#Agent

Cognition 完成超 20 亿美元 E 轮融资，估值达 480 亿美元

Cognition 宣布完成超 20 亿美元 E 轮融资，估值 480 亿美元，由 Andreessen Horowitz 和 Accel 领投，Founders Fund、General Catalyst、Avenir 等跟投。

Artificial Analysis 评测 OpenBMB MiniCPM5-2B，登顶 4B 以下开源权重模型

Artificial Analysis 评测显示，OpenBMB 的 MiniCPM5-2B 在 Intelligence Index v4.2 得分 15，为总参数量 4B 以下开源权重模型中最高。

Artificial Analysis 发布 Intelligence Index v4.3，引入 Terminal-Bench v4 与 AutomationBench-AA

Artificial Analysis 发布 Intelligence Index v4.3，将 Terminal-Bench 从 v2.1 升级到 v4，并用与 Zapier 合作、含 657 个私有测试任务的 AutomationBench-AA 替换 𝜏³-Banking。

OpenAI 发布内部研究加速报告：已达成自动化研究实习生目标，推进 2028 年 3 月自动化 AI 研究员

OpenAI 发文披露自动化研究进展，宣布已达成去年秋天设定的今年 9 月拥有自动化研究实习生（可在人类指导下完成耗时数天的明确研究任务）的目标，并计划在 2028 年 3 月前造出自动化 AI 研究员。

蚂蚁 inclusionAI 发布块扩散视觉语言 GUI 智能体 LLaDA-UI

蚂蚁 inclusionAI 在 Hugging Face 发布 LLaDA-UI，一个基于 MoE 的块扩散视觉语言 GUI 智能体，总参数约 16.7B，语言骨干为 LLaDA2.0-mini-base。

蚂蚁 inclusionAI 发布 LLaDA2.2-mini 智能体扩散语言模型

蚂蚁 inclusionAI 在 Hugging Face 发布 LLaDA2.2-mini，这是 LLaDA2 系列的轻量级智能体扩散语言模型，总参数 16B、推理仅激活 1.4B。

Artificial Analysis 发布 Intelligence Index v4.2：新增 AA-Briefcase 与 GDP.pdf 评测

Artificial Analysis 发布 Intelligence Index v4.2 中期更新，新增私有测试集评测 AA-Briefcase（智能体知识工作）和 Surge AI 的 GDP.pdf（跨 100 份 PDF、4,592 页的长文文档推理，按 1,275 条专家标准全过评分），并移除已饱和的 GPQA Diamond。

OpenAI 发布 GPT-6 Astra：多项基准刷新纪录， cybersecurity 能力达 Critical 阈值

OpenAI 发布新一代模型 GPT-6 Astra，称其在计算机使用、软件工程、科学和网络安全等方向达到 SOTA。

Tibo@thsottiaux· 04:07AI 评分4646

OpenAI 正在推进 Astra 的分批推送，Pro 和 Business 订阅用户率先在 ChatGPT Work 和 Codex 中看到它。之后将尽快向所有 Plus 订阅用户推送。

xAI 用 Grok Bot 搭建采购智能体 Haggle Bot，找出超 10 万美元直接节省

xAI 给 Grok Bot 开放供应商支出、合同和使用数据，搭建了名为 Haggle Bot 的采购智能体，已找出超过 10 万美元直接节省。SaaS 审计中发现一个产品有 43 个付费席位 90 天无活跃，节省 $14,220，另一个产品每年有 $85,662 未使用 SKU；办公用品比价一次将 $14,629 的订单压到 $6,143，降幅 58%。

Claude Platform 的 ant CLI 1.30.0 新增 ant apply 命令

Claude Platform 发布 ant CLI 1.30.0，新增 ant apply 命令，可从仓库文件创建和更新 agents、environments、skills、memory stores 和 deployments。命令会打印计划供确认，并写入 claude-lock. 锁文件，提交后可在本机或 CI 中后续运行时更新同一批资源。

Claude 用 11 天完成费马大定理的首个完整机器验证证明

Anthropic 发布首个完整机器验证的费马大定理证明，Claude 在 11 天内基本自主完成，写出 1300 万行 Lean 代码并证明 29,500 个中间定理。

GitHub 发布 Project HydraFusion 研究预览，用多模型运行时编排降低 Copilot 成本

GitHub 推出 Project HydraFusion 研究预览，通过运行时多模型编排，在 Single、Cascade、Critique 三种执行模式间为每个任务选择工作流，以平衡质量、成本和延迟。

用 Astra 在 Blender 中从一段描述搭建可编辑 3D 房屋场景

OpenAI Developers 博客展示作者用 Codex 中的 Astra 将一段房屋设计简报逐步发展为可编辑的 Blender 3D 场景，涵盖建筑、家具、材质、灯光与地板图，并经 Cycles 渲染出 30 秒 900 帧 1080p 相机漫游。

OpenAI 工程师用 Astra 在 Codex 中构建太空游戏 Void Explorer 的实践详解

OpenAI 开发者博客分享了用 Astra 在 Codex 中构建太空探索游戏 Void Explorer 的完整过程。游戏包含 2,048 个星系和超过 10,000 颗程序化生成的行星，可从太空穿越大气层降落并步行。

OpenAI 发布 GPT-6 Astra：多项基准刷新纪录并强化网络安全能力

OpenAI 发布 GPT-6 Astra，称其在 FrontierMath Tier 4 达 98%、ARC-AGI-3 达 99.9%、ExploitBench 达 100%，并称其网络安全能力达到 Preparedness Framework 的 Critical 门槛。

OpenAI GPT-6 Astra 在 ARC-AGI-3 上取得 SOTA 并超越人类动作效率基线

OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上，Standard harness 得分 62.7%（成本 $26K），Provider Adapter harness 得分 99.9%（成本 $19K），均为 SOTA。

Claude Code v2.1.260 发布

Claude Code 发布 v2.1.260，新增全屏模式 diff 面板（/diff 切换）、/cost 显示提示缓存未命中原因、/reload-plugins 及文本形式 /advisor 命令。

蚂蚁 inclusionAI 开源 Choruz：人类与 AI 智能体的本地优先协作应用

蚂蚁 inclusionAI 在 GitHub 发布 Choruz，一个本地优先的协作应用，让人类与 AI 智能体在类 Slack 空间中协作，每个 Agent 在独立工作区运行真实 CLI，可通过消息、线程、任务和文件交接工作。

xAI 发布 Grok Bot 企业版，Grok 与 Cursor Enterprise 客户两周免费

xAI 宣布 Grok Bot 面向企业开放，Grok 和 Cursor Enterprise 客户未来两周可免费使用并邀请全组织成员，包括没有现有席位的员工。

OpenAI 发布 GPT-6 Astra 并公布安全概览，称其网络安全能力达到 Preparedness Framework 的 Critical 级

OpenAI 发布 GPT-6 Astra，称这是其部署过的最强模型，也是首个在其 Preparedness Framework 下达到网络安全能力 Critical 级的模型，可在无人逐步引导的情况下发现未知安全漏洞并开发利用方式。

OpenAI 推出 Daybreak for Frontline Defenders，投入10亿美元支持一线网络防御

OpenAI 发布 Daybreak for Frontline Defenders 全球计划，承诺提供10亿美元的 Daybreak 补贴访问、培训、技术支持与合作，计划在未来六个月内消耗，优先支持水处理、电网、州和地方政府、社区银行、非营利组织和开源维护者等资源有限的一线防御者。

xAI 设计 Grok Bot：为持久化智能体重构交互界面

xAI 发布设计文章，介绍 Grok Bot 如何为超越单次会话的持久化智能体设计界面。产品以 Bot 为主要对象而非会话，Bot 拥有身份、记忆、自己的计算机和工具；头像动效呈现空闲、工作、等待、阻塞、思考、完成等状态；工作区提供状态、预览、接管三级访问。

LangChain 重构 MCP 支持：内置 langchain.mcp，适配无状态新规范

LangChain 重构 MCP 支持，将 MCP 移入主包 langchain.mcp（需 langchain[mcp]>=1.4.0，Python 先行、TypeScript 随后），底层基于 FastMCP，可自动在新旧两代协议间协商。

GitHub Copilot app 教程：用 Git worktree 并行运行多个智能体会话

GitHub Copilot app 支持并行运行多个智能体会话，每个会话独立运行并保留各自上下文，可随时切换而不需重新说明任务。每个会话可运行在自己的 Git worktree 上实现隔离，作者以 tailspin-toys 仓库为例演示同时进行添加 funded sort 功能、无障碍审查和运行测试三个任务，用户在 sessions 视图中跟踪进度并审阅结果。

Tessl 提出反馈回路工程：用内、中、外三层循环让项目对智能体更友好

Tessl 提出反馈回路工程这一实践，把围绕智能体的循环分为内循环（测试、类型、评审）、中循环（维护智能体修复项目本身的状态）和外循环（读取生产信号），认为常被忽略的中循环能改善未来大量变更的条件。

NVIDIA 用 NemoClaw 构建记忆驱动的企业智能体并给出五条设计经验

NVIDIA 团队基于 NemoClaw 构建了一个记忆驱动的 Chief of Staff 智能体，用结构化 Markdown 的 self model 维护人员、项目和优先级等长期记忆，并通过 NVIDIA OpenShell 沙箱在运行时强制安全边界。

蚂蚁 Ling 3.0 flash Fin 发布，首个金融增强模型，124B 总参数 5.1B 激活

蚂蚁集团发布 Ling 3.0 flash Fin，作为 Ant Ling 系列首个金融增强模型，基于 Ling 3.0 flash 用高质量金融数据继续训练，总参数 124B、激活参数 5.1B、上下文窗口 256K。

a16z 撰文分析 Agent 时代系统记录软件与垂直 AI 的竞争格局

a16z 合伙人 Seema Amble 撰文分析 AI 时代系统记录软件的竞争格局。文章以 Salesforce 与 Anthropic 合作的 Claudeforce 为例。

Qwen 联合淘宝天猫集团发布 E-Commerce Bench：评测模型长时程电商经营能力

Qwen 与淘宝天猫集团合作发布 E-Commerce Bench，让模型以 ¥100,000 初始资金在模拟市场经营网店 365 天，覆盖 6,886 个商品、576 家供应商和 60 个品类。

OpenAI 发布 GPT-6 Astra 系统卡，披露对齐评测与生化能力分级

OpenAI 发布 GPT-6 Astra 系统卡，将其在生物化学领域预防性地定为 High 能力，未达 Critical 阈值。

LangChain 总结施耐德电气、Vodafone 与 monday.com 的智能体规模化经验

LangChain 梳理了欧洲与中东企业规模化部署 AI 智能体的经验：施耐德电气由 350 人 AI Hub 支撑 60+ 智能体，monday.com 将 AI 助手 Sidekick 从单一通用智能体重构为子智能体。

OpenClaw 发布 macOS 安装器并为 Windows NVIDIA RTX PC 简化本地模型配置

OpenClaw 推出 macOS 原生应用安装器，用户可像普通应用一样点击安装并通过引导流程上手，无需接触终端，macOS 还能自动检测已有的 Claude、Codex 或 Ollama 等 AI 配置。

Meta 构建“组织第二大脑”AI Agent，从专家反馈中沉淀机构知识

Meta 发布技术博客，介绍其为合规领域构建的 AI Agent，用结构化知识系统加可组合 recipes 复现专家推理方式，专家反馈经诊断、编译、验证和人工审核后写入 200+ 知识文件，无需重新训练模型。六周三轮开发后，单项评估时间从数天缩短到数分钟，改进周期内零回归，每轮修复自动加入回归测试集。

GitHub 播客解读 AI 开发新术语：loop engineering、Ralph loops、squads、harness 与 hill climbing

GitHub Podcast 一期节目配套文章由 Cassidy Williams 与 Marlene Mhangami 等解读当下 AI 开发常见新术语。

GitHub Copilot 如何在不牺牲任务质量的前提下降低 AI 编码成本

GitHub 工程师 Erik Kristensen 分享了 Copilot 降本的四项改动：选择性压缩工具输出、移除 view 工具行号前缀（线下推理成本降约 5%，线上用户日均推理成本降约 3%）、压缩 task-tool 提示词（每轮省约 1300 token，每活跃小时归一化成本降 2.9%）、后台任务完成后直接交付结果（AI Credits 用量降约 2.3%）。

Cursor 推出 Self-Hosted Machines，云智能体可在企业自有机器上执行

Cursor 发布 Self-Hosted Machines，让云智能体的工具执行迁移到企业自有网络内的机器，智能体循环、推理和规划仍留在 Cursor 云端，通过 worker 的出站 HTTPS 连接对接，Cursor 不会主动连入企业网络。

Anthropic 发布 Claude 商务智能体蓝图，含购物与商家智能体参考实现

Anthropic 发布面向电商、旅游、电信和票务平台的商务智能体蓝图，提供可在数天内上线的 harness、模式和护栏，附购物智能体与商家智能体的完整参考实现及 Claude Code 插件。

Anthropic 发布 Claude 电商智能体构建指南及参考实现

Anthropic 发布构建电商智能体的指南，总结架构、延迟与成本优化、生产运维三部分实践，涉及购物和商家两类智能体，企业客户部署后出现购物车变大和卖家运营效率提升。核心建议包括用单个智能体加技能而非子智能体、将 UI 组件做成工具、用提示词缓存实现 90-99% 命中率、在 harness 中强制安全规则，并开源参考实现 anthropics/commerce-agents。

Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型

Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber。