技术方向
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。
77 条精选近 30 天 50 条共收录 456 条
Preferred Networks 于 2026 年 10 月 27 日开始提供 PLaMo 3.1 Prime，新增网页搜索和 Deep Research 功能，后者可在数分钟到数十分钟内自主规划、收集、分析并撰写带来源引用的报告。Deep Research 还支持本地部署，并可连接内部文档检索系统；该公司称，与 PLaMo 3.0 Prime 相比，在包括 AA Omniscience 在内的八项幻觉相关基准上平均得分提升约 15%。PFN 还提到，通过推测解码处理速度提升 1.7 倍，非推理模式下输出 token 减少 90%，并推出了免费的 PLaMo API 套餐以及 PLaMo Chat 活动，在 2026 年 11 月 30 日前每天提供两次 Deep Research。
推荐理由：PFN 的 PLaMo 3.1 Prime 新增了可本地运行的自主 Deep Research，为日本企业提供了一个可本地部署、用于带来源引用的调研工作的选项。
MiniMax 在 MiniMax Code 桌面应用中推出 Mini App，这是一种插件格式应用，包含前端和 Node.js 后端，让 Agent 的工作留在一个持续运行的页面上，而不是分散在对话中。此次发布包含一个运行时，具备持久化数据目录、托管 MCP、Agent API、Host Connectors 和页内工具审批，还有 /miniapp-creator，可从一句话请求直接生成可用页面，以及插件市场中的官方 Mini App。MiniMax Bot 本身就是一个 Mini App，其源代码与社区构建的 Mini App 现已放入开源仓库 MiniMax-Code-MiniApps；Mini App 可在 macOS 和 Windows 的本地会话中使用。
推荐理由：MiniMax Code 把 Agent 的工作从对话流搬进常驻页面，并公开了 Mini App 的运行时与开源仓库，为 Agent 工具形态提供了一种可参考的架构。
Anthropic正在将Agent Skills——一项为AI智能体提供专业知识和 workflows 的开放标准——捐赠给Linux基金会旗下的Agentic AI基金会（AAIF）。自2025年12月发布以来，包括ChatGPT、Cursor、GitHub Copilot和VS Code在内的70多个智能体平台已集成该标准，已发布100万个技能，安装量近2.8亿次。此次捐赠涵盖Agent Skills名称和徽标、GitHub组织以及agentskills.io域名，来自Anthropic、Google、OpenAI和其他公司的工程师将以个人身份在首席维护者David Soria Parra和Mahesh Murag的带领下对其进行维护。
推荐理由：Anthropic将其Agent Skills标准交给Linux基金会的AAIF——与MCP相同的中立归属，使社区对该规范的路线图拥有正式话语权。
我们测试了 Claude Duet——Anthropic 今日以研究预览形式推出的全天候个人智能体——并认为它是第一个称得上专业工具的个人智能体。Duet 运行在 Opus 5.5 上，拥有独立于 Claude 的 iOS、Android 和网页应用，会把反复出现的话题拆分到不同频道，跟踪自己正在处理的工作以及需要用户提供的内容，并能就地编辑文档、幻灯片、设计和仪表盘。评测者仍指出了一些不足：它能查看但无法操控电脑上的 Claude 会话，其邮件草稿落后于 OpenAI 的 Dot，定时运行无法触达自定义连接器，而且目前还没有真正的语音模式，只有转写。
推荐理由：这是一次上手对比，将 Anthropic 的新款全天候智能体与 OpenAI 的 Dot 相比较，有助于判断个人智能体目前仍在哪些方面存在不足。
Mistral 发布了 Voxtral 3，这是一系列语音转文本和文本转语音模型，外加一个基于 LiveKit 构建的语音智能体 SDK，可在单一流水线中流式完成聆听、推理、工具调用和说话。Voxtral Small Transcribe 3 覆盖 50 多种语言，支持说话人分离和上下文偏置；Voxtral Mini TTS 3 支持 35 多种语言和 50 多种方言；该技术栈可通过 Mistral 的欧盟托管 API 或自部署获取。定价为批量转写每分钟 0.0035 美元起，TTS 每 100 万字符 13 美元。
推荐理由：Mistral 的 Voxtral 3 将多语言语音模型与基于 LiveKit 的语音智能体 SDK 相结合，为团队提供了一个可主权部署的实时语音智能体选项。
MiniMax 正式推出 MiniMax M3.1 Flash，这是一款新一代 Flash 模型，据称相比前代将使用成本降低 70%，在线推理速度提升近三倍。公司报告其在 DeepSWE v1.1 上达到 73.7%，在 BankerToolBench 上为 76.2，在 OSWorld V2 上为 61.7，在 Agents' Last Exam 上为 29.6，在 CyberGym 上为 82%，输出速度超过 200 TPS，中位数为 170+ TPS。定价为每 100 万输入 token 0.15 美元、每 100 万输出 token 0.60 美元、每 100 万缓存输入 token 0.015 美元，该模型可通过 MiniMax API、M Plan 和 MiniMax Code 使用，权重将于后续发布。
推荐理由：MiniMax 的 Flash 模型声称以每 100 万输入 token 0.15 美元的价格实现顶级的智能体与编程得分，为智能体工作负载的成本侧提供了一个具体的数据点。
Google Research 介绍了三个旨在让 AI 智能体扎根于真实湿实验室实验的项目，其中包括 VERID 框架——一个基于开源 PyLabRobot 框架构建的实验室工作单元语义数字孪生，可跟踪台面布局、孔体积和吸头库存，并在执行前对协议进行干运行。
推荐理由：Google Research 概述了三个将 AI 智能体连接到真实湿实验室硬件的项目，展示了模拟干运行和闭环实验如何让智能体修正自身的设计规则。
Claude Code 团队介绍了其分层代码审查流程：大部分阅读工作由机器完成，人的注意力则保留给基于风险的审批。6 月至 9 月，Claude Code 代码库中合并的拉取请求数量增长了一倍多，而不得不回滚的比例下降了 40% 以上。该流程在 PR 之前叠加验证、必需的 CI、Claude 审查、安全审查、按风险分级的人工审批，以及带标志和快速回滚的合并队列；团队还将过去的事故转化为审查者的每日评估集。
推荐理由：Anthropic 的 Claude Code 团队详细说明了如何将大部分代码阅读转移到自动化层，同时合并的 PR 翻倍、回滚下降超过 40%，为大量使用智能体的团队提供了一个可迁移的审查模型。
Meta 发布了 Muse Spark Open 的权重，这是一个开放权重的原生多模态模型，总参数 816B（激活参数 42B），上下文窗口为 1M token，定位面向编程和智能体任务。它是同类模型中首个借助 MLX 框架、在两台 Apple M5 Ultra Mac Studio 上于桌面端运行的模型，并可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 合作伙伴获取，权重已在 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 上提供。Meta 表示，该模型在 SGLang 中附带可自动调优的 Helion GPU 内核，在 NVIDIA 和 AMD GPU 上实现 1.03-3.95 倍的内核级加速，在 AMD MI350 上实现 3% 的端到端加速。
推荐理由：Meta 发布了一个 816B 参数多模态模型的开放权重，该模型可在两台 Mac Studio 上运行，为开发者提供了一个用于长程编程和智能体任务的本地选项。
Meta 发布了 Muse Spark Open 的权重，Modal 现已通过其 Auto Endpoints 以按 token 计费的方式提供该模型。该模型面向智能体编程和长周期任务，具备原生多模态理解、100 万 token 上下文窗口、多步规划、顺序工具调用和故障恢复能力。Meta 报告称，在 Terminus 2 智能体下 Terminal-Bench 2.1 得分为 76.4，在使用其首选 harness、xhigh 推理强度下 DeepSWE 1.1 得分为 60。
推荐理由：Meta 的开源权重模型 Muse Spark Open 现已在 Modal 上提供服务，让团队能够以按 token 计费的方式试用一款具备 100 万 token 上下文窗口的智能体编程模型。
Meta 推出 Muse Wonder 系列，包括 Muse Wonder 和 Muse Wonder Full，称其在个人与专业智能体任务、记忆和编程方面达到最先进性能。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 即日起面向 Muse Code 订阅用户提供。这些模型将 Active Memory（跨对话携带上下文并检索任务相关细节）与 Active Focus（持续处理长期目标并在重要操作前确认）相结合；Meta 表示两者均在其千兆瓦级 Prometheus 数据中心训练。
推荐理由：Meta 的 Muse Wonder 系列声称在智能体、记忆和编程基准上取得最先进结果，其构建围绕 Active Memory 和 Active Focus 两项能力。
Anthropic 发布了一份 Claude Managed Agents（测试版）的参考实现，该实现按 cron 计划读取 Slack 频道和 GitHub 拉取请求，通过按来源分别记录的书签追踪自上次运行以来的变更，并向 Slack 发布简报。该详解涵盖由 vault 保管的凭据、只读访问和单次运行支出上限，以及将某个来源读取失败报告为不可读而非视为平静无事的规则，还有在更新书签和账本之前先确认 Slack 发布成功的规则。一个带有 claude-api 技能的 Claude Code 命令可根据文章中的指导配置该智能体。
推荐理由：Anthropic 分享了一个定时 Claude Managed Agents 的参考实现，该实现读取 Slack 和 GitHub，并针对书签、读取失败和发布确认给出了具体规则。
3 并将其部署到生产推理栈上，由廉价探针过滤对话轮次，只有可疑交互才会进入 LLM 裁判。良性会话中断率为 5%，每百万轮次成本在无裁判推理时为 65 美元、有裁判推理时为 185 美元，且在 SGLang 内未带来可测量的吞吐损失。
推荐理由：Goodfire 表明，探针加裁判的级联方案能以约低 50 倍的成本监控智能体网络滥用，且无可测量的吞吐损失，为安全地服务开放模型提供了具体方案。
Mistral 已推出 Mistral Large 4 的公开预览版，这是一个 1 万亿参数的原生多模态模型，拥有 520 亿活跃参数，现可通过 Mistral Studio API 使用。Mistral 表示，该模型可与最强的开源模型竞争，并优于美国和欧洲的其他开放权重模型，在 Artificial Analysis Cyber Index 漏洞复现与修补测试中得分 82%，在其综合 Coding Agent Index 中得分 49.8%。权重将于本月底发布，此前已与网络安全合作伙伴和主管部门进行红队测试；Mistral 表示，该模型是在其自有欧洲数据中心内的 3,800 块 NVIDIA Grace Blackwell GPU 上从零开始训练的。
推荐理由：Mistral 迄今最大的模型声称在网络安全和智能体编程方面拥有开放权重领先地位，并承诺月底发布权重。
Addy Osmani 详细介绍了 Claude Code 云会话：每个任务都在一个全新的、由 Anthropic 管理的虚拟机上运行，仓库被克隆到各自的分支上；云会话包含在 Pro、Max、Team 和 Enterprise 套餐中，不额外收取计算费用。在一个示例 Node 仓库上进行的四会话测试中，三个会话在彼此相隔 16 秒内启动，并在第一个会话开始后 87 秒完成；那个不稳定测试会话将测试套件运行了 40 次，零失败。该指南涵盖设置脚本、网络级别、GitHub 连接路径以及适合云会话的七种工作流，同时指出对于需要本地数据、VPN 服务、GPU 或零数据保留的任务，本地会话仍然是更合适的选择。
推荐理由：一份关于 Claude Code 云会话的实战指南，展示了按任务分配的虚拟机如何实现并行工作，以及本地会话在哪些场景下仍然更合适。
Claude Code mods 是小型 JavaScript 或 TypeScript 文件，作为插件中附带的钩子在会话内运行，可以观察事件、重写行为，或在终端或桌面应用中绘制自定义 UI。本指南构建了 Token Weather，一个约 80 行的 mod，在每轮之后读取 $.session.usage()，并在提示符上方绘制一条天气风格的上下文窗口带；随后介绍了 Blast Radius（用于拦截有风险的 Bash 命令）和 Replay Theater（用于逐步查看某一轮的编辑）。Mods 需要 Claude Code 2.1.287 或更高版本，且默认开启；三个示例的完整代码位于 anthropics/claude-code-playground。
推荐理由：一篇动手实践指南，介绍 Claude Code mods，并用约 80 行代码构建一个可用的上下文窗口计量器，展示钩子、状态和自定义 UI 如何协同工作。
Modal 已正式发布 VM Sandboxes，通过相同的 API、modal.Images、亚秒级冷启动以及 CPU/内存突发能力，为智能体提供完整的 Linux 虚拟机，与其现有的基于 gVisor 的 Sandboxes 保持一致。当用户需要 Docker、FUSE 文件系统或小众 Linux 内核特性时，可通过 runtime="vm" 启用，而 gVisor 仍为默认运行时。Modal 表示，早期客户已启动超过 2000 万台虚拟机，其中 Linear 的每个 Coding Session 都运行在 VM Sandbox 上，Legora 和 Snorkel 则将其用于法律智能体评估和智能体模拟。
推荐理由：Modal 的 VM Sandboxes 为智能体提供带有 Docker 和内核访问权限的完整 Linux 机器，同时保留现有的 Sandbox API 和亚秒级冷启动。
Factory 已将 Automations 全面开放，让团队可以描述一个重复性工作流，并让 Droid 按计划或事件触发来运行它。每个自动化都结合了触发器（计划、Slack、GitHub 或 webhook）、指令、用户选择的模型和推理级别，以及一台可以是本地、已连接或由 Factory 托管的 Droid Computer 的机器。Factory 表示，过去 30 天内有 52% 的企业用户运行了自动化代码审查，48% 使用了安全审查，35% 使用了 AutoWiki，自动化会话量较此前 30 天增长了 51%。
推荐理由：Factory 将其 Automations 全面开放，展示了企业实际把哪些重复性工程工作流交给 Droid，以及模型和机器选择如何按任务生效。
OpenClaw 宣布推出 OpenClaw Enterprise（OCE），这是一个开源、厂商中立的平台，用于在敏感环境中管理持久化代理，目前仍在开发中，计划于今年晚些时候发布 1.0 版本。OCE 增加了一个企业控制平面，具备多租户、硬性安全边界、沙箱、基于 LLM 的审查和细粒度权限，并允许将 harness、模型和沙箱替换为第三方或内部实现。组织今天可以通过 docker-compose 进行本地开发，或通过 kubernetes 进行内部部署来自行托管，目前正在 Red Hat 和 OpenAI 等公司进行试点。
推荐理由：OpenClaw Enterprise 是一个面向敏感环境中持久化代理的开源控制平面，具备多租户、硬性安全边界和可审计性，现已可用于内部试点工作负载。
Anthropic 在 Claude Code 内的 claude-api skill 中新增了两个命令：/claude-api build-eval 会在你的代码库中构建评估集，/claude-api hillclimb 则基于该评估对应用进行迭代，并使用留出集来防止过拟合。
推荐理由：Anthropic 为其 claude-api skill 新增了 build-eval 和 hillclimb 命令，展示了 Claude Code 如何设计评估并据此迭代，同时防止过拟合。