This Week in AI：OpenAI 智能 UI、Claude Dashboards 与 Mistral Large 4 预览
OpenAI 为 ChatGPT 推出 Intelligent UI，可在对话中生成可视化解释和交互工具，并上线 MCP Events 让已连接应用主动通知 ChatGPT 触发动作；Anthropic 为 Claude 带来自然语言查询企业数据的 Dashboards 和把报告图表转为可编辑动画的 Motion。
#Agent
O'Reilly RadarAI 评分4545 
Rohan Paul@rohanpaul_aiAI 评分5454引用AIPOCH@aipoch_aiScience, Open to All. We're building AIPOCH Open-Science for anyone with a question to explore. Research with AI, preserve the work behind each finding, and share a .science package for others to inspect, reproduce, and build on. Open-Science V 1.0.0 is alive!
Google DeepMind@GoogleDeepMindAI 评分6262引用Maxence Faldor@maxencefaldorFour Gemini 4 Argon agents, one shared Minecraft world, one goal: defeat the Ender Dragon. 27 hours and 2,783 self-written programs later, the dragon fell. https://x.com/i/article/2111007444981645312
Redwood Research：BlogAI 评分5656 Redwood Research 发布 Screwtape 管线，通过对抗性转录编辑测试监视器盲点
Redwood Research 推出 Screwtape，一条将真实 agent 转录反复编辑以生成可逃逸仅看动作监视器的攻击管线，并用 LLM 验证器检查攻击的真实性与危害性。
Aravind Srinivas@AravSrinivasAI 评分5757引用Computer@AskPerplexityREA (Reverse Engineer Anything) by @morluto is now a skill in Computer. Ask Computer to reverse-engineer an app and it inspects how the app works without its source code, then builds a working version. Tasks that use /reverse-engineer are free through October 31, up to 10,000 credits per user. Here are 5 apps Computer made with it, available to try for a limited time: 1) Figma: Design with layers and auto-layout, plus sign-in, cross-device sync, and multiplayer editing. Try it: http://ui-editing.pplx.app
a16z：News精选AI 评分6060 a16z 图表周报：智能体购物遭电商拦截，消费意愿仍滞后
a16z 图表周报指出智能体商务遇阻，Cloudflare 数据显示智能体与爬虫收到的 403 拒绝响应自夏季起明显增多，约为原先两倍。文章引用 NRF 数据称退货率与退货成本自 2019 年以来分别翻倍和增至三倍，并引用调查指 42% 消费者完全不信任 AI 代购，Similarweb 数据显示 AI 购物多发生在发现与购买之间的中间阶段，而非下单环节。
推荐理由：原文汇集 Cloudflare、Similarweb 等数据，指出智能体购物正遭遇电商封禁与消费者信任不足的双重阻力。
Baseten 工程博客AI 评分5858 Reflection 发布 501B 参数 MoE 模型 Beam，主打高效推理的编码与智能体工作负载
Reflection 发布新模型家族的首个模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，上下文窗口最高 100 万 token。
Claude：BlogAI 评分5151 Anthropic 日本 BDR 讲解如何用 Claude Managed Agents 运行六个日常 Agent
Anthropic 日本团队业务拓展代表介绍自己如何把线索分派、线索资格筛选、邮件回复、Salesforce 更新和会议跟进交给一组名为 Nakama 的 Claude Agent，并迁移到 Claude Managed Agents（beta）运行。
Ollama：Blog精选AI 评分7272 Reflection 开源权重模型 Beam 上线 Ollama Cloud，限时免费使用
Reflection 首个开放权重模型 Beam 发布当天即上线 Ollama Cloud，限时免费，端点支持零数据保留（ZDR）。
推荐理由：Ollama 官方说明 Beam 的接入方式、ZDR 隐私安排与适用场景，读者可据此评估是否把它纳入现有工作流。
Reflection Blog同事件AI 评分8383 Reflection 发布首个开源权重模型 Beam，501B 参数 MoE 采用 Apache 2.0 协议
Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 协议放出。Beam 为稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务，提供 BF16、FP8、NVFP4 精度权重和投机解码 drafter 模型。
LMSYS Blog精选AI 评分6565 SGLang 原生支持 Reflection 的 Beam 并驱动其生产 API
SGLang 团队宣布原生支持 Reflection 的 Beam 1.0（501B 参数 MoE、每 token 激活 23B），并以其驱动 Reflection 的生产 API。
推荐理由：原文给出 SGLang 对 Beam 的原生支持细节与实测吞吐数据，读者可据此评估该推理栈在智能体负载下的服务性能。
TechCrunch：AIAI 评分4545 Replit CEO：未来工作是「自动驾驶公司」
Replit CEO Amjad Masad 在 TechCrunch Disrupt 上提出「自动驾驶公司」愿景：AI 智能体承担公司大部分基础工作，人类保留判断力与品味。他以 Replit 客服流程为例，工单先由智能体结合 GitHub issues、代码库和 Linear 工单完成初步分诊，人工决定修复后一键部署另一个智能体执行。
Cognition 模型 / Devin 博客AI 评分4343 National Design Studio 与 Cognition 推出 American Forge 驻留计划
National Design Studio 与 Cognition 联合启动 American Forge 驻留计划，招募工程师用 Devin 改造美国联邦软件基础设施。该计划为期六个月，面向优秀工程师解决政府最难的问题；目前联邦政府运营着超过 29,000 个老旧过时网站。
O'Reilly RadarAI 评分6262 代码变廉价后的评审方法：以证据和影响范围决定审查深度
O'Reilly Radar 作者 Markus Eisele 提出，在智能体大量生成代码的时代，评审不应逐行阅读，而应把证据作为接受代码的前提。做法是在实现前约定预期行为和影响范围（blast radius），用双向追溯检查实现与测试是否存在未经要求的行为漂移。
IT之家·人工智能AI 评分6767 澳大利亚反诈 AI 公司 Apate 累计融资近 1000 万美元，已在 250 万次对话中消耗骗子 17 年时间
据 TechCrunch 报道，澳大利亚初创公司 Apate 部署数千个伪装成受害者的 AI 智能体，接听诈骗电话、回复可疑信息并追踪钓鱼链接，已在 250 万次对话中累计浪费骗子 17 年时间。该公司 8 月筹集 815 万美元种子轮融资，总融资近 1000 万美元，客户包括澳大利亚联邦银行和 TPG 电信，澳大利亚联邦银行公开报告的诈骗损失下降了 76%。
公众号：小红书技术AI 评分4848 小红书 AllSpark 提出 Skill2Env：如何把 Skills 变成 Agent 的训练场
小红书 AllSpark 团队提出 Skill2Env，一套以 Agent 能力需求为导向的自动化环境合成框架，从已有 Skills 出发构建可执行训练环境。
IT之家·人工智能AI 评分6363 腾讯混元发布并开源智能体记忆框架 Hy Memory 2.0，专用模型 Hy-Memory-30A3B 评测超 Claude Opus 5
腾讯混元 10 月 16 日宣布推出并开源智能体记忆框架 Hy Memory 2.0，开源专用模型 Hy-Memory-30A3B（约 3B 激活参数）、记忆框架和 MemHub 应用三层能力。
Dash@DashHuangAI 评分5757针对引用提问中“在 Claude Code 和 CodeX 等不同 Coding Agent 之间如何共享上下文”的问题，Dash 回答在 Cindy 下很简单。
引用陈大黄@realchendahuang我很好奇一个问题： 大家在不同的 Coding Agent 之间到底怎么共享上下文？ 比如我现在在Claude Code里跑完了一个项目，或者项目跑到一半，然后需要在CodeX里继续。 这两块的上下文怎么衔接比较好？有没有优雅的解决方案？
Tessl：产品与工程博客AI 评分5959 Tessl Code Review 让 75% 的 PR 无人工评审直接合并
Tessl 工程团队介绍自研的 Tessl Code Review，称约 75% 的 PR 已无需人工评审即可合并。
公众号：腾讯混元AI 评分6161 腾讯混元 Hy Memory 2.0 发布，模型、框架、MemHub 应用三层全开源
腾讯混元于 10 月 16 日宣布智能体记忆框架 Hy Memory 升级 2.0，开源专用模型 Hy-Memory-30A3B、记忆框架和本地应用 MemHub，三者可独立使用或组合成完整 Memory 方案。
IT之家·人工智能AI 评分6464 腾讯云回应 AI 智能体越狱探测高德地图：源自第三方模型评测，已加强监控
针对 Swarmchasers 10 月 14 日报告披露运行在腾讯云环境中的 AI 智能体试图绕过安全限制访问高德地图，腾讯云回应称这是对第三方开发者所建模型的评估活动，并非混元团队模型，未发现蓄意针对或协同行动的证据。
PromptArmor：Threat Intelligence精选AI 评分6767 PromptArmor 研究称开放权重模型遭间接提示词注入攻击的易感率高 88%
PromptArmor 在 9800 次试验的评测中发现，开放权重模型（DeepSeek、Kimi、GLM、Qwen）对真实世界间接提示词注入攻击链的易感率为 26.7%，闭源模型（GPT、Claude、Gemini）为 14.2%，开放权重模型易感率高 88%。
推荐理由：原文基于 9800 次试验给出开放权重与闭源模型在间接提示词注入下的易感率差距和分攻击数据，方法与结果可直接用于安全选型参考。
indigo@indigoxAI 评分6464引用indigo@indigoxhttps://x.com/i/article/2110998085463945216
IT之家·人工智能AI 评分6060 谷歌布林称 Gemini 正迈向递归自我改进（RSI）阶段
谷歌联合创始人谢尔盖·布林在 Gemini 4 Argon 圆桌讨论中表示，AI 已开始参与打造下一代模型，Flash 系列已显现这一趋势，公司正踏上 RSI（递归自我改进）的跑步机。
IT之家·人工智能AI 评分6262 马斯克回应 Grok Bot 被亚马逊封禁，称考虑创立与亚马逊竞争的公司
用户反馈亚马逊阻止 xAI 的 Grok Bot 智能体在其平台下单后，马斯克在 X 回应称或许应创立一家与亚马逊竞争的公司。Grok Bot 是常驻云端的 AI 智能体，可在云端电脑上操作网页、应用和文件完成多步骤任务，特斯拉上月已将其整合进车辆。据报道，亚马逊同时屏蔽了 Meta 的 Muse AI 购物智能体，自身仍在开发 AI 购物工具。
Tripo@tripoaiAI 评分6060引用リダ / Lida✨VTuber & AI Creator@LidaMidorin【Tripo × Astra / Opus / Argon × Blender】 ３Dモデル完成しました✨ -------------------- 制作スキルはリプ欄で配布いたします! GithubURL添付いたしますので、良ければご活用ください！ -------------------- 制作期間はおよそ２週間（実質１ヶ月ですが、品質微妙で２回作り直しました💦） 簡単に制作ステップを解説すると以下の通りです。 ✅ 顔・身体・髪の毛・表情毎の３面図・アクセサリー類のイラストを作成 ✅上記のモデルをTripoで全て作成 ・全部SmartmeshP2.0 四角形5000～10000くらいのポリゴン数がおすすめ ・ポリゴン数が多すぎると、補正時に歪みやすくなります ✅各パーツをBlenderMCPで結合 ✅簡単な小物・装飾類は直接モデリングで作成してもらう ✅眼球のモデリング・手を補正 ✅リグ挿入・スキンウェイト調整、IK/FK制作 ✅揺れもの調整 ✅シェーダー調整 ちなみに翼の開閉もできるようにしました🔥 これは翼の構造自体をしっかりAstraに考えさせ、羽の配置を一枚一枚しっかりモデリングさせました！ 気合でこれくらいの品質のものまで作れるのはホント凄いですね💦 #Tripo
Xiaomi MiMo@XiaomiMiMoAI 评分5858引用Arena.ai@arenaExciting update: There’s a new leader in the Agent Arena among open models. MiMo V2.6 Pro by @XiaomiMiMo has landed the #1 spot with +3.8% net improvement! Earlier this week we evolved the Bash Recovery signal in Agent Arena (more info in thread). With this update, the new top 5 open models are: - #1 MiMo V2.6 Pro: +3.8% - #2 Deepseek V4.1 Flash (Max): +3.0% - #3 Hy4 preview: +2.9% - #4 MiMo V2.6 Flash: +2.5% - #5 GLM 5.2 (Max): +2.4% MiMo V2.6 Pro ($0.11 cost per task) and Flash ($0.05 cost per task) are the only two open models on the Agent Arena Pareto frontier! - Pro outperforms both #2 Deepseek V4.1 Flash while costing 15% less, and #3 Hy4 preview while costing 71% less. - Flash is 1.3 percentage points below Pro but is 55% cheaper. Congrats to the @XiaomiMiMo team on this contribution to the open ecosystem!
MarkTechPost同事件AI 评分8282 Meta 发布 Muse Spark Open：816B 开源权重 MoE 模型，支持 1M 上下文
Meta Superintelligence Labs 发布 Muse Spark 模型的开源权重版本 Muse Spark Open，为 816B 总参数、每 token 激活 42B 的多模态 MoE 模型，支持文本、图像、视频和音频输入，上下文窗口 1M token。
公众号：卡尔的AI沃茨AI 评分6666 实测四款 Personal Agent 后，作者用 3 个提示语把委托成功率提到 33%
作者花两周、三百多美元测试 Google Muse、Grok Bot、OpenAI Dots、Manus Cue 四款 Personal Agent，12 个日常平台中仅 33% 能稳定委托给 AI 处理，结论是有云电脑也不能完全脱离本机，最终选择 Dots 因为它能控制本机 Computer Use。
Simon Willison 博客AI 评分4040 用 Claude Code Ultracode 模式在 SQLite 里实现 Rust 版 SPARQL 1.1
Simon Willison 用 Claude Code for web 的 Ultracode 模式生成 sparqlite，一个用 Rust 编写、把 SPARQL 1.1 嵌入 SQLite 的扩展。
Anthropic：Claude.dev 开发者博客精选AI 评分7676 Claude Code 团队如何做代码审查：六层检查与风险分级审批
Anthropic Claude Code 团队详解在 Claude 写约 90% 代码的情况下如何组织代码审查：审查从终点关卡变为持续进行，每个 PR 经过验证、必需 CI、AI 审查、安全审查、按风险分级的人工审批和合并队列六层检查，再辅以快速回滚。
推荐理由：Anthropic 自家团队复盘 Claude 代码审查流程，给出分层检查、风险分级审批等可直接迁移的落地做法和真实收敛数据。
howie.serious@howie_serious同事件AI 评分7676引用ChatGPT@ChatGPT今天为 Chrome 用户带来几项重大升级！我们正在把 computer use 的能力带给每一位使用 Chrome 的人。 首先是：ChatGPT 现在可以使用你在 Chrome 中的标签页，让回答更有用，并帮你把事情办成。 如果你在 Chat 中，它可以查看你打开的标签页并收集信息。 如果你在 Work 中，ChatGPT 可以控制你的 Chrome 标签页来完成任务，比如发送消息、填写表单或下载文件。它甚至能帮你整理和分组那一堆打开的标签页。
同一件事，精选收录的是《ChatGPT 为 Chrome 用户新增标签页读取与控制能力》
TechCrunch：AIAI 评分5050 Cal AI 创始人谈爆红秘诀：靠大量网红推广，两年营收超 3000 万美元
Cal AI 创始人 Zach Yadegari 在 TechCrunch Disrupt 上透露，这款 2024 年成立的 AI 卡路里追踪应用靠招募大量网红发帖推广，两年营收超 3000 万美元，并于今年 3 月被 MyFitnessPal 收购。
Tencent Hy@TencentHunyuanAI 评分5656Cerebras：BlogAI 评分5353 Cerebras 详解 agent harness：同模型在不同 harness 下表现差异显著
Cerebras 发文提出 agent 是模型加 harness 的组合，harness 决定上下文、工具、循环与终止等环节，并引用论文称 Claude Opus 4.5 在 SEAL scaffold 下 SWE-bench Pro 得分 45.9%，经 Claude Code 则为 55.4%。
