可灵 Kling 4.0 上线 fal 平台
可灵 Kling 4.0 已在 fal 平台上线，官方称其为新一代原生多模态视频模型，在复杂运动稳定性、角色与场景参考一致性以及电影叙事控制精度上有所提升。目前仅通过 fal UX 和 fal Agent 提供，API 访问即将开放。
匹配字段摘要
←搜索结果
搜索“Agent”
ElevenLabs 推出 Eleven Realtime Translation 实时语音翻译模型
ElevenLabs 发布实时语音翻译模型 Eleven Realtime Translation，目前以 alpha 形式向 ElevenAPI 企业客户开放。该模型默认使用低延迟语音模型 Eleven v4 Turbo，支持 90 多种语言和自动语言检测，同一音色可跨语言保持一致，并可从 17500 多个音色库或自建语音克隆中选择。团队可调节翻译启动速度，在复杂通话的高质量翻译与低延迟之间取舍；德国电信已在 Magenta AI Call Assistant 中基于 ElevenLabs 构建新通话功能。
匹配字段摘要、正文
NVIDIA 发布 Sentry 框架，在 BlueField-4 上运行时保护 AI 智能体
NVIDIA 发布安全软件框架 Sentry，在 BlueField-4 DPU 的硬件隔离信任域中监控 AI 智能体并执行访问策略，不依赖主机软件。该框架由 DOCA Tower 透明代理终止 TLS 并用 Open Policy Agent 评估请求，DOCA Argus 通过内存内省提供运行时上下文，可在毫秒级隔离越界智能体。Sentry 属于 GTC Berlin 公布的 NVIDIA OpenShell 参考架构，计划于明年初开放，开发者可先用 DOCA Argus、DOCA Flow 等库进行实验。
匹配字段摘要、正文
Google 发布 TorchTPU，让 PyTorch 应用可直接运行在 TPU 上
Google 发布 TorchTPU，这是 PyTorch 的一个专用版本，让开发者无需重写底层代码、只需调整少量配置，就能把现有模型和应用迁移到 TPU 上运行。Google 称与 Meta、Hugging Face 以及 vLLM、SGLang 的开发者合作，确保相关代码库兼容；同时推出 TPU agent suite 协助迁移并自动修复错误，并更新端侧工具 LiteRT 以兼容 PyTorch 应用。此前 AWS 也发布了面向自家 Trainium 芯片的 TorchNeuron。
匹配字段摘要、正文
Databricks 发布 MemCurrent 长期记忆架构，内部基准通过率提升 3 倍
Databricks 发布面向生产 Agent 的持久记忆架构 MemCurrent，结合情景记忆与派生记忆，并采用 Plugin、Tool 和离线 dreaming 三种接入方式。基于 1.2 万多次真实 Genie 会话筛选出的 114 个内部测试用例，通过率从无记忆时的 22.3% 提升到 68.4%，同时快 1.35 倍、便宜 1.44 倍。公开基准 LoCoMo、LongMemEval、ConvoMem 平均得分 88.1%，与全量上下文的 87.8% 相当，但每题输入 Token 约少 12 倍（8.4K 对 103K）。该架构已用于 Agent Bricks Memory 和 Genie。
匹配字段摘要、正文
Grafana Labs 为可观测性平台加入 AI Watchers 与代码修复智能体
Grafana Labs 在 ObservabilityCON 2026 上宣布扩展 Grafana Cloud，新增用自然语言描述监控目标的 Assistant Watchers、可检查仓库代码并提交 pull request 的 Grafana Managed Sandboxes，以及连接基础设施故障与受影响用户的知识图谱。Assistant Watchers 和支持 OpenTelemetry 的 Agent Observability 已正式可用，Grafana Managed Sandboxes 处于公开预览，代码修复只提交到可供人工审批的变更。Grafana 还引入基于 Logline 技术的日志全文搜索增强和商业插件市场，并引用覆盖 300 位 IT 与工程负责人的调查称 68% 已将可观测性 AI 用于试点或生产。
匹配字段摘要、正文
Zoom 在 Zoomtopia 推出统一上下文层及多项 AI 产品更新
Zoom 在 Zoomtopia 大会上发布 Unified Context Layer，把会议、通话和客户互动信息与 Salesforce、ServiceNow、Workday 等系统数据整合成实时更新的关系图谱，供 AI 智能体共享记忆和协同工作，该层已可用。Zoom 称内部基准显示这一方式比独立智能体各自解析信息降低成本 45% 至 65%，但未提供独立验证。同期还推出 ZoomMate Agent Teams、扩展到 40 多个第三方应用的智能体搜索、支持多语言广播的翻译与语音克隆，以及通过 MCP 服务器和 Search、Ask API 向外部应用开放上下文，多数功能计划在 2027 年初前陆续发布。
匹配字段摘要、正文
Sierra 与 Stripe 打通智能体支付，Cedar 电话内完成缴费
Sierra 宣布与 Stripe 合作，让智能体在同一通电话里完成对话、支付和收据确认，无需跳转其他系统或发送支付链接。支付时智能体切换到安全支付模式，客户在键盘输入卡号后由 Stripe 处理，完成后智能体回到通话确认交易。Cedar 的智能体 Kora 在患者发起支付的电话中，71.3% 最终支付成功。Sierra 已上架 Stripe App Marketplace，企业可直接把智能体接入 Stripe 账户，双方还在与 Meta 等伙伴推进 Personal Agent Protocol 中个人智能体代付的规范。
匹配字段摘要、正文
Meta 开源权重模型 Muse Spark Open 上线 Fireworks 无服务器 API
Fireworks 在发布当天上线了 Meta 的开源权重模型 Muse Spark Open，这是一个 816B 参数的 MoE 模型，每 token 激活 42B 参数，上下文窗口为 1M token，面向长程编码与智能体任务。Fireworks 称其在 Vals AI 的 Harvey Legal Agent Benchmark 排行榜上以 25.4% 位列 75 个模型之首，约为 Claude Opus 5（6.7%）的近 4 倍；在 Rogo Big Finance Bench 上各难度级别均超过 Claude Opus 5.5。该模型在 Fireworks 上默认启用零数据保留，仅使用美国境内算力且不额外加价，并支持用无服务器 LoRA 进行微调。
匹配字段摘要、正文
Google 在 TPU 上发布 vLLM 与 SGLang 原生 PyTorch 推理引擎
Google 发布基于 TorchTPU 的 vLLM 与 SGLang 原生 PyTorch 后端，分别与 Inferact、RadixArk 合作开发，两个引擎已在预览客户的生产环境中运行。官方称在 Ironwood TPU（TPU 7x）上跑 Qwen 3.5 时，高并发配置下每百万 token 成本为 2.01 美分，并已在 SemiAnalysis InferenceX 的 AgentX 赛道提交结果。功能上支持前缀缓存与 KV cache 卸载、投机解码、分离式服务以及图像视频输入的多模态模型，SGLang-TorchTPU 已在 Meta 生产环境使用。
匹配字段摘要、正文
Modal 计划为 Sandboxes 引入 NVIDIA Vera CPU，首次转向 Arm 架构
Modal 于 2026 年 10 月 19 日发布博客称，计划为 Modal Sandboxes 支持 NVIDIA 基于 Arm 的 Vera CPU，这是其全 x86 机队首次转向 Arm。Modal 公布的基准显示，在负载下 Vera 的任务吞吐量最高可达同等 x86 机器的两倍，单任务延迟持平或更低。Modal 还开源了基于 terminal-bench-2.1 构建的 Agentless Agent Bench，包含 50 个剥离网络调用的 Terminal-Bench oracle 任务与验证器。
匹配字段摘要、正文
微软推出面向失控 AI 智能体的安全管控功能
微软发布针对失控 AI 智能体的安全管控功能，智能体风险评分升高时会逐步削减其权限。其发现工具可识别员工设备上的 60 类本地智能体，包括 Claude Code、Codex 和 GitHub Copilot，并通过 Entra Agent ID 为智能体分配独立身份。Dynamic Agent Risk 依据身份、终端、云和网络信号持续更新风险分，Dynamic Conditional Access 据此先收回写权限、再要求人工审批，最高等级直接隔离或停止运行时。这些功能被归入 Project Perception 和 Microsoft 365 E7，微软未公布可用时间和定价。
匹配字段摘要、正文
阿里通义 MAI-UI 团队开源通用计算机使用智能体技术栈 OpenGCUA
阿里通义 MAI-UI 团队开源通用计算机使用智能体完整技术栈 OpenGCUA，包含 harness、跨设备 SDK、原生 macOS 应用、评测轨迹和参考 agent 实现。其核心设计是代码执行与决策从 harness 转移到模型，模型按需截图、编写带循环和条件判断的 Python 程序编排 GUI 操作、API 调用和 shell 命令，并自行维护 todo 列表。在 OSWorld-v2 上对 8 个前沿模型的评测中，平均 partial score 从 45.3 升至 64.9，每任务步数平均减少 53%；真机 macOS 测试中，同一 harness 下 Qwen3.8-Max 的推理 token 消耗是 GPT-6 Astra 的 19.4 倍，4 个任务完成 3 个。
匹配字段摘要、正文
Arena 限时 14 天开放 GPT-Image-2.5 Sunburst 直接测试
Arena 宣布未来 14 天内可在平台直接测试 OpenAI 的 GPT-Image-2.5 Sunburst，用户可在 Direct Mode 下拉菜单中选择该模型。Arena 称该模型在 Text-to-Image Arena、Image Edit Arena 和 Multi-Image Edit Arena 均排名第一。直接访问将于 11 月 2 日太平洋时间上午 8 点结束，之后该模型仍会以匿名形式出现在 Battle 和 Agent Mode 中。
匹配字段摘要
Amp 成为 Linear 中的智能体，可指派 issue 启动会话
Amp 现已作为智能体接入 Linear，把 issue 指派给 Amp 即可在 Linear 中开启新的 Agent Session 并生成一个 orb，也可以用 @Amp 提及来启动会话。Amp 的回复会回到同一会话并回应过程中的消息，该 Agent Session 同时出现在 Amp 侧边栏，可在 Amp 中完整查看。
匹配字段摘要、正文
DeepSeek V4.1 Flash 1017 发布，支持许愿式编程
DeepSeek 于 10 月 17 日发布 DeepSeek V4.1 Flash 1017，最大特点是支持许愿式编程：用户只需说出想法，模型自行拆解任务、写代码并验证，交付可运行成品。新版本通过基于自反馈的强化学习训练，提升了游戏开发、3D 建模等从零构建完整项目的能力，发布当天还开放了自研的 Search 和 Fetch 两个接口。作者认为该功能面向缺少提示词和素材的普通用户，与需要人类中途介入的 Agent 形成区别。
匹配字段摘要、正文
LMSYS 推出 SGLang 低延迟模式，NVIDIA 与 AMD GPU 推理提速
LMSYS 发布 SGLang Low-Latency Mode，通过插件框架把专用 kernel 接入 SGLang，在 NVIDIA 和 AMD GPU 上降低推理延迟。在四块 NVIDIA GB300 上回放 AgentX trace，单并发会话的 P90 每用户 token 生成速度从 671.2 提升到 928.4 tokens/s（1.38×）；在四块 AMD MI355X 上四并发会话从 331.6 提升到 516.0 tokens/s（1.56×）。NVIDIA 侧 kernel 位于 sgl-nvidia-mega，AMD 侧位于 sgl-amd-mono，均针对 DeepSeek-V4.1-Flash 与 DSpark 的验证和草稿执行做优化。
匹配字段摘要、正文
Sakana AI 发布第三代 The AI Scientist，并开源 AutoIllustrate
Sakana AI 于 2026 年 10 月 15 日公开第三代 The AI Scientist（The Agentic Scientist），通过 Codex、Claude Code 等多个编码智能体协作，覆盖假设提出、实验、分析到论文撰写，并开源可生成可编辑论文插图的 CLI 工具 AutoIllustrate。系统在 5 个课题上用 9 种大语言模型和 4 种智能体执行工具共运行 70 次研究流程，论文质量由 AI Reviewer 按 1 至 10 分评估，新模型得分更高，Claude 系列尤为明显，同一模型下不同执行工具差异较小。代码以 Apache License 2.0 在 GitHub 的 AI-Scientist-v3 仓库公开，默认使用 Claude Code，可切换 Codex、Gemini CLI，并提供仅用 CPU 即可跑通的示例。
匹配字段摘要、正文
Hao AI Lab 发布 ORA：用 DeepSeek-V4.1-Flash 驱动机械臂的开源智能体框架
Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek-V4.1-Flash 驱动的开源机器人智能体框架，仅凭视觉输入零样本操作机械臂，无需 VLA，性能可与前沿模型智能体竞争。在 RoboTwin 上取得 69.2%、LIBERO-Pro 上 81.4%；作为对比，带任务专用记忆的 RPent 在 RoboTwin 上用 GPT-5.5 和 Opus-4.7 分别为 62.4% 和 58.4%，在 LIBERO-Pro 上用 Opus-4.7 为 82.4%。ORA 的工作方式类似编码智能体，观察场景、调用感知或动作工具、检查反馈再决定下一步，同一套框架可运行 ARX X5、ALOHA 和 Franka，靠机器人卡片描述各自的几何结构与控制方式。按 DeepSeek 非高峰 API 价格估算，每个成功案例的模型成本约 0.30 至 0.35 美元，40 个展示片段平均每个 0.13 美元；在低成本机械臂上的初步测试中，它完成了拉开抽屉和把糖果棒放入盒子。
匹配字段摘要、正文
Hao AI Lab 发布 ORA 开源机器人智能体框架，基于 DeepSeek-V4.1-Flash 零样本操作机器人
Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek-V4.1-Flash 驱动的开源机器人智能体框架，从视觉输入零样本操作机器人，不使用 VLA。ORA 在 RoboTwin 上取得 69.2%、在 LIBERO-Pro 上取得 81.4%；带任务专属记忆的 RPent 在 RoboTwin 上用 GPT-5.5 和 Opus-4.7 分别为 62.4% 和 58.4%，在 LIBERO-Pro 上用 Opus-4.7 为 82.4%。ORA 的工作方式类似编码智能体，通过提示词描述机器人与任务、感知与运动工具、以及上下文管理构成闭环，同一套框架可运行 ARX X5、ALOHA 和 Franka，靠机器人卡片适配不同硬件。团队称每个成功案例的模型成本约 0.30 至 0.35 美元，40 个展示片段平均 0.13 美元；在低成本机械臂上的初步测试中，DeepSeek-V4.1-Flash 完成了拉开抽屉把手和把糖果棒放入盒子。
匹配字段摘要