清华持股的星动纪元自研世界动作模型VPP2登顶RoboDojo仿真榜单，综合平均成功率32.26%、平均得分39.26分，两项均列第一，领先GPT-6-Astra的22.48%和28.97分。VPP2在泛化、精细操作、记忆三个维度同样第一，且未额外加数据、未用Agent RSI等增强手段，仅靠标准数据集。团队将其部署到真实ALOHA双臂机器人做10类零样本操作，平均成功率58.5%，高于π0.5的40%，10类任务中拿下9类最佳；VPP2现已开源。
匹配字段摘要、正文
Google 在 Gemini at Work 2026 活动上发布 Gemini 中的“单一通用智能体”及 API，可从提示词窗口启动，接入技能、工具和企业系统，能回答问题、生成媒体、编写并运行代码，并通过文档、收件箱和开发环境交付成果。该智能体在云端运行，具备跨 iOS、Android、Windows、Mac 的访问能力，可通过 CLI、Google Workspace、Microsoft 365、Slack 及第三方应用接入，必要时以无界面方式运行。它拥有独立身份和 @agents.company.com 邮箱及持久存储，可自主创建子智能体编排多步骤任务，并能按工作流选择 Gemini 系列或 Claude 等模型驱动，Google 称后续将扩展至更多私有和开源模型。
匹配字段摘要、正文
Harness 周四宣布收购 Augment Code 的 Cosmos 软件工厂、Auggie CLI 和 Code Context Engine 及其团队，金额未披露，Cosmos 将更名为 Harness Cosmos Software Factory Agent。Cosmos 通过 MCP 与 Harness 的交付历史、安全发现和软件交付知识图谱相连，可把需求或 bug 报告推进到 pull request，并在隔离 VM 中编写和测试代码。Harness 表示下游智能体在测试、安全或部署中发现的问题会带着上下文回传给 Cosmos 修复，目前通过工单流程运行，Agent Harness 的身份与策略整合仍在进行中。
匹配字段摘要、正文
谷歌发布面向职场的 Gemini agent，可解答问题、处理知识工作、创建图像和媒体、编写和运行代码，用户只需设定目标再查看最终成果。该智能体可通过网页、移动设备、Windows 和 Mac 访问，支持 Google Workspace、Microsoft 365 及第三方应用，并能以无头代理形式运行。谷歌称其拥有独立企业身份，可围绕一个目标持续工作数天，设计目标更像同事而非聊天机器人。
匹配字段摘要、正文
OpenAI Codex 发布 0.162.0，新增在受信任本地项目中创建和列出托管 Git worktree 的工具，并支持在 agent Command Center 中用 p 键置顶任务。该版本还加入 /copy 复制 transcript 块、Ctrl+Insert 复制选中内容、tui.mouse_scroll_speed 调节滚轮速度，以及为自定义 Responses 兼容模型提供商配置实时网络访问和远程压缩能力。
OpenAI Codex 发布 0.162.0，新增在受信任本地项目中创建和列出托管 Git worktree 的工具，并支持在 agent Command Center 中用 p 键置顶任务。该版本还加入 /copy 复制 transcript 块、Ctrl+Insert 复制选中内容、tui.mouse scroll speed 调节滚轮速度，以及为自定义 Responses 兼容模型提供商配置实时网络访问和远程压缩能力。
匹配字段摘要、正文
Artificial Analysis 与 Harvey 联合发布 Legal Agent Benchmark 评分方法 Harvey LAB-AA v1.1，新增幻觉检查，要求通过任务不得含重大幻觉，并推出新指标 Hallucination-Gated All-Pass Rate。Grok 4.7 (xhigh) 以 9.4% 居首，Muse Spark 1.3 (max) 8.9%、GPT-6 Astra (max) 8.6% 紧随；测试中超过 60% 原本通过的结果含重大幻觉。GPT-6 Astra (max) 平均每任务 0.03 个重大幻觉，Grok 4.7 (xhigh) 每任务成本约 $9.50，低于 Claude Fable 5.1 (max with fallback) 的约 $21.70。
匹配字段摘要、正文
NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛中获得第二名，方案核心是在固定的小模型外构建更小、更清晰、更易验证的 harness。团队把 CSV 和 JSON 统一转成 SQLite 表，只暴露 schema() 和 sql(query) 等少量工具，并在主推理循环前加入 schema 预检步骤，减少路由错误并保留模型的推理能力。文档检查与结构化分析分离，prose_helper 用零温度、关闭推理的独立 LLM 调用抽取答案或表格，避免原始文本占用主上下文；执行轨迹记录提示词、工具调用和中间结果，供专门的 inspector agent 归类失败原因。
NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛中获得第二名，方案核心是在固定的小模型外构建更小、更清晰、更易验证的 harness。团队把 CSV 和 JSON 统一转成 SQLite 表，只暴露 schema() 和 sql(query) 等少量工具，并在主推理循环前加入 schema 预检步骤，减少路由错误并保留模型的推理能力。文档检查与结构化分析分离，prose helper 用零温度、关闭推理的独立 LLM 调用抽取答案或表格，避免原始文本占用主上下文；执行轨迹记录提示词、工具调用和中间结果，供专门的 inspector agent 归类失败原因。
匹配字段摘要、正文
NVIDIA Dynamo 通过统一的会话级标识符 session_id 与 parent_session_id，把请求级推理服务改造成程序感知系统，实现会话感知路由、共享 KV cache 索引和跨 vLLM、SGLang 的缓存调度。Dynamo 可直接识别 Claude Code、Codex、OpenCode 等编码智能体发出的身份头，无需配置；其他 harness 可通过 X-Dynamo-Session-ID 头或 agent-plugins 仓库中的插件接入。
NVIDIA Dynamo 通过统一的会话级标识符 session id 与 parent session id，把请求级推理服务改造成程序感知系统，实现会话感知路由、共享 KV cache 索引和跨 vLLM、SGLang 的缓存调度。Dynamo 可直接识别 Claude Code、Codex、OpenCode 等编码智能体发出的身份头，无需配置；其他 harness 可通过 X-Dynamo-Session-ID 头或 agent-plugins 仓库中的插件接入。
匹配字段摘要、正文
Sierra 发布 fleming-1 模型，可实时分析通话语音、判断来电者是否为 AI 智能体，并默认采取保守策略以避免误标真人。该模型适用于任何基于 Sierra 构建的语音智能体，只需开启即可使用；Sierra 同时宣布正与行业伙伴共同开发开放标准 Personal Agent Protocol，让个人智能体获得经授权的企业对接方式。
匹配字段摘要、正文
GitHub Next 提出在 CI/CD 之外增加第三根支柱 Continuous AI，即由仓库事件或定时触发的自动化 AI 工作流，用于持续文档、代码改进、triage 与故障分析。其实现 GitHub Agentic Workflows 可把 Claude Code、Copilot CLI、Gemini CLI、Codex 等编码智能体硬化成 GitHub Action，智能体步骤只读运行、不接触密钥，输出限于创建 issue 或 PR，且不自动合并 PR。示例 Repo Assist 按节奏唤醒，替维护者 triage issue、管理标签并提交 PR。
匹配字段摘要、正文
额度可用于 Messages API、Claude Managed Agents 和 Agent SDK，但不能用于交互式 Claude Code 会话。这些额度也适用于接受 Claude API key 的第三方 harness。
匹配字段摘要、正文
Hermes Agent，来认识 Step 5 Preview。 我们面向智能体与专业工作的旗舰模型，现通过 @NousResearch 的 Nous Portal 免费开放一周。 用 Hermes 试一试，给我们看看你构建了什么！
Hermes Agent，来认识 Step 5 Preview。 我们面向智能体与专业工作的旗舰模型，现通过 @NousResearch 的 Nous Portal 免费开放一周。 用 Hermes 试一试，给我们看看你构建了什么！
匹配字段摘要、正文
Google 在 Gemini at Work 活动上发布通用 Gemini 智能体，可在后台跨应用和设备工作，入口是 Gemini Enterprise 应用，用户能在单一界面里对话并派发任务。该智能体除在 Gmail、Drive、Docs、Sheets、Calendar 等 Workspace 应用内工作外，还可通过手机、桌面、网页以及 Slack、Microsoft 365 等第三方应用交互，因运行在云端而保持跨设备一致的上下文。Google 表示它还能配合岗位专属子智能体完成任务，并以拥有专属身份和 @agents.company.com 邮箱的 coworker agent 形式运作，自动选用最合适的 AI 模型执行任务。
匹配字段摘要、正文
AI 智能体研发公司 Manus 完成超过 5 亿美元融资，由博裕资本和 IDG 资本领投，腾讯、HSG 及真格基金等现有股东追加投资，这是 Meta 收购计划受阻后该公司完成的首轮融资。据报道，Manus 此次融资后估值可能翻倍至 40 亿美元，但公司尚未披露具体估值。融资完成后 Manus 继续独立运营，此前已推出 Manus 2.0，并基于内部执行系统 Cascade 升级产品，同时推出个人 AI 智能体应用 Cue，其中每个 Agent 均拥有独立邮箱地址、电话号码以及移动钱包。
匹配字段摘要、正文
UniPat AI 发布 PaperBenchX，这是国际上第一个多学科端到端论文结果复现 Benchmark，从 93 篇论文构建 93 个复现任务，横跨电磁、光子、化学、材料、生物、机器人等 12 个研究方向和 10 种领域原生科学环境，含 3168 条专家校验评分项。在 93 个任务上，表现最强的 GPT-6 Astra 完整复现率只有 13.98%，建模和执行阶段平均得分分别为 62.70% 和 61.84%，验证阶段仅 42.80%。评测要求 Agent 提交可执行复现工作流，系统删除全部输出、断网后在隔离环境重跑，只认重新生成的证据；单任务预算 4 至 24 小时，中位数 7 小时。团队已开源 12 个代表性测试任务，并维护 81 个封闭测试任务。
匹配字段摘要、正文
Replit 与 Databricks 的集成已正式可用并原生支持 Lakebase，企业团队可用 Replit Agent 基于 Databricks 实时数据构建应用，并部署为 Databricks Apps。应用自动继承用户认证、访问控制与 Unity Catalog 集成，Replit Agent 还会自动配置托管的 Lakebase Postgres 数据库，让应用读取分析数据并把运营数据写回 Lakebase。
匹配字段摘要、正文
芒果超媒通过《后西游记》跑通AI制作路径、带来内容成本缩减预期，股价大涨，成为C端AI商业模式跑通即获资本重估的样本。金山办公2026年上半年营收33.13亿元、同比增长24.69%，但AI Agent商业模式尚未跑通，股价年内跌幅达28.33%。B端方面，赛富时Agentforce ARR超15亿美元、同比增长超240%，ServiceNow AI年度合同价值突破10亿美元，国内用友AI相关合同占比从去年18%升至2026年上半年24.3%，业绩拐点仍待财报验证。
匹配字段摘要、正文
Claude Code 发布 v2.1.294，修复了以指令形式编写的 prompt 和 agent hooks（如“Block commands that...”）会放行本应拦截内容的问题。同时改进了 Stop 和 SubagentStop 上以指令形式编写的 prompt hooks（如“Carry on if the build is broken”）的判定方式，使 Claude 更不容易提前停止。
匹配字段摘要、正文
Google Developers Blog 发布 AQuA（Ambient Quality Agent），一个在 Google Cloud 项目内旁路运行的质量智能体，按计划、部署后或按需扫描 Cloud Trace、Cloud Logging 或 BigQuery 中的生产轨迹，不进入请求路径也不回写智能体。它通过采样、评审、聚类、验证、跟踪五阶段流水线，把失败会话聚成候选问题簇，再由独立模型对照最多三条完整轨迹验证，并以 NEW、RECURRING 或 14 天未见自动 RESOLVED 跟踪。在 travel-concierge 的 32 会话多智能体扫描中，42 条发现聚成 9 个候选簇、验证后保留 6 个已核实问题，修复后座位选择绕过从 15 个会话降至 2 个、纯素偏好遗漏从 7 个降至 0、整体通过数从 5/32 升至 13/32。
匹配字段摘要、正文
Arena 在 Agent Arena 上用超 4700 个真实智能体会话评测了 typesafeai 的 Jev Router，结果显示它未能推进当前帕累托前沿：与 DeepSeek V4.1 Flash (Max) 性能相近时成本高 38%，中位模型请求延迟高 1.7 倍。它主要路由到帕累托高效模型，最常选 DeepSeek V4.1 Flash，GPT-6.1 Sol 与 GPT-6 Luna 也常被选中。其核心优势是可操控性，得分 +10%，接近 Claude Opus 5.5 (High) 的 +10.48。
匹配字段摘要、正文