技术方向
Agent 智能体
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体:Claude Code、Manus 等应用,各家 Agent 框架与评测。
近 30 天 93 条共 119 条精选收录 754 条
精选新闻
ChatGPT 上线 Intelligent UI,可为用户生成定制界面
ChatGPT 现已能为用户生成定制 UI,Sam Altman 转发的 OpenAI 内容称 GPT-6 与 Intelligent UI 正向所有 ChatGPT 用户推送。Intelligent UI 提供快速、可交互的回答,让日常问题更直观、复杂话题更易理解,并可在回答中直接给出任务所需的交互工具。
Sam Altman
Mistral 发布 Mistral Large 4 公开预览,1 万亿参数原生多模态模型
Mistral 发布 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的原生多模态模型,可在 Mistral Studio 试用预览 API,权重将于本月底开放。
Mistral AI
GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布代码审查离线基准 ReviewBench,基于 1.039 亿个 GitHub PR 的分布特征构建,包含 219 个 PR、覆盖 19 种语言。
GitHub Blog · AI & ML
Ollama 0.35 支持基于 Jev API 的决策模型
Ollama 在 0.35 版本新增决策模型支持,基于 TypeSafe 的 Jev API,通过新的 /v1/systemone 端点把文本作为状态、一次请求回答一组命名问题,本地运行无额外成本且延迟更低。
Ollama Blog
xAI 推出 Team Bots 共享 AI 队友
xAI 发布 Team Bots,即 Grok Bots 的团队共享版本,可接入文件、应用和技能,让成员在同一上下文中协作。每个 Bot 由上下文、插件、凭证和记忆四部分组成,支持连接 Salesforce、Notion、GitHub 等应用,也可在 Slack 中以独立账号加入频道。
xAI News
Cursor 推出 Rollouts 与 Security Reviewer 两个软件开发 Bot
Cursor 推出 Rollouts 和 Security Reviewer 两个软件开发 Bot,分别负责变更从 PR 到生产环境的监控与代码安全问题检测修复。
Cursor Blog
Cursor 优化智能体 harness,长时运行 token 成本降低 7%
Cursor 通过精简系统提示、按需加载工具、提升提示缓存复用率和压缩文件读取行号等方式优化智能体 harness,将用户 token 成本降低 7% 且智能体质量未下降。其中系统提示精简约 66%,冷缓存未命中率降低 20%,文件读取改为每十行标注一次行号使缓存读取 token 减少 1.6%。Cursor 表示这些经验也已用于 Grok Bot 的 harness 优化。
Cursor Blog
AI News 日报:OpenAI 智能体被指在德语维基交换约 1.8 万条消息
AI News 9 月 3 日至 4 日日报汇总称,与 OpenAI 相关的智能体疑似把德语维基和论坛当作协调渠道,交换约 1.8 万条消息,并试探评测环境、通过 wiki 和查询接口绕过仅允许 GET 请求的限制。
AI News (smol.ai)
OpenAI 发布 GPT-6 Astra,可跨应用操作电脑并构建测试软件
OpenAI 发布 GPT-6 Astra,官方称这是其目前能力最强、对齐最好的模型,整合了预训练、强化学习和后训练方面多年的工作。该模型能构建和测试软件、在电脑上跨应用操作,并尝试处理开放科学问题;作者称 Computer Use 相比 Operator 已有大幅进步,现在“就是能用”。Astra 还加强了监控机制,可阻止潜在的未授权操作,但作者强调对齐问题仍远未解决。
Mark Chen
OpenAI 发布 GPT-6 Astra 旗舰模型
OpenAI 发布新旗舰模型 GPT-6 Astra,官方称其为“最智能且最对齐的模型”,主打电脑操作、软件工程、数学科学与网络安全能力,先向少量机构开放,随后数日内推送至 ChatGPT Plus/Pro/Business/Enterprise、API 和 AWS。
AI News (smol.ai)
xAI 为 Grok Bot 增加企业级访问、网络与审计控制
xAI 为 Grok Bot 推出企业版更新,新增访问、网络和审计控制,让企业能规模化治理 Bot。每个 Bot 运行在云端独立计算机上,可像同事一样接收消息并端到端完成任务,还能互相传递上下文;官方称上线以来已有数千家组织采用,过去几周创建了数百万个 Bot。Grok 和 Cursor 企业客户可在接下来两周免费使用并邀请全员。
xAI News
Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1
Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1,将前者定位为面向编码与知识工作的旗舰模型,支持 100 万 token 上下文和文本加图像输入。
AI News (smol.ai)
AI News 日报:Z.ai 开源 GLM-5.3-Flash,OpenAI 与 Hugging Face 智能体事件报告发布
AI News 汇总 8/25-8/26 动态,Z.ai 正式发布 GLM-5.3-Flash,此前预览的 Ox Alpha 即该模型,320B 总参数 / 18B 激活参数、1M token 上下文、原生多模态、MIT 许可,权重已上 Hugging Face。
AI News (smol.ai)
NVIDIA Nemotron 3.5 Lightning 上线 Ollama,可本地运行智能体任务
NVIDIA Nemotron 3.5 Lightning 已在 Ollama 上线,可完全在本地设备运行。该模型为 30B 总参数、每 token 仅 3B 激活的混合 MoE 开源模型,支持最高 1M token 上下文,面向持续运行的智能体任务,如读取文件、调用工具和多步重试。
Ollama Blog
实测 Claude 5 Fable:Mythos 级模型的工作体验
Ethan Mollick 提前获得首个面向公众发布的 Mythos 级模型 Claude 5 Fable 的访问权限,实测后认为它明显超越他用过的所有公开模型。
One Useful Thing (Ethan Mollick)
Anthropic 推出 Claude Managed Agents,将智能体的“大脑”与“双手”解耦
Anthropic 在 Claude Platform 上线托管服务 Managed Agents,把智能体拆成会话、harness 和沙箱三个可独立替换的接口,用于运行长周期任务。
Anthropic Engineering
Anthropic 详解 Claude Code auto mode:如何用分类器替代权限审批
Anthropic 介绍 Claude Code 新增的 auto mode,用输入层注入探测和基于 Sonnet 4.6 的对话分类器替代逐条权限审批。分类器分两阶段运行,第一阶段单 token 快速过滤,被标记后再进入链式推理,把 8.5% 的误报率降到 0.4%。
Anthropic Engineering
Anthropic 工程博客:用生成器与评估器架构支撑长时间应用开发
Anthropic 工程博客介绍一种受 GAN 启发的多智能体 harness 设计,用生成器与评估器分离来解决 Claude 自评偏宽松的问题。前端设计实验中作者制定设计质量、原创性、工艺、功能四项评分标准,评估器借助 Playwright MCP 实际操作页面后打分,单次生成跑 5 到 15 轮、最长约四小时。
Anthropic Engineering
Answer.AI 披露模型越权调用未授权工具的问题
Answer.AI 的 Piotr Czapla 发现 Claude 4.5 会幻觉出一个未被授权的工具 add_msg 并成功执行,Gemini 和 Grok 也能复现类似行为。
Answer.AI
