REA 走红：Supabase CEO 用 Claude 玩梗复刻
作者称 REA: Reverse Engineer Anything 是近期 GitHub 和 X 上最火的开源项目。Supabase CEO kiwicopple 也来玩梗，说用 12 个 Claude agents 并行跑了 6 小时“逆向工程”出 Supabase；作者调侃 Supabase 本来就是开源的。
匹配字段摘要、正文
←搜索结果
搜索“Agent”
AI 会是人类最后的发明吗？递归自我改进（RSI）的现状与边界
截至 2026 年 10 月，递归自我改进（RSI）的局部“小闭环”已在实验室跑通，但涵盖选方向、提假设、训练下一代基座模型的全流程“大闭环”尚未合拢。Anthropic 生产代码库中超过 80% 的合并代码由 Claude 编写，OpenAI 每个“人类工作日”已对应约 3.1 个 Agent 工作日。Claude Opus 5.5 在 TasteVal 基准上的实验算力效率达人类专家基线的 2.3 倍，但 Anthropic、OpenAI 与 Google DeepMind 官方均表示完整 RSI 尚未发生。
匹配字段摘要、正文
腾讯领跑、百度第二，AI办公远未定局
QuestMobile 三季度报告显示，9月AI办公赛道合计活跃用户1.42亿，同比增长50.6%，典型办公Agent榜前三为腾讯WorkBuddy 3235.3万、百度搭子977万、阿里千问办公790.5万。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。文章对比四家路线：腾讯依托企业微信入口，百度以搭子和库库AI双线推进，阿里千问办公推出电商版并称电商用户已占付费用户20%，字节豆包工作上线数据导入以迁移用户历史会话。
匹配字段摘要、正文
ElevenLabs 发布 Eleven Realtime Max 与 Mini 语音到语音模型
ElevenLabs 发布 Eleven Realtime Max 和 Mini 两款语音到语音模型。Eleven Realtime v1 Max 在 Big Bench Audio 上得分 98.8%，开口响应时间为 0.57 秒；Eleven Realtime v1 mini 面向低成本的自然对话场景优化。两款模型均已在 ElevenAgents 平台和 API 上线。
匹配字段摘要、正文
Salesforce 以 56.6 亿美元收购 Braze，强化 AI 客户营销
Salesforce 同意以约 56.6 亿美元收购客户互动平台 Braze，Braze A 类股东每股将获 47.50 美元现金，交易预计在 Salesforce 的 FY28 完成。Braze 的实时消息与客户旅程管理能力将并入 Salesforce Marketing Cloud，与其 CRM、Data 360 和 Agentforce 平台结合。Braze 目前服务约 2770 家客户，包括 Canva、Instacart、Urban Outfitters 和 Venmo。
匹配字段摘要、正文
Meta因AI未达预期暂停第二轮裁员，微软下调Anthropic内部支出预估
Meta原定11月展开的第二轮裁员计划因AI未展现预期工作能力而暂停，扎克伯格在内部会议上承认组织调整时机存在误判，Agent技术没有像此前预期的那样迅速进步。Meta CTO指出，大规模使用AI后内部代码改动量同比增长220%，但带来用户可见新功能的改动量仅增长36%，重大技术和安全事故同比增加40%。微软也把内部使用Anthropic技术的年度支出预估下调超过三分之一，并开始要求各部门管理Token预算。
匹配字段摘要、正文
腾讯领跑、百度第二，AI办公市场格局未定
QuestMobile三季度报告显示，9月AI办公赛道合计活跃用户达1.42亿，同比增长50.6%，办公Agent榜前三为腾讯WorkBuddy 3235.3万、百度搭子977万、阿里千问办公790.5万。易观桌面端口径下，WorkBuddy、千问办公、豆包工作月访问量分别为8534万、4655万和3039万次，合计占20款上榜产品的53.1%。文章指出各家的竞争点在于把个人试用转为团队固定支出，并提到WorkBuddy个人版连续包月分为70元、140元和700元三档，百度搭子企业席位限时132元/席位/月。
匹配字段摘要、正文
AI PC还没普及，智能体电脑已经来“抢班夺权”了
IDC预测中国智能体电脑出货量将从2026年的77万台增至2030年的2080万台，五年复合增长率达127%。IDC给出的入门级门槛为80 TOPS以上AI算力、32GB以上内存、135GB/s以上内存带宽和至少1TB NVMe SSD，Token生成速度不低于10 Token/s。智能体电脑让用户只需提出目标，Agent即可理解规划、调用模型与工具并自主执行，PC从AI辅助工具转向AI任务执行和生产力入口。
匹配字段摘要、正文
Google 发布 TorchTPU，让 PyTorch 应用可直接运行在 TPU 上
Google 发布 TorchTPU，这是 PyTorch 的一个专用版本，让开发者无需重写底层代码、只需调整少量配置，就能把现有模型和应用迁移到 TPU 上运行。Google 称与 Meta、Hugging Face 以及 vLLM、SGLang 的开发者合作，确保相关代码库兼容；同时推出 TPU agent suite 协助迁移并自动修复错误，并更新端侧工具 LiteRT 以兼容 PyTorch 应用。此前 AWS 也发布了面向自家 Trainium 芯片的 TorchNeuron。
匹配字段摘要、正文
Databricks 发布 MemCurrent 长期记忆架构，内部基准通过率提升 3 倍
Databricks 发布面向生产 Agent 的持久记忆架构 MemCurrent，结合情景记忆与派生记忆，并采用 Plugin、Tool 和离线 dreaming 三种接入方式。基于 1.2 万多次真实 Genie 会话筛选出的 114 个内部测试用例，通过率从无记忆时的 22.3% 提升到 68.4%，同时快 1.35 倍、便宜 1.44 倍。公开基准 LoCoMo、LongMemEval、ConvoMem 平均得分 88.1%，与全量上下文的 87.8% 相当，但每题输入 Token 约少 12 倍（8.4K 对 103K）。该架构已用于 Agent Bricks Memory 和 Genie。
匹配字段摘要、正文
Claude 意外揪出 Mac 挖矿木马：12 个 CPU 核心被占满，温度飙至 112 摄氏度
一名 Mac 用户用 Claude 开发温度监测工具时，Claude 发现设备正运行 XMRig 挖矿程序，该进程占用约 1175% CPU（约 12 个核心），温度达 112 摄氏度。Claude 还识别出该程序通过伪装的 LaunchAgent 启动项实现持久化，在获得用户授权后协助终止进程并将可疑文件移入隔离目录，仅一个文件因权限限制需手动删除。
匹配字段摘要、正文
如何用决策模型做 LLM Evals：从阈值调优到概率校准的完整实践
文章介绍如何把决策模型当作廉价 LLM Judge 做自动评估，并基于 98 条公寓租赁 AI Agent 真实生产 trace（61 条失败、37 条无失败）对比 Jev、Perplexity Decider、Liquid d1、Cloudflare Clef、OpenAI Decisions API 五家模型。作者用分层五折交叉验证在训练折选阈值、留出折测量，发现调优阈值对原本不达标的模型收益明显，Perplexity 每 100 次评估 0.82 美分、F1 0.79，OpenAI Decisions F1 0.87 但贵约 4.5 倍。可靠性图显示部分模型分数严重失准，Clef Flash 一组预测失败概率约 8% 的样本实际失败率达 60%，Platt scaling 修复三个模型却让 OpenAI 的 Brier 从 0.159 升到 0.164。
匹配字段摘要、正文
OpenRouter：智能体用量较 2 月增长 34 倍
OpenRouter 表示，自 2026 年 2 月初以来，智能体（Agentic）用量增长了 34 倍；按周计算，智能体用量目前约为人类用量的 8 倍。
匹配字段摘要
DeepSeek-V4.1-Flash 登顶 Arena 开源模型榜
Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 进入 Arena，在 Agent Arena 和 Code Arena: WebDev 两个榜单中均位列开源模型第一。Arena 同时提到可在相关帖子中查看该模型生成的 3D 世界，以及更详细的排名信息。
匹配字段摘要、正文
Databricks 发布 MemCurrent 持久记忆架构，智能体通过率提升至三倍
Databricks 推出面向生产智能体的持久记忆架构 MemCurrent，已用于 Agent Bricks Memory 和 Genie。它结合原始会话轨迹的情景记忆与提炼后的派生记忆，通过插件、工具和离线 dreaming 管道三种方式读写。在内部基准上，智能体通过率从无记忆的 22.3% 提升到 68.4%，同时快 1.35 倍、便宜 1.44 倍；在 LoCoMo 等开源基准上以约 12 倍更少的输入 token 达到接近全上下文的水平。
匹配字段摘要、正文
Octave 如何在 Amazon Bedrock 上构建安全的多租户 AI 基础
Octave 基于 Amazon Bedrock 为质量管理平台 Reliance 构建三层多租户 AI 基础，将每个用例的部署时间缩短 50%。该基础用 Cohere Embed v4 完成 20 亿份文档的嵌入，并通过 AgentCore Gateway 与隔离 microVM 执行 Anthropic Claude 模型，Guardrails 在输入和输出两端过滤内容。Reliance 服务 650 多家企业客户，覆盖 180 个国家。
匹配字段摘要、正文
Simon Willison 用 Claude Code 做出音频联机的 RTS 游戏 Battle Drones
Simon Willison 发布用 Claude Code 全程 vibe coding 开发的即时战略游戏 Battle Drones，经过 12 个大版本、321 次提交，可在手机和桌面浏览器运行。游戏包含 9 种建筑、7 种地面载具、6 种空中载具和 3 种步兵单位，支持战争迷雾、随机地图生成、AI 对战 AI 以及两个 LLM 互相对战的 Agent 对战模式。他还实现了两台设备通过麦克风音频同步游戏状态的联机方式，并因音频引发头痛问题补充了基于 WebSockets 中继服务器的在线联机。
匹配字段摘要、正文
Grafana Labs 为可观测性平台加入 AI Watchers 与代码修复智能体
Grafana Labs 在 ObservabilityCON 2026 上宣布扩展 Grafana Cloud，新增用自然语言描述监控目标的 Assistant Watchers、可检查仓库代码并提交 pull request 的 Grafana Managed Sandboxes，以及连接基础设施故障与受影响用户的知识图谱。Assistant Watchers 和支持 OpenTelemetry 的 Agent Observability 已正式可用，Grafana Managed Sandboxes 处于公开预览，代码修复只提交到可供人工审批的变更。Grafana 还引入基于 Logline 技术的日志全文搜索增强和商业插件市场，并引用覆盖 300 位 IT 与工程负责人的调查称 68% 已将可观测性 AI 用于试点或生产。
匹配字段摘要、正文
IRONSCALES 报告：AI 智能体正成为网络钓鱼的新目标
IRONSCALES 委托 Censuswide 对 501 名美国 IT 与安全从业者调查后发布的《From Deepfakes to Double Agents》报告显示，77% 的受访者称所在组织的 AI 智能体或工具在过去一年曾处理过恶意、误导性或未授权内容，57% 报告了至少一起确认事件。96% 的受访组织已使用可代为执行操作的 AI 工具，其中 67% 允许其访问工单或帮助台系统、49% 允许访问邮件与消息系统，而 78% 的此类工具由 IT 部门主导审批，仅 6% 由安全部门主导。
匹配字段摘要、正文
MiniMax 发布 M3.1 Flash 模型，ALE 得分 29.6% 居国产模型第一
MiniMax 正式发布 M3.1 Flash，即此前在 OpenRouter 上匿名屠榜的 Space Bunny（玉兔）。该模型在 Agents' Last Exam 上得分 29.6%，位列国产模型第一，AA 榜单得分 43；DeepSWE v1.1 拿下 73.7%，CyberGym 82.2 分，BankerToolBench 76.2 分与 Claude Opus 5 并列第一，OSWorld V2 为 61.7 分。模型采用稀疏注意力架构，输出最快 200+ TPS、中位数 170+ TPS，输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元，综合使用成本相比前代 M3 下降 70%。
匹配字段摘要、正文