Sierra 如何打造低延迟语音 AI 智能体
Sierra 通过优化语音到语音管道的每个阶段来降低延迟，使语音 AI 智能体听起来更自然而非机械。其工程方法涵盖从语音识别到生成的全链路延迟压缩，但具体技术细节和量化指标未在原文中披露。
#Agent
Sierra：BlogAI 评分5454
Berkeley RDI：Blog CyberGym：大规模评估AI Agent真实网络安全能力
研究团队发布网络安全基准测试CyberGym，涵盖1,507个真实漏洞，规模达现有基准7.5倍。测试显示顶级AI Agent单次攻击成功率约30%，30次尝试可达67%，且已自主发现35个零日漏洞及17个补丁缺陷。Claude-Sonnet-4.5单次成功率28.9%，Claude-Sonnet-4达17.9%。测试时扩展策略可将GPT-5成功率从7.7%提升至22%，不同Agent能力互补，联合成功率近翻倍。
Anthropic：Alignment Science Blog精选AI 评分7171 Anthropic 开源 AI 安全审计工具 Petri，用智能体自动测试模型对齐行为
Anthropic 发布开源自动审计框架 Petri（Parallel Exploration Tool for Risky Interactions），用 AI 审计智能体在多轮场景中测试目标模型，工具地址为 github.com/safety-research/petri。
推荐理由：Anthropic 开源了用 AI 智能体自动审计目标模型行为的 Petri 框架，读者可以直接复用其审计流程和评分维度设计。
ElevenLabs：BlogAI 评分5353 ElevenLabs Agents 平台推出可视化编排工具 Agent Workflows
ElevenLabs 为其 agents 平台推出 Agent Workflows，一个用于设计对话流程的可视化编辑器，可将任务路由到专门的 Subagents 并在需要时转接人工。
OpenAI DevelopersAI 评分4545 OpenAI 发布 ChatKit 入门应用示例
OpenAI Developers 发布了一个名为 ChatKit starter app 的 GitHub 项目，旨在演示如何使用 ChatKit（作为 AgentKit 的一部分）在开发者自己的应用程序中轻松构建智能体。
OpenAI：官网动态精选AI 评分6464 OpenAI 发布 AgentKit、扩展 Evals 能力并为智能体推出强化微调
OpenAI 发布新工具帮助开发者更快从原型走向生产，包括 AgentKit、扩展的 evals 能力，以及面向智能体的强化微调（RFT）。
推荐理由：OpenAI 官方一次性推出面向开发者全流程的工具组合，可据此了解其智能体开发的最新方向。
OpenAI DevelopersAI 评分4545 OpenAI 发布 ChatKit 高级集成示例代码
OpenAI Developers 在 GitHub 上发布了名为“ChatKit advanced samples”的代码库。该资料展示了 ChatKit（作为 AgentKit 的一部分）的高级使用场景，重点演示了针对不同用例的自定义 ChatKit 服务器集成方法。
Sierra：BlogAI 评分4646 Sierra 推出 Agent Traces：让 AI 智能体决策过程可追溯、可调试
Sierra 发布 Agent Traces 功能，为开发者提供 AI 智能体决策过程的逐步视图，使其不仅能了解发生了什么，还能理解背后的原因。该工具旨在帮助构建者快速定位并修复问题，提升智能体应用的调试效率。
OpenRouter：Announcements精选AI 评分5858 OpenRouter 推出每月100万免费BYOK请求
OpenRouter 向每位客户每月提供100万次“Bring Your Own Key”（BYOK）请求，完全免费。
推荐理由：这个公告虽然旧了，但 OpenRouter 的 BYOK 免费额度至今仍在，对想低成本折腾模型的个人开发者来说，每月 100 万次请求比很多付费计划都香。
Claude：Blog Claude与Slack双向集成正式上线
Anthropic宣布Claude与Slack双向集成功能正式上线。用户可直接在Slack工作区添加Claude，在频道和线程中获取AI协助；也可将Slack连接至Claude，让AI搜索历史对话和文件提取上下文。该集成支持私信、AI助手面板和线程参与三种方式，可起草回复、准备会议及创建文档。功能现已向付费Slack团队开放，连接器适用于Claude Team、Enterprise及Pro/Max用户。Claude仅访问用户有权限的频道内容，严格遵循企业安全与隐私设置。
OpenAI Developers精选AI 评分6565 OpenAI 发布 Agentic Commerce Protocol 开放标准，连接商家与 ChatGPT 用户
OpenAI 推出 Agentic Commerce Protocol（ACP），一个连接商家与 ChatGPT 用户的开放标准，作为两者之间的基础设施。它让 ChatGPT 能接收结构化商品目录数据、理解商家库存并在对话中呈现相关商品。文档提供了带示例 payload 的入门指引，以及关于商品文案、变体建模和归因的 feed 质量优化最佳实践。
推荐理由：OpenAI 官方文档介绍了 ACP 的定位和接入路径，商家可据此了解如何让商品出现在 ChatGPT 中。
OpenAI：官网动态精选AI 评分6767 OpenAI 在 ChatGPT 推出 Instant Checkout 与 Agentic Commerce Protocol
OpenAI 宣布在 ChatGPT 中迈出 agentic commerce 的第一步，推出 Instant Checkout，并发布 Agentic Commerce Protocol，为人、AI 智能体和商家提供共同购物的新方式。
推荐理由：OpenAI 官宣在 ChatGPT 内推出即时结账并发布 Agentic Commerce Protocol，读者可关注 Agent 参与购物的新入口。
Claude Platform：开发者版本说明精选AI 评分7575 Claude Sonnet 4.5 发布，面向复杂智能体与编程任务
Anthropic 发布 Claude Sonnet 4.5，定位为复杂智能体和编程场景的最佳模型，拥有最高综合智能水平。同时推出 Amazon Bedrock 和 Vertex AI 的全球端点定价、新的 `model_context_window_exceeded` 停止原因、记忆工具（beta）以及上下文编辑功能（beta），后者可在接近 token 限制时自动清理旧工具结果与调用。
推荐理由：这是Anthropic放出的Sonnet 4.5，瞄准编码和复杂Agent场景，Memory工具和上下文编辑也一起开了，对靠API搞产品的开发者算大版本更新，但普通用户不必自己折腾。
Cognition 模型 / Devin 博客精选AI 评分6565 Cognition 为 Claude Sonnet 4.5 重构 Devin：新版本快 2 倍、评测提升 12%
Cognition 发布基于 Claude Sonnet 4.5 重构的新版 Devin，速度提升 2 倍，Junior Developer Evals 提升 12%，已在 Agent Preview 上线，旧版 Devin 仍可用。
推荐理由：来自一线 Agent 团队的适配复盘，给出了 Sonnet 4.5 的具体新行为和对应的工程应对，可迁移到类似智能体架构。
Anthropic：Engineering精选AI 评分7878 为AI智能体实施有效的上下文工程
随着AI应用从单次提示转向构建长期运行的智能体，焦点正从“提示工程”演进为“上下文工程”。后者旨在为大型语言模型优化有限的上下文窗口内的全部信息，包括指令、工具、外部数据和对话历史。其核心挑战在于模型存在“注意力预算”限制和“上下文腐化”现象——随着上下文增长，模型回忆信息的准确性会下降。因此，上下文工程要求精心编排高价值信息，以有限的资源最大化产出期望结果，这已成为构建高性能、可操控智能体的关键。
推荐理由：Anthropic 亲自下场定义 context engineering 这个新范式，把 prompt engineering 之后的工程方法论讲透了。做 Agent 的人如果还在死磕 prompt，这篇会让你重新审视整个技术栈。
智源 FlagOpen：原创开源项目AI 评分5151 智源 FlagOpen 开源跨本体视觉-语言-动作模型 RoboBrain-X0
智源 FlagOpen 发布开源项目 RoboBrain-X0，一个面向 token 推理与动作生成的跨本体视觉-语言-动作模型。模型基于 RoboBrain 2.0 和 OmniSAT 动作分词器，用统一动作词表和 GRVQ 实现对 AgileX、R1-Lite、Franka 等异构本体的零样本泛化与任务分解。
Factory 研究 / 产品AI 评分5555 Factory 完成 5000 万美元 B 轮融资，估值 3 亿美元
Factory 宣布完成 5000 万美元 B 轮融资，估值 3 亿美元，由 NEA、Sequoia Capital、J.P. Morgan、Nvidia 等领投。公司称其 Droids 在 Terminal Bench 上排名第一，现向所有人开放，可搭配任意模型和任意界面使用。
Liquid AI 模型与工程博客精选AI 评分6161 Liquid AI 发布 Liquid Nanos 系列 350M–2.6B 端侧专用小模型
Liquid AI 发布 Liquid Nanos 系列，包含 350M 至 2.6B 参数的任务专用 LFM2 模型，可完全在手机、笔记本和嵌入式设备上运行。
推荐理由：原文给出各款小模型的参数量、任务定位和评测对比，读者可判断端侧专用模型能否替代云端大模型。
TransluceAI 评分5454 Transluce 开源智能体行为分析工具 Docent
Transluce 宣布以 Apache 2.0 许可证开源 Docent，用户可自托管、查看代码或提交 issue 和 pull request，托管版本仍在官方服务器上提供。Docent 用于分析 AI 智能体对话记录中的复杂行为，可将模糊问题如模型是否 reward hacking 转化为精确的行为 rubric 并测量其发生频率，官方希望借此推动公开审查并支持各机构评估者生态。
Sam Altman：Blog精选 充裕的智能
计划打造每周可新增1吉瓦算力的AI基础设施工厂，通过芯片、电力到机器人的全栈创新，支撑治愈癌症、全球个性化教育等宏大应用。项目将主要落地美国，未来数月公布合作伙伴，年底披露融资方案。
推荐理由：Sam Altman阐述OpenAI基础设施扩张愿景，计划每周新建1吉瓦算力
OpenAI Developers：BlogAI 评分5151 OpenAI 解释为何打造 Responses API
OpenAI 撰文解释为何 Responses API 是 GPT-5 的推荐集成方式，称其为推理模型和智能体未来量身定制的接口。
Modal 官方工程博客AI 评分5151 Modal 发布 Modal Vibe 演示平台，可扩展至每月百万级会话
Modal 基于 Modal Sandboxes 构建并开源了 Modal Vibe，一个可弹性扩展的 vibe coding 平台，五分钟内可从 0 扩展到 1000 个 AI 编码应用。
OpenAI：官网动态精选AI 评分6969 OpenAI 发布 GPT-5-Codex 专为智能体编码优化
OpenAI 在 GPT-5 系统卡附录中公布新模型 GPT-5-Codex，是针对 Codex 智能体编码进一步优化的 GPT-5 版本。该模型会根据任务复杂度更动态地调整思考力度，简单对话或小任务快速响应，复杂任务则可独立工作更长时间。
推荐理由：官方说明新模型按任务复杂度动态调整思考力度，读者可以据此判断它在快问快答与长任务间的取舍。
Anthropic：Engineering精选AI 评分7373 为智能体编写高效工具——与智能体协作
文章探讨如何为基于大语言模型的智能体设计高效工具。核心方法是通过与智能体（如Claude Code）协作，采用快速原型构建和全面评估的迭代流程来优化工具性能。关键设计原则包括：选择适当的工具实现范围，使用命名空间明确功能边界，从工具向智能体返回有意义的上下文，优化响应以提高token效率，以及对工具描述进行提示词工程。工具本质上是确定性系统与非确定性智能体之间的新契约，设计应优先考虑智能体的使用体验，而非传统开发者导向的API思路，以扩大智能体解决实际任务的能力。
推荐理由：Anthropic 把自家内部反复打磨的 agent 工具开发方法论完整公开了，从评估流程到 prompt 工程细节全是实操干货，做 MCP server 或 agent 工具链的人可以直接抄作业。
Cognition 模型 / Devin 博客精选AI 评分7070 Cognition 融资超 4 亿美元，估值达 102 亿美元
Cognition 宣布融资超 4 亿美元，投后估值 102 亿美元，由 Founders Fund 领投。Devin 的 ARR 从 2024 年 9 月的 100 万美元增至 2025 年 6 月的 7300 万美元，公司历史总净消耗低于 2000 万美元；收购 Windsurf 使 ARR 翻倍以上，并购后七周合并企业级 ARR 增长超 30%。
推荐理由：官方披露融资估值的同时给出 ARR、净消耗和并购后的增长数字，读者可以据此评估其 AI 编码业务的真实成色。
LlamaIndex：产品、工程与评测AI 评分5353 LlamaIndex 用 1000 篇 ArXiv 论文实测 SemTools 能否让编码智能体胜任文档搜索
LlamaIndex 自建包含 1000 篇 ArXiv 论文的基准，测试 Claude Code 在有无 SemTools 时的文档搜索表现。
Linear：Now精选AI 评分6161 Linear 发布 Triage Intelligence：用搜索与 LLM 推理自动整理工单
Linear 上月推出 Triage Intelligence，利用搜索、排序和 LLM 推理自动为新增工单标记重复项、关联问题并推荐标签与负责人。早期版本使用 GPT-4o mini 和 Gemini 2.0 Flash 等小模型，后转向 GPT-5 和 Gemini 2.5 Pro 等更大模型实现智能体式决策。
推荐理由：Linear 的 Triage Intelligence 用 agentic 方案把 issue 自动分类和去重做得很实用，透明可解释的交互设计让 AI 建议不再像个黑箱，做工具类产品的值得看一看。
Mistral AI：News精选AI 评分6565 Mistral 为 Le Chat 推出 20+ MCP 连接器和 Memories 功能
Mistral 为 Le Chat 推出 beta 版 Connectors 目录和 Memories 功能，两者对所有用户免费开放。连接器覆盖 20+ 企业工具，包括 Databricks、Snowflake、GitHub、Notion、Stripe 等，并支持自定义 MCP 连接器；Memories 可跨对话保存上下文，支持随时增删改，还可从 ChatGPT 快速导入。
推荐理由：官方完整列出 20 多个连接器分类、自定义 MCP 与 Memories 的控制方式，可据此评估 Le Chat 对企业工作流的适配。
LMSYS Blog 美团开源LongCat-Flash：基于SGLang的高效Agentic MoE模型
美团开源Agentic MoE模型LongCat-Flash，总参数量560B，每token仅激活27B。该模型基于SGLang框架，采用PD分离架构与SBO技术，通过四阶段流水线在单batch内实现计算与通信重叠，突破吞吐与延迟的权衡瓶颈。相比同类模型推理成本降低50%以上，在Agent任务中表现优异，适用于复杂实时智能体应用。
xAI：News精选 xAI发布轻量级编程模型Grok Code Fast 1
xAI发布轻量级编程模型Grok Code Fast 1，采用全新架构，基于真实PR数据训练，精通grep、终端和文件编辑等工具。推理速度达190 tokens/秒，定价输入$0.20/百万tokens、输出$1.50/百万tokens，SWE-Bench-Verified得分70.8%。目前已在GitHub Copilot、Cursor、Cline等平台限时免费开放。
推荐理由：xAI发布专为Agentic Coding优化的极速编程模型，已集成Cursor、Copilot等主流工具，价格极具竞争力
Prime IntellectAI 评分5757 Prime Intellect 发布 Environments Hub 开放 RL 环境社区平台
Prime Intellect 发布 Environments Hub，一个开放社区平台，用于创建、共享和复用强化学习环境与评测。内测时有超过 30 名研究员和公司贡献环境，现已向所有人开放，支持评测、prime-rl 训练器及 beta 版沙箱，配套 RFC 与赏金任务，目标是用众包环境训练全开源的 SOTA 智能体模型 INTELLECT-3。
LMSYS Blog SGLang 支持 gpt-oss：从 Day 0 支持到性能增强
SGLang 针对 openai/gpt-oss-120b 发布重大性能优化，prefill 吞吐量提升 2.1 倍，decode 吞吐量提升 2.25 倍。新版本集成 FlashInfer 内核以释放 NVIDIA Blackwell 性能，通过 FlashAttention-3 加速 Hopper GPU，并原生支持 AMD MI350。在 B200 上 MXFP4 精度下单批次解码速度达 416.02 tok/s。同时引入 EAGLE3 投机解码支持，GPQA 基准测试验证精度与官方报告一致，确保高性能不损失推理能力。
LlamaIndex：产品、工程与评测AI 评分4747 LlamaIndex 谈 Vibe-Coding 智能体的未来：vibe-llama 与 UI 生成实践
LlamaIndex 推出 CLI 工具 vibe-llama，可将 LlamaIndex、LlamaParse 及 workflows 的最新文档与 API 模式注入 Cursor、Claude Code 等编码智能体，避免其推荐过时 API。
Claude：Blog精选 Anthropic发布Claude浏览器扩展：AI自动操作功能向付费用户开放
Anthropic正式发布Claude for Chrome扩展，允许AI在浏览器中执行点击、填表等操作。该功能已从1000名Max用户试点扩展至所有付费订阅者，新增Claude Code集成、定时任务及多标签工作流。针对提示词注入攻击，Anthropic通过站点权限、操作确认等防护措施，基于123个测试案例的红队测试，将攻击成功率从23.6%降至11.2%，并屏蔽高风险网站以确保安全。
推荐理由：Claude浏览器代理正式开放，自动操作网页同时攻克提示注入安全难题
Linear：Now精选AI 评分6060 Cursor 与 Linear 推出深度集成，可直接在 Linear 中指派任务给 Cursor 智能体
Cursor 与 Linear 推出新集成，用户可直接在 Linear 中将问题指派给 Cursor 智能体，如同指派给队友。智能体能承担编码任务、创建 PR 并在 Linear 中更新进度，降低团队处理低优先级问题的激活成本。该集成利用 Linear 的 SDK 和 GraphQL 类型快速构建，Cursor 产品经理 Rohan Varma 表示新 API 一天内即可上线运行。
推荐理由：Cursor 代理现在能直接从 Linear 任务面板接手编码工作，后台自动提 PR、更新进度，对那些积压 P2/P3 的团队来说，这是把 AI 真正嵌入工作流的信号。
Together AI 研究与产品博客AI 评分6060 Together AI 分享用 AI Agent 自动化复杂工程任务的六个模式
Together AI 发布博客，讲解如何用 LLM Agent 自动化复杂长时工程任务，并以其内部投机解码（speculator）训练流水线为案例：任务需可验证、定义清晰、工具可支撑，核心模式包括优质工具、完善文档、安全执行、用 tmux 管理并行会话、让 Agent 学会 sleep 等待以及显式的进度验证。
Cohere 产品与研究博客精选AI 评分6161 Cohere 发布 Command A Reasoning 企业级推理模型
Cohere 发布 Command A Reasoning，定位企业级推理任务，称在 BFCL-v3（70.3）、tau-bench、m-tau-bench 上优于 gpt-oss-120b、DeepSeek-R1 0528 和 Mistral Magistral Medium。
推荐理由：官方发布企业推理模型，给出可私有部署的硬件门槛和可控 token 预算，适合关注本地化部署与成本控制的团队参考。
DeepSeek：API 更新日志精选AI 评分7171 DeepSeek-V3.1 发布，升级 chat 与 reasoner 双模式
DeepSeek-V3.1 正式发布，deepseek-chat 与 deepseek-reasoner 分别对应其非思考与思考模式。新模型采用混合推理架构，思考效率较 DeepSeek-R1-0528 更高，并通过 Post-Training 优化提升工具使用与智能体任务表现。
推荐理由：DeepSeek 把推理和非思考模式合并到一个模型，解决了之前切模型的体验割裂，Agent 能力提升对做工具调用的开发者是直接利好。
ARC Prize：官方博客精选AI 评分6161 ARC Prize 发布 ARC-AGI-3 Preview 30天测试总结与Agent竞赛结果
ARC Prize Foundation 总结 ARC-AGI-3 Preview 发布30天的数据：超1200人玩了3900多局游戏，人类大多能通关，AI Agent 进展低效。竞赛冠军 StochasticGoose 得分12.58%、完成18关，前三名Agent均基于智能随机探索；官方指出部分游戏可被暴力搜索破解，未来将按动作效率对人类基线评分并增加撤销按钮、离线引擎等改进。
推荐理由：原文公布了30天竞赛的完整人类与Agent得分对比，读者可以看到交互式推理基准用动作效率区分人类和AI的具体依据。
蚂蚁 inclusionAI：GitHub 新仓库精选AI 评分5858 inclusionAI/UI-Venus
UI-Venus 是一款本地 UI 智能体，仅以屏幕截图作为输入，即可执行精确的图形用户界面元素定位与高效导航。该代理无需依赖系统底层代码或辅助功能接口，直接通过视觉信息理解界面结构，实现自动化操作。其核心能力在于对任意应用或网页中的按钮、菜单、文本框等元素进行准确识别与交互，提升了跨平台任务执行的通用性与可靠性。
推荐理由：蚂蚁这个纯截图驱动的 UI Agent 在当时算是早期探索，代码开源可直接用，做 GUI 自动化的值得看看底层怎么实现元素定位和导航。