#Agent

Arena.ai@arena· 00:51AI 评分6464

Arena 宣布 xAI 的 Grok 4.7 已加入 Agent Arena 评测，用户可投票影响排行榜。该评测基于数百万真实的长周期智能体任务，模型可使用网页搜索、文件系统和终端工具完成复杂工作流，并用因果追踪方法衡量相对表现。Grok 4.7 还进入 Battle Mode 的文本、视觉、代码和文档类别。引用方称其相较 Grok 4.6 在同价同速下有明显提升。

Artificial Analysis@ArtificialAnlys· 00:51同事件AI 评分6666

Artificial Analysis 发布 Grok 4.7 评测，其在 Artificial Analysis Intelligence Index 得分 46，较 Grok 4.6 高 2 分，使 SpaceXAI 进入前四大 AI 实验室。

同一件事，精选收录的是《Artificial Analysis 评测 Grok 4.7：智能指数 46 分进入前四，编码智能体升至第 4》

字节跳动发布 Dramagic，覆盖短剧从剧本到成片的 AI 全流程制作平台

字节跳动推出 AI 短剧与视频制作平台 Dramagic，覆盖剧本分析、角色创建、分镜到视频预览的全流程，支持多人协作并内置一致性检查，通过企业平台 BytePlus 销售。据中国网络视听协会数据，2026 年一季度中国上线约 12.8 万部短剧，为上一年全年总量的三倍，其中 95% 由 AI 生成；清华大学教授沈阳估算 AI 视频每分钟成本为 90 至 120 美元，约为传统制作成本的十分之一。

Arena.ai@arena· 23:51AI 评分5656

Arena 基于 8 月 1 日至 9 月 13 日的 20,840 条 Agent Arena: Code 轨迹、29 个模型部署，用 LLM-as-a-judge 提取用户表扬与抱怨并归入 15 类驱动因素。

M5 Ultra Mac Studio 本地 AI 智能体实测：对比 M3 Ultra 与 RTX 5090

MacStories 作者实测 256 GB 内存的 M5 Ultra Mac Studio，认为它是运行本地 AI 智能体的理想机器。

NVIDIA：AI 安全是工程问题，需在 Agent 栈每一层构建可验证的防护

NVIDIA 发文提出 AI 安全是工程问题，需要明确的安全要求、可执行的控制和具名责任人。文章将安全落在完整 Agent 栈的每一层，包括模型、harness 与运行时环境，强调 Agent 需独立于自身推理的可执行边界、可追溯身份和最小权限，关键操作和权限变更需人工审批。

Amazon 封禁 Meta AI 智能体 Muse 在其平台购物

Amazon 封禁了 Meta 的 AI 智能体 Muse 在 Amazon.com 上购物，指出其浏览时不表明 AI 身份且疑似存储客户数据，存在安全风险。据 GeekWire 报道，Meta 在未达成协议的情况下放出该智能体；Muse 于 9 月 8 日上线，一周内成为美国 App Store 下载量最高的免费应用。

百度智能云牵头制定的4项人工智能国家标准发布，2026年8月27日起实施

百度智能云联合中国电子技术标准化研究院牵头制定的四项人工智能国家标准正式发布，自2026年8月27日起实施，由全国信息技术标准化技术委员会（TC28）归口管理。

亚马逊封禁 Meta Muse 智能体代用户购物，双方争端升级

亚马逊阻断了 Meta 个人 AI 智能体 Muse 代用户在其网站购物的访问权限，称从未许可该访问，并指 Muse 不表明身份、会采集保存用户账号凭证，带来隐私和安全隐患。

蚂蚁集团 CEO 韩歆毅发布全员信，宣布组建全新支付宝事业群

9 月 21 日，蚂蚁集团 CEO 韩歆毅发布全员信，宣布将支付宝事业群、数字支付事业群和芝麻信用事业部合并组建全新支付宝事业群，以加速布局智能体商业。吴敏芝出任新支付宝事业群总裁并兼任蚂蚁 CPO。文中提到个人生活助手阿宝上线三个月完成万余项服务 AI 化升级，AI 支付率先实现 3 亿笔，“碰一下”持续拓展线下支付份额。

联合国专家小组发布首份 AI 简报，呼吁各国在风险厘清前提前管控 AI 智能体

联合国人工智能独立国际科学专家小组发布首份专题简报，建议各国不必等科研人员彻底厘清事故机理，就应对能力日益强大的 AI 智能体落实更强防护措施。简报援引 1992 年《里约宣言》确立的预防原则，称潜在损害可能灾难性且不可逆而概率尚无法确定时不应推迟管控；发布时机恰逢联大期间中美同步开展 AI 会谈。

Amazon 封禁 Meta 的 Muse AI 智能体代用户购物

Amazon 封禁 Meta 的 Muse AI 智能体在平台上代用户购物，周日 Muse 用户开始收到弹窗，称未经授权的 AI 智能体继续访问违反 Amazon 的使用条件。

联合国 AI 科学小组：不能等科学定论再加强 AI 智能体安全保障

联合国独立国际 AI 科学小组发布首份专题简报，警告各国应在风险完全弄清之前约束能力日益增强的 AI 智能体。报告指出失控风险符合 1992 年里约宣言确立的预警原则，即潜在危害可能灾难性或不可逆时，科学不确定性不能成为推迟防护措施的理由。

实测阶跃星辰 Step 5 Preview：网页复刻精度高，还能接 Agent 干活

作者实测阶跃星辰新模型 Step 5 Preview，认为其 UI 能力已追上第一梯队，称较上一模型排名提升 13 名，与 K3 和 Grok 打平，价格约为三分之一。

月之暗面发布 Kimi Code Desktop，macOS 和 Windows 版同步上线

月之暗面发布 Kimi Code Desktop 桌面客户端，macOS（Apple + Intel 芯片）和 Windows 版同步上线，下载地址为 kimi.com/code。桌面端提供图形界面管理项目、会话和配置，内置终端、浏览器和 Git 状态查看，支持 Plan、Goal、Swarm 及实验性的 Tower 多 Agent 协作模式，CLI 任务可直接同步到桌面端。

Kimi 发布 Kimi Code Desktop 1.0，macOS 与 Windows 版同步上线

Kimi（月之暗面）发布 Kimi Code Desktop 1.0，作为 Kimi Code 官方桌面客户端，macOS（Apple 与 Intel 芯片）和 Windows 版同步上线，下载地址为 kimi.com/code。

阶跃星辰发布 Step 5 Preview：600B 总参 27B 激活的 MoE 模型，支持 1M 上下文

StepFun 发布面向智能体工作的新旗舰模型 Step 5 Preview，为稀疏 MoE 架构，总参数约 600B、每 token 激活约 27B，支持 1M token 上下文和文本、图像、视频输入，API 定价为每 1M 输入 token $1.00、输出 $2.70。

数字生命卡兹克访谈汉化组：AI 时代字幕组与漫画组的真实处境

作者访谈多位字幕组与漫画汉化组成员，发现他们并不抵触AI。Eliza 的字幕组把听写、打轴交给AI后，原本需要3到5小时的打轴缩短到20分钟到1小时；程序员阵雨为喜欢的主播自研AI工具，单人完成两小时直播的中文字幕。漫画汉化组则因嵌字质量等原因仍坚持人工制作，成员看重的是同好社群与爱好本身。

Vals AI 用《我的世界》141 小时测试 GPT-6 Astra，发现 AI 受挫后陷入行为僵局

AI 评测机构 Vals AI 在 Twitch 直播中对 OpenAI 模型 GPT-6 Astra 进行了 141 小时的《我的世界》长时自主游戏测试。GPT-6 Astra 展现出长周期规划能力，搭建半自动烈焰人农场收集 6 根烈焰棒、获得 3 颗末影珍珠；但营地遭苦力怕自爆炸毁储物箱与重生床后，AI 连续数小时只循环种土豆，对绿色物体高度警惕并误认甘蔗为苦力怕。

Google 开源 agent 编排系统 AX，面向大规模智能体执行

Google 推出开源的声明式 agent 执行控制平面 AX，提供 Task、Workspace、Gateway、Model 四个原语来沙箱化 agent 任务、配置网络策略和模型密钥。

lethain.com 作者实践软件工厂模式：用 Linear 项目循环驱动 Agent 持续推进目标

Imprint 工程负责人记录了在公司内落地软件工厂模式的实践，核心是 /linear-project-loop 技能，它审计 Linear 项目的目标定义（Notion RFC、Datadog 或 Snowflake 指标），补齐缺失工具后自动增删 issue、处理非阻塞任务并定期重跑循环。

Rohan Paul@rohanpaul_ai· 04:12AI 评分5555

Sierra 与普林斯顿大学推出 τ^τ-bench 基准，把智能体构建模拟成真实客户交付任务，智能体需基于公司记录、客户需求、生产 API、现有代码和预算交付可部署的客服智能体。

Dan McKinley：Prompts Aren't Real，生产级 Agent 应靠评测与优化而非人工打磨提示词

工程师 Dan McKinley 撰文《Prompts Aren't Real》，基于在生产环境让 Agent 可靠运行的经验，提出提示词不是核心资产，可自我修正的评测与优化系统才是。

Anthropic 详解 Claude 在刚果（金）Bundibugyo 埃博拉疫情响应中的应用

Anthropic 官方介绍自 5 月起在刚果（金）Bundibugyo 埃博拉疫情响应中，CEPI、WHO AFRO 与 INRB 如何使用 Claude 辅助抗疫。

Prime Intellect 发布 Prime Sandboxes：面向智能体 RL 训练的 microVM 沙箱正式可用

Prime Intellect 宣布 Prime Sandboxes 正式开放，每个沙箱是完整 Linux 虚拟机，已有约 3000 万个沙箱被创建。默认账户可自服务运行 1,024 个并发沙箱并可扩至数十万，提供超 365,000 个预构建环境，支持 Docker 镜像直接使用，并集成 verifiers、prime-rl 与 Prime Tunnels。

Fireworks AI 分析：前沿不是单个模型，而是路由器，FireRouter 发布

Fireworks AI 发布 FireRouter 并分析 DeepSWE v1.1 上 113 个任务、18 个模型的路由潜力。

腾讯 Gander 模型实现边聊天边后台执行复杂任务

腾讯混元语音团队联合多所高校发布 Gander 模型，用"小脑"负责实时对话、可替换的"大脑"处理后台智能体任务（测试中用 GPT-5.6 家族模型），可同时处理语音、图像和文本并随时被打断。

AI 编码拉低代码质量？作者提出七层质量防御方法

作者认为 AI 编码不会必然拉低代码质量，关键在分层管理质量，其团队在把产出提高 2-3x 的同时让 bug 保持稳定甚至减少。

腾讯混元联合清华北大发布 WebCraftBench，用软件测试方法评测 AI 网页生成

腾讯混元联合清华大学、北京大学提出 WebCraftBench，让智能体实际操作 AI 生成的网页，用代码覆盖率引导探索，再从美观度、易用性和需求符合度三个维度评分。

StepFun@StepFun_ai· 11:39AI 评分6060

阶跃星辰发布旗舰模型 Step 5 Preview，主打智能体工作，在软件工程和专业知识工作中达到前沿水平，金融领域尤其突出。模型为 600B 总参数 / 27B 激活的 MoE，支持 1M 上下文和视觉能力，官方称在相当智能水平下任务成本明显更低，已可在 platform.stepfun.ai 试用，开放权重将于 10 月 15 日放出。

阶跃星辰发布旗舰模型 Step 5 Preview，AA 指数 44 分跻身全球开源模型前三，10 月 15 日开源

阶跃星辰发布旗舰模型 Step 5 Preview，面向 AI 编程、软件工程、专业知识和金融场景，将于 10 月 15 日开源完整权重。

中电信发布星辰大模型 Xing4.0-29B-A4B，基于昇腾超节点训练并开源

中电信人工智能科技于 9 月 17 日发布星辰大模型 Xing4.0-29B-A4B，总参数 29B、激活参数 4B，据称是国内首个基于昇腾 Atlas 900 A3 SuperPoD 液冷超节点与昇思 MindSpore 框架完成训练的百亿参数大模型。

阶跃星辰发布旗舰模型 Step 5 Preview，10 月 15 日开源权重

阶跃星辰发布旗舰基座模型 Step 5 Preview，采用稀疏 MoE 架构，总参数量 600B、激活 27B，支持 100 万 Token 上下文和文本与视觉输入，在 Artificial Analysis Intelligence Index 得 44 分，居全球开源模型前三，单任务成本为 Claude Opus 5 的 1/8。

Rohan Paul@rohanpaul_ai· 07:12AI 评分7272

Google 发布 ScientistTwo 论文，展示 AI 研究中的递归自我改进：模型先改进人类方法，再以自身发现为新基线继续改进。它以提出想法、实验验证、剔除无效方案并根据评审反馈开启新一轮的循环方式，自主改进了 107 个人类定义 ML 问题中的 86 个；在基于 ICLR、ICML 和 NeurIPS 论文的问题上，报告了 80.4% 的成功率和相对原始人类基线平均 25.2% 的改进。

Jev 能否成为更好的智能体评估器？LangChain 实测对比 GPT-5.6 与 Claude Sonnet 4.6

LangChain 用 Deep Agents 构建天气智能体、在 LangSmith 数据集上对比 TypeSafe AI 的 System One 模型 Jev 与 GPT-5.6 Luna、GPT-5.6 Terra、Claude Sonnet 4.6 的评估表现。

OpenClaw 发布 2026.9.5，推出原子更新、插件热重载与会话共享

开源个人 AI 智能体 OpenClaw 发布 2026.9.5 版本，整合 4,179 个 pull request，来自 502 个贡献者账号。核心变化是 Atomic Updates，在现有 Gateway 继续运行时校验新版本，失败可回滚，保证始终有可用的智能体协助诊断。

TypeSafe AI 发布 System One 模型 Jev，返回带概率的类型化决策而非文本

TypeSafe AI 发布 Jev，一个基于 Transformer 但不生成文本的 System One 模型，通过 POST https://api.typesafe.ai/v1/systemone 接收状态和类型化问题，返回带概率和置信度的类型化决策，提供 Choice、Score、Noul 三种问题类型。

Nathan Lambert 解释为何仍不认同真正的 RSI

Nathan Lambert 在 Interconnects 撰文表示仍不认同真正的递归自我改进（RSI），其基准判断是“有损自我改进”，认为可自动化的研究太窄、scaling laws 指数成本、多智能体边际收益递减和资源瓶颈会限制净加速。

Unity 为 Claude Code 和 OpenAI Codex 推出官方插件

Unity 发布面向 Claude Code 和 OpenAI Codex 的官方插件，由 Unity 团队编写和维护技能，其中 Codex 版本首发 31 个技能，覆盖 UI、2D 图形、URP 渲染管线、音频、导航、物理、内购、多人游戏和本地化。

Qwen3.8-Omni-Flash 发布，价格低于 Gemini Flash 且多模态基准相当

Qwen 发布首个面向 AI 智能体的多模态模型 Qwen3.8-Omni-Flash，可联合处理音频和视频并自主使用工具，上下文窗口达 100 万 token。