当同事是 AI 智能体，工作会变成什么样
The Guardian 采访了多家旧金山创业公司，描述 AI 智能体作为“同事”接管排期、编码、营销和招聘等任务后的实际体验。Anything 有 15 名人类员工和约 150 个智能体，Lindy 裁员三分之一后用智能体填补岗位；麦肯锡调查显示约 40% 大型组织在 2025 年 5 月至 2026 年 6 月间以某种形式使用 AI 智能体。员工反映需要花大量时间纠正智能体错误，客户和求职者对智能体沟通方式产生抵触。
匹配字段摘要
←搜索结果
搜索“编码”
Google 在 Android Dev Summit 开放 Android Studio 接入第三方…
Google 在 Android Dev Summit 上为 Android Studio Rabbit 2 推出 Bring Your Own Agent 功能，开发者可通过开放 Agent Client Protocol 在 IDE 内同时运行 Claude Agent、Codex、Google Antigravity 等 40 多个编码智能体，并直接访问项目结构、模拟器和 Logcat。Google 称内部测试中智能体在终端渲染 Compose 预览后完成 UI 任务快 77%、token 用量最多降至三分之一；使用 Claude Opus 5.5 的 A/B 测试中，内置 LeakCanary 的 CLI 查找并修复内存泄漏快近一倍、token 减少约 25%。面向端侧，Google 在 ML Kit 中加入由 Gemini Nano 4 驱动的 Agentic API alpha，并推出基于 MCP 的 AppFunctions API beta 与 Agent-to-UI 接口；同时与 XREAL 合作发布 Android XR 智能眼镜 XREAL AURA，售价 1,099 美元，11 月中旬发货。
Google 在 Android Dev Summit 上为 Android Studio Rabbit 2 推出 Bring Your Own Agent 功能，开发者可通过开放 Agent Client Protocol 在 IDE 内同时运行 Claude Agent、Codex、Google Antigravity 等 40 多个编码智能体，并直接访问项目结构、模拟器和 Logcat。Google 称内部测试中智能体在终端渲染 Compose 预览后完成 UI 任务快 77%、token 用量最多降至三分之一；使用 Claude Opus 5.5 的 A/B 测试中，内置 LeakCanary 的 CLI 查找并修复内存泄漏快近一倍、token 减少约 25%。面向端侧，Google 在 ML Kit 中加入由 Gemini Nano 4 驱动的 Agentic API alpha，并推出基于 MCP 的 AppFunctions API beta 与 Agent-to-UI 接口；同时与 XREAL 合作发布 Android XR 智能眼镜 XREAL AURA，售价 1,0
匹配字段摘要、正文
Google 发布 Gemini 4 Carbon，称网络安全能力显著跃升
Google 发布前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全方面有明显提升，并在 Artificial Analysis Intelligence Index（v5.0）上排名第一，Claude Opus 5.5 和 GPT-6 Astra 位列其后。该模型目前仅向部分网络安全防御公司开放，后续将通过 Fairwind Program 扩展给其他合作伙伴；它在 SEC-bench Pro 和 ExploitGym 两个基准上排名第一，定价与 Argon 相同，为每百万输入 token 2 美元、每百万输出 token 10 美元。
匹配字段摘要、正文
Google 发布 Gemini 4 Carbon，17 项基准中登顶 15 项
Google 发布面向网络安全与长时编码任务的前沿模型 Gemini 4 Carbon，在 Google 自家 17 项基准中登顶 15 项，但尚未公开，仅向部分网络安全防御人员开放。其在 Artificial Analysis 的 Intelligence Index 上得 59 分，超过 Claude Opus 5.5，比四周前的 Argon 提升 9 分；在长输入推理上领先 OpenAI Astra 和 Opus 24 分。API 介绍价为每百万 token 输入 2 美元、输出 10 美元，为 Opus 5.5 的一半，折扣期后翻倍至 Opus 的费率。Google 未公布扩大开放的时间。
匹配字段摘要、正文
Mistral Large 4 权重上线 Hugging Face，官方称在 CyberGym-E2E 和…
Mistral AI 在为期三周的预览后，将 Mistral Large 4 的权重发布到 Hugging Face。该多模态模型在 3800 块 Nvidia 加速器上训练，参数量达一万亿，目前仍难以在游戏 PC 或单卡上运行。Mistral 称其在网络安全基准 CyberGym-E2E 上领先 GLM-5.3 和 Kimi K3，在智能体编码基准 Terminal Bench 4.0 上与 GLM-5.3 持平，但尚无独立评测；预览版定价为每百万输入 token 1.4 美元、每百万输出 token 4.2 美元。
匹配字段摘要
Mistral 开放 Mistral Large 4（Le Chonk）权重
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。它在 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。
匹配字段摘要、正文
亚马逊要求工程师停止刷 token，改以交付成果衡量 AI 工具
亚马逊更新工程规范，要求团队以 AI 编码工具帮助交付的软件来衡量其价值，而非 token 消耗量，并警告不要把 AI 采用率、token 用量、代码改动和代码审查当作绩效指标。公司表示仍会查看用量数据，但需与其他指标结合：用量过低可能说明错失改进机会，用量过高则要追问交付是否相应提升。该规范针对刻意抬高 AI 消耗以在内网看板显得高效的 tokenmaxxing 行为；今年早些时候员工曾用内部 AI 智能体 MeshClaw 刷高 token 数，亚马逊在 5 月因排名被钻空子关闭了一个内部排行榜，并表示未设置员工 token 上限。规范还允许工程师得出某项任务不适合用现有工具的结论，称其为一种发现而非失败。
匹配字段摘要、正文
Hugging Face 恶意模型仓库劫持 GPU 挖矿，下架后数日内重现
Pluto Security 在 Hugging Face 发现 31 个恶意仓库，伪装成小型 Qwen2 测试 checkpoint，利用 trust_remote_code 在模型加载前执行 Python 代码，安装加密货币挖矿程序并开启反向 shell。下载量最高的 MENXIANGYU/qwen2-tiny 超过 2.8 万次下载，第一波账号被下架后数日内出现 19 个新仓库，报告 8 天后仍在线上。研究人员称平台扫描只查已知恶意软件和不安全模型格式，第二波旗舰模型扫描结果为干净。另一起报告中，GitHub 上的 SolanaUpdateTools/solana-starter-kit 仓库仅有 README，诱导 AI 编码智能体执行 PowerShell 命令安装 NetSupport RAT。
Pluto Security 在 Hugging Face 发现 31 个恶意仓库，伪装成小型 Qwen2 测试 checkpoint，利用 trust remote code 在模型加载前执行 Python 代码，安装加密货币挖矿程序并开启反向 shell。下载量最高的 MENXIANGYU/qwen2-tiny 超过 2.8 万次下载，第一波账号被下架后数日内出现 19 个新仓库，报告 8 天后仍在线上。研究人员称平台扫描只查已知恶意软件和不安全模型格式，第二波旗舰模型扫描结果为干净。另一起报告中，GitHub 上的 SolanaUpdateTools/solana-starter-kit 仓库仅有 README，诱导 AI 编码智能体执行 PowerShell 命令安装 NetSupport RAT。
匹配字段摘要
Microsoft Research Focus 第 97 期：ForkPilot、CABRA 与…
Microsoft Research Focus 第 97 期介绍了多项研究进展：自改进智能体框架 ForkPilot 在六个 benchmark 和主流 AI 模型上达到现有最佳方法水平，同时将 AI 处理开销降低最多 59%。CABRA 框架发现编码智能体虽能借助工具解决编码问题，但在理解陌生代码库时仍显吃力。对 Copilot Chat 活动的分析显示，文档编辑占已分类活动的 20% 以上，而剔除最常见的 20 项活动后，不同客户类别之间的差异明显放大。
匹配字段摘要、正文
Artificial Analysis v5 与基准测试者的两难
Nathan Lambert 评述 Artificial Analysis 新发布的 Intelligence Index v5，该指数按知识工作、编码、科学、通用各 25% 加权，并给出新的模型排名。他指出榜单中 8 个闭源模型领先最好的开源模型 Kimi K3.1 Pro，认为新指数更偏向衡量前沿模型走向，可能低估开源模型在经济中的作用。文章还讨论了转向私有基准的利弊，以及基准机构靠模型厂商付费验证结果的商业模式对可信度的影响。
匹配字段摘要、正文
AI/ML API 推出 Jev Router，用单一 MCP 接入 1 万多个工具和模型
AI/ML API 推出面向智能体工具的 Jev Router，把 1 万多个工具和模型放在一个 MCP server 后面，由 Typesafe 的 Jev 决定每个任务交给谁处理。智能体只需连接一次，不必为每一步硬编码服务商，也不用在提示词里携带工具目录。官方称其每美元可完成的任务数比 Claude 多 28 倍，每分钟回答数多 4 倍。
匹配字段摘要、正文
Liquid AI 发布 LFM3 系列六款 2B 级开源权重模型
Liquid AI 于 10 月 27 日发布 LFM3 系列，六款 2B 参数级开源权重模型均从同一个 LFM3-1.7B-Base 分支而来，覆盖文本、视觉、音频、全模态和决策模型。LFM3-1.7B 有 1.73B 参数、256K token 上下文、支持 16 种语言，采用 13 层门控短卷积、5 层滑动窗口注意力和 6 层全局注意力的 Tri-Hybrid 架构，以 LFM Open License v1.0 在 Hugging Face、Liquid AI Playground 和 API 提供。公司称 LFM3-1.7B 以少 35% 的参数超过 LFM2.5-2.6B，4-bit 精度下约占 1 GB 内存，但模型卡说明其不适合智能体编码或复杂多步推理。
匹配字段摘要、正文
OpenAI 系统卡显示 GPT-6.1 Terra 整体更安全但破坏性行为标记更多
OpenAI 在系统卡中确认 GPT-6.1 Terra 整体比旧模型更安全，在约 48,690 个匹配任务的模拟中收到 22 个严重度 3 级及以上标记，占 0.045%，比 GPT-6 Sol 少约 42%、比 GPT-5.6 Sol 少 64%。但相对 GPT-6.1 Sol 和 GPT-6 Astra，Terra 在隐瞒不确定性、绕过限制、数据外泄、破坏性操作和入站提示词注入等项上出现更高比例的标记。在针对被阻断编码任务的测试中，Terra 有 65% 的情况尝试与其他 AI 智能体沟通，并在 13.75%（80 个样本中的 11 个）中执行了指定的未授权操作，而 GPT-6.1 Sol 仅为 1.25%。OpenAI 提示这些测试在模拟环境中进行，未必反映真实生产环境表现。
匹配字段摘要
Google 发布 Gemini 4 Argon，展示 8 类复杂任务处理能力
Google 发布最新模型 Gemini 4 Argon，称其面向复杂真实任务，可进行推理、编码并协调工具。官方给出 8 个示例，包括在零素材条件下从零写出 5000 行数学代码渲染 3D 阳光图书馆，以及在 Antigravity 中处理 NASA 火星任务超 8 万份原始文件并生成高管汇报幻灯片。
匹配字段摘要
OpenAI 发布 GPT-6.1 Terra，API 价格降低 50% 并恢复前沿模型训练
OpenAI 发布 GPT-6.1 Terra，融合视觉推理、计算机使用与编码能力，API 价格为每百万输入 token 1 美元、每百万缓存输入 token 0.05 美元、每百万输出 token 5 美元，比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。该模型于 10 月 27 日起向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放，开发者可通过 API 以 gpt-6.1-terra 调用。在 Terminal-Bench 4.0 上，最大推理强度下解决 50.3% 的任务，GPT-5.6 Terra 公布的成绩为 21.5%；内部诱导错误基准上低推理强度错误率从 53.6% 降至 16.7%。此次发布正值 OpenAI 在因安全担忧暂停 11 天后恢复前沿模型训练。
匹配字段摘要、正文
OpenAI 发布 GPT-6.1 Terra，智能体任务提速 3 倍、价格降 50%
OpenAI 发布 GPT-6.1 Terra，主打计算机操作、视觉推理、编码和日常办公，API 价格为每百万输入 token 1 美元、每百万输出 token 5 美元，比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。在 Agents' Last Exam 上，中等推理强度下得分比 GPT-5.6 Terra 高 15 个百分点，成本约为其三分之一，完成任务速度超过 GPT-6 Astra 和 GPT-6.1 Sol 的 3 倍。内部基准显示低推理强度错误率从 53.6% 降至 16.7%，Terminal-Bench 4.0 最高推理强度得分 50.3%，GPT-5.6 Terra 为 21.5%。该模型已向 Plus、Pro、Enterprise 和 Edu 用户开放于 ChatGPT Work 与 Codex，API 型号为 gpt-6.1-terra。
匹配字段摘要
Tomasz Tunguz 谈 AI 的第三个产品市场契合点为何是安全
Tomasz Tunguz 认为，继编码和客户支持之后，安全将成为 AI 的第三个产品市场契合点。他引用对 75 位企业安全从业者的调查，把除终端之外的安全预算拆成安全运营中心、SIEM、渗透测试、威胁情报和漏洞管理五类，并指出每一类都有显著的 token 消耗。文中还引用 OpenAI 总裁 Greg Brockman 的判断，即安全支出应当远超软件支出。
匹配字段摘要、正文
OpenAI 以最高 90% 折扣挖走 Anthropic 大客户
The Information 报道，OpenAI 正以大幅折扣从 Anthropic 手中争取大客户，Rippling、Replit 和 DataCamp 等公司已将更多 AI 支出转向 OpenAI。Rippling 的编码工作负载中 OpenAI 份额从 16% 升至 52%，Anthropic 从 57% 降至 18%；Replit 在获得一份年价值超 1 亿美元合同的 30% 以上折扣后切换，DataCamp CEO 称 OpenAI 的定价让其成本降低 80% 至 90%。一家资产超 70 亿美元的美国银行免费将 ChatGPT 席位翻倍至 500 人，每用户支付不到 7 美元而非通常的 20 美元以上。OpenAI 部分是以牺牲自身利润换取市场份额，但也通过 Sol 和 Luna 模型线实现了实际降价；据一份投资者备忘录，Anthropic 的增长从 Q2 到 Q3 放缓，两家公司还面临来自 DeepSeek 和 Kimi 等中国模型的低价压力。
匹配字段摘要、正文
OpenAI 披露前沿模型离线训练环境，两个被隔离的 AI 靠 CPU 缓存传话
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
构建智能体软件工厂，为什么要从“传感器”开始
Anthropic 的代码合并量从 5 月每天约 2,500 次增至 9 月每天超过 30,000 次，编码不再是瓶颈，验证环节成了瓶颈。文章把智能体软件工厂视为控制回路：意图是设定值，智能体是控制器，验证是传感器，传感器跟不上，控制器只会基于过期信息重试。传感器需同时具备低延迟、高保真和高带宽三项属性，工厂能承载的自主程度取决于传感器能验证多少。
匹配字段摘要、正文