搜索“Agent”

Browser Use 发布极简 Agent harness 并开源

Browser Use 发布并开源 约600行的极简 agent harness（browser-harness）

查看事件：Browser Use 发布极简 Agent harness 并开源

Browser Use 联合创始人提出 Agent 框架应最小化抽象

2026年1月16日,Browser Use 联合创始人兼 CTO 撰文提出,Agent 框架应最小化抽象、把价值交给模型。文章认为 agent 本质上只是一个消息 for-loop,99% 的工作在模型内部完成,框架里的抽象反而会限制模型能力。文中复盘团队如何推翻初版框架,重写为极简的 BU Agent,让模型直接发出 Chrome DevTools Protocol 指令并调用浏览器扩展 API,先给最大能力再按评测收紧限制。文章还介绍了用于控制浏览器状态膨胀的 ephemeral messages、用 done 工具显式终止 agent 的做法,并宣布将这套方案以 agent-sdk 开源。目前该观点仍以这一篇第一方文章为主要证据,尚无后续发展事实。

Browser Use 联合创始人提出 Agent 框架应最小化抽象

Browser Use 提出观点 Agent 框架应最小化抽象、把价值交给模型

查看事件：Browser Use 联合创始人提出 Agent 框架应最小化抽象

Anthropic公开提交S-1注册声明拟在纳斯达克IPO

Anthropic于10月26日公开提交Form S-1注册声明,计划以代码ANT在纳斯达克上市。招股书显示,其营收从2023年的4100万美元增至2026年上半年163亿美元,Q2单季116亿美元、运营利润9.74亿美元;上半年约48%收入经Bedrock、Vertex和Azure Marketplace流转,并列出最高1205亿美元的NVIDIA算力承诺。此后,World Trade Securities于10月27日测算其到2027年末现金储备有望接近4000亿美元;Anthropic在IPO文件封面信中重申Claude不会展示广告,并于10月28日承认生命科学业务缺乏物理实验经验。10月28日,高盛拿下招股书lead-left席位,TechCrunch报道公众股东对董事会人选几乎无话语权。10月29日,招股书披露四起此前未公开的Agent安全事故。10月30日,路透报道其IPO募资上限有望达1000亿美元;史蒂夫·艾斯曼则指责招股书刻意不披露第三季度数据,Anthropic尚未回应。

Mistral在Hugging Face发布Large 4权重

2026年10月29日,Mistral发布Mistral Large 4(Le Chonk)的开放权重,这是一个1万亿参数的原生多模态模型,在预览版基础上继续强化学习,编码与防御性网络安全能力提升。据Mistral AI公布的数据,该模型在FrontierCode 2.0上得分19.7%,在Artificial Analysis Coding Agent Index上得48%,与GLM-5.3基本持平,但每任务平均少用47% token;Terminal-Bench 4.0提升13个百分点至41%。模型支持三种推理模式,采用修改版MIT的Mistral Ecosystem Open-Weight许可,API定价为每百万输入token $0.70、缓存输入$0.07、输出$2.10。同日,Unsloth发布该模型的1-bit GGUF量化版本,称可在Mac Studio上本地运行,量化后仍保留91% top-1准确率,并提供下载链接和使用指南。

swyx称Gemini在AAv5上排名第一令其重新试用Antigravity

2026年10月29日,swyx转发Artificial Analysis的评测结果并表示,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。他说,这一结果让他很久以来第一次打开Antigravity,目前正在获取早期评测,并会随后反馈。swyx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,他认为这是对bitter lesson的一个奇特反例。

Quinn与Thorsten Ball介绍Amp团队工作方式

2026年10月29日,Quinn和Thorsten Ball介绍Amp团队的工作方式。据邵猛当日报道,Amp团队约21人,一周只开一次会,没有季度目标、没有强制PR和代码评审,直接推main,平均每天约90次发布,从进main到全员可用约7.7分钟。报道称,其质量靠先让Agent给出端到端证据、全员试用产品与特性开关控制,而非依赖流程。两位创始人强调,这种形态依赖人少、彼此磨合过并以营收和产品成功为动机,并非把大组织乘上AI就能复制的模板。

Google发布Gemini 4 Carbon模型

2026年10月28日,Google DeepMind发布Gemini 4 Carbon,称其为最强模型,在Artificial Analysis Intelligence Index v5.0上以59分排名第一,并在SEC-bench Pro取得88.2%、ExploitGym取得54.8%、CWE-bench取得71.0%。该模型面向长程工程任务,先向部分网络安全防御者开放,再通过Fairwind Program扩大范围,之后面向开发者、企业和消费者。10月29日,Arena.ai称Gemini 4 Carbon在Agent Arena排名第二、净提升16.2%,并推动帕累托前沿移动;同日Yuchen Jin引用Artificial Analysis数据提出保留,指出评测使用Antigravity CLI。10月30日,Artificial Analysis智能指数显示其以59分居首,比Claude Opus 5.5高1分。10月31日,Perplexity CEO Aravind Srinivas分享早期评测,称其在WANDR基准刷新SoTA。

Anthropic高管谈Opus 5.5发布与Claude平台工程

2026年10月28日,Anthropic工程负责人Katelyn Lesse与产品负责人Angela Jiang接受Latent Space播客访谈,围绕Opus 5.5的发布展开讨论。访谈涉及模型写作风格调整、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。两人还介绍了Claude Managed Agents把会话与harness同执行代码的沙箱分离、凭据通过代理单独挂载、沙箱故障不会带走整个会话的设计,并说明Dreaming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。

OpenAI在ChatGPT Work和Codex上线GPT-6.1 Terra

2026年10月27日,OpenAI发布并上线GPT-6.1 Terra,主打快速高效、视觉推理与精确的电脑操作,写作也更清晰自然,当日向ChatGPT Work和Codex中的Plus、Pro、Enterprise与Edu用户推送。同日,Arena宣布该模型进入Agent Arena与Code Arena;OpenRouter上线该模型,称其在Agents' Last Exam上与GPT-6 Astra持平,每token价格为其十分之一;OpenClaw也宣布可选用该模型。OpenAI联合创始人Greg Brockman表示,Terra的computer use已跨过质变门槛,用起来比他本人独立操作电脑还快。fal则用fal Codex插件测试了把Blender 3D内容制作成Seedance 2.5电影级画面。10月28日,Arena公布Terra在Code Arena: WebDev以1671分排第14,每任务中位成本0.40美元,比GPT-5.6 Terra低28%。OpenAI系统卡确认Terra整体比旧模型更安全,但在隐瞒不确定性、绕过限制、数据外泄和破坏性操作等项上标记率

Claude工程负责人提出应给模型全量数据与工具、用对抗评审

Claude 工程负责人 Felix Rieseberg 在访谈中提出,应把崩溃数据、业务工具和电脑交给模型,让模型自行决定修什么,而不是由人当传话筒逐条转述。他建议对同一产出开多条线程专攻证明其错误,再开一条做 judge 筛选成立的批评;与其给每个 Agent 切一小片数据,不如给全景业务视图和文档清楚的工具。他还提到 Skills 半衰期极短、官方与个人都建议慎用,且同一个会话自评仍不可靠,应尽量找外部信号。

Claude工程负责人提出应给模型全量数据与工具、用对抗评审

Claude 工程负责人 Felix Rieseberg 在访谈中提出,应把崩溃数据、业务工具和电脑交给模型,让模型自行决定修什么,而不是由人当传话筒逐条转述。他建议对同一产出开多条线程专攻证明其错误,再开一条做 judge 筛选成立的批评;与其给每个 Agent 切一小片数据,不如给全景业务视图和文档清楚的工具。他还提到 Skills 半衰期极短、官方与个人都建议慎用,且同一个会话自评仍不可靠,应尽量找外部信号。

查看事件：Claude工程负责人提出应给模型全量数据与工具、用对抗评审

Itamar Friedman提出工程团队须自建并拥有有边界的L4系统

2026年10月24日,QodoAI创始人Itamar Friedman提出观点,认为工程团队须自建并拥有有边界的L4系统。他表示,各阶段都有Agent并不等于已有软件工厂;工厂的目标是在界定工作类上自主走完授权生命周期、产出可检验证据,并在失败时安全兜底,形成有边界的L4系统。他借用自动驾驶分级自拟L0到L5框架,指出L4不等于无所不能,运行边界本身就是能力的一部分,可先对成熟内部服务的例行变更冲L4,对支付授权等仍紧控。他强调System > Agents > LLMs,团队优势在于自建并拥有边界、证据、权限与反馈,而非堆模型或买黑盒。目前该观点由单一来源报道,尚无后续发展事实。

DeepSeek整合Harness与网页、App、开放平台团队

2026年10月16日,DeepSeek成立产品部,将Harness、Web、App、Platform四个团队整合,由出身量化交易的崔添翼负责,统筹产品、设计和研发。相关报道提到,DeepSeek Harness于8月13日以MIT协议开源,截至10月中旬仓库积累约25万颗GitHub Star;官网已挂出AI产品经理和Agent Harness两个方向的招聘岗位。报道还提及,R1核心贡献者郭达雅因看好Agent方向在DeepSeek内部优先级不高,于2026年3月离职加入字节Seed。目前该整合由崔添翼统筹,暂无进一步有证据的后续发展。

Boris Cherny分享Claude Code五条实战原则

2026年10月22日,Claude Code作者Boris Cherny在斯坦福CS146S课程第四周分享Claude Code的五条Agent实战原则。他提到自己同时运行着几千个Claude agent,团队自去年11月起代码接近全部由Claude写出,人均产出约提升10倍。五条原则包括:自动化研发瓶颈(已自动化code review,下一步是审批)、为六个月后的模型而建、小团队更快、用循环方式调度agent,以及懂领域的人会赢。他还提到Claude Code早期收入连续数月持平,Opus 4发布后增长才陡升。目前该分享为单一来源报道,尚无后续发展事实。

Nadella致股东信提出以Token成本对应业务结果

2026年10月22日,微软CEO Satya Nadella在2026年度致股东信中提出搭建前沿生态,并以“Token成本对应业务结果”(cost-to-outcome,即每份Token开销换来的业务结果)作为新的软件经济学优化指标。信中同时披露2026财年微软营收3318亿美元、同比增长18%,Azure增长41%并首次突破1000亿美元,M365 Copilot付费席位超过3000万、GitHub Copilot用户达5000万。信中还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。目前该信内容由单一来源报道,尚无后续独立发展。

Jediah Katz提出Harness编码补丁正被模型吸收

2026年10月21日,Grok Bot 与 Cursor Harness 负责人 Jediah Katz 提出判断,认为 Harness 中帮模型写代码的部分正被模型吸收,花哨的 Harness 已不再增加模型的编码能力。他同时表示,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。目前该判断由单一来源报道,尚无后续发展事实。

QuestMobile发布三季度AI应用市场报告

QuestMobile发布2026年三季度AI应用市场报告。报告显示,9月豆包以4.19亿月活居AI原生App首位,千问、DeepSeek分别以1.58亿、1.23亿位列第二、第三。办公Agent榜中,腾讯WorkBuddy以3235.3万月活居首,百度搭子、千问办公分别以977万、790.5万排名第二、第三。9月AI办公赛道月活达1.42亿,同比增长50.6%,办公类Agent的PC客户端用户规模同比增长512.2%。另有报道称,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。

DeepSeek发布DeepSeek-V4.1-Flash-1017

2026年10月17日,DeepSeek发布DeepSeek-V4.1-Flash-1017,官方称其基准表现更强、任务完成更快、输出更短,在性能与成本上实现帕累托改进,已在官网、App和API上线;同日该模型在OpenRouter上线。官方还宣布Search与Fetch API向所有人开放,每个端点每1000次调用收费0.75美元,通过DeepSeek Harness、Claude Code和Codex中的服务端工具发起的调用暂时免费,计费自2026年10月31日16:00 UTC开始。10月17日,Thomas Wolf评论称DeepSeek将此次称为“minor update”,但Terminal-Bench 4.0从31.2升至42.3。10月19日,Arena宣布该模型以1670分成为Code Arena: WebDev排名最高的开源模型。10月20日,OpenCode将其在Go和Free中更新至1017版本;Unsloth发布可在本地运行的GGUF,1-bit量化版保留约88.2%准确率、体积从508GB降至250GB;Arena又宣布其登顶Agent Arena开源模型榜

Alexandr Wang访谈复盘Muse诞生始末

Meta超级智能实验室负责人Alexandr Wang在最新长访中复盘了Muse的诞生始末。据Sensor Tower估算,Muse于9月8日上线后约22天达到500万美国下载,曾登顶美区App Store免费榜。他解释,年初全行业涌向coding agent时,团队判断个人超级Agent才是消费品的终点形态,2月提交备忘录后一两周做出原型,最终模型加产品团队不到200人。他还回应天价挖人,称对不少顶尖研究员薪酬只是净中性,真正吸引力是从零建实验室、清晰的北极星和不被限制的资源。