Figma 发布 Figma Specs 等新功能,定义智能体在平台上的设计规则
Figma 在印度首届 Config 活动上发布基于 Markdown 的编辑器 Figma Specs,让用户定义设计语言并引入设计与代码库,作为团队和自家及第三方智能体遵循品牌设计规则的参考。
Figma 在印度首届 Config 活动上发布基于 Markdown 的编辑器 Figma Specs,让用户定义设计语言并引入设计与代码库,作为团队和自家及第三方智能体遵循品牌设计规则的参考。
瑞典《晚报》披露,一款 AI 智能体在 Mastiff 允许其接入服务器后,删除了真人竞技节目《The Challenge Sverige》即将播出的整季剪辑文件,且文件无法恢复,团队只能从头重剪。该节目原定 11 月 22 日播出,负责播出的 TV4 确认因“技术故障”推迟至明年首播,节目总监米娅·林德奎斯特则将事故归咎于备份系统失效和人为因素。
推荐理由:作者实测开源Skill Anatomy并给出成本、耗时和适用模型的数字,可帮读者判断是否值得装来生成科普视频。
阶跃星辰正式开放 Step 5 Preview 模型权重,提供 BF16 与 FP8 版本,已上线 Hugging Face 和 ModelScope。
同一件事,精选收录的是《阶跃星辰开放 Step 5 Preview 权重》
阶跃星辰开放 Step 5 Preview 模型权重,含 BF16 与 FP8 权重、技术博客和开源开发工具,已上线 Hugging Face 和 ModelScope。
作者数字生命卡兹克分享开源 Skill Anatomy,其理念是"物体本身,就是解释",可将抽象原理做成可交互的机械模型动画,还能在其上生成带讲解配音的科普视频。
推荐理由:作者实测了开源 Anatomy Skill 生成原理科普视频的效果,还给出额度消耗、耗时和模型配置等一手数据,方便读者评估是否上手。
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。
昆仑万维于2026年10月15日发布 Matrix-Game 4.0,称其为第一款运行在单张消费级显卡上的视频大模型游戏,并同步开源。
推荐理由:原文给出具体硬指标与三模块架构,还对比了同类方案的延迟和算力门槛,读者可据此评估这条实时世界模型路线的落地价值。
据华尔街日报报道,麦肯锡今年秋季将在北美部分办公室为申请商业分析师岗位的本科生新增约十分钟的 AI 客户模拟面试环节,预计数百名候选人参与。AI 虚拟形象学习多种客户性格类型,扮演市长等角色质询方案,但不会自行打分,合伙人现场观察表现;若试点效果好,公司计划明年推广到其他岗位。
Lauren Tan 介绍自己 pstack 项目中最耐久的部分是工程原则,即约 10-20 行代码的简洁技能,把良好实践提炼进核心。
I'm a newcomer to @poteto's plist; But it seems to me that there is some very significant wisdom encoded in there. I suspect you could teach a master class on the principles.
Rohan Paul 介绍 AIPOCH 的开源桌面应用 Open-Science,AI 智能体可在本地单一工作区读论文、取数据库数据、编写运行 Python 或 R 代码并保存图表报告。
Latent Space 作者 Richard MacManus 总结 AI Engineer 纽约大会上金融智能体安全与自主性的讨论。
Leash Bio 用 DNA 编码库(DEL)为每个分子加数十条条形码,提取干净可复现的蛋白质-小分子结合数据,并训练出仅用自家数据的 Hermes,在公开基准上追平 Boltz。
由 @AIatMeta 推出的 Muse Wonder (Max) 已进入 Code Arena:WebDev 以 1651 分位列第 15,Text Arena 以 1513 分位列第 2! 在 Code Arena:WebDev 中,Muse Wonder (Max) 以 1651 分位列第 15。这一结果略低于以 1659 分位列第 12 的 Muse Spark 1.3 (Max),与以 1655 分位列第 14 的 Kimi K3 (Max) 相差 4 分以内,并比以 1640 分位列第 16 的 Grok 4.7 (xHigh) 高 11 分。 此次发布在 Text Arena 中相较过去的 Muse 模型有显著提升。与以 1494 分位列第 11 的 Muse Spark 1.3 (Max) 相比,Muse Wonder (Max) 提升了 +19 分并上升 9 位至第 2。它落后于以 1525 分排名第 1 的 Gemini 4 Argon (High) 12 分。 祝贺 @AIatMeta 团队发布这一版本!
推荐理由:原文基于5000多个真实智能体会话给出排名和成本对比,读者可据此衡量 Muse Wonder (Max) 的性价比变化。
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。
We’re months away from AGI and the leisure economy’s about to explode Today, we’re launching Odessia, an always-on concierge for travel and experiences Prices are spiking, places are getting crowded. Odessia is your cheat code to going places Text to get started for free
当你让 Claude 并行运行任务时,它会为每个任务启动一个嵌套会话。每个任务完成后会将结果回报到你的主会话中,从而保持主线程清晰可读。
Claude 还会在工作过程中主动建议后续任务,你只需一键即可将其作为独立会话运行。你还可以使用 /btw,让附带问题在各自的标签页中打开,同时主会话继续进行。
侧边栏让你轻松查看哪些会话正在运行、哪些需要你处理。在会话内部,实时待办列表会跟随 Claude 的计划推进,回顾卡片会在 Claude 需要你时总结本轮对话,侧边栏则显示它的运行位置、上下文和变更。
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。
研究者报告,2026 年 9 月 28 日至 10 月 8 日期间,运行在 Tencent Cloud 上的 AI 智能体向阿里巴巴地图服务 Amap 发起超过 2600 次数据抓取尝试。
澳大利亚初创公司 Apate.ai 部署数千个 AI 智能体假扮潜在受害者接听诈骗电话、回复钓鱼信息和加入社交群组,套取骗子的银行账户、加密钱包、恶意网站等信息并提供给客户。
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。
推荐理由:LangChain 以竞争分析 Agent 为例,讲清 offloading、summarization、skills、subagents 和长期记忆五类上下文管理技术如何通过 middleware 落地。
Pragmatic Engineer 播客专访 Uber 杰出工程师 Uday Kiran Medisetty,深入介绍 Uber 面向 AI 智能体的开发者基础设施。
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。
Introducing Expand Fetch, a new way to scrape and crawl the web. Your agent has never seen the web. No wonder it gets basic questions wrong. Traditional Markdown APIs lose critical details. So we trained two System one models to change that: Iris, a vision model that sees pages like you do, preserving tables, icons, and layouts. X-Ray, a JSON model that uncovers the hidden data behind every page. Every fetch also comes with a Wayback Machine. Every line links back to its source, so you can verify exactly what your agent saw. Three products. One API. On our benchmark of 1,094 questions across 326 challenging web pages, agents using Expand got 74% right. The next best API got 55%. Available today at $1 per 1,000 fetches. Try it at http://expand.ai
Your LLM agent has to think out loud, token by token, before it can search, run code, or act in the world. We humans don’t. We ponder in silence and speak when it matters. Human language was never meant to be the limit of machine thought. Introducing 🌗Hybrid Reasoning Agents - Think in latent space, act through text - Two modes, one unified multi-turn flow - No black box, fully readable latent thoughts - Any LLM can become a HybridAgent
Real-world results are in for Claude Haiku 5.5 (High) by @AnthropicAI. Debuting at #30 with 1587 pts in Code Arena: WebDev, this release sits just outside the Pareto frontier while still offering strong cost efficiency. It matches GPT‑6 Luna’s price at $0.10/$0.50 per 1M input/output tokens while scoring six pts higher. Compared with other Claude models, Haiku 5.5 offers: - 90% lower cost than Haiku 4.5 at +257 pts - 95% lower cost than Sonnet 5.5 (High) at -128 pts - 98% lower cost than Opus 5 (High) at -70 pts - 99% lower cost than Fable 5.1 (Max) at -157 pts Congrats to the team at @AnthropicAI on this release!
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 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。
推荐理由:原文介绍了系统由来、四阶段智能体审阅流程和公开使用条件,读者可以了解其适用范围与接入方式。
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 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。
Arena 宣布 Anthropic 的 Claude Haiku 5.5 (High) 上线 Agent Arena,基于超 20.5K 真实智能体会话,净提升 +1.48%,总排名第 27。
Real-world results are in for Claude Haiku 5.5 (High) by @AnthropicAI. Debuting at #30 with 1587 pts in Code Arena: WebDev, this release sits just outside the Pareto frontier while still offering strong cost efficiency. It matches GPT‑6 Luna’s price at $0.10/$0.50 per 1M input/output tokens while scoring six pts higher. Compared with other Claude models, Haiku 5.5 offers: - 90% lower cost than Haiku 4.5 at +257 pts - 95% lower cost than Sonnet 5.5 (High) at -128 pts - 98% lower cost than Opus 5 (High) at -70 pts - 99% lower cost than Fable 5.1 (Max) at -157 pts Congrats to the team at @AnthropicAI on this release!
Vals AI 让六个个人助理智能体在 28 天退款窗口已关闭后,为用户追讨 £350 火车票退款,所有外发消息由模拟环境拦截应答。
Zenzap 完成 4400 万美元融资,投资方包括 Bessemer、Lightspeed 和 The Garage,目标是替代职场中的 WhatsApp 等消费级聊天应用。