2026年5月4日,goose 公布 MiniMax M2.5 在 Databricks 的 OfficeQA 基准上的测试结果。goose 官方博客称,用 goose 搭配 MiniMax M2.5 在 OfficeQA 上接近前沿模型表现,成本约为 1/30。据该博客,闭源模型在准确率上占优,约 80% 对约 70%,但 MiniMax M2.5 平均每次运行 1.74 美元,Opus 4.5 为 56.53 美元。博客还称,改用 goose 的 harness 后准确率比替代方案高约 10%,成本低 8 倍;在 Terminal Bench 2.0 上,goose 的 token 效率比 OpenHands 高 20 倍,成本比 OpenCode 低 40 倍以上。目前该结果仅有 goose 官方博客这一来源,尚无其他独立来源交叉印证。
匹配字段摘要
2026年4月15日,Cognition 宣布将 Devin 云代理集成进 Windsurf 2.0。据 Cognition 模型 / Devin 博客介绍,用户在 Windsurf 本地完成代码理解与规划后,可一键把任务交给云端 Devin 实现。Devin 会在自己的机器上运行,可自主开 PR、跑测试并用计算机视觉做 QA,完成后在 Windsurf 内直接审查 diff 或转交本地智能体修改。Cognition 称本地智能体用于规划与原型,云端智能体用于实现、测试、QA 和部署。目前该消息由第一方来源发布,尚无其他独立来源或后续发展事实。
匹配字段摘要
2026年4月13日,Browser Use 推出面向智能体的反向 CAPTCHA 注册实验。该实验随机抽取题目类型、参数和语言,把数字用该语言拼写后再做大小写交替、插入随机符号、打乱空格等混淆,使智能体一次前向推理即可解析,而人类只能走传统注册流程。题目本质是经典的两列火车与飞鸟数学题,需在挑战过期前解出。据同一来源,该实验已于2026年8月停止,官方建议改为创建 API key 交给智能体,加密钱包智能体可用 x402。目前没有其他有合格事实证据的后续发展。
匹配字段摘要
2026年3月19日,goose 官方博客宣布,goose 现已支持通过 Agent Client Protocol(ACP)使用 Codex、Claude 和 Gemini 的订阅。官方说明,Codex 可直接登录 ChatGPT 账号,无需安装其他组件;Gemini 通过 OAuth 用 Google 账号登录;Claude 需一次性安装一个小型适配器包。goose 会把已配置的 MCP 扩展通过 ACP 传递给 Claude,而 Codex 属于完整的 LLM API,可直接在 goose 中使用扩展。官方同时表示,原有的 claude-code、codex、gemini-cli 等 CLI 直通 provider 即将移除。目前该消息仅有官方博客这一来源,尚无后续发展事实。
匹配字段摘要
2026年4月29日,Sakana AI与三井住友金融集团(SMBC集团)联合开发的「提案书自动生成应用」被披露,并已在三井住友银行投入实务使用。该应用由多个角色不同的AI智能体协同完成信息收集、分析、假设构建、故事策划、质量评估与事实核查,将原本需1〜2周的大型企业提案书制作缩短至数十分钟到数小时。双方自2025年5月签署合作契约,此为第一号落地项目,后续将扩展至SMBC集团其他业务领域。目前尚无进一步有证据的发展。
匹配字段摘要
2026年4月23日,谢赛宁提出判断,称视觉领域已发生某种重大转变,并将永久改变人们处理相关问题的方式。他提到,若像自己一样从分割、边缘、深度或表面法线等像素级标注任务进入计算机视觉领域,看到相关结果后大概会有同样的感受。他同时提及“vision🍌 来了”。目前该判断仅有其本人这一条来源,尚无其他发展事实或官方证据。
匹配字段摘要
2026年4月22日,Cognition 发文称已开始部署实际可用的多智能体系统,并复盘了十个月的多智能体实践。文中认为,并行写作者群体仍难落地,真正有效的是写操作保持单线程、其他智能体只贡献判断的模式。Cognition 给出两个已验证案例:Devin 与 Devin Review 在互不共享上下文的情况下迭代,平均每个 PR 发现 2 个 bug,其中约 58% 为严重问题;跨前沿模型互调的 smart friend 在生产环境中于最难场景带来实际提升。作者同时指出,让能力较弱的主模型判断何时升级求助仍是未解问题,并认为这属于训练层面的问题。
匹配字段摘要
2026年4月22日,Google Cloud 将 Replit 评为 2026 年度 AI 工具合作伙伴(2026 AI Tooling Partner of the Year)。据 Replit Blog 同日发布的信息,Replit 平台用户已超过 5000 万,覆盖 85% 的 Fortune 500 企业。该信息还提到,Replit 上月完成 4 亿美元融资、估值 90 亿美元,并在近期推出 AI 智能体 Agent 4,速度比 Agent 3 快 10 倍,支持多智能体并行。目前该事件仅有这一条来源,尚无其他独立来源或后续发展事实。
匹配字段摘要
2026年4月20日,Sakana AI 提出名为 String Seed of Thought(SSoT)的提示技术。该方法让大语言模型在输出中先生成随机字符串,再据此推导答案,无需外部随机数生成器。据 Sakana AI 介绍,SSoT 在开源与闭源 LLM 上显著降低输出偏差,在 DeepSeek-R1 等推理模型上准确率接近真实随机采样,并可从二选一推广到 n 选一和任意概率分布。在 NoveltyBench 多样性基准的六个类别上,SSoT 均优于其他方法且保持输出质量。该工作将在 ICLR2026 展示。目前尚无后续发展事实。
匹配字段摘要
Cognition 于 2026 年 4 月 8 日发布博客称,过去八个月已有多个财富 500 强企业使用其编码智能体 Devin 处理 COBOL 项目。据该博客披露,这些工作包括为数百万行代码编写文档、将一套海关工作流从 COBOL 迁移到 AWS Lambda,以及重构数百个程序中的税号逻辑。博客同时指出 COBOL 现代化面临的结构性障碍:COBOL 缺乏类型与共享 schema,LLM 训练数据极少,且主流编码智能体运行在 Linux VM 上无法执行主机 COBOL,导致反馈闭环断裂,68% 的 COBOL 现代化项目失败。Cognition 认为批量工作负载因输出确定可复现,适合智能体自主迁移;事务型系统仍无法自主迁移,但可用 Windsurf 辅助开发者阅读和追踪代码。目前该说法仅来自 Cognition 一方,尚无其他来源交叉印证。
匹配字段摘要
2026年3月10日,Mira Murati公开表示,其团队正与NVIDIA合作部署至少1GW的Vera Rubin系统,目标是将可适配的协作式AI带给每一个人。她在表态中感谢了Jensen与NVIDIA团队的支持。目前该消息仅有Mira Murati本人发布的一条代表性证据,尚无其他官方或独立来源的进一步说明,也没有关于部署进度、具体规模或时间表的后续发展事实。
匹配字段摘要
2026年3月10日,谢赛宁宣布与LeCun等人共同创办AMI Labs。谢赛宁在公开发文中表示,他正与@ylecun以及一群了不起的人联手创立AMI Labs,并称AMI不是一家常规的实验室,他们也不打算成为那样的实验室。他提到关于为何此刻如此重要有很多话想说,但眼下正埋头建设,并附上加入链接。目前该消息仅有谢赛宁本人这一条来源,尚无其他发展事实或官方证据披露。
匹配字段摘要
2026年4月29日,DeepSeek宣布延长DeepSeek-V4-Pro的优惠期限,新的截止时间为2026年5月31日15:59(UTC)。现有材料仅明确提供了优惠延期信息,未说明具体折扣幅度、适用范围及其他限制条件。目前,该故事仍处于活跃状态。
匹配字段摘要
2026年4月27日,DeepSeek宣布下调全系列API的输入缓存命中价格,新价格为原价的十分之一。此次调整自当日起实施,旨在降低相关API调用成本。目前输入材料仅提供了这一项价格调整,未披露各系列API调整后的具体单价或其他计费项目变化。
匹配字段摘要
2026年3月24日,Linear的一项性能优化因变量遮蔽错误导致团队级权限过滤失效。在约一小时内,同一工作区的其他成员可能越权访问私有团队数据,涉及通知邮件、约7000次客户端完整启动,以及移动端、API和第三方集成;影响未扩展至工作区外部,凭据、API密钥和身份验证令牌也未暴露。Linear随后回滚代码、清理客户端缓存并扩充权限边界测试,事后审计未发现恶意滥用证据。
匹配字段摘要
2026年3月19日,Cursor发布Composer 2编码模型。Cursor联合创始人Michael Truell宣布该模型发布,并已在Cursor中上线。他表示Cursor既不是纯粹的应用公司也不是模型提供商,目标是把最好的API模型与自家领域专用模型结合,做出最有用的编码智能体。3月20日,有用户评价称,Composer 2是其处理大多数任务的首选模型,认为它聪明、快速、高效,并提到其他模型常陷入过度思考的循环,而Composer 2没有这个问题。目前该模型已上线,并出现用户使用反馈。
匹配字段摘要
2026 年 4 月 16 日,antirez 在其原创博客提出判断:AI 网络安全不适用工作量证明类比。他认为算力更多的一方不会必然获胜,因为代码状态与模型采样路径会饱和,瓶颈是模型智能水平而非采样次数 M。他以 OpenBSD SACK 漏洞为例,指出弱模型跑再多 token 也无法真正理解该漏洞,只会靠模式匹配产生幻觉;模型越强反而越少误报。据此他提出,未来网络安全比拼的是更好的模型以及更快获取这些模型的能力。目前该判断仅有其本人博客这一来源,尚无其他独立来源或后续发展。
匹配字段摘要
David Singleton 发表观点,认为科幻小说中角色逐行编写代码的情节令人出戏。他表示,如今读到设定在 24 世纪、尤其涉及人工智能的科幻小说时,如果角色还在逐行编写惯性制导程序或科研代码,整本书就会显得有点失色。他还认为预测未来很难。目前该观点由 David Singleton 本人于 2026 年 4 月 13 日发布,尚无其他发展事实。
匹配字段摘要
Cursor团队成员Balta于2026年3月17日表示,团队一直在为每个模型调优agent harness。他介绍的具体做法包括:避免模型陷入循环、把较大的工具返回结果写入文件让智能体用grep检索以免撑爆上下文,以及在循环中加入提醒引导智能体行为。他同时表示很高兴看到用户喜欢改进后的智能体harness,后续还有更多更新。被引用的推文称Matt Maher测试了前沿模型在Cursor与其他harness中的表现,Cursor平均提升模型性能11%,其中Gemini从52%升至57%、GPT-5.4从82%升至88%、Opus从77%升至93%。目前该故事尚无后续发展事实。
匹配字段摘要
David Singleton 上周重返 Stripe 参加 Friday Fireside,现场演示了 Dreamer。据其描述,Stripe 员工迅速上手,并提出多项具体构想,包括项目管理智能体自动生成甘特图、Stripe 波形可视化工具、emoji 情绪混合器以及 SaaS 集成指南生成器等。他强调这些无需工程团队,描述问题即可实现,并称目前已有不少 Stripe 员工在使用 Dreamer。该事实由 David Singleton 于 2026 年 3 月 11 日发布的一手叙述记录,暂无其他独立来源或后续发展事实。
匹配字段摘要