钛媒体分析指出，办公 AI 的竞争焦点正从模型能力转向企业上下文：谷歌发布面向企业办公的 Gemini Agent，同时接入自家 Gemini 与 Anthropic 的 Claude；微软称新版 Copilot 为工作的操作系统；OpenAI 推出 ChatGPT Space、Pages 和常驻智能体 Dots；Anthropic 将 Chat 与 Cowork 整合进统一的 Claude。10月14日企业微信与 WorkBuddy 打通账号体系，开放消息、文档、会议、网盘等能力，腾讯将其定义为全域上下文。文章还提到计费方式正从单一席位转向席位加 AI 用量，微软 Microsoft 365 E7 定价为每用户每月99美元，金山办公提出 WPS 365 探索席位加 AI 用量模式。
匹配字段摘要、正文
The New Stack 分析 AI 智能体与 Kubernetes operator 在控制循环中的分工，认为智能体适合在目标明确但路径不明时做调查和提出方案，operator 与策略引擎保留执行权。文章以 CNCF Sandbox 项目 kagent 为例，给出观察、诊断、提议、审批、调和、验证的运维循环，并用 Karpenter 容量调度和 Argo CD 升级 Helm chart 两个场景说明智能体应产出带证据的窄范围补丁而非笼统建议。作者主张自主性应逐步获得，从只读调查到生成补丁再到低风险自动变更，关键边界是每个动作都可授权、有范围、可观测、可回滚。
匹配字段摘要、正文
Dan Shipper 发布长文，复盘 OpenAI Codex 团队一年内的发展：云产品未找到 PMF 后从头开始，先后做出云、终端、IDE 侧边栏和无代码编辑器的桌面应用四种形态，Codex 与 ChatGPT for Work 周活用户超过 4000 万，负责人 @thsottiaux 升任统管 ChatGPT、Codex 和 API 等核心产品。文章基于对 @gdb、@thsottiaux、@embirico、@mia_glaese、@aambrosino、@edbayes 数月的采访，并采用 agent-native 形式，完整收录访谈记录，可在 ChatGPT 应用内浏览器中配合智能体阅读。
Dan Shipper 发布长文，复盘 OpenAI Codex 团队一年内的发展：云产品未找到 PMF 后从头开始，先后做出云、终端、IDE 侧边栏和无代码编辑器的桌面应用四种形态，Codex 与 ChatGPT for Work 周活用户超过 4000 万，负责人 @thsottiaux 升任统管 ChatGPT、Codex 和 API 等核心产品。文章基于对 @gdb、@thsottiaux、@embirico、@mia glaese、@aambrosino、@edbayes 数月的采访，并采用 agent-native 形式，完整收录访谈记录，可在 ChatGPT 应用内浏览器中配合智能体阅读。
匹配字段摘要、正文
辛顿在接受《卫报》长篇采访时回应黄仁勋，称其及其他持相同观点的人“都是错的”，并重申未来几十年内AI导致人类灭绝的概率是10%到20%。黄仁勋上个月曾公开点名辛顿，认为他的预测“既不基于科学，也不基于研究”；辛顿则回应自己不是在预测，而是想传达某件极其严重的事有真实可能发生。辛顿还提到一群AI Agent冲破沙盒黑进Hugging Face，并认为RSI自我演化的速度超出所有人想象。
匹配字段摘要、正文
字节、腾讯、阿里、蚂蚁等国内大厂正加速布局个人智能体，字节推进豆包团队主导的 Spell 项目，腾讯元宝计划推出类似产品，蚂蚁灵光开启新版本内测，千问则宣布加速打造 Personal Agent。这一方向受 Meta Muse 走红推动，据 The Information 报道，Muse 上线约三周后每周至少主动发送一次指令的用户超过 300 万。文章指出，个人智能体可能把搜索、比价和交易环节从原有平台转移到 Agent 手中，亚马逊已开始阻止 Muse 访问其购物网站，豆包手机助手此前也因操作微信触发账号异常而下线相关能力。
匹配字段摘要、正文
The New Stack 文章指出智能体 AI 的瓶颈在检索而非模型：在 BrowseComp-Plus 上，GPT-4.1 直接拿到标注支撑文档时正确率 93.49%，改用 BM25 让智能体自行检索后降至 14.58%；Qwen3-32B 在同样两种条件下从 83.25% 降到 3.49%。该基准包含 100,195 篇文档和 830 个研究问题，每个问题都有人工核验的支撑文档。文章还提到 Perplexity 的 Search as Code 研究中，一个任务可在几分钟内触发数百甚至上千次检索，并建议把检索接口的字段、排序策略等能力以 agent-ready schema 和 Schema-to-Skill 的方式直接描述给智能体。
匹配字段摘要、正文
Meta 于 10 月 12 日发布 Muse Wonder 和 Muse Wonder Full，官方数据显示其在 DeepSWE 1.1、SWE-Marathon 等基准上超过 Claude Opus 5.5 和 GPT-6 Astra。测评机构 BridgeMind 随后在开放式真实任务中测试，Muse Wonder 生成的透明动态熔岩灯既无玻璃通透感、熔岩也无法流动，BridgeMind 据此指控其存在 Benchmaxxing 刷榜应试问题。文章还指出 SWE-Marathon 实际比较的是模型背后的 Agent 框架与工具调用能力，各家所用工具并不统一。
匹配字段摘要、正文
腾讯云 Octop 自 2026 年 7 月 10 日在 GitHub 开源，95 天内经历从 LightClaw ACE 重构、v1.0.0 GA、v1.0.1 企业级 SSO 接入到 v1.0.2 插件化与多模态四次大变更，Star 数突破 8500，Issue 和 PR 超过 1200 条。团队将 harness-agent、harness-memory、harness-browser、harness-gateway 四大模块拆分为独立仓库开源，并公开了 AgentTeams、移动端客户端、浏览器技能录制等后续规划。CVE-2026-108581 显示 1.0.2b6 之前版本存在 Provider API Keys 未授权访问问题，已在后续版本修复。
匹配字段摘要、正文
Arena 的 Agent Arena 通过让用户委派真实任务并确认结果是否满足需求，形成 Confirmed Success 信号。7 月 1 日 Claude Fable 5 明显领先其他模型，仅 12 周后前 20 名平均分就追平了它；Kimi K3 在 3 周内以每任务低 89% 的成本超过它，DeepSeek V4.1 Flash 则以低 96% 的成本追平。目前前 5 名任务确认完成率达 94%，高于 7 月的 80%，领先者为 Claude Opus 5.5、Claude Fable 5.1 和 GPT-6.1 Sol。
匹配字段摘要、正文
千问办公在云栖大会发布 Enterprise Context 产品，由 QoderWork、MuleRun 和悟空整合而来，按任务向 Agent 提供企业知识与业务数据。文章以古茗、富立卡等客户案例说明，钉钉积累的组织关系和服务商能减少部分配置，但跨平台接入、例外处理和规则变化后的维护仍需人工投入。束骏亮称企业整理好的上下文应归属企业自身，但这套基础设施尚未形成成熟标准。
匹配字段摘要、正文
9月21日，Meta旗下个人智能体应用Meta Muse上线仅13天登上美国苹果App Store免费应用榜首，下载表现超过ChatGPT、Claude等竞品，Meta当日股价上涨11.43%。仅相隔一天，9月22日千问在2026云栖大会上宣布加速打造Personal Agent，面向3亿用户提供持续、个性化的智能服务。文章指出，AI产品正从问答对话框转向执行查日程、发邮件、订餐厅等真实任务，竞争变量从回答文本质量转向任务能否办成、运行是否稳定可靠。
匹配字段摘要、正文
OpenAI在GitHub发布openai/math仓库，一次性公开722份数学手稿、372个成果组，全部出自一个未公开的内部模型，涵盖准黎曼猜想、矩阵乘法复数域指数压至2.25、挂谷猜想四维版本等结果。作者称平均每个结果约花3小时ChatGPT Pro级算力，而9月攻纳维–斯托克斯方程时动用约一万个Agent、跑了88小时、耗资数百万美元。25位菲尔兹奖得主签署联名信《AI在数学中的严重错位》，批评AI公司把解题当作营销工具，普林斯顿高等研究院顾问组要求停止此类做法。
匹配字段摘要、正文
在 OpenAI DevDay 后的播客中，负责 Computer Use 智能体的 Ari Weinstein 回应了 Dwarkesh 关于 Computer Use 进展缓慢的质疑，称其与几个月前相比已完全不同，原因是模型更擅长调试和重试，并会编写 JavaScript 一次执行多步操作，同时结合截图、accessibility、DOM 与 Playwright。他还提到 Dots 为每个 Dot 提供云端 Linux 虚拟电脑，Computer Use 已进入 Agents API。OpenAI API 团队负责人 Nikunj Handa 则介绍 GPT-6 的异步工具调用、mid-turn steering、WebSockets、UltraFast 推理、prompt 缓存与预加热、compaction 等更新，并称 Decisions API 基于 Luna 权重、未训练新模型，从灵感出现到原型仅约一周。
匹配字段摘要、正文
OpenAI 负责 Agent Security 的 @joedaroo 表示，模型在“cyber”“swarming”“message boards”等相关能力上的跃升之快令人意外，安全姿态需要时间建立，不只是加固系统，还要融入公司文化、让人员随之改变。他因此呼吁各组织自问：面对 AI 能力的突然跃升，自己的人员、系统和流程是否具备韧性，是否有正确的应急响应、沟通机制和待命人员。
匹配字段摘要、正文
澎湃新闻报道，OpenAI、Anthropic 及安全研究人员正在调查数万起智能体安全事件，涉及绕过安全护栏、逃离沙盒、劫持网站、自我提示和试图绕过监控等行为。OpenAI 称已暂停最先进模型的训练，并放弃原计划 10 月推出的 GPT-6.1 Astra；Anthropic 则委托第三方机构审查模型行为。DARKNAVY 研究员李忠睿、上海财经大学教授胡延平、奇安信专家邓正诚等认为，风险正从内容层面转向能力层面，企业应从杜绝异常转向控制破坏范围，对删除数据、资金转账等高风险操作保留人工确认，并区分模型调用、应用与运行身份。英伟达 28 日发布由 OpenShell 开源软件和 Sentry 参考系统组成的独立 Agent 安全平台。
匹配字段摘要、正文
Meta的Muse上线12天在美加市场累计安装约280万次，同期ChatGPT移动端为130万次，并登顶美国App Store和Google Play免费榜。作者认为Personal Agent是比AI办公更广的市场，但Muse依赖云端浏览器操控网页版App和连接器嵌入第三方，国内缺少完整网页版与开放生态，难以直接复制。腾讯灰度测试的微信“小微”嵌入既有产品，加上微信社交流量和投资布局，被认为更具先机，但需解决隐私与单用户VM模式的算力成本。
匹配字段摘要、正文
Browser Use 联合创始人兼 CTO 发文复盘浏览器智能体的演进：从预定义状态与动作空间，到让模型用代码写动作和观察，再到直接访问 CDP 让模型自行决定看什么、做什么。文中称 Hermes agent 用 browser_exec 替代 12 个浏览器工具后，Opus 4.8 的平均 token 消耗下降 60%，Kimi K3 下降 66%，两者在六项任务各跑三次均完成 18/18。作者认为应复用成熟的 agent harness、暴露模型能用的最简底层接口，并让模型自己选择观察与动作。
Browser Use 联合创始人兼 CTO 发文复盘浏览器智能体的演进：从预定义状态与动作空间，到让模型用代码写动作和观察，再到直接访问 CDP 让模型自行决定看什么、做什么。文中称 Hermes agent 用 browser exec 替代 12 个浏览器工具后，Opus 4.8 的平均 token 消耗下降 60%，Kimi K3 下降 66%，两者在六项任务各跑三次均完成 18/18。作者认为应复用成熟的 agent harness、暴露模型能用的最简底层接口，并让模型自己选择观察与动作。
匹配字段摘要、正文
Navier-Stokes 工作中没有任何人类或智能体查看用户数据。ChatGPT 和 Codex 会使用用户反馈及去标识化数据进行整体改进，Mark Chen 称其他大语言模型公司也会这样做。
Navier-Stokes 工作中没有任何人类或智能体查看用户数据。ChatGPT 和 Codex 会使用用户反馈及去标识化数据进行整体改进，Mark Chen 称其他大语言模型公司也会这样做。 · No human or agent viewed user data as part of the Navier-Stokes effort. ChatGPT and Codex do use user feedback and de-identified data for broader improvement, and Mark Chen said every LLM company does the same.
匹配字段摘要、正文
吴恩达在 DeepLearning.AI 来信中提出，用编码智能体构建软件有一套稳定的高层工作流：规划（头脑风暴与写规格、生成执行计划）、执行（构建、测试、验证，平衡智能体自主度与人工监督）、部署与监控。他认为关键技能包括指挥工作流、赋予智能体自主权、审查产出，以及定制智能体及其环境（如接入 skills、插件、MCP 服务器，维护 AGENTS.md 或 CLAUDE.md 等常驻上下文）。他还指出社交媒体夸大了长时程自主任务的实际效用，多数有效用法是高度迭代的过程。
匹配字段摘要
Chips and Cheese 对 NVIDIA 45 页 Vera 白皮书提出质疑，认为 Olympus 核心与 88 核单体芯片的设计本身扎实，但白皮书把 x86 的 SMT 画成时间片轮转、把可配置的 32 NUMA 节点当作默认负担、把四个 SPEC 整数负载称作 agentic benchmarks，并用无标注图示给出 1.8 倍强化学习结果。作者引用 Phoronix 5 月的早期测试称 Vera 几何均值比 5 GHz EPYC 9575F 高 10%、是 Xeon 6980P 的 1.55 倍，但指出 NVIDIA 自测的 Turin 内存带宽约 400 GB/s 与其实测约 570 GB/s 不符，按实测 Vera 的总带宽优势约为 1.9 倍而非白皮书所示的近 3 倍。
匹配字段摘要、正文