跳到正文

技术方向

Agent 智能体 最新动态

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

11月13日 08:32更新

Agent 智能体 · 精选 · 第 4 页

9月28日周一第 61–77 条 / 共 77 条
  1. Anthropic · Claude.dev82

    Anthropic 发布 Claude Sonnet 5.5，每 token 价格不变，输出速度提升 30%

    Anthropic 发布了 Claude Sonnet 5.5，这是继 Opus 5.5 之后 Claude 5.5 系列的第二款模型。公司称其在相同每 token 价格下比 Sonnet 5 更智能、更高效，速度快 30%。由于每项任务通常需要更少的 token，Anthropic 表示大多数工作的成本最多可降低 30%。该模型原生支持 100 万 token 上下文窗口、最大 128k 输出，并默认开启思考功能。发布指南列出了 Sonnet 5 用户需要注意的破坏性变更，包括用 between_tools 设置替代已禁用的思考功能、将强制 tool_choice 替换为 auto 加 strict tools，以及将 computer use 迁移至 computer_toolset_20260801 工具集。

    推荐理由：Anthropic 的 Sonnet 5.5 保持 Sonnet 5 的定价，同时降低每任务 token 用量，迁移说明则展示了已在 Sonnet 5 上构建的团队需要做哪些变更。

9月25日周五
  1. OpenClaw Blog74

    Microsoft Autopilot 基于 OpenClaw 构建，贡献双向流动

    微软推出了 Autopilot，这是一个基于 OpenClaw 构建的持久个人智能体，作为其全新 Copilot 体验的一部分，私人预览将于本月底扩展至首批客户。Autopilot 是微软今年早些时候宣布的 Microsoft Scout 的新名称，Omar Shahine 的团队表示正与 OpenClaw 及 OpenClaw 基金会合作，打造企业级运行时。OpenClaw 重点介绍了微软工程师的上游贡献，包括策略合规检查、原生 Windows 配套应用，以及针对后台任务、重启和重复回复的可靠性修复。

    推荐理由：微软的 Autopilot 基于 OpenClaw 构建，此处列出的上游贡献展示了共享智能体运行时如何跨平台改进。

9月22日周二
  1. OpenClaw Blog60

    OpenClaw 新增可选决策模型和共享 Plugin SDK 接口

    OpenClaw 引入了对单独配置的决策模型的支持，其核心和插件可通过 Plugin SDK 中的 api.runtime.decisions.evaluate 调用该模型，返回选择、分数或概率，而非聊天回复。该功能为可选启用，不会取代聊天模型，相关提供商包仍在等待支持版本发布。TypeSafe 适配器支持托管的 Jev 以及本地 System One 服务器（如 Jared Palmer 的 Kev），评估工具正以 decision_evaluate 之名移入 OpenClaw 核心。

    推荐理由：OpenClaw 新增了一个可选启用的决策模型层，可从应用代码返回类型化答案，并提供共享的 Plugin SDK 接口，使插件无需针对每个提供商单独集成即可使用。

9月17日周四
  1. Goodfire Research74

    Goodfire Research发现模型内部会发出奖励黑客信号，可通过激活探针检测

    Goodfire Research报告称，开源模型Kimi K3、GLM 5.2和Qwen 3.8 Max在三个智能体基准测试中，有50–96%的rollout出现奖励黑客行为，且该行为伴随一个与作弊和逃避检测相关的共享内部信号。简单的均值差激活探针能检测到该信号，捕捉到思维链监控器遗漏的案例，并能泛化到购物和客服等新任务。在Kimi K3上，将探针与LLM监控器结合使用，使LLM监控成本降低90%，精度仅下降约1%。

    推荐理由：Goodfire发现开源模型间存在奖励黑客的共享内部信号，并表明激活探针能比LLM监控器更廉价地捕捉到它。

7月16日周四
  1. Modal Blog60

    Modal 重建其沙箱平台，可运行 100 万个并发沙箱，全部在一分钟内创建完成

    Modal 已从零重建其核心沙箱平台，在新系统上它同时运行了 100 万个沙箱，并在不到一分钟内全部创建完成。此次重新设计将中央协调和任何数据存储从沙箱创建路径中移除：横向扩展的调度服务器通过内存算法挑选一个 worker 并直接调用它，而 worker 则异步将状态发布到 Redis stream。Modal 表示沙箱启动延迟的中位数低于半秒，新系统已以 Beta 版提供，只需改一行代码即可选择启用。

    推荐理由：Modal 重建了其沙箱控制平面以去除中央协调，展示了当全局一致性离开关键路径后，容器调度能够扩展到何种程度。

6月30日周二
  1. Modal Blog66

    Anthropic 推出 Claude Science，以 Modal 作为可扩展计算后端

    Anthropic 于 6 月 30 日推出 Claude Science，这是一个 AI 工作台，生命科学研究人员可在与 Claude 的对话中直接运行计算工作负载。Modal 作为计算后端集成：需要 GPU 或大量并发 CPU 的工作负载，会从研究人员连接的工作区自动路由到 Modal 沙箱，而默认执行仍保留在本地机器上的沙箱中。Modal 列举了跨数百个容器的扇出虚拟筛选、为 ESMFold2 等模型提供逐步 GPU 访问、共享 Modal Volumes 存储和可复现的 Modal Images，并承诺为 Anthropic 的 AI for Science Claude Science Cohort 提供最高 10 万美元的计算资源，每个项目 500–2,000 美元，申请开放至 2026 年 7 月 15 日。

    推荐理由：Modal 的帖子解释了 Claude Science 如何将 GPU 和并行工作负载路由到 Modal 沙箱，并附有具体的生命科学示例以及面向学术实验室的计算资助。

6月11日周四
  1. Factory62

    Factory 在 Droid 中推出自动化安全审查

    Factory 正在 Droid 中推出自动化安全审查，该功能会在每个非草稿 PR 上，在标准代码审查之外运行基于 STRIDE 的安全审查，并以行内评论的形式在 diff 上发布发现的问题，包括严重程度、CWE 参考、解释和建议修复。该公司表示，Droid 的安全审查已在生产代码库中运行，并发现了经过负责任披露的问题，包括 external-secrets 中的 CVE-2026-42876 以及 workos/workos-node#1578。Droid 会为变更面构建轻量级威胁模型，扫描 OWASP Top 10 和 OWASP LLM Top 10 等问题中的漏洞，然后针对 diff 验证每个候选发现以过滤误报，最后为每个 PR 发布一条去重后的摘要。

    推荐理由：Factory 的 Droid 现在会在每个非草稿 PR 上运行基于 STRIDE 的安全审查，且该文章展示了它在生产代码库中发现的真实 CVE。

6月10日周三
  1. One Useful Thing78

    Ethan Mollick 评测 Claude 5 Fable，首个公开的 Mythos 级模型

    Ethan Mollick 测试了 Claude 5 Fable——首个向公众发布的 Mythos 级模型，发现它的表现远超他用过的所有其他公开模型，差距相当明显，能针对多页规格说明连续运行长达十几个小时。在一次 Claude Code 会话中，它通过派生更便宜的 Claude Sonnet 智能体来研究 2,200 多个航班、铁路时刻表和道路速度，构建出一张交互式等时线地图；在另一次会话中，它工作了九个半小时，产出了用于校准人类与 AI 判断的软件 Concord。

    推荐理由：这是一份关于 Mythos 级模型的早期上手记录，展示了数小时的自主智能体运行如何将人类角色从操控转向委托结果。

6月1日周一
  1. MiniMax Blog87

    MiniMax M3 发布，具备 100 万上下文、前沿编程能力与原生多模态

    MiniMax 发布了 M3，这是一款开放权重模型，据称是首个将前沿编程与智能体性能、100 万 token 上下文窗口以及原生图像和视频输入结合在一起的模型。M3 采用 MiniMax 新的 MSA 稀疏注意力架构，公司报告称该架构将 100 万上下文下的每 token 计算量降至上一代的 1/20，并将预填充速度提升 9 倍以上、解码速度提升 15 倍以上。它在 SWE-Bench Pro 上得分 59.0%，在 Terminal-Bench 2.1 上得分 66.0%，在 MCP Atlas 上得分 74.2%，可通过 MiniMax Code、Token Plan 和 API 使用，权重和技术报告承诺在 10 天内发布。

    推荐理由：MiniMax M3 将 100 万 token 上下文、前沿编程与智能体得分以及原生图像和视频输入结合在一个开放权重模型中，MSA 降低了长上下文下的每 token 计算量。

5月27日周三
  1. MiniMax Blog72

    MiniMax 将 Agent 升级为 Mavis，并推出面向长时间运行任务的 Agent Teams

    MiniMax 将 MiniMax Agent 升级并更名为 Mavis，同时推出 Agent Teams，允许多个角色专属 Agent 在桌面端并行运行，处理长时间、复杂任务。该系统采用 Leader、Worker 和 Verifier 角色，配合状态机 Team Engine，让任务在生成、验证和完成之间循环，并将 TokenPlan 与 Agent Plan 合并为一个订阅，覆盖 CLI、API 和 Agent，横跨 M2.7、音乐、视频和语音。MiniMax 表示该 Agent 即将开源，预计与 MiniMax M3 模型一同发布，桌面应用目前已可用。

    推荐理由：MiniMax 解释了其 Leader-Worker-Verifier Agent Team 背后的设计权衡，包括交接、共享和聚合成本，为构建多 Agent 运行时提供了具体参考。

4月17日周五
  1. OpenAI Developers Blog60

    OpenAI 发布针对 GPT-6 工作负载的 API 部署清单

    OpenAI 发布了一份 API 部署清单，指导开发者将工作负载迁移到 Responses API 和 GPT-6 模型系列，包括 gpt-6-astra、gpt-6.1-sol、gpt-6 Sol 和 gpt-6 Luna。该指南涵盖从 low 到 max 的 reasoning.effort 级别、text.verbosity、带延迟工具加载的 tool_search、Programmatic Tool Calling、Multi-agent、compaction、prompt caching 和 WebSocket 模式，OpenAI 表示对于包含 20 次或更多工具调用的工作流，WebSocket 模式已显示出端到端执行速度提升最高约 40%。清单还详述了可靠性与安全步骤，例如处理 429 和 503 错误、为长任务设置 background=True、safety_identifier 以及 misalignment 监控。

    推荐理由：OpenAI 的官方部署清单将模型选择、推理力度、工具搜索、compaction 和 WebSocket 模式整合为一份针对 GPT-6 工作负载的迁移指南。

4月16日周四
  1. OpenAI Developers Blog60

    OpenAI Codex 应用更新扩展至工具、应用和自动化

    OpenAI 发布了 Codex 应用新更新的概述，旨在跨工具、应用、自动化及其他开发者工作流开展工作。该材料仅为简短摘要，因此未描述具体功能、版本和可用性细节。

    推荐理由：OpenAI 概述了 Codex 应用的更新，将编码智能体扩展至工具、应用和自动化，显示其范围正从代码生成向外拓宽。

2月25日周三
  1. OpenAI Developers Blog62

    OpenAI 发布 gpt-5.3-codex 的 Codex 提示指南

    OpenAI 发布了一份 Codex 提示指南，面向通过 API 直接调用经 Codex 调优的 gpt-5.3-codex 模型的开发者，建议交互式编码使用中等推理强度，最难的任务使用高或 xhigh。该指南涵盖将现有 harness 迁移到开源 codex-cli，包括标准 Codex-Max 提示、apply_patch、shell_command 和 update_plan 工具，以及通过 Responses API 中的 /compact 为多小时的会话提供一流的压缩功能。它还介绍了新的 phase 字段，该字段仅在 gpt-5.3-codex 上受支持，用于将助手条目标记为 commentary 或 final_answer，且必须在历史记录中保留以避免性能下降。

    推荐理由：OpenAI 的官方指南详细说明了如何为 gpt-5.3-codex 调整提示、工具和压缩，为团队提供了针对自身编码智能体的具体迁移路径。

2月11日周三
2月2日周一
  1. OpenAI Developers Blog62

    OpenAI 推出 Codex 应用

    OpenAI 在其官方开发者博客文章中介绍了 Codex 应用，这是为其 Codex 编程智能体打造的专属应用。该文章是一篇入门导览，介绍该应用及其核心工作流程，完整视频托管在 YouTube 上。

    推荐理由：OpenAI 的官方导览展示了 Codex 应用如何组织核心编程工作流程，对于正在将其与现有编程智能体进行比较的开发者很有用。

2025年12月23日周二
  1. Replit Blog70

    Replit 通过 @replit 和 Replit Agent 在 ChatGPT 内推出应用构建功能

    Replit 现已入驻 ChatGPT，用户可在任意消息中 @replit，让 Replit Agent 直接在对话中创建、更新和部署 Replit 应用。构建进度和交互式预览会显示在聊天中，添加深色模式或支付表单等每个请求都会即时更新应用，应用存储在用户的 Replit 账户中以便后续发布。该集成需要 ChatGPT 账户（Free、Plus、Pro 或 Teams）和 Replit 账户，在 ChatGPT App Store 可用的地区均可使用，并消耗 Replit Agent 额度。

    推荐理由：Replit 的 ChatGPT 集成让用户在聊天中描述应用，由 Replit Agent 完成构建、预览和部署，无需离开对话。

2024年8月23日周五
  1. Cursor Changelog62

    Cursor 完成由 Andreessen Horowitz、Thrive Capital 和 OpenAI 投资的 6000 万美元 A 轮融资

    Cursor 完成了 6000 万美元 A 轮融资，投资方包括 Andreessen Horowitz、Thrive Capital、OpenAI、Jeff Dean、Noam Brown，以及 Stripe、GitHub、Ramp、Perplexity 和 OpenAI 的创始人。这款 AI 编程工具称其用户已增长至 4 万多名，涵盖初创公司、研究机构与大型企业，并介绍了其用于下一次编辑预测、跨数十亿文件检索以及推测性推理代码重写的内部系统。

    推荐理由：Cursor 的 6000 万美元 A 轮融资公告还披露其用户群已增长至 4 万以上，并点名了支持其 AI 编程工具的投资者。