Eon 基于 Amazon Bedrock AgentCore 搭建统一的 MCP Gateway，把跨 AWS、GCP、Azure 的调查工具接入同一个认证网关，新工程师配置全部调查工具的时间从约 2 天缩短到约 2 分钟。该方案用 AgentCore Gateway、Policy、Runtime 和 Identity 替代了逐工具凭证与本地 MCP 进程，并通过 Cedar 策略在 ENFORCE 模式下按主体限制可调用的工具，生产工具保持只读。开发者用 Claude Code、Cursor 或 OpenAI Codex 连接同一个 MCP URL，运行 Claude 的自主 SRE 智能体则以不同身份接入同一网关。
匹配字段标题、摘要、正文
Rohan Paul 介绍了一个基于 Qwen3.8-27B 做强化学习后训练的开源环境模型，在 AA-Omniscience 上把幻觉率从 30.4% 降到 15.1%。该模型在 Terminal-Bench、τ³-bench、ClawEval 和 BFCL v4 上超过 Muse Glimmer 30B 与 GPT-6 Luna high，但 DeepSWE 仍由 Luna 以 53.1% 领先；它解出任务的中位输出为 23.8K token，基础 Qwen 为 54.9K。作者还提到 MLA 版本把 16 层全注意力改为多头潜在注意力，每 token 内存占用从 64 KiB 降到 18 KiB，压缩版可跑在单张 24 GB RTX 4090 上，上下文约为基础 Qwen 的 3.5 倍。
匹配字段标题
Google Research 开源 Harness²，它不修改模型权重，而是通过调整系统提示词、记忆、工具指导、Skills、子智能体等八类组件，让 Agent 根据执行反馈改进自身工作方式。项目采用 Apache 2.0 协议，支持 OpenCode 和 Codex，默认使用 OpenCode，官方说明这是研究项目而非商业产品。其 Propose–Probe–Compose 机制通过候选方案执行同一任务的行为差异寻找改进方向，官方报告称仅一步优化在部分实验取得最高增益，但递归探索会带来额外模型调用与执行成本。
匹配字段标题、摘要
MiniMax 正式发布 M3.1 Flash，即此前在 OpenRouter 匿名屠榜的 Space Bunny（玉兔），Agents' Last Exam 得分 29.6%，位列国产模型第一。该模型在 DeepSWE v1.1 拿到 73.7%、CyberGym 82.2 分、OSWorld V2 61.7 分，输出速度最快 200+ TPS，P50 维持 170+ TPS。定价为输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元。
匹配字段标题、摘要、正文
36氪发布2026年9月中国AI大模型平台排行榜，聚焦代码大模型率先进入RSI（递归自我改进）时代。面壁智能让AI工程师约8小时从零写出预训练框架、性能追平Megatron-LM；智谱Infra Agent让GLM-5.3定位并修改自身推理基础设施瓶颈；Qwen3.8-Max一个月无人值守跑通33轮迭代，Artificial Analysis评分从40分升至45分。阿里云栖大会宣布Qwen4已在训练中，未来版本将扩展至5-10T参数。
匹配字段标题、摘要、正文
在RISC-V中国峰会上，达摩院首席科学家孟建熠介绍玄铁C950的进展：自研互联XT-LINK把128核线性度提升到78%，128核总性能达99.8倍；在四类Agentic负载上较主流架构平均领先约1.11倍，跑Qwen3.8-Flash-Next达43 token/秒、DeepSeek V4-Flash达38 token/秒。峰会同时发布首款同时达到ASIL-B和ASIL-D的RISC-V CPU E908A，并公布车规路线图，下一代C950A性能目标为现有RISC-V车规产品的5倍，计划明年年底推出。孟建熠称RISC-V进入主流计算市场还需三年，玄铁累计出货已超60亿颗、200多款量产芯片。
匹配字段标题、摘要、正文
DeepSeek 于 10 月 17 日更新 V4.1 Flash-1017，API 价格未上涨，Terminal-Bench 4.0 从 31.2 分升至 42.3 分，超过 GPT-5.6 Sol 的 39.9 分和 GLM-5.3 的 37.9 分，仍低于 Claude Opus 5 的 51.8 分。官方列出的 11 项测试成绩全部高于初版，非高峰时段输入每百万 Token 0.15 美元、输出 0.60 美元。同期开放 Search 和 Fetch API，每 1000 次成功调用 0.75 美元，通过 DeepSeek Harness、Claude Code 和 Codex 的调用暂免费用，计划 10 月 31 日 16 时（UTC）起计费。有海外开发者用 ModelTrace 检测出 GPT-6 Astra 相似度 84.66%，但该工具数据库未收录 DeepSeek，结果不能作为蒸馏证据。
匹配字段标题、正文
兆讯传媒（301102.SZ）推出专为户外大屏打造的裸眼3D创意AI Agent「跃然AI」，以AIGC重构户外大屏内容生产链路。以30秒裸眼3D广告片为例，传统全人工三维制作交付周期需45至60天，依托跃然AI一体化工作流可压缩至5–10天，单片制作成本下降80%-90%。兆讯传媒为联美控股（600167.SH）持股75%的子公司，跃然AI成为联美控股AI战略在场景端的商业化载体。
匹配字段标题、摘要
Cursor 发布 Agent SDK，这是其构建 Bugbot、Security Reviewer 和 Rollouts 等托管智能体所用的框架，开发者可用代码定义智能体并通过 agent-sdk deploy 一条命令部署到 Cursor 基础设施。智能体以小型软件项目组织，提示词用 Markdown 编写、工具用 TypeScript 函数定义，可响应 GitHub、GitLab、Bitbucket 的 PR 事件，并内置 evals 与事件回放。也可打包为单个 Node 进程运行在自有基础设施上。
匹配字段标题、摘要、正文
Ado 用比喻说明：只有大脑的模型只会说话，有了身体才能完成任务。LLM 是大脑，harness（模型周围的工具、文件和循环）是身体，而 Agent SDK 让你为自己的用例定义这具身体。
匹配字段标题、摘要、正文
indigo 就 Shawn Pang 关于中美互联网“不联网”现象的长文评论称，阻碍 Agent 互联的不是技术而是政治。
匹配字段标题、摘要、正文
MIT 课程 MAS.S62「How to AI an AI」的 Lecture 4-5 聚焦 Harness evolution，分别讲 harness 组件、记忆、工具与技能演化，以及规划、任务分解与多 agent 系统演化。记忆部分用三轴分类法串起 MemGPT、mem0、MEM1、Reflexion/ExpeL，并以 CLM 把上下文管理统一为文件操作；工具部分从 Toolformer、ToolLLM、CodeAct 讲到 Meta-Harness，后者把整个 harness 表示为文件系统，反馈信息量约为此前方法的 400 倍。多 agent 部分给出五条实证发现，包括 MAS 在可分解任务上赢 81%、在顺序依赖任务上输 70%，以及 CORAL 在 8 个任务上取得新 SOTA、多 agent 演化比单 agent 提升 4%–20%。
匹配字段标题、摘要、正文
邵猛认为跨 Agent 记忆层确有必要：他高频使用 Grok Bot、Codex、Cursor 时经常手动搬运上下文，曾因 Codex 反复沟通无果而转到 Grok Bot 解决，搬运过程浪费时间和 token。团队多方向协作时更不可能手动搬运，需要一个独立于 Agent 的共享记忆层存储全量上下文并按维度沉淀。他看 EverOS Cloud 官方介绍后认为方向正确，建议有团队场景的人试用。
匹配字段标题、摘要、正文
Meta 工程团队发布 Agent 架构实践，用确定性的瘦编排器把 20+ 工作流路由到 14 个上下文隔离的专业 Agent，解决单 Agent 装载全部领域知识后在生产环境出现知识交叉污染和幻觉的问题。瘦编排器约 1300 行代码，只做意图分类、收集字段和可靠性检查，每个请求走固定 7 步协议，仅委派子 Agent 一步涉及 LLM 推理。文中引用 Mount Sinai 研究称多 Agent 编排在 80 任务批次下准确率 65.3%，单 Agent 为 16.6%，token 消耗最多降低 65 倍；新增管道迁移能力只需新增 workflow 模板，零新增 Agent 代码。
匹配字段标题、摘要、正文
Claude Code 团队的 Addy Osmani 分享「Agentic Verification」，认为 AI 编码 Agent 的瓶颈已从写出代码转移到判断代码是否正确，不能自我验证的 Agent 本质上是在猜。他提出三类给 Agent 的考题：优先选 E2E 测试，用属性测试规定永远不许发生的情况，用差分测试把旧系统当标准答案。他还强调慢和 flaky 的测试会训练 Agent 用重试取代修复，建议把测试基础设施当作 Agent 的依赖来投资。
匹配字段标题、摘要、正文
AgentCloak 创始人 Peter Yared 在镜头前砸碎一台 Mac Mini，这支发布视频获得 220 万次播放和 3000 次下载。launchvideo.com 以流水线方式操盘此次发布：创始人出镜视频，创作者按受众规模分批放出。团队原本还拍了一版备选结尾，内容是配置 1 万美元的 Mac Studio 并合上笔记本，但最终保留砸机作为主画面，备选版本未启用。
匹配字段标题、摘要、正文
Cognition 宣布 Devin Fusion 在 ArtificialAnlys Coding Agent Index 上取得 68 分，由 Opus 5.5 主导、GPT-6 Luna 辅助。Cognition 称其在性能与价格上均优于搭配 Opus 5.5 的 Claude Code，单任务成本低 31%。
匹配字段标题、摘要、正文
Arena.ai 称 DeepSeek-V4.1-Flash-20261017（Max）成为 Agent Arena 排名第一的开源模型，综合排名第 11，在超过 7.5K 真实会话中净提升 5.1%。该模型每任务中位成本为 0.20 美元，约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%；在 Confirmed Success、Praise vs. Complaint、Bash Reliability、Steerability 四项信号上均为开源第一，且未出现工具幻觉问题。
匹配字段标题、摘要、正文
AWS 介绍 Agent Registry 的运行时工具发现方案，智能体通过语义与关键词混合搜索找到已审批的 MCP 服务器和 A2A 智能体，再按描述符即时构建客户端执行请求。示例代码基于 Amazon Bedrock AgentCore Gateway 与 runtime，把订单管理 MCP 服务器和定价、客服两个 A2A 智能体接入，并演示纯语义匹配的退货退款场景。注册表只返回连接元数据，调用凭证需另行通过 Cognito OAuth 或 IAM 获取，新增能力无需改动编排器代码。
匹配字段标题、摘要、正文
Addy Osmani 复盘 Claude Code 团队在 Claude 编写约 90% 代码后重构代码审查的做法：6 月到 9 月合并 PR 数量翻倍以上，回滚率下降超过 40%。他把审查从人工逐行阅读改为分层验证流水线，包括 PR 前由 subagent 独立审查 diff、PR 上多个 AI 审查 agent 并行找 bug 并由验证者投票过滤误报、按风险分级审批，以及合并后 flag 灰度。团队还把历史事故 PR 做成每日评测集，并限制单个 PR 最多审查三轮，一轮通过的 PR 从 65% 升至 78%。
匹配字段标题、摘要、正文