Handshake的AI训练业务在大约一年内从启动做到10亿美元年化毛收入，本次Latent Space与Garrett Lord及其团队的深度剖析梳理了前沿实验室所购买的强化学习环境。在一个金融演示中，一个智能体处理模拟银行的邮件和交易文件，将一个商誉数值带入Python并减去它，这个错误显示出专家判断在何处仍胜过模型。团队还介绍了VIALS——其用于解读科学图像的基准，并追踪了一个智能体在包括CAREBench在内的安全模拟中的工具调用。
Mastra 推出 Mastra FDE，这是一项面向任何构建 agent 的团队开放的前置部署工程计划，将 Mastra 工程师嵌入客户团队，从架构到生产全程参与。合作范围从每周 6 小时的顾问形式到每周 20-40 小时的主动构建，并配有与 Mastra 创始人和工程师共享的 Slack 频道以及 Mastra Enterprise。Mastra 表示，该计划的成本低于聘用一名资深 AI 员工。
Curative 在 Claude 上构建了分层智能体体系，签约医疗服务提供者的速度约为其团队 2025 年的 50 倍，其智能体 Gwen 已签下 23,000 份合同，每周新增 2,000 至 2,400 份合同。Gwen 每次运行处理一笔提供者交易，主要基于 Claude Opus，而一个 Sonnet 费率审核器可清除约三分之二的超模板费率请求，一个 Haiku 裁判会在每条消息发送前阅读它。每份合同约消耗 2000 万 token，成本约为原来的十分之一，Curative 的签约团队已从 45 人增至约 55 人，每人的生产力约为原来的 2.5 倍。
Anthropic 正在推出一项更新，让受支持的交互式连接器可以在对话旁边或全屏打开完整工具，并允许 Claude 对打开的页面、行或文件进行修改，用户以与连接器操作相同的方式批准这些修改。此次推送覆盖网页版和 Claude 桌面应用的所有套餐，首批工具包括 Asana、Canva、Carta、Dropbox、monday.com、Smartsheet、Vercel 和 Webflow，Figma、Harvey 和 Shopify 也在构建集成。这些连接器运行在 MCP Apps 上，Claude 现在以公开预览形式向开发者支持更多该扩展能力，例如应用工具和嵌入式站点。
推荐理由：Claude 的连接器现在会在聊天窗口旁打开完整工具，并让 Claude 直接编辑页面、行和文件，审批流程与连接器操作相同。
Mastra Platform 推出了每月25美元的 Starter 套餐，提高了计算、数据和可观测性事件的月度配额，并包含一台 Small 专用服务器且其计算费用已涵盖。现在所有套餐的配额都更高了，免费层更名为 Free，其中无服务器代理可免费运行。项目可以无服务器运行，也可以在 Small、Medium 或 Large 服务器上运行，而 Mastra Connect 为每个套餐增加了连接配额。
Google DeepMind 与 Artificial Analysis 合作推出多模态知识智能体（MKA）基准，该基准要求智能体审阅建筑图纸、工程示意图和临床扫描等密集视觉项目文件，并产出幻灯片、电子表格、PDF、Word 文档和标注图像。
Every 的实测评测发现，Google DeepMind 今日发布的 Gemini 4 Carbon 在编程上比 Gemini 4 Argon 强得多，能构建更好的 3D 物体，并可在极少监督下连续工作数小时。测试者对其需要多少监督意见不一，评测称早一天发布的 Anthropic Fable 5.2 抬高了期待：旗舰智能体还应选对工作、遵守限制并知道何时完成。Google 向 Every 提供了提前访问权，未对评测施加影响。
NVIDIA 在 CoRL 上推出了 GR00T 2——一个基于 Cosmos 构建、在 10 万小时人类第一视角数据上训练的开源世界动作模型，同时发布了 Isaac Lab 3.0 和新的机器人基准测试。GR00T 2 在没有任务特定演示的情况下，至少完成了一次 50 个评估任务中的 40 个；在每项任务仅提供一次演示的情况下，50 项任务的平均成功率达到 71%，提供五次演示时则升至 95%。Isaac Lab 3.0 新增了面向可变形物体的 Newton 物理集成，并在一个基于视觉的灵巧操作基准测试中报告其训练吞吐量最高可达使用 PhysX 的 Isaac Lab 2.3 的 2.5 倍。
推荐理由：NVIDIA 在 CoRL 上的发布表明，仿真加上世界动作模型如今正瞄准精细装配工作，GR00T 2 和 Isaac Lab 3.0 的细节值得与先前的机器人技术栈进行比较。
在没有 Prove2Me 平台、也没有研究人员引导的情况下耗时 7 小时——而 Anthropic 九月的运行使用了这两者——写出的证明长度只有其七分之一，输出 token 用量只有其三分之一。每个智能体都在网络隔离的沙箱中工作，配有分类器检查每条 shell 命令和文件编辑，外加一个离线监控器；在超过一百万次工具调用中，没有任何一次达到被拦截的标准。
推荐理由：Anthropic 的千智能体运行在没有 Prove2Me、也没有研究人员的情况下复现了费马大定理的形式化，展示了沙箱与监控如何约束一个自组织的智能体团队。
Anthropic 发布了一份指南，建议开发者将大多数编程和知识工作从 Claude Opus 5.5 的默认中等努力水平开始，因为其每 token 成本仅为 Fable 5.2 的一半。该指南将 Sonnet 5.5 对应到范围明确的日常工作，Haiku 5.5 对应到高容量分类、路由和子代理任务，Fable 5.2 对应到最困难的编程、金融和科学项目或长时间无人值守运行。它还建议在切换模型之前调整努力水平，并指出在 SWE-bench Pro 上，Opus 5.5 在低努力下运行、失败任务以高努力重跑，通过了约 97% 的任务，每个任务约 $0.17，而所有任务均以高努力运行时为 95.3%，每个任务 $0.29。
推荐理由：Anthropic 自己的指南将每个 Claude 模型和努力水平映射到具体任务类型，并提供了用于在它们之间选择的每任务成本和基准比较。
加州大学伯克利分校的 BAIR 在 CoRL 2026 上展示了 33 篇主会议论文、4 篇最新研究海报、3 个口头报告和 7 个焦点报告，会议于 11 月 9 日至 12 日在德克萨斯州奥斯汀举行。Negar Mehr 教授发表了早期职业主题演讲，探讨机器人如何学习与他人互动和协调。研究涵盖视觉-语言-动作模型的具身记忆、利用自我中心人类数据扩展灵巧操作，以及智能体机器人的自我改进。
现代汽车集团正在探索NVIDIA NemoClaw蓝图和NVIDIA OpenShell运行时，而AIM Intelligence正在将其Starfort平台与OpenShell集成，以支持用于员工生产力和企业工作流的安全AI代理。OpenShell是NVIDIA Open Agent Safety平台的关键组件，提供沙箱化执行和基于策略的控制，以治理自主代理的操作。LG AI Research还开放了K-EXAONE-2.5的API访问，该模型使用NVIDIA Nemotron数据集开发，包括Nemotron-Personas-Korea——一个包含700万合成韩国人物画像的开放数据集。
Figma 概述了直接在画布上使用其设计 agent 的六种方式，包括通过 Granola、Notion 或 Google Drive 等连接器引入会议记录来为设计添加注释，以及总结评论反馈并应用已达成一致的修改。该 agent 还可以构建自定义着色器、使用团队库在一次提示中生成多个布局变体、将静态设计转化为可交互的代码层，以及添加动效。
Meta 发布了 Muse Ember，这是其最小、最高效的模型，面向智能体全天执行的重复性工作，例如工具调用、编码子任务、路由、抽取和长文档解析。Meta 称其在约三分之一成本下达到 Claude Haiku 5.5 的最佳分数，并击败 GPT-6 Luna 的所有配置，价格为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元。该模型配备 100 万 token 上下文窗口、最高 51.2 万输出 token，原生支持文本、图像、音频和视频输入，即日起在 Muse Code 和 Meta Model API 上以 muse-ember-1.0 提供。
推荐理由：Meta 最小的模型瞄准高吞吐的智能体步骤，其与 Claude Haiku 5.5 和 GPT-6 Luna 的每任务成本对比说明了效率主张的来源。
Google AI Studio 现在允许用户直接通过提示词构建由 Google Maps Platform 驱动的应用，由 AI Studio 负责配置和 API 密钥管理，且无需信用卡。该集成涵盖 Maps、Places、Routes 和 Environment API，沙盒允许每个 API 每天 100 次调用，配额每 24 小时重置一次。关联 Google Cloud 结算账号后，可按 Google Maps Platform 标准定价解锁生产级配额。
Anthropic 报告称，Claude Fable 5.2 仅凭极简提示就设计了三款电子设备——免提扬声器、语音助手中枢和手持虚拟宠物，Diode Computers 依据其设计文件制作出可工作的原型，且未做电路修正。在 Diode 内部的 PCB Gym 基准上，Fable 5.2 得分 69%，而 Fable 5 为 25%；在公开的 BenchCAD 2.1 上达到 83.5%，几乎是 Claude Fable 5.1 的两倍。这些设备仍是原型，尚未经过电气验证、天线调谐、热测试或认证，Claude 也未连接测试设备或制造机器。
推荐理由：Anthropic 亲自披露 Claude Fable 5.2 设计出三款可工作的电子设备，表明模型已从局部 PCB 布局推进到端到端硬件原型制作。
Every 报道称，Anthropic 的最新模型 Fable 5.2 让 Kieran Klaassen 构建了一款视频编辑器，融合了 Adobe Premiere、After Effects 和 Ableton 风格的功能，并由一个 AI 智能体运行，Everycut 在他开始三天后上线。该评测称，Fable 5.2 能承接整个产品，并持续构建、测试和优化，直到可日常使用；相比之下，Opus 5.5 需要用户不断检查其工作，而 Fable 5 和 5.1 则能连续数小时或数天运行大型任务。Every 称这是其测试过的首个让专业人士无需阅读底层代码就能构建生产级工具的模型。
推荐理由：Every 对 Fable 5.2 的实测展示了单一模型在极少引导下能将产品构建推进到何种程度，并与 Opus 5.5 及 Fable 5/5.1 做了具体对比。
苹果本周开始在中国区 Apple Intelligence 内对 Qwen 进行开发者测试，计划于 12 月随 iOS 27.3 推出，以用户主动选择的方式将 Qwen 引入 Siri、写作工具和视觉智能。腾讯 11 月 4 日发布的 Hy4 增加了视觉推理与计算机使用能力，百度、月之暗面、蚂蚁和美团也发布或推出了新模型。
车畅（Chang Che）认为，AI已将网络安全从零日漏洞稀缺的时代推向零日漏洞泛滥的时代，而中国自上而下的体制难以适应这种所需的快速、去中心化的修补方式。据Censys数据，PHP零日漏洞披露一周后，美国已修补了1400万个暴露服务中的超过四分之一，而中国仅修补了4%。车畅将此归因于中国2021年的一项法律，该法律禁止研究人员在海外公开或出售零日漏洞，从而削弱了西方漏洞赏金生态系统背后的激励；他还援引Nicole Perlroth的观点，即AI模型使囤积的漏洞利用手段过时，意味着NOBUS的终结。
Artificial Analysis 发布 Decision Index v2，该指数目前有 45% 基于私有数据集构建，高于 v1 的 25%。Nace AI 的 Drex Max v1.1 以 73 分在决策模型中略微领先，与 GLiDE v1.2 和 Mammoth 27B 的差距在 1 分以内。新的 Decision Score 同时奖励正确性和校准置信度，而 AA-Paperclip 和 AA-Symmetry 新增了私有文档与一致性测试。
GitHub 发布了一份面向开发者的智能体工程指南，介绍了 Copilot 如何支持软件工作中的规划、构建、验证和观察四个阶段。该指南引用了 GitHub 今年 10 月单周 12 亿次提交的数据，比一年前增长超过 400%，还引用了 Faros AI 的一项研究：随着团队从低 AI 采用率转向高 AI 采用率，拉取请求在审查环节的停留时间延长了 441%。指南详细介绍了多项功能，包括 Slack 或 Teams 中的 Copilot、Plan Mode、GitHub Agentic Workflows、云沙箱、会话连续性、共享记忆、Copilot Dreaming 和 Copilot Fusion。
Meta 在 Muse 应用中引入 spaces，这是一种互动方式，用户可通过描述诸如礼物追踪器、每日单词游戏或 DIY 规划板等想法，来构建更个性化的 Muse。用户可用 Muse 调整每个 space，将其放入侧边栏或主标签页，隐藏或安排其显示时间，并连接应用，使演唱会日期和价格变动等细节在后台更新。从今天起，所有提供 Muse 的地方均可使用 spaces，Meta 表示正在探索分享选项，并推出利用从 Muse Wonder 中获得的经验训练的专用模型版本。
Asaf Ezra 认为，AI 让漏洞利用变得廉价而快速，而打补丁仍需数周到数年，因此漏洞利用与补丁之间的差距不会靠更努力地打补丁来弥合。他引用了十月的 PHP 漏洞——在披露前四天就已被利用——以及 Anthropic 的一份报告：一个未发布的模型在不到一小时内生成了 Linux 内核漏洞利用。随后他按覆盖范围对四种设备外防御排序：从开放互联网移除暴露面、分段、网络级虚拟补丁和消除漏洞类别。他还认为备份如今是主要目标，并引用 Sophos 数据：94% 的勒索软件受害者表示攻击者试图破坏其备份，其中 57% 的尝试成功。
Idealab创始人兼董事长Bill Gross做客Exponential View，讨论在AI时代创业以及他新成立的Idealab.ai——该公司利用AI探索潜在商业创意，对照现实问题评估这些创意，并帮助创始人压力测试和完善它们。Gross强调迭代与速度，开玩笑说自己本该把公司命名为“Iterate Lab”。
Zyphra 发布 MAIA 测试版，这是一款主动式多玩家 AI 智能体，能够记住团队共享上下文、在已连接的工具中执行操作，并以独立 Mac 桌面应用和 Slack 内嵌形式运行，测试期间免费。MAIA 对人员、决策和偏好保持带来源的持久记忆，可用自然语言执行多步骤任务，并能安排周期性工作。它遵循现有工具权限，在执行不可逆操作前会先确认，并允许用户查看和删除记忆；私密对话除非被分享，否则保持私密。
Ai2 发布了 ToyBlocks，这是一个围绕机械臂和桌面方块构建的开放模拟框架，作为其 FoundationWorlds 中首个用于可控机器人学习研究的项目。ToyBlocks 在 Isaac Lab 中通过强化学习和运动规划自动生成任务与演示，在单块 GPU 上数据生成速度最高可达实时的 24 倍，并附带 85,336 条长时程演示，覆盖近 1,600 小时和 1.44 亿帧。在 Franka FR3 上的真实世界测试中，ManiFlow 的原子技能成功率在模拟中为 80.0%，在硬件上为 81.1%；而 Molmo 2 加 ManiFlow 系统在模拟和真实回合中的成功率分别为 55.5% 和 50.0%。
客户体验 AI 平台 Sierra 入选 JPMorganChase 创新名人堂，颁奖仪式于 10 月 29 日在帕洛阿尔托举行的 J.P. Morgan 第 18 届年度技术创新研讨会上颁发给 CEO Bret Taylor。创新名人堂成立于 2011 年，旨在表彰通过创新和紧密合作对 JPMorganChase 产生重大影响的私营科技公司。Chase 首席信息官 Gill Haus 称 Sierra 是探索代理式 AI 在银行业应用的强力合作伙伴，Taylor 表示，基于 Sierra 构建的代理可部署在网页、移动端、聊天、电子邮件和语音渠道，以解决复杂任务。
Sierra 发布了 Accelerators，这是面向订单跟踪、预约安排、理赔受理和身份验证等高流量工作流的预构建包，现已在 Agent Studio 中提供。每个 Accelerator 都附带基础集成和防护措施，Ghostwriter 会将其适配到公司自身的政策；Sierra 的更新会延续，而客户的更改则单独跟踪。团队很快将能够在内部构建和共享自己的 Accelerator。
Newcomer 与 Felicis 发布了 Emergent，这是一份包含 29 家种子期或更早期初创公司的名单，由 Cerebral Valley AI Summits 的现任和前任创始人演讲者提名，认为它们具有世代级潜力。每家公司均处于种子轮阶段，并附有提名者的简短评语。其中最大的集群是构建用于运行和控制智能体的工具，硬件、开源和 AI 原生服务也较为突出。
OpenClaw 发布了 Multiplayer，这是一项免费开源功能，允许多人连接到同一个 OpenClaw Agent 和工作区，提示词会在各台笔记本电脑上实时显示，请求通过共享队列进行协调。在旧金山 GitHub Universe 的演示中，两位参会者在各自的机器上输入提示词，共同编辑同一个 3D 场景，无需重复说明上下文。OpenClaw 基金会表示，已有 50 多人在同一共享环境中协作，并将继续扩展该功能。
推荐理由：OpenClaw 把多人共享同一 Agent 与上下文做成免费开源功能，为团队协作中反复重建上下文的问题提供了一种可迁移的做法。
) 引用。智能体在 6% 的遇到情况下对 bug ID 采取了行动，其中 83% 的行动并非由开发者提示；41% 的未提示绕行追逐的是已关闭的工单，而 57% 触及的是仍然开放的 bug 并扩大了范围。在控制开发者、代码库复杂度、任务类型、模型层级和其他因素后，未提示的 bug 绕行使每次会话增加了 70% 的步骤、77% 的 token 和 105% 的等待时间。
推荐理由：谷歌的大规模追踪分析显示，过时的 TODO bug 引用会将编码智能体拖入未提示的绕行，而其清理智能体移除了数千条过时引用，审查者接受率超过 95%。
Anthropic 概述了其为 Claude 智能体设计记忆的方式，将智能体记忆定义为跨会话保留的知识，并将其与权重变化、上下文学习和压缩区分开来。5 将其与记忆相匹配。7 在 225 个文件夹中写入了 413 个文件，并获得了一枚徽章。
推荐理由：Anthropic 详细说明了 Claude 的智能体记忆如何运作，比较了模型在 CL-Bench 和 Pokémon Red 上的笔记记录，并展示了离线“做梦”如何纠正和组织已存储的笔记。
Anthropic 的研究认为，AI 系统如今能在一个下午内推导出 Hodgkin-Huxley 模型这类方程，但拟合实验数据并不等同于理解。该研究将科学建模拆分为构建、约束和解释模型，并指出 AI 在约束模型方面进展最大，其中贝叶斯推断是绘制所有合理参数集而非单一拟合的标准方法。
Mastra agents 现在可以通过新的 @mastra/ring-signals 包接收 Ring 门铃事件作为通知信号，需要 @mastra/core@1.81.0 或更高版本。每个事件都会以可配置的优先级到达 agent 的线程中，agent 可以从 Ring API 获取快照或视频片段来决定如何响应。Ring 信号还可以指向现有的频道线程，例如 iMessage，以便警报到达共享对话。
VIALS-AA 分析了 19 个模型如何对科学图像进行推理，对 9,177 次工具调用轨迹进行了分类。查看图像占调用量的 38.3%，图像准备或测量占 47.3%；而图像测量在 GPT-6 Astra (max) 和 GPT-6.1 Sol (max) 中仅占调用量的 5–6%，相比之下 Claude Opus 5.5 (max) 和 Claude Sonnet 5.5 (max) 为 25–27%。Gemini 3.8 Flash (high) 产生了该队列中 86.7% 的评论/空操作调用，且不同模型间的单任务成本相差近 100 倍。
Snorkel 使用 Modal 的 GPU 和 CPU 沙箱每月运行数百万次智能体模拟，高峰时每小时可达数万个沙箱，并依赖 Modal 对其评估的开源权重模型进行推理。采用 Modal 的内存突发功能后，Snorkel 的沙箱总账单降低了约 20%，目前约 10-15% 的沙箱使用了突发功能。Modal 是唯一能够大规模满足 Snorkel GPU 沙箱需求的沙箱提供商。
微软研究院推出了 PDD Kit，这是一个研究原型，可将开发者的自然语言意图转化为 Verus 形式化规范，证明编码智能体生成的 Rust 代码对任意输入均满足该规范，并在证明无法覆盖之处回退到测试。在 GitHub Next 的 Chopin 中进行的一次演示中，团队使用 PDD Kit 验证了 Pet Store 的登录逻辑——这是一个约 5,000 行的 Rust 全栈应用——开发者审查的是意图产物，而非逐行审查生成的代码。PDD Kit 目前仅能验证 Rust，其保证依赖于六个经开发者批准的可信组件，包括 bcrypt 密码校验和两次数据库查询。
Katie Parrott 提出四个问题，用来判断哪些 AI 工作流应当保留、重新设计、重新审视或淘汰，并认为今天失败的工具日后可能变得合适，因为新的选项会抽象掉技术难度。这篇重新发布自七月的文章以 Every CEO Dan Shipper 的 Codex 原生 Tend 系统为例。
Meta 正在向使用 Muse 和 Meta AI 的用户推出其现有模型的专用版本，这些版本使用 Muse Wonder 训练。专用模型新增了 Active Memory 和 Active Focus，Meta 报告称，当前 Muse 模型在其 Personal Superintelligence Index 上得分为 47%，而上一代模型为 38%；在 Active Memory 评估中为 90% 对 76%；在完成出现意外问题的日常任务方面提升了 67%。
推荐理由：Meta 的专用 Muse 和 Meta AI 模型将 Active Memory 与 Active Focus 带给更多用户，并报告在记忆和任务完成评估上有所提升。
Sierra 已收购 Anon，这家初创公司构建的基础设施可让企业 AI 智能体在没有 API 的网站上登录、浏览页面并填写表单。Anon 融资超过 1300 万美元，其产品已被数百家客户使用，其团队现在将帮助 Sierra 的智能体完成需要登录网站或通过浏览器门户操作的步骤。创始人 Daniel Mason 表示，更好的模型和 harness 已使浏览器智能体可靠得多，而 Sierra 的 Horizon 智能体正在追求更长期的目标，例如发起贷款或为医疗程序获得事先授权。