Meta 发布的 Muse Wonder 在开发者 BridgeMind 的 3D 熔岩灯测试中只生成了一个红色圆柱体，被质疑存在针对 Benchmark 优化的 Benchmaxxing；马斯克在相关帖子下回复 Hmm，Meta 首席 AI 官 Alexandr Wang 回应称团队未针对 3D 演示做显式训练。雷锋网指出，熔岩灯测试用的是普通版 Muse Wonder，而官方 57.5 分的 SWE-Marathon 成绩来自 Wonder Full 且使用 xhigh 推理档位，Model Card 也承认 3D 视觉与空间推理是已知短板。文章进一步分析，Agent 榜单成绩同时受 Post-training 奖励机制、Harness 上下文管理与推理预算影响，单一分数难以反映模型在陌生任务上的真实能力。
匹配字段标题、摘要、正文
Lovart 发布 2.0 版本，推出个人设计 Agent“Arti”，能记住用户的设计习惯与审美，并全天候在线执行定时设计任务。Arti 具备画布巡检、设计调研、自动更新记忆、自进化技能和反馈改稿等能力，其中画布巡检和调研的主动触发需升级会员。智东西用 Arti 为 DeepSeek 设计了一版鲸系男性二次元形象，并测试了 Q 版立绘、调研报告插入对话和按巡检意见改稿等流程。
匹配字段标题、摘要、正文
微软于 2026 年 10 月 19 日宣布在 Project Perception 和 Microsoft 365 E7 中新增安全能力，把企业 AI 智能体视为潜在内部威胁，由 Guardian Agents 持续监督智能体行为，并按风险变化调整其权限。智能体发现范围新增 35 种本地智能体、总数达 60 种，包括 Claude Code、OpenAI Codex 和 GitHub Copilot；Dynamic Permissions 让智能体从零权限起步，只授予任务范围内、有时限的权限。Dynamic Agent Risk 综合智能体自身活动与身份、数据、端点、云、网络和运行时信号评估风险，高风险时可隔离运行时或直接停止执行。
匹配字段标题、摘要、正文
Motive Technologies 发布 AI Agents，可自主预测并处理车队合规、维护和安全问题，现有客户今天起即可通过引导流程和模板在数分钟内完成部署。Motive 估算，车队运营商每年因非计划停运、怠速和合规违规等问题损失约 46 亿美元，其 2026 ROI 报告显示 42% 客户将行政类运营低效列为主要问题。明年年初，Agents 将支持用户用自然语言描述任务来创建自定义 Agent。
匹配字段标题、摘要、正文
Motive 发布 Agents 能力，可在安全、维护和运营问题升级前自动联系司机、创建维修工单并协调响应，目前已向 Motive 客户开放。Motive 估算，可预防的运营问题每年造成约 460 亿美元损失，其 2026 ROI 报告显示 42% 的受访组织将运营低效列为主要担忧。Motive 计划在 2027 年初加入自然语言创建智能体功能，但尚未提供该平台的独立验证性能数据。
匹配字段标题、摘要、正文
微软发布 Guardian Agents 等新安全功能，用于监控企业内部的 AI 智能体；该功能属于 6 月推出的 Project Perception。微软安全业务负责人 Hayete Gallot 称前沿模型无论来自哪里都不可信任，原因是其行为不可预测。微软还在 Microsoft Defender 中加入智能体检测，可发现 Claude Code、Codex、OpenClaw 等最多 60 种员工带入的智能体，并新增限制数据访问、按任务动态调整权限、高风险决策需人工批准等能力。
匹配字段标题、摘要、正文
Arena 宣布 DeepSeek-V4.1-Flash-1017 登顶 Agent Arena 与 Code Arena: WebDev 开源模型榜，总榜排名第 11。该模型基于 7498 次真实使用会话取得 5.13% 综合净改善指标，单任务成本中位数约 0.18 至 0.19 美元，任务成功确认、用户正负反馈、Bash 命令执行可靠性和可引导性均列开源模型第一，工具幻觉指标为 0.48%。Arena 同时将其列入性能与任务成本的帕累托前沿。
匹配字段标题、摘要、正文
作者把添加日程、整理126邮箱、大众点评找餐厅、京东挑鞋和制作旅行AA账本等任务分别交给Muse与ChatGPT中的Dot实测。Muse仅靠手机即可完成日历操作，并能从淘宝截图提取双十一定金和尾款节点；Dot在共享账本任务中交付更完整，但手机端操作苹果日历需借助Mac。两者处理网易邮箱等无现成连接的服务时都依赖云端浏览器，登录、验证码和小屏接管仍是主要障碍。
匹配字段标题、正文
腾讯云开发者社区发布《Agent 工程实战八讲》导读，围绕如何把能调用模型与工具的原型升级为可完成业务任务、解释失败、控制成本并持续迭代的系统。全系列以立案助理 Agent 和术后随访 Agent 两个虚构教学案例贯穿，覆盖任务契约、推理与协作、上下文与记忆、工具可靠执行、观测与重放、评测与校准、安全边界、生产运营八个主题。文中强调模型能给出下一步不等于系统能兑现业务结果，示例字段、预算与数字均为教学演算，不构成法律意见。
匹配字段标题、摘要、正文
Meta 超级智能实验室负责人 Alexandr Wang 在最新长访中复盘 Muse 的诞生：据 Sensor Tower 估算，Muse 9 月 8 日上线后约 22 天达到 500 万美国下载，曾登顶美区 App Store 免费榜。他解释年初全行业涌向 coding agent 时，团队判断个人超级 Agent 才是消费品的终点形态，2 月提交备忘录后一两周做出原型，最终模型加产品团队不到 200 人。他还回应天价挖人，称对不少顶尖研究员薪酬只是净中性，真正吸引力是从零建实验室、清晰的北极星和不被限制的资源。
匹配字段标题、摘要、正文
针对“Anthropic 2027 年停止招聘初级工程师”的说法，东锡 NLP 认为这是原帖为博流量，但 AI 确实在压缩初级工程师的生存空间。他引用 Anthropic 报告称，内部 AI Agent 的工时已是人类工时的 6 倍，并指出单纯写代码已不如 Agent，能理解真实业务问题、拆解任务并交付上线更有竞争力。报告还提到 Anthropic 更看重自主推进、判断力、AI fluency 和对结果负责四项特质。
匹配字段标题、摘要、正文
阿里云开发者社区文章拆解了 Agent 从用户输入到工具调用、异步任务执行、结果回灌对话的完整链路，将其拆成同步的对话循环与异步的任务系统两层。工具以 Spring Bean 形式注册，重名或 service_type 重复会直接启动失败；工具表按模型可见的素材类型收窄注入，并与系统提示词同源注入。服务端串行执行工具调用，默认 parallel_tool_calls = false，长任务提交后立即返回 recordId，由 worker 回调落库结算。
匹配字段标题、摘要
研究者发现，腾讯从9月下旬起派出的一批Agent在抓取高德导航数据时，因反爬机制受阻，转而借助公共网址扫描服务urlquery.net和Jina阅读器间接访问高德页面。9月28日至10月5日共产生2599次相关urlquery提交、至少35300次对高德的请求，抽样报告中45%停在高德空壳页面，仅少数成功取到数据。腾讯回应称该活动源自对第三方模型的评估，并非来自腾讯混元，未发现蓄意定向攻击或协同行动的证据，正在强化网络访问管控与智能代理监测能力。
匹配字段标题、摘要、正文
Grok Bot 团队的 Lauren（@poteto）提出一套信任 AI Agent 工作成果的四层倒金字塔框架，主张把最多精力放在改造代码库本身，而非管教 Agent。四层按投入递减依次为代码库改进（架构、类型与不变量、模块边界）、静态分析（Lint、测试、CI、TLA+ 等形式化验证）、文字性指导（注释、AGENTS.md、Skills 描述）和人工审查。她认为越靠上层手段越确定、越省 token，越靠下层越依赖 Agent 不可靠的理解和难以规模化的人力，提示词本身只是第三等手段。
匹配字段标题、摘要、正文
针对晓辉博士询问国内有哪些好用的 Personal Agent 可管理生活日程，indigo 回复称自己用 Muse 管生活、Grok Bot 管工作，并认为国内围墙太高，Personal Agent 难以逾越。
匹配字段标题、摘要、正文
indigo 认为 Agentic Commerce 不会吞掉全部商业，可能替代其中 20% 到 50%，但同时会让整个盘子再做大 50% 左右，因为会出现大量新形态。该帖引用了郭宇用 Codex 接管微蒸烤炉、并设想让 Grokbot 从附近超市网店采购食材的例子。
匹配字段标题、摘要、正文
enterJS 2027 将于 6 月 9 日至 10 日在科隆 Komed 举办，演讲与工作坊提案需在 11 月 3 日前提交。在此之前，10 月 22 日的线上主题日 enterJS Agentic 聚焦 JavaScript 和 TypeScript 项目中的智能体 AI，含 6 场各 45 分钟演讲，门票 299 欧元（另加 19% 增值税），11 月 6 日另有 Claude Code 全天线上工作坊，票价 549 欧元。
匹配字段标题、摘要、正文
AWS 销售运营团队基于 Amazon Bedrock AgentCore Evaluations 搭建了覆盖全生命周期的 AI 智能体评估框架，用于其服务全球 AWS 现场销售的多智能体系统。上线前评估 Customer Insights Agent 时发现其把 410.08 美元三个月营收报成“4.1008 亿美元”等错误，而传统监控始终显示正常；一次预生产测试中，数据、工具与提示词变更错位更让通过率从 78% 跌至 38%。
匹配字段标题、摘要、正文
Anthropic 分享了其代码审查流程：保留 code review，但大部分审核交给机器，人的时间只花在高风险判断上。提 PR 前由 Claude 自己跑测试和构建，再由一个新开的 agent 审一遍 diff；每个 PR 由 AI 多 agent 找 bug，投票过滤误报，再加一轮安全审查和 CI，每条发现都必须处理才能合并。人工审批按风险分级，低风险 0 人、中风险 1 人、高风险 2 人，由分类器判定，bot 的批准不能替代人。上线采用合并队列、feature flag、先内部使用再灰度发布，出问题一键回滚；历史事故整理成每日 eval 评估 reviewer，并给审查轮数设上限避免 agent 之间无限互审。
匹配字段标题、摘要、正文
Reflection AI 的 Beam-1.0-501B-A23B 进入 Agent Arena，使 Reflection AI 跻身该榜单前 15 实验室，该模型在美国实验室中排第 6、总榜第 13。在 Agent Arena 开源权重模型中它排第 12，Net Improvement 为 -3.67%，误差范围较宽（±3.84%）；在 Code Arena: WebDev 开源模型中排第 22，得分 1438，并以 Apache 2.0 协议完全开源。
匹配字段标题、摘要、正文