Together AI 实测 Kimi K2.7 Code 对比 Claude Fable 5：落地页成本约低 94%
Together AI 用 Kimi K2.7 Code 和 Claude Fable 5 各生成 12 个落地页做对比，Kimi 平均成本约低 94%（约为 Fable 的 1/16、Opus 4.8 的 1/8），质量评分接近但整体略低。
推荐理由：原文给出12个落地页的逐页成本与质量评分对比，还展示了用设计 MCP 补充视觉参考这一可复用的提效方法。
#Agent
Together AI 研究与产品博客精选AI 评分6464 OpenRouter：Announcements精选AI 评分6767 Subagent：让模型把琐碎任务委托出去
OpenRouter 推出 openrouter:subagent 服务器工具，允许前沿模型在生成过程中将独立的琐碎任务（如文档总结、结构化数据提取、文本重格式化）委托给更小、更便宜、更快的 worker 模型执行，从而节省前沿模型的 token 消耗。
推荐理由：这是 OpenRouter 对 agent 交互模式的一个小但实用的创新，让主模型自动将摘要、格式化等确定性子任务分派给更便宜的小模型，做多模型编排的开发者可以直接拿来用。
Anthropic：Research精选AI 评分7676 Anthropic：智能体编码中专业知识回报持续存在
Anthropic 基于约40万次 Claude Code 交互会话（2025年10月至2026年4月）分析发现：人类主导规划决策（做什么），Claude 主导执行决策（怎么做）。领域专业知识越强，模型每次指令完成的工作量越多。各类职业完成任务的成功率与软件工程师平均相近；领域专家成功率更高，但与中级用户差距不大。七个月间调试会话占比下降近一半，使用转向端到端智能体任务（部署运行代码、分析数据、编写非代码文档），典型任务价值平均上升约25%。
推荐理由：这份报告用40万次真实会话数据揭示了一个反直觉发现，决定Agent编码成败的，不是会不会写代码，而是对自己领域问题的理解深度。对非技术背景用AI编程的人和产品经理都是重要信号。
LangChain：BlogAI 评分5656 LangChain 分享 Deep Agents 评估构建策略：针对性评测衡量真实行为
LangChain 介绍了为 Deep Agents 构建针对性评估（evals）的方法，通过数据筛选、指标设计和测试策略来提升智能体准确性。核心在于设计能衡量真实行为的评测，而非仅关注表面指标。该实践旨在帮助开发者更有效地改进 agent 性能。
LangChain：Blog精选AI 评分6363 LangChain 详解 Deep Agents SDK 的上下文管理机制
LangChain 介绍 Deep Agents SDK 的上下文压缩机制：超过 20,000 tokens 的工具结果卸载到文件系统、上下文达 85% 时截断旧的写/编辑工具调用、空间不足时执行带结构化摘要的总结，完整原始消息保留到文件系统供检索。文章还建议以更低阈值（如 10-20%）人为加大压缩频率来放大信号，并用针在草堆等针对性评测验证摘要后信息可恢复与目标不漂移。
推荐理由：原文给出 Deep Agents SDK 的三种上下文压缩机制和阈值触发细节，以及放大信号做评测的可迁移方法。
LangChain：BlogAI 评分5656 LangChain 提出 Agent Engineering 新学科：融合产品思维、工程与数据科学构建可靠 LLM 系统
LangChain 将 Agent Engineering 定义为一门融合产品思维、工程与数据科学的新学科，旨在构建可靠的大语言模型系统。该方法强调通过迭代测试加速交付，将智能体开发从实验性探索转向可复用的工程实践。
LangChain：BlogAI 评分4848 Monte Carlo 基于 LangGraph 和 LangSmith 构建 AI 故障排查智能体
Monte Carlo 利用 LangGraph 构建了 AI Troubleshooting Agent，帮助数据团队更快定位和解决数据管道问题。该智能体通过 LangSmith 进行调试与可观测性追踪，能够自动分析异常、检索相关日志并给出修复建议。Monte Carlo 将数据可观测性与 AI 智能体结合，旨在减少人工排查时间并提升数据可靠性。
LangChain：BlogAI 评分5353 LangChain 推出 LangSmith 公共基准，支持共享与对比 LLM 评估结果
LangChain 发布 LangSmith Benchmarks，允许用户公开分享和对比大语言模型评估结果。该功能支持在社区数据集上测试 RAG 系统、AI 智能体和架构，帮助团队更高效地比较不同模型与配置的性能表现。
OpenRouter：Announcements精选AI 评分6262 OpenRouter Presets：当模型下线时保持 AI 智能体运行
Anthropic 在 Claude Fable 5 发布仅数天后便对其进行了限制。如果代码硬编码模型 slug，该限制也会导致服务中断。OpenRouter 的 Presets 功能将模型选择移至服务器端，使用户无需重新部署即可切换模型、设置回退策略并强制执行数据策略。
推荐理由：给 Agent 开发者的实用提醒，硬编码模型名会在供应商限制时塌方，用 Presets 换模型、设降级方案比现改代码省心。
LangChain：BlogAI 评分5858 LangChain 详解循环工程：从 Agent 循环到爬坡循环的四层堆叠
LangChain 发文阐述 Agent 的循环工程方法，将 Agent 系统拆为四层循环：模型循环调用工具的 Agent 循环、用评分标准检查输出并反馈重试的验证循环、由 cron 和 webhook 触发的事件驱动循环，以及分析生产 trace 并改进 harness 配置的爬坡循环。
TransluceAI 评分5555 Transluce 为 Docent 推出 Analysis Plans 可验证分析框架
Transluce 发布 Analysis Plans，一个供编码智能体做可验证 AI 行为分析的框架，现已向所有 Docent 用户开放。
OpenRouter：Announcements精选AI 评分6868 智能体AI治理：你的API密钥就是护栏
智能体AI使用量将在未来两年急剧上升，但治理滞后——仅五分之一企业拥有成熟治理模型。典型事故：销售智能体重试失败调用后自行升级到GPT-5.5，一夜消耗200美元。API路由层位于智能体与模型之间，是强制执行预算上限、模型白名单、提供方准入和请求日志的理想点。IBM报告指出97%遭遇AI安全事件的组织缺乏AI访问控制。最小可行治理方案：为每个智能体工作流分配独立API密钥，在API密钥层面实现预算控制、模型准入和审计追踪。
推荐理由：现在代理失控的风险越来越真实，这篇文章把复杂的治理问题简化为五个 API 密钥控制，五分钟就能落地，比那些大而无当的框架实用得多。
Berkeley RDI：Blog精选AI 评分8383 伯克利RDI发布Agents' Last Exam基准
2026年6月，伯克利RDI发布Agents’ Last Exam（ALE）基准，包含1,500余项源于真实工作的任务，覆盖55个非体力职业。对Fable 5、GPT-5.5、Composer 2.5等前沿智能体的测评显示：在最困难层级成功率均为0%；整体任务表现接近，但单任务成本差异巨大（Fable 5约$15.70，GPT-5.5约$3.80，Composer 2.5约$1.33）。CLI子集ALE-CLI最佳通过率仅25.2%。主要失败模式是智能体未验证输出即宣称完成。数据集、代码及CLI子集已开源。
推荐理由：在Fable 5发布后，Berkeley的ALE基准首次大规模量化了agent在专业任务上的真实水平，最难任务0%成功率的结果值得所有押注agent落地的团队冷静下来。
vLLM 官方博客AI 评分5555 vLLM Semantic Router 推出 Fusion API，将多模型面板协调变为可编程路由原语
vLLM Semantic Router 团队发布 Fusion API，让一条路由可运行多个模型的 panel，由 judge 模型分析共识与分歧并综合为一个答案。
PromptArmor：Threat IntelligenceAI 评分5353 Salesforce Agentforce 如何用 URL 抹除缓解 AI 智能体风险
PromptArmor 分析 Salesforce Agentforce 的 URL 抹除防御，将输出中非可信 URL 替换为 [URL_REDACTED]，从而阻断基于 markdown 图片、链接和 HTML 的数据外泄与钓鱼攻击。
xAI：NewsAI 评分4747 xAI 宣布 Grok 集成至 Warp 终端开发环境
xAI 宣布与 Warp 集成，Warp 是一个基于终端的智能体开发环境，拥有近百万开发者。用户可使用 Grok 或 X Premium 订阅在 Warp 中访问 Grok 模型，包括驱动 Grok Build CLI 的 `grok-build-0.1` 模型。设置方式：下载 Warp，在 Agent 设置页连接 SuperGrok 订阅，切换至 `grok-build-0.1` 模型。更多智能体与集成即将推出。
LangChain：BlogAI 评分5050 LangChain 用 LangSmith LLM Gateway 实现编码智能体支出可预测
LangChain 通过 LangSmith LLM Gateway 实时追踪编码智能体的 AI 支出，支持按团队和用户设置预算，防止成本失控。该方案让编码智能体的花费变得可预测，解决了 AI 成本不可控的痛点。
xAI：News精选AI 评分7373 Grok Build 推出 Agent Dashboard 管理多个编码会话
xAI 为 Grok Build 推出 Agent Dashboard，提供单一屏幕管理多个编码会话。仪表板按状态分组（等待输入、工作中、空闲），每行显示状态标记、名称、分支、权限模式和当前操作。选中会话可打开 peek 面板查看最新输出并直接回复，等待输入的会话支持用箭头键或数字键选择选项。底部输入框用于分派新会话，支持设置模型、启动计划模式或自动批准编辑。通过 `grok dashboard`、`/dashboard` 或 `Ctrl+\` 打开，关闭后会话继续运行，重新打开即可恢复。
推荐理由：xAI给Grok Build加了一个类似终端的仪表盘，可以并行管理多个编码代理，对重度用户来说能省下频繁切换窗口的心智负担。功能本身不颠覆，但标志着AI编程工具在往多会话编排走。
Berkeley RDI：Blog精选AI 评分6868 SageCTF：最强大CTF挑战AI智能体
UC Santa Barbara与UC Berkeley团队基于OpenSage框架构建了CTF专用智能体SageCTF。在DEF CON CTF 2026资格赛中，SageCTF以单人玩家身份尝试15道挑战，成功攻克7道、恢复8个flag，总计1,743分，排名前5%，超越全部自评“不使用AI”或“低AI”的175支团队。在50道近期CTF挑战的对比测试中，SageCTF以Claude-Opus-4.6为主模型，在相同预算（每道$200/10小时）下解出39道，而Claude Code仅解出13道，且Claude Code的解出全部被SageCTF覆盖。技术核心包括AI自生成拓扑、多智能体通信、分层记忆及多模型协同编排。
推荐理由：SageCTF 在 DEF CON CTF 排进前 5%，是 AI agent 在顶级安全竞赛中的首次重大突破。OpenSage 的自构建多智能体架构和十小时持续探索的能力，给做复杂推理工具的人提供了真参考。
Tibo@thsottiaux精选AI 评分6868Codex 可以查看并设置它自己的 /goal。 我们所构建的一切，也都是作为该智能体的工具而构建的。 这是元提示的一种泛化，即让智能体根据你的意图自行设定任务。
引用Pietro Schirano@skirano我现在基本上再也不自己写 /goal 了。 我会让 Codex 给它自己写一个，再给它生成的每个 agent 各写一个。 就像这样 👇
推荐理由：让 Agent 自己给自己写 /goal 这个思路很小但很实用，把 meta prompting 泛化成工具调用后，Codex 用户可以直接抄作业，手写指令的痛苦省掉一大半。
LlamaIndex：产品、工程与评测精选AI 评分6969 LlamaIndex 如何用评测迭代打造更优的 LiteParse 技能
LlamaIndex 通过评测 Claude Agent 对 LiteParse 文档解析技能的使用、分析 JSONL 轨迹并迭代，得到更便宜、更高质量的 effective-liteparse 技能。
推荐理由：原文用评测数据分析 Agent 技能的迭代过程，展示了从轨迹找反模式并把修复写成硬规则的可迁移方法。
Augment Code 博客AI 评分5959 Augment Code 推出 Cosmos 智能体平台，让 Agent 跑通完整 SDLC
Augment Code 推出统一智能体平台 Cosmos，覆盖从代码评审到事故响应的完整 SDLC，Agent 先处理机械工作，人只负责架构、风险等判断。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6262 inclusionAI 发布 VISTA-4B GUI 定位视觉语言模型
VISTA-4B 是基于 Qwen3.5-4B 骨干的 GUI 定位模型，输入截图与自然语言指令，输出归一化 0-1000 坐标。训练采用视图一致 GRPO 和自验证交叉视图锚定。在 GUI 定位基准上，SSPro 得分 64.2（相比 GRPO-4B 提升 2.0），SSV2 得分 93.8（下降 0.4），OSWorld-G 得分 61.2（提升 1.3），OSWorld-G-R 得分 69.7（提升 0.5）。模型已开源在 HuggingFace，推荐使用提示词并返回 [x,y] 格式坐标。
推荐理由：蚂蚁 inclusionAI 开源了一款 GUI 定位模型，基于 Qwen3.5 微调，在接地基准上小幅提升，关键是提供了自验证训练方法，做桌面自动化的可以直接下载用。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分7171 inclusionAI/VISTA-9B：基于VISTA训练的GUI定位视觉语言模型
VISTA-9B是基于Qwen3.5 9B骨干训练的GUI定位模型，输入截图与自然语言指令，输出0-1000归一化坐标。采用VISTA（视图一致自验证）方法，含view-consistent GRPO与self-verified cross-view anchoring。在SSPro、SSV2、OSWorld-G、OSWorld-G-R上分别取得69.2、95.8、68.1、75.5分，超越Qwen3.5-9B与GRPO-9B基线。模型已开源，可通过HuggingFace加载使用。
推荐理由：蚂蚁 inclusionAI 的 VISTA-9B 专攻 GUI 定位，把截图和指令直接变成点击坐标，做界面自动化的开发者可以直接拿来用。训练中的视角一致性约束有点新意，但基准提升不大，更像个实干范本。
OpenRouter：Announcements精选AI 评分7474 Hermes Agent 在 OpenRouter 上的使用指南：设置、模型与路由
Hermes Agent 已通过 OpenRouter 处理超过 17 万亿 tokens。使用指南包括设置流程、选择支持 64K 上下文窗口的模型，以及调整路由策略以兼顾成本与可靠性。
推荐理由：OpenRouter 这篇教程把 Hermes Agent 的配置、路由和降本技巧都讲透了，刚上手的人照着走就能跑起来，而且给出了廉价辅助模型的省钱套路，实用性强。
GitHub Blog精选AI 评分6161 GitHub Copilot CLI 在委托任务上变得更具选择性
GitHub Copilot CLI 通过更好的编排实现了更少的任务交接和更快的进度，且没有新增任何配置选项。
推荐理由：官方博客把子代理从默认操作变成了需要权衡的决策，23% 的工具失败减少和明显的等待时间下降，说明 AI 工具的体验升级不一定要加新按钮，改好调度逻辑一样有用。
Claude Code：GitHub ReleasesAI 评分4242 Claude Code v2.1.176 发布
Claude Code v2.1.176 更新：会话标题现按对话语言生成；新增 footerLinksRegexes 设置支持正则匹配页脚行链接徽章；优化 Bedrock 凭证缓存。修复多项问题：环境变量不可再绕过 availableModels 限制；/fast 切换至白名单外模型时拒绝；auto 模式退化为可用 Opus 模型；修正路径 hook 条件匹配；修复 Linux 沙箱内符号链接启动问题；修复 tmux 内 SSH 剪贴板问题；修复 Remote Control 多项连接问题。
OpenAI：官网动态精选AI 评分5757 OpenAI 推出面向新时代工作的新 Academy 课程
OpenAI 发布三门 Academy 课程，帮助用户掌握实用 AI 技能、创建可重复工作流，并在日常工作中应用 AI 智能体。
推荐理由：OpenAI 官方第一次把模型使用经验整理成有体系的三段式课程，从基础提示到 agent 工作流，对想在职场中真正用起来的人是个实在的起点。
Linear：NowAI 评分5959 Linear 工程师分享用 Linear Agent 自动修复 bug 的实践经验
Linear 员工分享几个月来在 Linear 中构建自动化、用 Linear Agent 自动修复 triage bug 的经验。通过 Datadog 集成监控触发工单并指派给 Agent，目前两类问题可自动处理：清理失效的 feature flag 几乎每次一次修复成功，失败率超过 0.2% 的后台任务约三分之一能一次修复。
- Tibo@thsottiaux精选AI 评分7171引用OpenAI Newsroom@OpenAINewsroom
我们已达成协议，将收购 @ona_hq。 其安全的云端执行技术将帮助 Codex 承担运行时间更长的工作，即使笔记本电脑合上也能继续，并帮助更多组织在生产环境中安全部署智能体。 交易完成后，Ona 将加入 OpenAI 的 Codex 团队。https://openai.com/index/openai-to-acquire-ona/
推荐理由：OpenAI在填Codex的坑，关掉笔记本还能跑任务这件事比听起来更难，收购Ona是在解决真实工程问题，做产品的人应该留意这个信号。
OpenRouter：Announcements精选AI 评分6969 Advisor：让任何模型在生成过程中求助更强的模型
OpenRouter 推出 advisor 服务器工具，允许快速、便宜的模型在生成过程中向更强模型咨询。用户可用 GPT-4o Mini 处理常规任务，在关键环节调用 Claude Fable 进行更高质量的推理。
推荐理由：让 GPT-4o Mini 在关键时刻请教 Claude，用 1/10 的成本得到相近质量，这种跨模型顾问把“模型路由”做成了开箱即用的工具，做 agent 的值得试。
Cursor BlogAI 评分7474 Cursor 推出 Auto-review 实现智能体自治管控
Cursor 本周推出 Auto-review，旨在让代码智能体在保持自主性同时降低安全风险。该功能引入分类器代理，在每次工具调用前根据上下文判断风险：低风险时允许自由操作，越界时阻止并返回解释，使父智能体自主调整路径。分类器为轻量模型，与父代理同 RPC 流运行避免延迟，并可读取工作区文件辅助决策。团队基于约 12 小时内部开发者会话整理 6,122 条标注数据，补充合成异常用例评测，以平衡安全与开发效率。
Linear：Now精选AI 评分7272 Linear 发布 coding sessions，让 Linear Agent 直接从 issue 写代码开 PR
Linear 推出 coding sessions、自动化分诊和 Diffs，让 Linear Agent 可以从 issue 出发调查代码库、写代码并打开 PR，全程在云端借助 Claude Code 或 Codex 等前沿模型和工具完成。
推荐理由：原文完整给出 Linear Agent 从 issue 到 PR 的执行流程、自动化分诊与代码审查机制，以及自用数据，读者可对照自己团队的 Agent 工作流。
Anthropic：Newsroom精选AI 评分7474 Anthropic与DXC达成全球联盟，将Claude引入关键行业系统
Anthropic与IT服务公司DXC Technology达成多年全球联盟。DXC将培训数万名获得Claude认证的前沿部署工程师（FDE），将Claude引入其为全球大型银行、航空公司、保险公司及政府机构运营的关键系统。内部部署中，Claude已成为DXC OASIS平台的默认基础模型，该平台超95%代码由Claude编写，开发速度提升10倍，已服务50多家客户。DXC加入Claude Partner Network，将在保险、现代化服务、网络安全及应用服务四个领域率先推出基于Claude的解决方案。
推荐理由：这是 Anthropic 在企业服务赛道的一次重大卡位，DXC 把银行、航空等关键行业的系统交给 Claude，比任何 benchmark 都更能证明模型在大规模生产环境中的可靠性。
Cursor Blog精选AI 评分7474 Cursor 推出 Auto-review 机制：用分类器智能体动态管控智能体自主权限
Cursor 近日推出 Auto-review，通过一个专门的分类器智能体在工具调用前审查动作风险。该分类器根据上下文判断动作是否与用户意图一致，高风险时阻止并返回解释给父智能体，低风险时放行。分类器采用小模型，运行在智能体循环内以避免额外延迟，并能读取工作区文件辅助判断。测试基于约12小时内部开发会话生成的6122条标签数据，以及针对读取密钥、操作生产数据等危险场景的合成数据。设计目标是在不频繁阻断日常开发的前提下，拦截风险动作。
推荐理由：Cursor把agent监管从"是/否"开关变成了可调节的刻度盘，一个专用小模型实时判断操作风险，高风险时给反馈让父agent换个安全方案，而非频繁打断用户。用Cursor的开发者都得了解这个逻辑。
OpenAI：官网动态精选AI 评分6161 OpenAI 将收购 Ona
OpenAI 计划收购 Ona，以拓展 Codex 的功能，提供安全、持久的云端环境，从而支持企业工作流中长时间运行的 AI 智能体。
推荐理由：OpenAI收购Ona，给Codex补上持久化云环境，让Agent能长时间自主工作。这是把AI Agent从会话工具变成企业级生产平台的一个基础设施信号。
Manus：BlogAI 评分5050 Manus 推出 Canva 连接器，把设计生成和编辑搬进聊天窗口
Manus 发布 Canva 连接器，授权后在聊天中可直接创建、编辑设计、按标题搜索工作区、调整多平台尺寸以及导入导出 PDF、PowerPoint 等文件。不同功能对应不同套餐限制，例如品牌模板搜索仅限企业版、调整尺寸需 Pro 及以上；官方还给出将博客转成轮播图、把邀请函流程保存为可复用技能两种用法，用户可随时撤销授权。
Claude Code：GitHub Releases精选AI 评分6969 Claude Code v2.1.172 发布
子智能体现可创建自己的子智能体，最多嵌套5层。Amazon Bedrock 在未设置 AWS_REGION 时从 ~/.aws/config 读取区域。插件市场新增搜索栏。修复了使用1M上下文且无使用额度的会话永久卡住的问题，现会自动压缩回标准上下文限制。修复了多个图片导致重复报错等问题。改进了长对话性能，减少冗余消息归一化和不必要的UI重绘，降低空闲CPU占用。Claude in Chrome 工具加载改为单次批量调用。/code-review 在未登录时保留 ultra 选项并提示需要 claude.ai 账户。
推荐理由：子代理现在可以递归生成子代理（最多 5 层），这个特性让复杂的多 agent 编排成为可能，但总体还是以 bug 修复为主，Bedrock 的区域读取也更顺手了，Claude Code 用户直接升级即可。
Cursor Blog精选AI 评分7474 Cursor Bugbot 更新：速度提升超 3 倍、成本降低 22%、发现更多 Bug
Cursor 的代码审查工具 Bugbot 迎来重大更新：运行速度提升超 3 倍，成本降低 22%，每轮审查多发现 10% 的 bug，90% 的运行在三分钟内完成。新增 `/review` 命令，可在推送代码前运行 Bugbot 和安全审查，并与 GitHub/GitLab 同步——若已通过 `/review` 审查过同一 diff，打开 PR 时 Bugbot 会自动跳过并备注。支持配置仅审查 PR 中新增内容。性能提升源于驱动 Bugbot 的 Composer 2.5 模型训练改进。Bugbot 遵循模型阻止列表，若组织禁用 Composer 2.5 则自动回退。该功能已在 Cursor 3.7+ 和 cursor.com/agents 上线，CLI 支持即将推出。
推荐理由：Cursor 的 Bugbot 三倍速跑 review 还便宜了 22%，这次更新让「commit 前先审一遍」变得几乎无痛，对日常开发流是个实在提升。
Claude：Blog精选AI 评分7575 智能体表面的演进：使用 Claude Managed Agents 构建
Anthropic 推出 Claude Managed Agents，一套可组合 API 套件，用于构建和部署生产级智能体。该产品从早期简单 API 演进至 Claude Agent SDK，再到将智能体调度层与代码执行沙箱解耦的 Managed Agents。通过只追加日志的会话机制，Managed Agents 解决了托管伸缩、会话持久化、文件系统管理、执行隔离、凭证安全与可观测性等生产部署挑战。团队借助该方案可在数天内完成从原型到生产环境的转化，无需自建基础设施。
推荐理由：Claude Managed Agents 把代理部署的复杂基础设施打包成了 API，让团队从原型到上线只需几天而不是几个月，尤其凭证隔离和延迟优化对生产环境很关键，想部署可靠代理的团队可以认真看看。