒级隔离试图越界的 AI 智能体。该平台基于开源软件 OpenShell，运行在 Nvidia 的 Vera AI CPU 上，用户可限定智能体可访问的信息，OpenShell 会在任务执行前和执行中检查这些限制，另有独立芯片上的 Sentry 技术持续监控智能体并执行边界。Anthropic、Microsoft 和 SpaceX 等公司对该平台表示支持。
#安全/对齐#Agent#部署/工程
Nvidia 将面向 AI 智能体的安全沙箱 OpenShell 从 GTC 大会首次公布推进到面向所有用户正式发布，该框架把智能体活动隔离在操作系统内核中。Nvidia 同时推出新软件平台 Sentry，作为芯片上的隔离安全域持续监控长时间运行的智能体，可隔离试图越界的智能体，并计划与 Arm、Intel 合作使其支持 x86 架构。两者被纳入开源框架 Open Agent Safety Platform，Nvidia 称 Anthropic、Microsoft、Mistral、Hugging Face 等数十家公司参与合作，Salesforce、Scale AI、SAP 确认不同程度集成 OpenShell，但 OpenAI 未出现在名单中。
#安全/对齐#Agent#开源生态
Hugging Face 在 Hub 上线 RL Environments，用 rl-environment 标签把环境作为数据集托管，并注册 Harbor、Verifiers、OpenEnv、NeMo Gym 四个框架标签，数据集页面会显示框架图标并生成加载命令。用户可在 datasets?other=rl-environment 筛选查看，文中给出了各框架运行任务并检查 verifier 奖励的示例命令。官方已为 BeyondSWE、Terminal-Lego、Multi-SWE-RL-Verified、Workplace Assistant 等已有环境提交打标签的 PR，后续计划支持按配置生成片段和自动打标签。
#开源/仓库#Agent#数据/训练
Fireworks AI 发布 FireRouter with Opus，这是首个缓存感知路由器，已在 CLI 上线，并首次作为独立路由模型提供，任何 Fireworks 账号都可将其作为 serverless 端点调用。该路由器在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 之间按任务适配度、提示词缓存成本和切换代价选择模型。内部一个多月的 A/B 测试显示，编码任务每次会话成本从 15.36 美元降至 6.63 美元，降幅 57%（±19 个百分点），准确率为纯 Opus 的 98.1%，缓存命中率 94.2%，纯 Opus 为 97.8%。
#产品更新#部署/工程#编码
Anthropic 在 claude-api 技能中新增 /claude-api build-eval 和 /claude-api hillclimb 两条命令，前者在代码库内构建评测集并校验评分器，后者按单次改动迭代提升应用表现，并用留出集检测过拟合。文章给出评测设计原则，包括任务贴近生产、前沿模型留有提升空间、低运行间方差，以及用人工判断的难题而非模型当前失败案例来采样。示例中，客服工单基准从 Opus 4.8 默认高 effort 的 74.4% 准确率、每单 4.6 美分，经提示词审计与换用 Opus 5.5 低 effort 后降到 1.9 美分，最终 Sonnet 5 配置在 14 条留出工单上达到 90.5%，成本约为原来的五分之一。
#教程/实践#Agent#部署/工程
Fireworks AI 发布 FireRouter with Opus，这是其首个缓存感知路由器，已在 CLI 上线并首次以独立路由模型形式提供，任何 Fireworks 账号都可将其作为 serverless endpoint 调用。该路由器在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 之间按任务适配度、模型成本与缓存命中损失进行路由。经过一个多月内部 A/B 测试，编码任务准确率为单独使用 Opus 的 98.1%，每次会话成本从 15.36 美元降至 6.63 美元，降幅 57%（±19 ppts），缓存命中率为 94.2%，单独使用 Opus 时为 97.8%。
#产品更新#部署/工程#OpenAI
xAI 发布 Team Bots，即与团队一起工作并学习的 Grok Bots，可授予其所需的文件、应用与专业知识，再共享给团队让所有人基于同一上下文协作。每个 Team Bot 由上下文、插件（如 Salesforce、Notion、GitHub）、凭证和记忆四部分组成，共享的同时保留每位用户独立的对话与记忆，并可在 Slack 中以独立账号被邀请进频道。xAI 内部已在销售与客户成功、产品与工程、市场、数据分析四类场景使用，例如工程 Team Bot 连接 Notion、Linear、Hex、Datadog 和 Cursor，协调 Cloud Agents，帮助五人团队每天交付 100 多个 PR。
#产品更新#Agent#MCP/工具调用
Google 发布 Gemini 3.8 Flash，称其在软件工程、智能体任务和跨多步推理上较 3.7 Flash 有明显提升，性能接近成本更高的前沿模型。官方称提升来自设计取向上的更肯下功夫，即在复杂任务中执行更多推理步骤并迭代调用工具。文中展示了四个用例，包括用 Google Antigravity 绘制卫星与空间站实时轨道、把青海波图案转成动态水墨画、生成霸王龙骨架，以及构建自动变速箱交互模型，用户可在 Google AI Studio 等工具中试用。
#产品更新#Google#推理
TypeSafe AI 上周发布首个 System One 模型 Jev，它不做对话、写代码或摘要，而是接收非结构化状态并返回带校准概率的类型化决策，适合智能体循环中的小判断，例如调用哪个模型、命令是否安全、哪段内容相关、智能体是否已完成。每次调用发送状态加一组类型化问题，所有问题在同一请求中并行评估，Choice 最多支持 255 个选项，并用 RLCD 训练使置信度与准确率挂钩。官方称其比逐 token 的 LLM 快 193.6 倍、便宜 444.6 倍，该数据来自 TypeSafe 自身工作流评测；OpenRouter 的 Banking77 测试中，Jev 准确率比 Claude Opus 5 低 3.3 个百分点，中位速度快 13 倍，成本约为其 1/22。
#产品更新#Agent#推理
英伟达 CEO 黄仁勋发布 Nvidia Open Agent Safety Platform，将开源软件 OpenShell 与运行在 BlueField-4 DPU 上的独立监控系统 Sentry 组合，为 AI 智能体加上软硬件两层安全边界。英伟达称 Sentry 独立于智能体所在的 CPU 或 GPU，可持续监控行为并在毫秒级隔离试图越界的智能体。Anthropic、Arm、Microsoft、Oracle、SpaceX 等数十家公司表示支持，OpenAI 未在名单中。
#安全/对齐#Agent#部署/工程
Shopify 宣布面向所有符合条件的商家开放结账环节的 WebMCP 支持，浏览器端 AI 智能体不再只能搜索商品和加购，还能读取并修改结账页面、在买家授权后提交订单。该更新引入 get_checkout、update_checkout 和 complete_checkout 三个工具，可查看结账信息、修改地址或配送选项并下单，无需依赖截图或抓取网页。Shopify 此前已提供托管 MCP 服务器，此次新增的 WebMCP 面向买家浏览器内的智能体，两者都基于其 Universal Commerce Protocol（UCP）。
#行业动态#Agent#MCP/工具调用
费米宇宙推出全球首个全链路量子增强大模型 FermiQLLM 1.0，基于 Qwen 开源基座模型改造，不依赖容错量子计算机，可在现有 GPU 基础设施上训练和部署。内测显示，对标同等参数量级传统大模型，其推理性能提升超过 15%，持续强化学习环节训练成本下降 25% 以上；在 MATH-500、GPQA-Diamond、BBH 等基准上综合性能提升 10%～20%。该公司成立于今年 5 月，种子轮累计融资 1 亿元，投后估值约 10 亿元，近一半员工有清华背景。
#行业动态#数据/训练#推理
Grok Bot 新增 Finance 集成，可关联银行、信用卡和投资账户，用户随后可让 Bot 协助管理支出和投资。该连接器由 Plaid 提供支持，官方称可据此搭建个人财务仪表盘、图表和例行流程。
Grok Bot now connects to your finances. Link your bank, card, and investment accounts with the new Finance integration, then ask Bot to help manage your spending, investments, and more. https://t.co/qNTf1OT545
#产品更新#MCP/工具调用#xAI
OpenCode 宣布 LongCat-2.5-Preview 在其平台上限时免费两周，并列出三项规格：1M 上下文、多模态和零数据留存。
#产品更新#多模态#OpenAI
ElevenLabs 将图像生成、视频生成和 Flows 中的模板能力开放为 API，图像与视频 API 可调用 Google、OpenAI、ByteDance 和 Creatify 的模型，定价与应用内一致。模板把图像、视频、语音、音乐和音效模型打包成无需配置的工作流，团队在 Flows 中搭建一次后，后续只需传入新的产品图和名称即可批量产出成品素材。这些模型也可通过 ElevenLabs MCP 在 Claude、ChatGPT 或 Cursor 中使用，一次 OAuth 安装即可，无需管理 API key。
#产品更新#图像生成#视频
Docker 于 9 月 24 日发布面向 AI 编码智能体的官方技能集 Docker Skills，可在 Claude Code、Codex、GitHub Copilot、Cursor 等智能体中使用，采用 Apache License 2.0 许可。每个技能包含 SKILL.md，说明适用场景与执行方式，智能体可自行匹配用户请求并加载相关指令，无需每次指定技能名。9 月 26 日目录共 11 个技能，覆盖 Dockerfile 与构建、Docker Compose、Docker Sandboxes、Docker Agent 以及不可逆操作前的确认策略；其中 docker-build-strategies 包含多阶段构建、缓存友好的指令顺序和非 root 用户运行等指征。技能可通过 Claude Code、Codex 插件、Gemini CLI 扩展或 Vercel Labs 的 skills CLI 安装，官方建议对智能体提出的改动和命令进行审查并运行项目测试。
#开源/仓库#Agent#MCP/工具调用
微软 9 月 25 日宣布 Copilot 大型更新，以整合 Chat 与 Cowork 的 Home、用自然语言生成应用的 Code、以及持续执行任务的 AI 智能体 Autopilot 为三大支柱，并支持在 Copilot 内创建和编辑 Word、Excel、PowerPoint 文件。Home 与 Code 将在未来数周通过 Frontier 计划逐步开放，Autopilot 于 9 月底扩大私有预览；Cowork、Code、Autopilot 及部分高性能模型按 Copilot Credits 计量采用按量计费，企业需由管理员设定支出上限后才开始计费。Teams 中 @Copilot 调用、Today 优先事项提示以及 Fabric IQ、Work IQ 数据连接也在同步推进。
#产品更新#Agent#Microsoft
#行业动态#Agent#OpenAI
成立三个月的 Simate（Silicon Mate）发布首版通用物理快系统 Simate-beta，展示记忆、长程任务、精细操作与任务适应能力。据公司提供、更新于 2026 年 9 月 23 日的 RoboDojo 榜单，Simate-beta 以平均 Score 33.95 排名第一，对应 SR 为 27.96%，团队称参评基础模型未针对该榜单专门优化。公司同时开放 AutoResearch 研究平台内测，称清华、MIT、港科大等高校研究者已参与，并已连续完成多轮每轮数亿元人民币融资。
#模型发布#具身智能#开源生态
GitHub 开源项目 Colibrì 用纯 C 实现分层推理，把 MoE 模型不常用的路由专家放在 NVMe SSD 上按需读取，让 744B 的 GLM-5.2 在最低 16GB、推荐 24GB 左右 RAM 的机器上运行，GPU 不是必需品，项目已获 32k Star。作者最初的开发机只有 12 核 CPU 加 25GB RAM，冷缓存时速度约 0.05～0.1 token/s，靠 LRU 缓存、专家使用频次统计和提前一层预测专家（可预测性 71.6%）把速度提上来，128GB RAM 纯 CPU 桌面机约 1.8 token/s，6 张 RTX 5090 可达 5.8～6.8 token/s。目前它已覆盖 9 个模型家族，从 GLM-5.2/5.3、DeepSeek V4 Flash、Qwen 到 975B 的 Inkling 和 2.8T 参数的 Kimi K3，后者约需 1.6TB 存储、RAM 32GB 起步。
#开源/仓库#部署/工程#端侧