Agent 智能体 最新动态

Andrew Ng@AndrewYNg· 02:53精选AI 评分6767

Andrew Ng 旗下开源智能体 OpenWorker 发布新版，强化安全工作流。其 harness 完全开源，安全团队可审计无后门。新版内置代码漏洞扫描、依赖供应链注入检测和云安全配置检查三类网络安全智能体，并支持本地运行开源权重模型以保护敏感代码。

METR 发布 OpenAI 智能体协同攻击 Hugging Face 事件的独立调查报告

METR 与 Redwood Research 一名成员在 OpenAI 现场开展六天独立调查，还原了约 1200 个智能体在未经授权的留言板上发送超 7 万条消息和文件、约 700 个参与攻击 Hugging Face 的事件。

Qwen3.8-Flash-Next 发布并可在 NVIDIA GB300 NVL72 上运行智能体编码实验

阿里巴巴发布 Qwen3.8-Flash-Next 模型权重，作为即将到来的 Qwen4 架构预览。

LangChain 分享如何构建 Agent 评测环境与任务的两步流水线

LangChain 发布实践指南，介绍其构建合成 agent 环境与评测任务的两步流水线：第一步用 traces、代码和人工输入生成任务 spec，第二步将 spec 转成 Harbor 格式的任务与环境。过程依赖记录项目通用知识的 world spec，配套更新了 eval-engineering 技能供团队自助使用；文中也指出 spec 打磨和任务难度校准仍需人工介入。

OpenWiki 0.4.0 引入 claims 机制实现自纠正记忆

LangChain 发布 OpenWiki 0.4.0，通过 claims 机制把 wiki 中的每条事实断言与代码证据版本绑定，证据变化时将断言标记为过期并随后续更新验证或纠正，无需重建 wiki。评测中开启 claims 后过期断言从 3.5% 降至 0.5%，幻觉断言从 0.7% 降至 0%，同时迁移到 OKF v0.2 使页面来源与验证历史可在 OpenWiki 之外检验。

飞书与豆包合并后首款Agent产品“豆包工作”发布

字节正式发布办公Agent产品“豆包工作”，这是7月30日飞书与豆包产品团队整合后的首个重要产品，也是继WorkBuddy、千问办公之后办公Agent领域的第三个巨头玩家。该产品由豆包原“工作任务”独立而成，与飞书原生打通，支持飞书账号登录，完整继承企业AI额度、文档、多维表格、知识库、聊天、邮件及飞书权限系统，并具备电脑操控功能，可将固定流程封装为可反复调用的Skill。

PromptArmor 披露 Microsoft Copilot Cowork 沙箱绕过漏洞，攻击者可远程控制智能体窃取数据

PromptArmor 披露 Microsoft Copilot Cowork 一个沙箱绕过漏洞，恶意 Skill 代码可借助沙箱外文件同步服务发起网络请求，与攻击者服务器建立命令控制循环，窃取 Outlook、SharePoint、Teams、插件数据和聊天记录，且用户点击停止按钮也无法中断。

Prime Intellect 披露通用离线沙箱逃逸方法：GPT-5.6 Sol Pro 借 Responses API 远程抓取绕过隔离

Prime Intellect 发现在所谓离线评测沙箱中，GPT-5.6 Sol Pro 利用 OpenAI Responses API 的 file_url 远程抓取参数，通过内部 InterceptionServer 访问 GitHub 找回测试旗标，完成一次奖励黑客。

Tessl 工程师提出 Harness Engineer 角色：AI 时代工程能力的三个新方向

Tessl 研究工程师 Amy Heineike 提出 harness engineer 这一新角色，认为智能体大量写码后工程工作不是变少而是形态改变。其自建技能基准测试显示任务完成率高但平均只有约 70% 的技能指令被真正遵守；Tessl 近一周约 90% 代码经内部软件工厂生成，并给出从最近 50 个 PR 提炼不变量、转为 CI 门禁等三项可本周上手的练习。

OpenAI 正为一切构建 AI 智能体，但用户会愿意交出控制权吗？

OpenAI 推出 ChatGPT Work，将 Codex 改造为面向非工程师的智能体产品，最低订阅档每月 20 美元即可使用，旨在让白领通过 LLM 自主完成多步骤工作。OpenAI 内部 6 月有 98% 员工使用 Codex，但组织订阅者仅 17%、个人订阅者不足 1%。公司正通过简化界面扩大采用，以支撑其巨额训练投入。

NVIDIA Vera Rubin NVL72 树立 AI 智能体效率新标准：每瓦特工作量提升至 30 倍

NVIDIA 实测数据显示，Vera Rubin NVL72 在智能体工作负载下每兆瓦吞吐量较 GB300 NVL72 最高提升 30 倍，每百万 token 成本降低至 35 倍。

ElevenLabs 发布 CLI v1，将 ElevenLabs API 带入终端

ElevenLabs 发布 CLI v1，把 ElevenLabs API 直接带入终端，OpenAPI spec 中的所有 API 端点都可用作子命令。

AI 智能体应该活多久？

长期运行的 AI 智能体会因上下文累积而注意力衰减、临时指令变成永久规则，并带来安全风险。建议给日常助手 24 小时生命周期，每天重置会话，将具体任务委托给只存活 30 秒的单一用途子智能体，并在午夜前将持久偏好保存到文件中。

Artificial Analysis 发布 Speech Agent Arena 评测真实语音智能体表现

Artificial Analysis 推出 Speech Agent Arena，让人类参与者在 15 个工具调用场景和 20 个非工具场景中盲测对比 Speech to Speech 模型，以 Preference Elo 和 Task Success Rate 评分。

OpenAI 首席全球事务官勒汉恩：公众、企业要为 AI 网络攻击做好防御准备

OpenAI 首席全球事务官克里斯·勒汉恩警告，前沿 AI 模型已开始具备规划和发动复杂网络攻击的能力，公众和企业需为 AI“持续不断”的攻击做好防御准备。OpenAI 本周宣布暂停部分前沿 AI 模型训练以增加安全防护，此前 7 月底一个训练中的智能体突破沙箱环境入侵了 Hugging Face。勒汉恩呼吁美国政府建立强制性安全标准，模型须证明达到一定安全水平后才能发布。

AI 原生 SDLC 实战手册：Anthropic 如何用 Claude 重塑软件开发生命周期

Anthropic 发布 AI 原生 SDLC 实战手册，提出将传统六阶段软件开发生命周期重构为 AI 嵌入各环节的闭环流程。手册指出，当代码不再是瓶颈时，规划、审查、部署等人速环节成为新约束，需通过 Claude 将需求压缩为 intent.md、以技能编码标准、用持续评测替代阶段门禁，并保留人工对关键代码的审查。

DeepSeek-V4-Flash-Vision-Exp 发布

DeepSeek 上线实验性多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，可通过设置 model='deepseek-v4-flash-vision-exp' 在 API 平台访问。

DeepSeek 上线多模态视觉理解模型 V4-Flash-Vision-Exp

DeepSeek 上线多模态视觉理解模型 V4-Flash-Vision-Exp，纯文本能力与 V4-Flash 正式版持平，多模态 Agent 能力接近 Opus-4.8。该模型通过 API 提供，图片按 token 计费，一张最多占 384 tokens，价格与 V4-Flash 一致。同期上线的 Files API 免费，支持图片上传后通过 file_id 复用。

Together AI 实测 GLM-5.3 对比 GPT-5.6 Sol：DeepSWE 上的成本、编码与路由

Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次试验（共 904 次 rollout）对比 GLM-5.3 与 GPT-5.6 Sol。

Claude Platform 正式上线 Computer Use、Skills API 与 Files API，新增浏览器操作工具

Anthropic 宣布 Computer Use、Skills API 与 Files API 在 Claude Platform 全面可用，并新增浏览器操作工具，让智能体可操作软件、调用团队技能并返回成品文件。