GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，代码主要由 AI 智能体编写，拆成 128 个 PR 增量合入 main，而非一次性切换。到 8 月 21 日运行时已是 100% 生产 Rust，共 832,378 行生产代码和 468,689 行 Rust 单元测试，另有 174,675 行 E2E TypeScript 测试。作者称这一原本需要整个团队一到两年的项目，主要由一名开发者用几个月完成，期间团队其余成员继续扩展运行时能力。
匹配字段摘要、正文
Google Developers Blog 发布零信任智能体系列第二部分，在 Gemini Enterprise Agent Platform 上用 Model Armor、Semantic Governance Policies 和 Agent Anomaly Detection 三项托管运行时治理替代自建容器与正则列表。文中以同一个客服退款智能体演示三类攻击：边缘拦截提示注入、在工具调用执行前按自然语言策略拒绝数字软件许可证退款、以及通过会话遥测发现跨多轮累计套取退款的行为。配套开源仓库 zero-trust-agents-2 可本地运行，包含交互式仪表盘和 ./demo/run_part2_demo.sh 演示脚本。
Google Developers Blog 发布零信任智能体系列第二部分，在 Gemini Enterprise Agent Platform 上用 Model Armor、Semantic Governance Policies 和 Agent Anomaly Detection 三项托管运行时治理替代自建容器与正则列表。文中以同一个客服退款智能体演示三类攻击：边缘拦截提示注入、在工具调用执行前按自然语言策略拒绝数字软件许可证退款、以及通过会话遥测发现跨多轮累计套取退款的行为。配套开源仓库 zero-trust-agents-2 可本地运行，包含交互式仪表盘和 ./demo/run part2 demo.sh 演示脚本。
匹配字段摘要、正文
RAG 通过在模型回答前检索外部信息并加入上下文，让 LLM 使用训练数据之外的最新、私有或大规模知识。其流程包括知识分块与嵌入、查询处理、段落检索、上下文注入和答案生成，但检索质量、来源质量及模型误读仍可能造成错误。ElevenLabs 还介绍了 ElevenAgents 的查询改写与模型竞速架构，称其将 RAG 中位延迟从 326 ms 降至 155 ms。
匹配字段摘要、正文
NVIDIA 团队用 NemoClaw 构建了记忆驱动的 Chief of Staff 智能体，通过 Markdown 自模型与 SQLite 账本分离证据与判断。在 Agent Memory Benchmark 上，自模型将整体准确率从 82.8% 提升到 90.9%，变化事实的跟踪率从 60.0% 提升到 100%。运行时由 NVIDIA OpenShell 沙箱管控文件系统、进程和网络访问，凭据留在沙箱之外，相关配方与设计提案已开源在 NVIDIA/nemoclaw-community 仓库。
匹配字段摘要、正文
DeepSeek Harness v0.1 现已开放开发者预览，并以 MIT 许可证开源，面向全球构建智能体运行框架的开发者。该项目由 Cordis 元框架驱动，将模型、工具、技能、会话、沙箱、文件系统、循环、编排和 UI 均实现为可组合、替换和扩展的插件。
DeepSeek Harness v0.1 现已开放开发者预览，并以 MIT 许可证开源，面向全球构建智能体运行框架的开发者。该项目由 Cordis 元框架驱动，将模型、工具、技能、会话、沙箱、文件系统、循环、编排和 UI 均实现为可组合、替换和扩展的插件。 · DeepSeek Harness v0.1 is now available in Developer Preview and open-sourced under the MIT License for developers building agent harnesses worldwide. Powered by the Cordis meta-framework, it implements models, tools, skills, sessions, sandboxes, filesystems, loops, orchestration, and UI as plugins that can be mixed, matched, replaced, and extended.
匹配字段摘要、正文
作者整理了 2026 年 1 月至 5 月收藏的 LLM 研究论文，并明确表示这不是完整收录，而是基于个人工作兴趣筛选的参考清单。内容侧重推理模型、强化学习和高效推理，同时涵盖 Agent 框架、工具使用、长上下文、扩散语言模型及服务基础设施。
匹配字段摘要、正文
Together AI 优化了 MiniMax M3 的生产级推理服务，使其支持 1M-Token 上下文、原生多模态与智能体工作流。MiniMax Sparse Attention 让预填充和解码分别提速超过 9 倍和 15 倍，其他优化使常见智能体流量下的性能提升 81%–125%。M3 开放权重发布后，Together AI 将提供开发者端点。
iMax Sparse Attention 让预填充和解码分别提速超过 9 倍和 15 倍，其他优化使常见智能体流量下的性能提升 81%–125%。M3 开放权重发布后，Together AI 将提供开发者端点。 · Together AI optimized production inference for MiniMax M3, enabling 1M-token context, native multimodality, and agentic workflows. MiniMax Sparse Attention delivered more than 9x faster prefill and 15x faster decoding, while broader optimizations improved performance by 81%–125% under common agentic traffic. Together AI will offer a developer endpoint after M3’s open weights are released.
匹配字段摘要、正文
Together AI 推出完全开源的 Violin 视频翻译工具，通过 ASR、大语言模型翻译和 TTS 语音合成生成译制视频。它还支持基于音视频内容的多模态问答和自然语言选声，不提供声音克隆，并默认以低音量保留原声。GUI、后端模型与智能体技能均以 MIT 许可证开放。
自然语言选声，不提供声音克隆，并默认以低音量保留原声。GUI、后端模型与智能体技能均以 MIT 许可证开放。 · Together AI introduced Violin, a fully open-source video translation tool that produces translated videos through ASR, LLM translation, and TTS voice synthesis. It also supports multimodal question answering grounded in audiovisual content and natural-language voice selection; voice cloning is disabled, and the original audio is retained at low volume by default. Its GUI, backend models, and agent skills are released under the MIT license.
匹配字段摘要、正文
Browser Use 官方博客公开了其开源库在生产环境运行的架构，采用 FastAPI on ECS Fargate 接收任务、单条标准 SQS 队列传递消息、Lambda 作为 worker 执行 Agent，并将检查点、截图、日志和输出文件存入 S3。由于 Lambda 有 15 分钟硬限制，系统在截止前两分钟优雅停止、将状态写入 S3 并重新入队，由新的 Lambda 调用恢复继续执行，continuation 计数器上限为 12，约合三小时墙钟时间。失败处理直接复用 Lambda 重试与 SQS 死信队列，三次失败后进入 DLQ 且不自动重投；作者还提到 Lambda 的 /tmp 在热实例间不会自动清理，因此每次调用开始时清空工作区。
匹配字段摘要、正文
Together AI 展示了如何用 Goose 和 together-dedicated-containers 技能，在单次会话中将 Netflix 的 void-model 部署至 Dedicated Container Inference。智能体可自动生成推理服务与容器配置；该模型能移除视频中的对象及其引发的阴影、反射和物理交互，推理任务以异步方式返回结果。
d-model 部署至 Dedicated Container Inference。智能体可自动生成推理服务与容器配置；该模型能移除视频中的对象及其引发的阴影、反射和物理交互，推理任务以异步方式返回结果。 · Together AI demonstrated how Goose and the together-dedicated-containers skill can deploy Netflix’s void-model to Dedicated Container Inference in a single session. The agent generates the inference server and container configuration automatically; the model removes video objects and their induced shadows, reflections, and physical interactions, with inference results returned asynchronously.
匹配字段摘要、正文
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。
匹配字段摘要、正文
Mistral AI 基于其开源编码助手 Vibe 搭建了一个自动为 Rails 项目生成和改进 RSpec 测试的智能体，可在 CI/CD 中无人干预运行，并支持多实例并行处理不同文件。该智能体通过仓库级 AGENTS.md 提供分步执行计划、按文件类型拆分 skills 文件，并加入 RuboCop 与 SimpleCov 自定义工具，其中把 SimpleCov 放在最后一步强制运行每个测试是最关键的决定，因为首次执行时只有约三分之一测试通过。在包含 275 个源文件的真实仓库实验中，已有测试文件的 LLM-as-a-judge 评分从 0.49 提升到 0.74，覆盖率达到 100%。
匹配字段摘要、正文
Browser Use 公开其网页智能体评测系统的工程实现：用 Blacksmith runners 在 GitHub Actions 上并行跑 100 个复杂网页任务，端到端耗时不到 5 分钟，并把 LLM judge 直接内建在智能体代码中。评测任务取自数百万条 LLM 标注的用户 span，而非合成站点，通过多次重复运行、固定 agentic 设置和统计 bootstrapping 处理真实网页的方差。其最终 judge 由 gemini-2.5-flash 驱动，在 200 条人工标注轨迹上达到 87% 的人类一致性，并已开源 benchmark 与 judge prompt。
匹配字段摘要、正文
Anthropic 工程博客介绍了让 Claude Agent SDK 跨多个上下文窗口持续工作的两段式方案：首个会话由 initializer agent 搭建环境，包括 init.sh 脚本、claude-progress.txt 进度日志和初始 git commit，后续每个会话由 coding agent 只推进一个功能并留下结构化更新。文章指出，即便 Opus 4.5 在 Claude Agent SDK 上循环运行，仅给高层提示也会出现一次性做完整个应用和过早判定完成两类失败，因此用 JSON 格式的功能清单标记 passes 状态，并要求智能体用 git 提交和进度文件保持环境整洁。测试环节需显式提示使用浏览器自动化工具做端到端验证，作者也提到 Claude 视觉与浏览器自动化工具的限制仍会漏掉部分 bug。
匹配字段摘要、正文
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。
匹配字段标题
2026年10月30日,Matt Palmer演示了在Cursor云Agent的Linux远程桌面上打开Chrome和真实Slack,让Agent用代码生成Slack界面动效视频,并对照真实界面检查easing与motion模式后迭代修改。他把流程拆成内环(Agent做事、对照真物检查、修复)和外环(人提供参考、偏好与权限并验收产出),并提出Do→Codify→Generalize的阶梯,把一次成功收成Skill再泛化。他强调没有反编译Slack,只是给Agent参考并要求它对照提取视觉模式。
匹配字段标题
2026年10月30日,Matt Palmer演示了在Cursor云Agent的Linux远程桌面上打开Chrome和真实Slack,让Agent用代码生成Slack界面动效视频,并对照真实界面检查easing与motion模式后迭代修改。他把流程拆成内环(Agent做事、对照真物检查、修复)和外环(人提供参考、偏好与权限并验收产出),并提出Do→Codify→Generalize的阶梯,把一次成功收成Skill再泛化。他强调没有反编译Slack,只是给Agent参考并要求它对照提取视觉模式。
匹配字段标题
Arena公布基于近9000次智能体会话的实测结果,OpenAI的GPT-6.1 Terra (Max)在Agent Arena排名第8,净提升+10.6%,单任务中位成本0.62美元。该成本低于第7名Gemini 4 Argon (High)的1.09美元、第6名GPT-6.1 Sol (Max)的0.89美元和第5名GPT-6 Astra (Max)的5.16美元。分项排名中,Bash Reliability列第3(+13.2%),Steerability列第7(+13.3%),Praise vs Complaint列第9(+16.8%)。目前尚无后续进展。
匹配字段标题
Arena.ai于2026年10月30日公布Agent Arena上各模型的单任务成本对比。统计显示,OpenAI的GPT-6.1 Sol(Max)每任务成本为1.91美元,比Claude Opus 5.5(Max)的12.51美元低85%,比GPT-6 Astra(Max)的14.93美元低87%。Arena.ai指出,这两项成本优势来源不同:相对Astra,Sol的优势主要来自更低的token单价;相对Opus,则主要来自每任务消耗更少的token。每任务成本按输入、输出和缓存读取token的数量乘以各自单价计算,Arena.ai通过对比价格与token用量来定位成本下降的原因。
匹配字段标题
Arena公布基于近9000次智能体会话的实测结果,OpenAI的GPT-6.1 Terra (Max)在Agent Arena排名第8,净提升+10.6%,单任务中位成本0.62美元。该成本低于第7名Gemini 4 Argon (High)的1.09美元、第6名GPT-6.1 Sol (Max)的0.89美元和第5名GPT-6 Astra (Max)的5.16美元。分项排名中,Bash Reliability列第3(+13.2%),Steerability列第7(+13.3%),Praise vs Complaint列第9(+16.8%)。目前尚无后续进展。
匹配字段标题