METR 基于 2026 年 1 月 7 名技术人员的 5305 份 Claude Code transcript，用 LLM judge 估算无 AI 完成同样任务所需时间，得出时间节省倍数约 1.5x 至 13x。作者认为该数值因任务替代、任务选择、员工专业化和 judge 验证有限（仅 34 个人工标注）而高估真实提升，只是软上界；并发 agent 数更高的员工时间节省倍数更高。
推荐理由：作者用 5305 份 Claude Code transcript 估算时间节省倍数，并说明它为何只是真实生产力提升的软上界，方法细节可直接借鉴。
Manus 推出 Manus Agents，Telegram 为首个支持渠道，今天起向所有订阅层级用户开放。用户在 Manus 工作区打开 Agents 标签页扫码即可连接，无需命令行或配置文件；支持语音、图像和文件输入，可运行多步骤任务，并可在 Manus 1.6 Max 与 Manus 1.6 Lite 间选择模型。
Sarvam AI 发布文档智能工作台 Akshar，构建于其 3B 视觉语言模型 Sarvam Vision 之上，支持视觉定位、版面感知抽取和自动化校对。
Sierra 构建了一套基础设施，确保在 LLM 服务提供商面临压力时，AI 智能体的行为保持稳定一致。该系统通过动态路由和冗余机制，在模型 API 出现延迟或故障时自动切换至备用模型，同时维持智能体的响应风格与决策逻辑不变。该方案已在生产环境中验证，能够在不牺牲用户体验的前提下，保障智能体服务的可靠性与行为可预测性。
Forge是MiniMax开发的内部强化学习框架，旨在解决智能体强化学习中系统吞吐量、训练稳定性和智能体灵活性之间的核心矛盾。它通过灵活的系统架构、针对长程智能体优化的算法、尊重训练分布的异步调度以及激进的训练/推理优化，实现了突破。在MiniMax M2.5模型开发期间，Forge处理了超过十万个不同的真实世界智能体框架与环境，支持达200k的上下文长度，并实现了每日百万级样本的吞吐量。结合CISPO算法与复合奖励设计，Forge提升了模型在真实任务中的能力，支撑了M2.5的开发。
Seed2.0系列正式发布，推出Pro、Lite、Mini三款通用Agent模型及专用Code模型，针对复杂多模态任务与长链路Agent场景优化。模型在视觉理解、数学推理与长上下文处理方面达SOTA水平，SuperGPQA分数超越GPT-5.2，并在ICPC、IMO、CMO测试中获金牌。支持科学研究级任务，token成本较顶尖模型降低约一个数量级。目前已上线豆包App、TRAE及火山引擎API。
推荐理由：字节 Seed2.0 正式发布，Agent 与多模态能力全面升级，已接入豆包和 TRAE
Box 因原生数据隐私与代理质量控制选择 Cursor 作为核心 IDE 与 AI 编程平台。目前 85% 以上工程师日常使用，推动产品路线图交付效率提升 30-50%。通过自定义规则与命令扩展，Box 将 React 迁移速度提升 80%，设计系统迁移提速 90%，同时确保企业级安全与代码质量。配合导师计划，六周内 Cursor 使用量增加 75%，800 余名开发者已实现 AI 辅助开发。
Manus 博客发布 2026 年 12 款最佳 AI 生产力工具指南，涵盖 Manus、ChatGPT、Jasper、Runway、Gamma、Zapier、Notion AI、Perplexity、Fireflies、Superhuman、Cursor 和 Lovable，起始价格从免费到 $59.99/月不等。
METR 研究员在新任务套件上对比测试了 Claude Code、Codex 与 METR 自有的 ReAct、Triframe 脚手架，结论是对 Opus 4.5 和 GPT-5 的时域测量，专用脚手架并未显著优于默认脚手架。
MiniMax 最新发布的大语言模型 M2.5，通过在数十万个复杂现实环境中进行强化学习训练，在编码、智能体工具调用、搜索和办公工作等多项任务上达到 SOTA。模型推理效率高，完成 SWE-Bench Verified 评估的速度比前代 M2.1 快 37%，与 Claude Opus 4.6 相当。定价方面，以 100 tokens/秒运行时每小时成本仅 1 美元。M2.5 在超过 10 种编程语言和 20 多万个真实环境中训练，具备从系统设计到测试的全流程能力。
推荐理由：MiniMax M2.5 把 SWE-bench 拉到 80.2%，成本只有 Claude Opus 4.6 的十分之一，速度还翻倍，对做 agent 的团队来说是个高性价比选择。
Manus 推出项目技能，为每个项目创建专属技能库，可将团队共享技能或个人库技能添加到项目中。项目内任务只触发该库中的技能，支持锁定技能集以标准化工作流程，功能从今天起对所有 Manus 用户开放。
小红书智能创作团队开源 FireRed-Image-Edit 图像编辑模型，权重采用 Apache 2.0 协议，并在 ImgEdit、GEdit 和自建 REDEdit-Bench 上取得开源模型中的最高分，如 ImgEdit_O 4.56。
推荐理由：小红书团队开源图像编辑模型，README 给出完整基准对比表、训练与部署方案，读者可自行核对开源 SOTA 的成色。
OpenAI 基于 Codex 与内部智能体经验发布一组智能体原语实践指南，包括 Skills（对齐 Agent Skills 开放标准的可复用版本化指令）、支持安装依赖和写输出的托管 shell 工具，以及自动压缩对话历史的服务端 compaction。
推荐理由：OpenAI 以自家和 Glean 的生产经验总结了 Skills、shell 与 compaction 的组合模式，含可操作的路由与安全建议。
Z.ai 发布开源权重模型 GLM-5（MIT 许可，面向长程 Agent 和系统工程），Modal 与其合作上线免费体验端点，4 月底前可用，限单并发请求。FP8 精度下模型约 700 GB，需多 GPU 部署，Modal 用 8 张 B200 单节点配合 SGLang 运行，内部实测每用户 30-75 tokens/秒。
推荐理由：Modal 官方给出 GLM-5 的部署细节、免费端点限制和前端接入配置，读者可直接照做在自己常用的 Agent 框架里试用。
LlamaIndex 开源维护者发文分析编码智能体如何改变开源贡献：LLM 生成的巨型 PR 增多、简单库被智能体替代、知识分享型项目价值下降，并引用 Anthropic 一项关于技能萎缩的研究。作者认为开源并未消亡，提出可分叉的 LLM 友好参考实现、通过链接社区扩展建立社区、用清晰文档和 AGENTS.md 让代码库对智能体友好等新方向。
Transluce 用自家工具 Docent 分析 GPT-5.1 Codex 在 Terminal-Bench 上落后 GPT-5 Codex 6.5 个百分点的回退，自测中差距为 11.4 个百分点。
PromptArmor 演示了一种通过间接提示词注入让 AI Agent 返回携带敏感数据的恶意 URL，借助 Telegram、Slack 等应用的链接预览功能在用户不点击的情况下实现数据外泄的攻击链。
推荐理由：原文拆解了链接预览导致无需点击即可数据外泄的攻击链，并给出 OpenClaw Telegram 的具体关闭配置和自测方法。
Cognition 宣布 Devin 现在可自动修复 Devin Review 及其他审查机器人留下的 PR 评论，包括 linter、CI/CD、安全扫描和依赖管理机器人。用户可在 Settings > Customization > Autofix settings 中配置；该功能大幅增加了内部 token 消耗，但团队称 PR bug 明显减少，并缩小了人类只需处理需判断的工作。
推荐理由：原文给出具体配置入口和适用范围，读者可以了解如何让 Devin 自动修复 PR 上的机器人评论。
Sarvam AI 发布智能体编排栈 Arya，定位为让前沿模型编写生产级 Agent 的基础设施。
Prime Intellect 发布 Lab 平台，将 Environments Hub 与 Hosted Training、Hosted Evaluations 整合为覆盖大规模智能体 RL、推理与评估的后训练全栈平台，即日起向所有人开放。
推荐理由：原文交代了平台构成、已开放状态和训练配置方式，读者可以判断它能否替代自建 GPU 集群做智能体后训练。
Kimi推出Agent Swarm系统，支持100个子代理并行工作，可执行超1500次工具调用，任务完成速度比顺序执行快4.5倍。该系统突破单模型上下文限制，采用自我组织架构，用户下达指令后自动"招聘"CEO、研究员等角色并动态分配工作流，无需人工编写脚本。适用于大规模信息搜集、长文档生成及多视角辩论等场景，通过结构性分歧避免AI群体思维。
推荐理由：Kimi发布Agent Swarm，支持100个AI子代理并行协作，可自动分解复杂研究任务
FireRedTeam 于 2026-02-10 正式开源 FireRed-OpenStoryline，将视频创作变为自然语言对话，支持素材搜索下载、脚本生成、BGM 与配音字体推荐，以及全流程剪辑。
推荐理由：官方开源的对话式视频剪辑项目，覆盖素材检索、脚本生成到剪辑全流程，并可直接通过 Claude Code 等 Agent Skills 安装使用。
Sierra 进入第三年，年化经常性收入（ARR）已超过 1.5 亿美元，增长来自全球大型企业的快速采用。其核心理念是围绕真实工作任务而非实验构建 AI，使大型企业也能快速看到实质性影响。
NVIDIA 已向 3 万名开发者部署 Cursor，代码提交量提升 3 倍，缺陷率保持稳定。Cursor 已深度集成至软件开发生命周期全流程，不仅用于代码生成，还通过自定义规则实现代码审查、测试、调试及 git 工作流自动化。新员工可更快熟悉复杂代码库，资深开发者也能跨技术栈工作，代码风格一致性得到改善。
推荐理由：NVIDIA 3万开发者使用 Cursor，代码提交量提升3倍，展示企业级 AI 编程与 Agent 自动化实践
PromptArmor 实测演示了对 OpenAI Agent Builder 的间接提示词注入攻击：攻击者提交含注入的 Google Form，诱使销售智能体工作流通过 Gmail 将 Salesforce CRM 数据发送给攻击者。
推荐理由：作者以第一手实测演示了 OpenAI Agent Builder 中经 MCP 的提示词注入数据外泄路径，还展示了 Guardrail 被绕过和多步工作流传递注入的细节。
Manus 博客针对 B2B 销售提案、QBR 和竞争演示场景测试了 8 款 AI 演示工具，Manus 以研究驱动的可引用数据获 9 分居首，Genspark 和 Visme 各得 8 分。测评指出多数工具输出属于演示级初稿，只有 Manus 在生成幻灯片前实际研究市场和竞争对手；各工具均缺深度原生 CRM 导入，团队一般还需 15–30 分钟人工完善。
推荐理由：作者以真实 QBR 场景实测 8 款 AI 演示工具，给出评分、价格和适用场景，读者可按销售工作流直接对照选型。
Manus团队用相同提示词和六维评分标准，花三周测试12款AI演示文稿工具并排名，Manus AI Slides获9分居首，Canva AI、Gamma、Pitch等获8分，AI PPT和SlidesGPT仅6分。文章公开测试框架，涵盖生成时间、导出保真度、演讲备注等维度，并披露Manus为自家产品。
OpenAI 发布企业平台 OpenAI Frontier，用于构建、部署和管理 AI 智能体，支持共享上下文、入职、权限与治理。该平台面向企业场景，将智能体的上下文、权限和治理能力统一管理。
OpenAI 发布 GPT-5.3-Codex 系统卡，称其为迄今最强的智能体编码模型。该模型结合了 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理和专业知识能力。
OpenAI 发布 GPT-5.3-Codex，这是一款 Codex 原生智能体，将前沿编码性能与通用推理结合，用于支持长周期、真实世界的技术工作。
Anthropic 发布 Claude Opus 4.6，定位为最智能模型，专为复杂智能体任务和长周期工作设计。新模型推荐使用自适应思考模式（`thinking: {type: "adaptive"}`），弃用手动思考，且不支持预填充助手消息。
推荐理由：Opus 4.6 把长上下文和智能体推理推向实用，加上压缩 API 和数据驻留控制，这是 Anthropic 面向企业落地的完整答卷，做 agent 的开发者值得认真评估。
研究人员采用“智能体团队”方法，让多个Claude实例在无人工干预下并行协作开发代码。为进行压力测试，团队指派16个智能体从零编写一个能编译Linux内核的Rust版C编译器。项目消耗近2000次会话和约2万美元，最终产出10万行代码的编译器，可成功在x86、ARM和RISC-V架构上构建Linux 6.9内核。研究重点在于设计支持长时间自主运行的智能体团队框架，包括如何编写测试以保持智能体不偏离方向，以及如何通过基于文本文件的锁机制协调多智能体并行任务分配。
推荐理由：Anthropic 研究员用 16 个 Claude 并行写了个能编译 Linux 内核的 C 编译器，2000 次会话花了两万刀。真正值钱的不是编译器本身，而是他总结的 agent 团队协作方法论，做多 agent 系统的人该逐段拆。
OpenAI 介绍如何通过 Codex App Server 嵌入 Codex 智能体，这是一个双向 JSON-RPC API，支持流式进度、工具调用、审批和 diffs。文章还讲述了该 App Server 的构建过程。
推荐理由：官方拆解了 Codex App Server 的构建思路和 JSON-RPC 通信机制，对想在自有产品中嵌入 Codex 智能体的开发者有直接参考价值。
ElevenLabs 于 2026 年 2 月 4 日宣布完成 5 亿美元 Series D 融资，估值 110 亿美元，较一年前增长超过三倍，总融资达 7.81 亿美元。
推荐理由：官方公告给出融资额、估值变化和 ARR 数字，还交代了资金投向与产品线布局，可据此了解这家语音 AI 公司的扩张重点。
Alpic 基于 Apps SDK 在三个月内开发二十多个 ChatGPT Apps，总结出 15 条经验，核心包括用户、UI 与模型三方之间的上下文不对称问题。
推荐理由：作者基于三个月开发二十多个 ChatGPT Apps 的一手经验，总结上下文流、UI 模式与 CSP 等实操教训，并开源配套框架。
Anthropic Fellows Program 团队用偏差方差分解测量 Claude Sonnet 4、o3-mini、o4-mini、Qwen3 等前沿推理模型在 GPQA、MMLU、SWE-Bench 等任务上的错误不连贯性，发现推理和行动越长，失败越由不连贯而非系统性错位主导。
Qwen Studio 提供全栈功能，涵盖聊天机器人、图像与视频理解、图像生成、文档处理、网页搜索集成、工具调用及 Artifacts 等模块。
LlamaIndex 撰文比较 Skills 与 MCP 两种让 Agent 调用工具和获取领域知识的方式，并在构建 LlamaAgents Builder 时做了实测。
推荐理由：作者结合 LlamaAgents Builder 的实测经验，给出 MCP 与技能在执行模型、维护成本和适用场景上的具体取舍依据。
OpenAI 发布 macOS 版 Codex 应用，定位为 AI 编码与软件开发的指挥中心。该应用支持多个 agent、并行工作流和长时间运行的任务。
推荐理由：官方发布Codex macOS应用，定位多智能体并行开发指挥中心，适合想了解OpenAI编码工具布局的读者。
LangSmith Agent Builder 正式 GA，用户可用自然语言描述需求，由它自动确定提示词、工具选择、子智能体和技能。LangSmith 新增 LLM 实验并排对比，可按输入、输出、状态或元数据过滤；Insights Agent 可自动分析 trace 检测使用模式与失败模式，现已面向自托管客户开放。