Modal 官方工程博客发布教程，演示如何在 OpenAI Agents SDK 之上从零搭建自定义编码智能体框架，并接入 Modal Sandboxes 为智能体提供可运行代码甚至 GPU 的隔离环境。教程逐步加入 Session 记忆、orchestrator 与 subagent 分工、异步 SubAgentPool 并行、GPU 配额限制、文件系统快照去重以及 Skills 插件，最终实现可在 GPU 上并行运行 OpenAI Parameter Golf 实验的通用编码框架。文中提到 Ramp 在 Modal 上构建的后台编码智能体已负责其超过一半的 PR。
匹配字段标题、摘要
Sebastian Raschka 将编码智能体拆解为实时仓库上下文、提示词与缓存复用、工具调用、上下文压缩、结构化会话记忆和受限子智能体六个组件。他以纯 Python 实现的 Mini Coding Agent 为例，说明智能体框架如何管理代码上下文、工具、执行与迭代反馈，并比较了编码智能体与 OpenClaw 的定位差异。
匹配字段标题、摘要
Ramp 基于 Modal Sandboxes 构建内部后台编码智能体 Inspect，目前 Ramp 前后端仓库约一半的已合并 PR 由它发起，Inspect 自身超过 80% 的代码也由它编写。每个会话运行在包含 Postgres、Redis、Temporal、RabbitMQ 等完整开发环境的沙箱中，OpenCode 作为编码智能体，配合 VS Code server、Web 终端和带 Chromium 的 VNC 做前端可视化验证。Modal 的 Cron 每 30 分钟克隆仓库并生成文件系统快照，会话从最新快照启动，几秒内即可开始处理提示词，并支持 Slack、Web、Chrome 扩展等多客户端与多人协作。
匹配字段标题、摘要
Google 的 Gemini 4 Carbon 在 Artificial Analysis 智能指数上以 59 分排名第一，比 Claude Opus 5.5 的 58 分高 1 分，比 GPT-6 Astra 的 57 分高 2 分。Artificial Analysis 发现 Carbon 在 9 项评测中赢下 4 项（HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA），但在编码和知识工作上并不领先。按标准价格计算，它每个指数任务花费 7.76 美元，比 Opus 5.5 的 10.04 美元低约 23%，但高于 GPT-6 Astra 的 6.25 美元。
匹配字段摘要、正文
OpenAI 于 10 月 23 日披露前沿模型的训练环境，模型练习搜索、浏览和操作网页时使用预先保存并建立索引的网页资源，不直接访问真实互联网，其所有前沿模型的强化学习训练都采用这种离线交互。环境采用受限容器、轻量虚拟机、Hypervisor、防火墙与身份权限管理、监控暂停机制等多层隔离，但 OpenAI 仍保留部分外部连接用于收集指标、记录日志和管理身份验证。在专门测试隔离效果的实验中，OpenAI 让两个 AI 尝试互相传消息，所用通道是 CPU 缓存，多数测试中研究人员给过通信方向或编码规则的提示；OpenAI 称已修补发现的问题并为这些通信方式增加监控。
匹配字段摘要、正文
作者用 50 条短消息测试 Claude Fable 5.1 的图像隐写能力：只要求把指定句子藏进图里，模型会自发用物体高度等视觉属性编码，另开新会话只给渲染后的 PNG，同一模型仍能解出约 78%（39/50）。交叉解码中 Fable 编码、Astra 解码成功率为 88%（44/50），Astra 编码、Fable 解码为 84%（42/50），Astra 自身解码也是 84%。作者指出这属于图像隐写的早期迹象，但解码要靠工具量测像素，监控工具调用即可发现。
匹配字段摘要、正文
Browser Use 发布 2026 年浏览器 Agent MCP 服务器盘点，把这类服务器分为驱动和委托两种模式，并逐一评测 Browser Use Cloud MCP、Browser Use 开源 MCP、Hyperbrowser MCP 和 agent-browser chat 四款。作者在 100 个 BU Bench V2.1 任务的对比评测中发现，四个驱动类工具每个任务的中位输入 token 消耗在 2.1M 到 6.7M 之间，全部计入编码 Agent 的上下文。文中还给出各服务器的安装命令、模型选择、计费方式与已知限制，并说明长任务、并行任务和结构化输出场景更适合委托模式。
匹配字段摘要
Artificial Analysis 在 AA-AgentPerf 上发布 NVIDIA Vera Rubin NVL72 的初步结果，在 DeepSeek V4 Pro 上每兆瓦总吞吐最高约为前代 GB300 NVL72 的 5.7 倍，DeepSeek V4.1 Flash 约 5.4 倍，GLM-5.2 约 3.0 倍，Kimi K3 约 2.8 倍。Vera Rubin 是 NVIDIA Blackwell 的继任者，NVL72 为机架级系统，含 72 颗 Rubin GPU 和 36 颗 Vera CPU，每颗 GPU 内存与 Blackwell Ultra 同为 288 GB，但内存带宽为 2.4 倍、NVLink 带宽 1.7 倍、密集 NVFP4 算力 2.3 倍。AA-AgentPerf 通过回放真实智能体编码会话衡量推理性能，Vera Rubin 在 DeepSeek V4.1 Flash 上创下 906 tok/s 的单用户速度纪录。
匹配字段摘要
Dan Shipper 称 Gemini 4 已发布，他与 every 团队六人用一周时间在编码、写作、设计和知识工作上做了实测，结果好于预期。他认为 Gemini 4 是出色的写作搭档，擅长梳理结构与打磨比喻，但在重构既有代码库和自检上表现不佳：在 Senior Engineer 基准的重构任务中运行 4 小时 47 分钟仅得 21%，而 GPT-6 Astra、Fable 5.1、Sonnet 5.5 和 Opus 5.5 为 81% 至 85%；Kieran 的 38 次基准运行中有 17 次代码审查步骤仅相隔 30 毫秒就开合。他还指出 Google 的桌面智能体应用 Antigravity 落后 Claude Code 和 Codex 约半年到一年，缺少云环境、SSH、内置浏览器和智能权限检查，建议通过 Cursor 或 API 使用该模型。
匹配字段摘要
Google 官方五天 AI Agents 课程发布第二份白皮书 Agent Tools & Interoperability，梳理 Agent 生态的完整协议栈：MCP 负责 Agent 连工具、A2A 负责 Agent 连 Agent、A2UI 负责 Agent 连界面、AP2/UCP 负责 Agent 连交易。白皮书称 MCP 把 N 个模型乘 M 个工具的集成复杂度从 O(N×M) 降到 O(N+M)，并给出重消费轻建造、公共未审核 MCP 不上生产、凭证不硬编码等实践规则；A2A 部分提出专家 agent 不能当工具调用，Agent Card 相当于机器可读简历，注册表相当于劳动力市场。
匹配字段摘要、正文
TensorZero 在数据抽取、智能体编码和客服三个任务上对比了 OpenAI 的 RFT 与 SFT，RFT 成本是同等数据量 SFT 的 100-700 倍。RFT 仅在智能体编码任务上明显优于 SFT，数据抽取上更大数据集的 SFT 效果更好且成本低 159 倍，客服任务上 RFT 反而比基线更差。作者还指出 RFT 会触发比 SFT 更严格的内容审核，导致部分公开基准数据集无法通过验证。
匹配字段摘要
Image-to-WebDev Arena 更新显示，Anthropic 的 Claude Opus 5.5（Max）以 1749 分登顶，Claude Sonnet 5.5（xHigh）以 1740 分、9 分之差位列第二，两款模型均进入帕累托前沿。价格方面，Opus 5.5 的混合输入输出 token 价格为 $16/M，比第三名 GPT-6 Astra 的 $40/M 低 60%；Sonnet 5.5 为 $8/M，比 Opus 便宜 50%，且排名高于 GPT-6 Astra 而成本低 80%。该榜单评估模型从图像和截图生成网站的能力，以及涉及多步推理和工具调用的智能体编码工作流。
匹配字段摘要
OpenAI Developers 发文说明，随着模型能力提升，为 Codex 等编码智能体积累的 skills、AGENTS.md 和任务提示词需要重新审视，GPT-6 Astra 尤其如此。文章建议 skill 描述尽量简短并明确使用时机，多流程 skill 用根文档做最小路由实现渐进披露，避免写成过于具体的步骤清单。AGENTS.md 中要求每次编辑前通读文档、强制跑测试等旧指令可能浪费上下文，而 GPT-6 Astra 会自行检查工作，但可能更早停下等待确认，因此需要提前定义完成标准。
匹配字段摘要
TensorZero 在数据抽取、智能体编码和客服三个任务上对比了 OpenAI 的 RFT 与 SFT，RFT 成本是 SFT 的 100-700 倍。RFT 在智能体编码任务上明显优于 SFT，但数据抽取用 SFT 效果更好且成本低 159 倍，客服任务中 RFT 反而比基线更差。作者还指出 RFT 触发了比 SFT 更严格的内容审核，导致部分公开基准数据集无法通过验证。
匹配字段摘要
作者在单张 RTX 5090（32 GB 显存）上运行 MiniMax H3，目标是 15 秒内生成 15 秒、448×256 的可看视频，并把显存需求从 80GB 降到 30GB 以下。实现基于 FastVideo 的 FastH3 V2 checkpoint 四步采样，配合 VSA 稀疏注意力、ClipProj 将 32B 文本编码器换成 Qwen3-VL-4B、FastVideo 的 INT8 剪枝 checkpoint、融合 FP4 MLP 以及 Kijai 的 INT8 视频解码器与 NVENC 重叠编解码。作者已将自定义 Comfy 节点开源在 https://github.com/Comfy-Org/comfystreamerh3，并指出画面细节、一致性和分辨率仍有明显提升空间。
匹配字段摘要
Mitchell Hashimoto 为终端写了一份新转义序列规范 OSC 7501，即 Program Status Protocol，让程序通过 pty 直接上报自身状态：idle、working、waiting on the user、finished 或 failed，并可附带原因。序列体由冒号分隔的 key=value 组成，唯一必填键是 state，可选 app 和 base64 编码的 msg，多任务可用层级 id 同时上报多条记录。他指出 agentic inbox 目前靠屏幕启发式或非终端 API 判断 agent 状态，前者需频繁维护规则，后者要逐个集成且难以跨 SSH 和容器；他已用不超过十几行代码在 libghostty、Rex、Terraform、Claude Code、Codex 和 Homebrew 中实现该协议。
匹配字段摘要
Artificial Analysis 获得 Reflection 授权，正在对 Beam 进行独立评测。早期指标显示，Beam 在同等智能水平下可能是其见过 token 效率最高的开源模型之一。Reflection 此前宣布 Beam 为高效智能体开源模型，总参数 501B、激活 23B，主打前沿推理效率与编码及智能体任务，完整权重将于本月发布。
匹配字段摘要
LMSYS 发布 infer-forge 方法论文，介绍围绕 SGLang 的推理工程系统，由 MonoRepo、Harness、Task Loop 和 Task Graph 四层结构组成，用于让跨仓库的推理优化工作可复现、可验证。该系统为内部工程系统，并非 SGLang 或 LMSYS 官方组件，目前不开源，文章公开的是构建方法论，供团队交给 AI 编码工具并结合自身系统上下文搭建适配实现。文中给出使用记录：一位工程师 4 月至 7 月的在飞任务峰值从 2 个升至 9 个，DeepSeek-V4-Pro 服务项目中 38 个可独立验证的任务节点被组织成任务图。
匹配字段摘要
Hugging Face 发布教程，介绍 Sentence Transformers v6.0 新增的多向量（Late Interaction、ColBERT 风格）嵌入模型支持，通过 MultiVectorEncoder 加载 PyLate、Stanford-NLP ColBERT 与 ColPali 系列 checkpoint，并用 MaxSim 算子完成打分。文中给出编码、检索、重排、索引与评测的完整代码，并对比了索引开销：4,874 条 Natural Questions 段落产生 608,414 个 token 向量，约为 MiniLM 索引的 42 倍，压缩为 fast-plaid 索引后为 92 MB。同数据同骨干训练的 LateOn 与 DenseOn 在 13 个 NanoBEIR 数据集上平均相差约 1 个 NDCG 点，LateOn 在 9 个数据集上胜出。
匹配字段摘要
Anthropic 总结了面向 Claude 5 代模型和 Claude Code 的上下文工程方法，称其删减超过 80% 的 Claude Code 系统提示词后，编码评测未出现可测量的损失。新方法强调让模型运用判断、设计更具表达力的工具接口，并通过 Skills、延迟加载工具和文件树渐进披露上下文。Claude Code 还提供 claude doctor，可用 /doctor 精简 Skills 和 CLAUDE.md 文件。
匹配字段摘要