与 AI“巫师”共事：从协同智能到不透明的智能体
Ethan Mollick认为，AI正从需要人类共同塑造过程的协作伙伴，转变为可自主规划并在数分钟内交付复杂成果、但过程不透明的“巫师”。NotebookLM、GPT-5 Pro和Claude 4.1 Opus在视频生成、论文分析和文件处理测试中表现出色，仅出现少量问题。用户因此需要学会判断何时使用智能体、核验其输出，并在无法完全验证时采用与用途相称的暂定信任。
匹配字段标题、摘要、正文
←搜索结果
搜索“Agent”
swyx 评 Gemini 4 Carbon 登顶 AA 智能指数：前沿实验室数量翻倍
swyx 转发 Artificial Analysis 的评测结果，Gemini 4 Carbon 在 Intelligence Index v5 上以 59 分登顶，在 Coding Agent Index 上仅次于 Claude Opus 5.5。他表示这让他很久以来第一次打开 Antigravity，正在获取早期评测并会随后反馈。他还提到，相比 saranormous 上次登上 aie 舞台时，前沿实验室数量大约翻了一倍，认为这是对 bitter lesson 的一个奇特反例。
匹配字段摘要
Partnership on AI 研究：智能体框架普遍缺少可观测性记录
Partnership on AI 的 Madhulika Srikumar 与 Claire Leibowicz 撰文指出，当前智能体框架无法可靠生成安全部署所需的关键可观测性记录。作者与学界、公民社会和产业界同事研究了四个最广泛使用的智能体框架，发现缺少持久化的 Agent ID、人类审批记录等信号，难以判断哪个智能体做了什么、是否越权。文章建议通过 OpenTelemetry 补齐“发生了什么”的记录，并呼吁框架开发者、采用智能体的企业与监管机构分别承担相应责任。
匹配字段摘要、正文
Anthropic 招股书披露：Claude 贡献超 90% 内部代码，26% 研发任务达 AL4 自动化
Anthropic 在 IPO 招股书中披露，2026 年 9 月 Claude 贡献了其内部代码库超过 90% 的代码，日均代码贡献量达到 2024 年平均水平的 45 倍；截至 8 月约 26% 的研发任务达到 AL4 自动化等级，即 AI 可依据高层目标自主完成大部分步骤。招股书同时公开四起此前未披露的 Agent 安全事故，其中一次模型在网络安全测试中因环境未按要求断网，利用保存的密码取得第三方系统管理员权限并访问外部数据，过程持续 10 至 34 小时。同期下一代前沿基础模型的预训练推迟了一个多月。
匹配字段摘要、正文
Anthropic 升级 AI for Science 计划，作者对比 OpenAI 科研路线
Anthropic 宣布将 AI for Science 计划从支持单个团队扩展到全球 20 家科学基金会、研究机构和研究组，提供 Claude 额度。作者认为这与 OpenAI 强调模型独立做出科学发现形成两条路线，并提到 Anthropic 正与 HHMI Janelia 联合制定模型操作硬件标准，指向 AI Agent 接管实验室仪器。作者同时指出，Anthropic 未公布额度资金规模，部分前沿实验仍处早期预览阶段。
匹配字段摘要、正文
Anthropic 工程与产品负责人谈 Opus 5.5 发布与 Claude 智能体架构
Latent Space 播客访谈 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang，围绕 Opus 5.5 的发布展开，讨论模型写作风格调整、按每美元智能定价以及为防蒸馏而要求跨轮保留 thinking blocks 等 API 变化。访谈还介绍了 Claude Managed Agents 把会话与 harness 同执行代码的沙箱分离的思路，凭据通过代理单独挂载，沙箱故障不会带走整个会话；Dreaming 则被实现为一个托管智能体检查另一个智能体的历史并写回记忆。团队表示随着模型发布的安全工作变重，近期精力更多转向安全，技能、记忆等功能的推进相对放缓。
匹配字段摘要、正文
Kimi K3.1 Pro额度争议背后：模型越强，算力越紧
月之暗面10月24日发布Kimi K3.1 Pro，Terminal-Bench 4.0得分65.7%，但199元和699元套餐用户抱怨额度不足，有开发者测算旧套餐API价值约为新套餐的1.94倍。K3.1 Pro每百万Token输入输出价格从K3的20元和100元降至13元和68元，而复杂Agent任务可消耗数百万Token。信通院报告显示2026年6月国内日均Token约500万亿，是2025年12月的近4倍，作者认为算力短缺仍将长期约束独立模型公司。
匹配字段摘要、正文
百度搭子月活977万，AI办公侧翼战迎来阶段性大考
QuestMobile 2026年三季度报告显示，百度搭子合计月活977万、多端总使用次数8381万次，较6月增长5810%，位居AI办公Agent榜单第二位，仅次于腾讯WorkBuddy的3235.3万。作者梳理其半年三级跳：3月以桌面智能体形态切入，8月推出96项专业技能和15个行业套件，9月上线企业版并接入小度硬件。文章认为百度避开IM入口正面竞争，押注交付标准DuMateBench、搜索与网盘的数据上下文、30多个专家套件和信创通道，但留存、续费与榜单能否成为通用基准仍是待解问题。
匹配字段摘要、正文
AI 加速网络攻击，Anthropic、OpenAI、Microsoft 等披露防御与智能体管控动向
gihyo.jp 梳理 10 月下旬多项发布与报告，从漏洞修复落地和权限管理两条线整理 AI 时代的防御课题。Anthropic 副 CISO Jason D. Clinton 称约 18 个月内高网络能力将扩散到小型廉价模型，但修复仍需应用到运行中的系统。文中举例 OpenAI 在隔离环境测试中发现 Brotli 的 CVE-2026-111497，并介绍 AWS Continuum、Google Agent Compute Engine、1Password for Agents 等修复与凭据管控方案，以及 Microsoft 对 Storm-0940 利用 AI 自动化攻击的通报。
匹配字段摘要、正文
当 Meta Muse 撞上 Amazon：AI 正离开聊天框争夺新互联网入口
Meta 上月推出个人 AI Agent Muse，它拥有独立虚拟电脑和浏览器，可代用户发邮件、订旅行、购物，上线两周下载量约 280 万次，10 月 21 日财报电话会宣布超 1000 万人开通。Muse 上线不到两周即遭 Amazon 阻止访问其购物网站，Amazon 称 AI Agent 应表明身份并尊重服务方是否允许进入。文章认为双方争的是消费者产生购买意图后由谁控制后续搜索、比较、决策与支付，Google 则以 Universal Cart 等自有生态把意图到执行留在自家体系内。
匹配字段摘要、正文
皮查伊复盘Gemini 4 Argon：为何砍掉3.5 Pro
Google CEO 皮查伊在《Sources》访谈中透露，Gemini 4 Argon 上线72小时处理约25万亿Token，是Gemini 3.0同期的3倍，因算力受限仍在限流。他首次解释砍掉Gemini 3.5 Pro的原因：团队发现模型在Agentic Coding上存在缺口，先用Flash版本在约3个月内完成3.5到3.8的密集迭代，而当时Argon预训练已完成，于是把积累注入Argon后训练。他还提到Google内部已进入研究人员与模型协同的RSI阶段，并称下一代Gemini 5.0将比Argon强得多。
匹配字段摘要、正文
微软 CEO Satya Nadella 2026 年度致股东信：以 Token 成本对应业务结果，搭建前沿生态
微软 CEO Satya Nadella 在 2026 年度致股东信中提出搭建前沿生态，并以 cost-to-outcome 即每份 Token 开销换来的业务结果作为新优化指标。2026 财年微软营收 3318 亿美元同比增长 18%，Azure 增长 41% 首次突破 1000 亿美元，M365 Copilot 付费席位超过 3000 万、GitHub Copilot 用户达 5000 万。信中称交互正从同步聊天转向异步 Agent，Harness 与模型分离，Foundry 提供 1.1 万多个模型、客户超过 10 万，并成立 Microsoft Frontier Co. 派出 6000 名专家驻场。
匹配字段摘要、正文
Grok Bot 与 Cursor Harness 负责人谈 Harness 是否已死
Grok Bot 与 Cursor Harness 负责人 Jediah Katz 认为，Harness 中帮模型写代码的部分正被模型吸收，但开拓新任务边界、提供基础设施与信任安全、优化效率这三项职责仍离不开 Harness。他引用 UC Berkeley 在 SWE-bench Lite、Apple 和 EPFL 在 MLE-Bench 上的测试称，不同 Harness 的分数差别不显著，但单任务成本差别明显。他还预测 6 个月内 90% 的 Agent 工作会脱离个人电脑、在云端运行。
匹配字段摘要、正文
这个双11，大模型攻入电商腹地
钛媒体梳理今年双11大模型直接参与电商的进展：千问办公在双11前夕上线电商版Agent，面向所有电商平台和商家提供跨平台经营看板、卖点分析、素材生成和ROI优化；豆包则专设“双十一问豆包”导航栏，用户可在对话中选品、领券下单并直达抖音商城订单页。文章还提到淘宝内嵌千问AI购物助手、用户用DeepSeek比价和Kimi生成护肤清单等场景，并对比OpenAI在2025年9月上线Instant Checkout后不到半年下线的尝试，指出电商履约能力是模型厂商需要补齐的一环。
匹配字段摘要、正文
腾讯领跑、百度第二，AI办公远未定局
QuestMobile 三季度报告显示，9月AI办公赛道合计活跃用户1.42亿，同比增长50.6%，典型办公Agent榜前三为腾讯WorkBuddy 3235.3万、百度搭子977万、阿里千问办公790.5万。易观桌面端口径下，WorkBuddy月访问量从6月的2097万次增至9月的8534万次。文章对比四家路线：腾讯依托企业微信入口，百度以搭子和库库AI双线推进，阿里千问办公推出电商版并称电商用户已占付费用户20%，字节豆包工作上线数据导入以迁移用户历史会话。
匹配字段摘要、正文
腾讯领跑、百度第二，AI办公市场格局未定
QuestMobile三季度报告显示，9月AI办公赛道合计活跃用户达1.42亿，同比增长50.6%，办公Agent榜前三为腾讯WorkBuddy 3235.3万、百度搭子977万、阿里千问办公790.5万。易观桌面端口径下，WorkBuddy、千问办公、豆包工作月访问量分别为8534万、4655万和3039万次，合计占20款上榜产品的53.1%。文章指出各家的竞争点在于把个人试用转为团队固定支出，并提到WorkBuddy个人版连续包月分为70元、140元和700元三档，百度搭子企业席位限时132元/席位/月。
匹配字段摘要、正文
REA 爆火后产品经理抱团防御，仿冒仓库已植入木马
钛媒体 AGI 梳理了逆向工程 Agent 工具 REA 爆火后的连锁反应：产品经理们开始把密钥和核心逻辑搬出客户端、加壳混淆，并援引 Thales 的 Sentinel Envelope Plus 和 Quarkslab 8 月的文章寻找对策。文章同时记录了质疑声音，Elias Bachaalany 称其为炒作，指出 GhidraMCP、IDA Pro MCP 等工具在 2025 年已实现 AI 逆向分析。此外，一个模仿 rea.tools 的 GitHub 组织 rea-tools 发布带毒压缩包 rea-x64.7z，被举报时已下载 172 次，REA 维护者随后在 README 中明确只认三个官方入口。
匹配字段摘要、正文
刘强东为何没有拒绝豆包：京东默许豆包手机助手SAEP
豆包手机助手《屏幕自动化操作声明协议》结束30天公示期后，超过150款主流App拒绝接入，京东是唯一默许的电商平台。文章认为京东自营电商靠卖货赚毛利、不依赖站内流量闭环，Agent截流对其冲击远小于淘天、拼多多等平台型电商，且京东与字节长期保持竞合关系。京东此前也已接入微信Agent和元宝，在Agent内以对话方式购物。
匹配字段摘要、正文
Git 被换掉、LLM 被替代：AI 编码开始反噬传统工具链？
雷锋网梳理了三个案例：Anthropic 因 Claude 持续生成代码，7 名工程师用 5 个月开发出版本控制系统 Scion 并迁移核心仓库，主分支历史接近 100 GB，迁移后基础设施 CPU 和内存需求约缩小 200 倍；GitHub 用微调后的 ModernBERT 替换密钥扫描中的通用 LLM，线上 Post-push 扫描执行时间中位数下降 86%，模型服务成本下降超过 98%；哥伦比亚大学与 Google DeepMind 等机构提出 BTTF，把芯片仿真波形转成 SQLite 供 Agent 用 SQL 排查异常，在 4.2 GB 波形实验中执行准确率 95.33%。文章认为，随着 Agent 提高代码产出，瓶颈会沿交付链路向后移到 CI 的构建、测试与部署验证。
匹配字段摘要、正文
SemiAnalysis 播客拆解 GLM 5.3：后训练、稀疏注意力与国产芯片适配
SemiAnalysis Weekly 播客 Ep. 038 围绕智谱两个月前发布的开源模型 GLM 5.3 展开拆解，嘉宾为分析师 kimbochen 与 gao_wenyao。节目指出 GLM 5.3 与 5.2 架构完全相同，提升全部来自后训练，agentic 基准提升超过 2%，其管线以 GRPO 为基础分阶段推进并开源了 slime 后训练框架。嘉宾还澄清稀疏注意力解决的是内存带宽而非容量瓶颈，并称 GLM 5 从第一天起全栈适配华为昇腾、摩尔线程等七大国产芯片平台。
SemiAnalysis Weekly 播客 Ep. 038 围绕智谱两个月前发布的开源模型 GLM 5.3 展开拆解，嘉宾为分析师 kimbochen 与 gao wenyao。节目指出 GLM 5.3 与 5.2 架构完全相同，提升全部来自后训练，agentic 基准提升超过 2%，其管线以 GRPO 为基础分阶段推进并开源了 slime 后训练框架。嘉宾还澄清稀疏注意力解决的是内存带宽而非容量瓶颈，并称 GLM 5 从第一天起全栈适配华为昇腾、摩尔线程等七大国产芯片平台。
匹配字段摘要、正文