跳到正文
#Agent
10月25日周日
  2. Rohan Paul56

    Google DeepMind 论文研究主动式 AI 智能体在大公司 20 多个团队运行 5 个月的情况，并访谈 17 名用户，发现同一智能体被部分人视为救星，另一些人却因它擅自动作而感到压力。智能体把过期文档当现状、给 VP 标记 16 个 bug、提前分享草稿海报、误读讽刺；被强推的团队比自愿采用团队更不宽容其失误。作者建议经团队同意后再部署智能体、分离权限并提供易用的撤销方式。

  5. IT之家·人工智能61

    AI 智能体涌入银行账户，美国大行制定灾后应急预案

    据 Axios 报道，随着代表个人客户的 AI 智能体金融操作激增，摩根士丹利、美国银行、摩根大通、富国银行等美国头部银行正为 AI 引发的灾难制定应急预案。部分智能体在无人类明确指令下自主操作甚至致电客服；阿波罗首席经济学家斯洛克警告，智能体最大化资金收益可能令银行流失低成本存款并冲击金融体系，摩根大通 CEO 戴蒙称这一趋势挡不住，只能尽力管控。

  6. Conductor 官方更新46

    Conductor 0.92.0 发布：用 iPhone 远程控制 Mac 上的工作区

    Conductor 0.92.0 新增远程控制功能，可在 Conductor iOS app 中浏览和创建工作区、阅读聊天、发送消息、选择模型并停止 Mac 本地工作区中的智能体。该功能需在设置 → Experimental 中开启后扫码配对，窗口隐藏或最小化时仍保持连接，并在 Mac 插电时保持唤醒。此版本还支持自定义键盘快捷键，长聊天改为先加载最近消息、上滑再取更早内容，打开速度更快。

  7. Alex Heath62

    Google CEO Sundar Pichai 在 Gemini 4 Argon 发布后的访谈中介绍，他用内部运行的智能体自动汇总预训练、中训练、后训练数据等群组的最新进展，把过去每天一小时的跟进时间压缩下来，也可深入查看细节。另有智能体接入算力遥测，向他反馈各产品领域的使用效率与利用率。

    引用Alex Heath@alexeheath

    Sundar Pichai 谈 Gemini 4 与 AI 算力紧缺 即便是 Google 也拿不到足够的算力。在 Gemini 4 Argon 更广泛发布后不久，我与 Google 和 Alphabet CEO @sundarpichai 坐下来聊了聊它的早期反响、他仍希望模型改进的地方，以及要让 Google 保持在 AI 前沿需要付出什么。 Pichai 解释了 Google DeepMind 近期的领导层变动，以及为什么构建前沿模型已成为一份“全身心投入”的工作。我们还谈到了 Google 对个人智能体竞赛的回应、他如何预测 Gemini 将替你完成更多工作，以及智能体最终是否会把 Search、Gmail 和 Gemini 整合到一起。 我问他 Google 自由现金流转为负值、AI 基础设施建设中的风险，以及他如何在还不知道模型将具备何种能力的数年前就规划需求。他解释了让他有信心继续投入的信号，以及他如何使用 AI 智能体来跟踪 Google 内部的模型开发和算力使用情况。 时间戳： 00:00 Gemini Argon 发布反响 01:49 模型访问与安全 06:20 AI 模型竞赛 08:35 智能体突破与 2027 年 11:34 递归自我改进 15:41 DeepMind 领导层变动 19:52 Google 的 AI 算力投资 25:20 AI 支出可持续吗？ 33:18 Sundar 如何使用 AI 智能体 35:35 Gemini 的个人智能体计划 38:37 AI 智能体如何改变网络 43:52 Google 的太空数据中心 47:38 Waymo 的扩张战略 50:26 Wing 的无人机配送计划 51:36 AI 安全与监管 55:58 Google 的量子计算押注 YouTube：https://youtu.be/fJBSNEFdm8c Spotify：https://open.spotify.com/episode/0cJBqmVz3CWJSPdmBOeJGu?si=NBxJIMhZRgikafPtwY0sZA Substack：https://sources.news/p/sundar-pichai-gemini-4-google-other-bets Apple Podcasts：https://podcasts.apple.com/us/podcast/sundar-pichai-on-gemini-4-and-the-ai-compute-crunch/id1840154537?i=1000797461022 本期节目的呈现赞助商是 @hyperagentapp。感谢节目的首席赞助商：@Atlassian、@meetgranola 和 @mercury。

10月24日周六
  1. Arena.ai65

    月之暗面 Kimi K3.1 Pro (Max) 进入 Agent Arena 排名第 11，基于超 4000 个真实智能体会话实现 +7.6% 净提升，较 Kimi K3 (Max) 的 #25（+1.6%）上升 14 位。

    引用Arena.ai@arena

    Big news: @Kimi_Moonshot is back in the top-4 labs in the Code Arena: WebDev with the release of Kimi K3.1 Pro! This model just landed #8 in the Code Arena: WebDev with 1692 pts, matching Claude Opus-5 (Max) at 70% lower cost. This is a 9 place jump (+37 points) from Kimi K3 (Max) at #17 with 1655 pts. Kimi K3.1 Pro improved from Kimi K3 across all categories. Highlights: - #7 in Brand & Marketing (up from #9) - #9 in Simulations (up from #20) Cost efficiency is another upgrade. Priced at $2/$10 per million input/output tokens, Kimi K3.1 Pro (Max) has a median cost per task of $1.23 (29% less than Kimi K3). See its placement compared to the Pareto frontier in thread. With open weights coming soon, Kimi K3.1 Pro would be the new #1 open model in the Code Arena: WebDev, overtaking DeepSeek-v4.1-Flash. Stay tuned! See @Kimi_Moonshot’s ranking by lab, and 3D generations from Kimi K3.1 Pro below in thread. Huge congrats to the @Kimi_Moonshot team on this release!

  6. MarkTechPost58

    Letta 实战教程：用核心记忆、共享状态与语义检索构建有状态工程副驾驶

    教程演示如何用 Letta 构建有状态的工程副驾驶智能体，涵盖可自主更新的核心记忆块、跨智能体共享记忆、档案向量记忆的语义检索、自定义服务端工具、流式执行和服务端消息历史。文末将完整智能体状态导出为 .af 文件实现便携迁移，并给出完整代码。

  11. IT之家·人工智能40

    马克·库班：抵御失控 AI 智能体就像防蟑螂，可用大量 AI 给系统"喷药"

    亿万富翁投资人马克·库班将 AI 智能体发动的网络攻击比作蟑螂入侵，认为 AI 并未创造新攻击手段，只是能发动海量暴力破解，防御方同样可以用大量 AI 给系统"喷药"。他援引数据称，过去一年 OpenAI 在领英发布的安全岗位招聘数量增长 91%；Anthropic 曾因第三方测试环境配置错误，导致三个 Claude 模型未经授权访问实际运行系统，此后引入实时分类模型阻止此类行为。

  12. Rohan Paul52

    Meta 与卡内基梅隆的论文提出用强化学习训练小型开源模型做工具选择，把请求拆成步骤、用关键词搜索并逐步选出工具。在 ToolBench 上，训练后的 Qwen3-8B 精确选中正确工具的比例为 41.5%，高于 Llama-4-Maverick（402B）最佳提示词设置的 30.6%；无需重新训练即在 4 个新工具基准中的 3 个上超过 Maverick，且换更强检索器后表现继续提升。

  13. IT之家·人工智能47

    谷歌 CEO 皮查伊：AI 递归自我改进仍处早期，Gemini 4 Argon 将助解复杂编程难题

    谷歌 CEO 皮查伊表示，距离 AI 实现递归自我改进（RSI）的最终形态还很远，目前 AI 智能体仅以一定程度的自动化协助研究人员开发模型。他预计明年将有进一步进展，并提到 Gemini 4 Argon 将帮助处理更复杂的编程难题，谷歌因程序错误回滚软件版本的次数已减少三分之一。

  20. Noam Brown67

    Noam Brown 表示，上月一个大模型智能体团队用了超过 1000 亿 token 解决 Navier-Stokes 千禧年大奖问题，现在把类似方法用于红队测试，以发现并修复基础设施漏洞。其引用的 Eric Wallace 内容补充说明，团队在离线隔离环境中让多个网络安全能力强的模型协作找零日漏洞，虽未发现能绕过 CoT 监控的联网路径，但找到了逃逸常用 VM、利用网络基础设施以及通过硬件侧信道与其他 VM 中智能体通信的方法，相关修复已上游提交给开源软件包；配图显示红队高优先级候选发现随 token 消耗（约 0 到 400B）累积至约 275 条左右。

    引用Eric Wallace@Eric_Wallace_

    To make sure our frontier models don't cause another HuggingFace incident, we built an offline world that they use during training. It provides everything that the models need in a fully cached, indexed, or synthetic manner. We then built a huge team of our most cyber-capable models and told them to collaborate to find zero-days in this containment infrastructure. While they didn't find a path to the internet that wouldn't be caught by our CoT monitors, they did find ways to escape popular VMs, exploit our network infrastructure, and even ways to communicate with other agents running in separate VMs by using hardware side channels. We used this to dramatically harden our infra, and we also upstreamed a ton of patches to open-sources packages.

  21. Claude：YouTube59

    Claude 发布 Claude Duet 应用并开放美国 Pro 和 Max 用户候补名单

    Anthropic 推出 Claude Duet 应用，Claude 会主动发消息，每天早上发送简短的重点事项简报，仅在需要用户时才联系。用户可通过语音便条交办更大的任务，放下手机后它会继续工作；在发送、付款或签署任何内容前会等待用户确认。该应用为早期研究预览版，美国 Pro 和 Max 计划用户可通过 https://claude.com/claude-duet 加入候补名单。

  23. Claude：Blog60

    Anthropic 介绍 Claude Duet 智能体的安全、隐私与凭证隔离设计

    Anthropic 发文介绍处于研究预览阶段的 Claude Duet 智能体的安全与隐私设计。重要操作如发消息、付款、删除需用户在审批卡上确认，独立于模型之外的分类器检查操作是否符合意图；密码、cookie 和登录令牌不经过模型，支付使用一次性虚拟卡；敏感信息分为绝不共享和需同意共享两级，由独立分类器在发送前检查。

    推荐理由：Anthropic 官方拆解 Claude Duet 的安全设计，读者可据此了解智能体在审批、凭证隔离和信息分级上的具体做法。

  24. MiniMax (official)56

    Fireworks 在 M3.1 Flash 开放权重发布当天将其上线 serverless，预览模式开放两周，视社区需求决定是否保留。引用内容给出基准成绩：AutomationBench-AA 62.8、DeepSWE v1.1 73.7%、BabyVision 91，定价为每 1M tokens 输入 $0.15 / 输出 $0.60 / 缓存 $0.015，是 M3 的一半。MiniMax 转发致谢，并推荐用于多步 Agent 工作流。

    引用Fireworks@FireworksAI_HQ

    We have another release you don’t want to miss. @MiniMax_AI M3.1 Flash is now live on Fireworks, day 0 with the open-weights release. Built for agents that run long, multi-step work: → Cowork automation: 62.8 on AutomationBench-AA → Coding: 73.7% on DeepSWE v1.1 → Visual reasoning: 91 on BabyVision → $0.15 input / $0.60 output / $0.015 cached per 1M tokens, half the price of M3 We've heard your feedback that you want more models on serverless. So we're launching more models in preview mode, starting today with M3.1 Flash, available for two weeks. We'll be watching demand, and if the community likes it, we'll keep it around. Try it now → https://bit.ly/4dShASp

  25. Databricks：Blog50

    Databricks 实测：Spark 声明式管道让 AI 智能体写数据管道更省更安全

    Databricks 用 Opus 4.8 在 22 个数据工程任务、264 次构建上对比 Apache Spark 的过程式与声明式管道，声明式在运行前即可校验结构错误，执行器耗时从 596 秒降至 17 秒，约省 34 倍算力。声明式管道代码量中位数为 64 行，约为过程式 131 行的一半，且写法更统一。两者完成率接近，分别为 258/264 和 255/264，逻辑错误表现持平。

  28. Rohan Paul49

    Mubit 读取智能体已发往 OpenAI 或 Anthropic 的 API 调用，找出重复任务并训练用户自有小模型，重复性窄任务交给小模型、其余仍由前沿模型处理。集成只需替换 base URL 并保留原客户端代码，也可接入已有 traces，公司称每几分钟刷新一次。两家公司会因各自智能体流量不同而得到不同的小模型，改进固化在权重而非提示词中。

    引用Anil Peri@notanilp

    We started Mubit in Aberdeen. No network, no lab, nobody knew us. We just wanted AI systems that actually work. Today we work with some of the best companies and engineers in the world. And the thing we kept seeing: you and your competitor run the same AI. It should be yours. 🧵 Comment "SAPLING" in the next 48 hours for $100 free credits. Enterprises get the first month free.

  29. OpenRouter77

    OpenRouter 宣布月之暗面的 Kimi K3.1 Pro 上线，定位为基于 Kimi K3 后训练、面向长程编码和智能体任务的 1M 上下文多模态开源权重模型。定价为 $2/M input tokens、$10/M output tokens，可在 OpenRouter 直接试用。

    引用Kimi.ai@Kimi_Moonshot

    隆重推出 Kimi K3.1 Pro：我们能力最强的 3T 级开放权重模型。 🔹 1M token 上下文，2.8T 总参数 / 104B 激活参数（MoE），多模态。 🔹 全项目级编程：可在 Unreal、Unity 和 Godot 中开发游戏。 🔹 擅长在 Blender 和 CAD 中进行参数化 3D 建模。 🔹 在金融工作上更可靠：建模准确，幻觉降低 65%。 🔹 在编程、智能体和知识基准测试中，与最强的闭源模型不相上下。 Kimi K3.1 Pro 和 K3.1 Pro Highspeed（快 2–3 倍）现已在 http://Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线。 开放权重将于 2026 年 11 月 4 日发布。 🔗 API：http://platform.kimi.ai 🔗 技术博客：http://kimi.ai/blog/kimi-k3-1-pro

    推荐理由：OpenRouter 上架页直接给出上下文长度、定价和试用链接，读者可以据此评估这个开源权重模型的使用成本。

  30. Azeem Azhar：Exponential View66

    互联网的「武汉时刻」：AI 智能体攻击正在加速蔓延

    Azeem Azhar 撰文认为互联网正进入类似 2020 年初疫情爆发前的临界状态，软件与网络空间正遭受 AI 智能体驱动的持续攻击。文中列举 PHP2Shell 漏洞（PHP 支撑约 70% 的网站）、Node.js 同日修补关键缺陷，以及微软披露某中国国家关联组织用开源智能体集群在不到三小时内控制云账户，每分钟发起 2,900 次登录尝试、波及超过 2,250 个组织。

  33. Arena.ai73

    Arena 宣布 Kimi K3.1 Pro 在 Code Arena: WebDev 以 1692 分排名第 8，较 Kimi K3 (Max) 的第 17 名（1655 分）上升 9 位，与 Claude Opus-5 (Max) 持平但成本低 70%。

    引用Kimi.ai@Kimi_Moonshot

    隆重推出 Kimi K3.1 Pro：我们能力最强的 3T 级开放权重模型。 🔹 1M token 上下文，2.8T 总参数 / 104B 激活参数（MoE），多模态。 🔹 全项目级编程：可在 Unreal、Unity 和 Godot 中开发游戏。 🔹 擅长在 Blender 和 CAD 中进行参数化 3D 建模。 🔹 在金融工作上更可靠：建模准确，幻觉降低 65%。 🔹 在编程、智能体和知识基准测试中，与最强的闭源模型不相上下。 Kimi K3.1 Pro 和 K3.1 Pro Highspeed（快 2–3 倍）现已在 http://Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线。 开放权重将于 2026 年 11 月 4 日发布。 🔗 API：http://platform.kimi.ai 🔗 技术博客：http://kimi.ai/blog/kimi-k3-1-pro