#Agent

OpenHands 与 NVIDIA 合作，将 Nemotron 3.5 Super VL 多模态模型引入软件工程智能体

作为 NVIDIA 发布合作伙伴，OpenHands 将开源多模态模型 Nemotron 3.5 Super VL 引入常驻软件工程智能体工作流。该模型基于 120B 参数 MoE 架构、12B 激活参数，支持文本、图像、文档和视频输入并输出文本，将多模态理解与智能体推理和工具调用结合。

NVIDIA Nemotron 3.5 Super VL 发布，vLLM 提供首发支持

NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL，vLLM 提供 Day 0 支持。模型基于 120B 总参数、12B 激活的 MoE 架构，结合推理、工具调用与文档、图像、视频理解，采用混合 Mamba-Transformer 架构、多 token 预测和 NVFP4 量化。

Google 工程师讲解如何系统评测 AI 智能体，告别 vibe check

Google Developers Blog 发布智能体评测实践指南，指出仅靠终端跑几个提示词的 vibe check 无法发现智能体重试循环、工具参数幻觉等隐性失败。

Wallet Wars：智能体支付正在展开的四场争夺

Terry Angelos 分析智能体购物要真正完成任务需要获得付款授权，由此展开钱包之战。文章指出 Stripe Link（3 亿用户）、Shop Pay（2.5 亿用户）、PayPal（4 亿以上用户）竞相接入 Muse 和 Instinct 等智能体，但 Stripe 用一次性虚拟卡代为付款会切断用户与商户的关系，丢失积分和权益。

Tessl Verifiers 正式发布，用仓库内纯文本规则检查每次 Agent 代码变更

Tessl 发布 Verifiers，规则以 JSON 文件形式存放在仓库中，每次代码变更时由 LLM judge 逐条给出 pass 或 fail，可像 lint 或测试一样在本地、pre-commit 或 CI 中使用。

LangChain 详解 agent 评估常见问题：从数据集搭建到 Harbor 基准

LangChain 基于 LangSmith 团队的实践经验，回答 agent 评估最常见的入门与进阶问题：agent 输出多样、路径不唯一，传统单元测试难以覆盖，需要从 trace 中抽取 10–20 个示例建数据集、跑基线并持续把线上失败加入数据集形成改进循环。

Databricks Document Intelligence 实时 REST API 正式 GA

Databricks 的 Document Intelligence 解析、分类、抽取 REST API 正式 GA，用于文档路由的 decisions API 进入 beta。开发者可在应用或智能体中调用 ai_parse_document、ai_extract、ai_classify 等接口，实时把文档转为结构化结果，并支持引用定位与置信度分数。

Databricks 谈 AI 智能体为何难以证明 ROI：速度不是正确的生产力指标

Databricks 的 Amber Roberts 指出，企业快速采用 AI 智能体却难以证明 ROI，原因在于采购者与日常使用者往往不是同一批人，目前多数组织正处于试用与筛选有效用例的阶段。她认为"更快"是错误的智能体 AI 生产力指标，生产力应绑定各团队自身的 KPI，并配合质量指标衡量。她还强调，智能体理解业务上下文比单纯执行任务的速度更重要。

LangChain 详解 Deep Agents 的上下文工程：如何记住信息而不塞满上下文窗口

LangChain 发布博客，介绍其开源 Agent 框架 Deep Agents 如何用 middleware 做上下文工程，应对长任务中的 context rot。

Claude Platform 推出 OpenTelemetry traces 公测，支持 Managed Agents、Messages API 和 SDK

Anthropic 在 Claude Platform 上推出 OpenTelemetry traces 公测，可从 Claude Managed Agents、Messages API 和 Claude SDKs 向任意 OTel 工具发送追踪数据，覆盖每轮 agent、模型调用和工具调用，并含延迟、token 和 ID。

NVIDIA NeMo Gym 助力 Siemens Fuse EDA 智能体将基准综合得分从约 55% 提升至约 95%

NVIDIA 技术博客介绍西门子如何用 NeMo Gym 评估和改进 Solido Characterization Suite 智能体在标准单元特征化中的可靠性。

Google 发布智能体审稿系统 Deep Review，支持多领域技术文档审查

Google 公开发布智能体审阅系统 Deep Review，可对复杂技术文档提供反馈与验证，最初面向计算机科学论文，现已扩展到法律、金融等领域。

Google Earth AI 推出地理空间推理智能体，并发布两项新基准

Google 将 Earth AI 的地理空间推理智能体从早期原型升级为实验系统，可跨行星级数据完成多步推理并自主训练定制预测模型。技术报告在四个基准上评测，其中 GeoKTools 和 GeoExpertQueries 为 Google 新发布，结果显示 Earth AI 专用工具加前置规划优于开箱即用的 LLM。

Google Research 发布 10 项进展：Google Earth AI、Deep Review 等

Google Research 在 Research@ 活动上公布 10 项研究进展，包括 Google Earth AI 新增地理空间分析、风险预测和 agent-to-agent API 三项实验能力，并整合 Google Dataset Search 与 TimesFM。

蚂蚁 inclusionAI 发布 Ling-3.1-flash 混合推理模型

蚂蚁 inclusionAI 发布 Ling-3.1-flash，一个原生混合推理模型升级版，总参数 560B、每 token 激活 25B，上下文窗口 1M-token，架构为 Hybrid-linear MoE（KDA + Gated MLA）。

Third Moment Research 如何用 GPT-6 与 Codex 同时运行 1 万个智能体 36 小时以上

Third Moment Research 借助 GPT-6 Astra、GPT-6 Sol、GPT-6.1 Sol 与 Codex，可同时运行 1 万个智能体，单次自主研究持续 36–48 小时，单日消耗 1 万亿 OpenAI token。

Factory 推出 OpenCompute：面向智能体沙箱的自托管编排器

Factory 发布 OpenCompute，一款可在用户自选运行时上自托管编排智能体沙箱的产品，现已进入 private preview。它提供按需供给与生命周期管理，集成 Environments、Automations 和 Remote Control，支持 AWS Lambda MicroVMs、Kubernetes 等基础设施。

a16z：长时程智能体如何赢得高价值客户旅程的接力赛

a16z 合伙人 David Haber 撰文认为，长时程 Agent 已能跨数十个步骤、数周数月承接完整客户旅程，如保险理赔、按揭和企业销售。

Manus 推出 Manus for Business，付费席位每月 20 美元起

Manus 推出面向企业的 Manus for Business，Team 套餐现已上线，起价每个付费席位每月 20 美元或每年 200 美元，含 4,000 积分，访客席位免费。

OpenAI 报告：欧盟 AI 应用进入智能体时代

OpenAI 经济研究最新报告显示，欧盟 ChatGPT Enterprise 客户中，Codex 和 ChatGPT Work 已占输出 token 的一半以上。

Browserbase 撰文探讨 AI Agent 时代 CAPTCHA 的存废与智能体身份验证

Browserbase 工程博客分析 AI Agent 普及后 CAPTCHA 的前景。

Ollama 联合 Fly.io Sprites 推出 Ollama Connector，让智能体在沙箱中安全调用云端模型

Ollama 宣布 Ollama Cloud 可在 Fly.io Sprites 沙箱内使用，支持 Claude Code、Codex、Cursor 和 Gemini CLI 开箱即用。

Linear 工程师总结使用 Loops 自动化重复工作的五条原则

Linear Loops 的工程师分享使用 Loops（Linear Agent 定时或事件触发的自动化任务）的五条原则：寻找可委派的重复任务、渐进式扩展范围、善用工作区上下文、让 Linear Agent 帮助迭代、保持团队可见。文中给出漏洞分诊、清理废弃代码、会议议程准备和客户成功轮值通知等实际案例。

Pydantic AI 作者 Samuel Colvin：图库是个错误，代码本身就是图

Pydantic AI 作者 Samuel Colvin 撰文主张图库是个错误，代码本身就是图，认为 LangGraph 那类图 API 在类型安全、并行执行和状态快照三者间不可兼得。

Puck 通过 MCP 接入 ChatGPT 与 Claude

Puck 现已通过 MCP 接入 ChatGPT、Claude 等智能体，用户可在 ChatGPT 语音模式中构思后直接发送给 Puck 落地实现。Puck MCP 提供 puck 和 orbs 两个工具，前者与 Amp 中的 Puck 交互，后者展示运行中 orb 的交互视图及门户链接。

Liquid AI 发布 LFM2.5-24B-A2B 端侧推理模型

Liquid AI 发布开源权重模型 LFM2.5-24B-A2B，总参数 24B、每 token 激活 2B，定位端侧快速智能体。

用 Gemini 4 Argon 构建 n8n 工作流：MCP、Assistant 与 Agent

n8n 成为首批集成 Gemini 4 Argon 的公司之一，用户可在现有工作流中使用该模型。n8n 内置 MCP server 支持从任意 MCP 客户端生成工作流，Assistant 可通过 OpenRouter 或 Google 的 OpenAI 兼容端点接入 Gemini，Agent 与独立 Google Gemini 节点在发布时即可选用该模型。

Google 用 Gemini 4 Argon 无人值守优化 20 万行 Python 代码库 ADK

Google 工程师用 Gemini 4 Argon 在 google/adk-python 上无人值守跑 11 小时，提出 6 项优化、审查后合并 2 项，使长会话内存会话准备时间降低约 40%，包导入加快 21%。

Gemini 4 Argon (gemini-4-argon) 正式发布 GA

Google 发布 Gemini 4 Argon（gemini-4-argon）并正式进入 GA 阶段，定位为其最强模型，面向复杂编码、智能体、数学和科学任务。API 变化、定价与迁移指引见 What's new in Gemini 4 Argon 文档。

同一件事，精选收录的是《Google 发布 Gemini 4 Argon：面向复杂工程与科研任务的前沿模型》

Cohere Labs 研究：编码 Agent 团队扩编的经验，以 30% 成本逼近前沿效果

Cohere Labs 在 ProgramBench 200 个任务上系统测试编码 Agent 团队的设计选择，发现团队优于单个 Agent 但成本高 4 到 7 倍。

LangSmith 推出 AI Search，用自然语言按行为搜索 agent 轨迹

LangChain 在 LangSmith 中推出 AI Search 公测，允许用自然语言描述行为来查询 agent 轨迹，例如 PII 泄露或用户受挫等无法靠标签和全文检索回答的问题。

Tessl 谈 AI 软件工厂的开放性：既要带得进上下文，也要带得走知识

Tessl 发文提出评估 AI 软件工厂开放性的关键问题是能否把组织上下文带进来、把生产中积累的知识带走。文章给出透明性、可复现性、互操作性和生态复用四个可验证维度，并建议从一个受限工作流入手，把反复纠正的问题沉淀为技能、架构决策和评测用例，再在其他智能体或 harness 上演练迁移。

IBM Research 用开源模型与 llm-d 分布式推理降低 AI 芯片设计成本

IBM Research 演示用开源前沿模型结合 llm-d 分布式推理构建 agent factory，对量子纠错解码算法 Relay-BP 做 HLS 硬件优化，在 100 个假设预算下实现约 52 倍加速、推理成本约 26 美元；同预算下全专有模型配置成本 299 美元、加速 204 倍。

LangChain 发布 langchain-scaledown 集成，用 ScaleDown 约束解码模型管理长时智能体上下文

LangChain 发布 langchain-scaledown 集成，并在 LangSmith LLM Gateway 中支持 ScaleDown 的约束解码模型（CDM），用于降低长时智能体上下文管理的成本和延迟。

NVIDIA RTX Spark 笔记本 10 月 16 日上市，生态伙伴同步推出本地 AI 软件更新

NVIDIA 官宣 RTX Spark 笔记本将于 10 月 16 日发售，配合发布推出覆盖 Agent、创意和开发工具的软件更新，该超芯片具备最高 128GB 统一内存和 1 petaflop AI 算力。

Manus 与 OPPO 合作，将 Agent 能力整合进 AI Mind Pilot

Manus 宣布与 OPPO 合作，将 Manus 的 Agent 能力整合到 OPPO AI Mind Pilot 的全新 Agent 模式中，让手机 AI 完成分解步骤、调用工具并交付成果的多步骤任务。该能力将在搭载 ColorOS 17 的 OPPO Find X10 系列上首发，本地任务由端侧模型处理、原始内容不上传，需要外部处理时会先征求用户确认，更多可用性详情将在产品发布时公布。

n8n 教程：用 You.com 和 Jev 搭建每天早上的 AI 新闻简报工作流

n8n 博客发布一篇客座教程，介绍用 You.com 节点、TypeSafe AI 的 Jev 模型和 n8n 搭建每早 8 点的 AI 新闻简报工作流。

约翰霍普金斯大学提出 SELFCOMPACT：让语言模型智能体自主决定何时压缩上下文

约翰霍普金斯大学提出 SELFCOMPACT，让模型自身决定何时及如何压缩上下文，无需微调或外部监督。该方法结合压缩工具与轻量级评分规则，在六项基准、七个模型上匹配或超越固定间隔摘要，数学任务最高提升 18.1 分，智能体搜索提升 5–9 分，每题成本降低 30–70%。

Vapi 自研代码审查机器人如何将 PR 合并时间缩短一半

Vapi 工程师 Lat Ware 自研 Pedantic Review Bot，使 PR 从开到合并的平均时间从 130 多小时降到 65 小时。机器人会运行测试和小复现来验证发现，分析和发评论分属两个 job，只能评论不能批准或推送；2026 年 9 月 2 日至 10 月 2 日审查了 1,694 个 PR，在 276 个中提出 363 个 blocker 发现。

Meta 发布 Muse Wonder 和 Muse Wonder Full，Artificial Analysis 实测智能水平较前代显著提升

Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型，在 Artificial Analysis Intelligence Index v4.3 上分别得 52 和 56 分（max reasoning effort）。