⌘ K
… 读取采集状态 同步中...
雷

Agent 智能体

让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。

686条精选相关主题MCP 与工具调用AI 编码推理能力

最新精选

第 1–20 条 · 共 686 条
今天10月13日周二
  1. The Decoder90

    Meta 发布 Muse Wonder 系列模型，进入前沿模型第一梯队

    Meta 发布 Muse Wonder 和 Muse Wonder Full 两个前沿模型，两者均进入最佳 AI 模型行列。Muse Wonder Full 在 Artificial Analysis 智能指数 v4.3 中得分 56，超越前代 Muse Spark 1.3 的 48 分。

    推荐理由：Muse Wonder 系列在编码与推理基准上大幅提升，但其 4 美元/M 输入价格相比前代显著上涨，成为评估其实际落地成本的关键背景。

  3. Latent Space79

    Anthropic 发布 Claude 动态工作流功能

    Anthropic 在 AI Engineer 会议上发布 Claude 动态工作流功能，允许主智能体自主规划多智能体拓扑结构。该功能在 Claude Console 中可用，开发者可设定预算限制，子智能体通过共享文件系统交换信息。

    推荐理由：原文展示了Claude动态工作流的架构与成本权衡，解释了多智能体编排中控制权与Token预算的管理逻辑。

  5. AI HOT73

    Meta 发布 Muse Wonder 和 Muse Wonder Full 智能体前沿模型

    Meta 发布了 Muse Wonder 和 Muse Wonder Full 两款面向个人和专业智能体任务的前沿模型，称其在多个领域达到 SOTA 表现。新模型针对法律、金融、健康等专家场景，并具备跨对话保留信息的 Active Memory 与遇错换路径的 Active Focus 功能；官方强调模型在安全方面经过训练，以拒绝未授权分享隐私及有害请求。

  6. Wired AI85

    Meta 发布 Muse Wonder 模型重回 AI 前沿

    Meta 发布 Muse Wonder 和 Muse Wonder Full 模型，官方称其具备前沿能力，排名仅次于 Claude Opus 5.5。新模型支持通过 API 和 Muse Code 工具访问，并引入 Active Memory 与 Active Focus 功能以增强智能体在复杂任务中的稳定性，同时强化了针对危险输出的拒绝机制。

    推荐理由：Muse Wonder 在聚合评测中接近 Claude Opus 5.5，展示了 Meta 在提升智能体稳定性与安全拒绝方面的技术路径。

10月12日周一
  1. Datawhale80

    拆解明略科技企业级 Agent 开源项目 Octo

    Datawhale 成员拆解了明略科技开源的企业级多 Agent 项目 Octo，内部约 1800 名员工与超过 5100 个 Agent 已在平台协同工作。核心设计包括五级阶梯按需接入既有系统，以及将长期记忆与高精度执行解耦的员工 Agent 和专家 Agent 双角色架构。

    推荐理由：拆解了五级数据接入阶梯与员工/专家双Agent架构，为构建企业级多Agent网络提供了可落地的分层设计参考。

  3. 量子位 QbitAI83

    华为诺亚方舟实验室联合UCL发布Memento 3系统，无微调通关25款游戏且操作次数比人类少56%

    华为诺亚方舟实验室联合UCL等团队提出基于世界模型的递归自我改进系统Memento 3，在冻结Claude Opus 5底模权重且无微调的情况下，通关了ARC-AGI-3公开集中的25款游戏和183个关卡。

    推荐理由：华为诺亚方舟团队提出的Memento 3系统在冻结模型权重下实现了递归自我改进，通过构建可执行世界模型大幅降低游戏操作成本。

  4. 新智元87

    Anthropic 为 Claude Max 和 Team 订阅用户免费发放 API 额度

    Anthropic 宣布 Claude 订阅与 API 正式打通，Max 和 Team 用户按月免费获得 API 额度，其中 Team 版最高 500 美元，Max 5x 和 20x 分别对应 100 和 200 美元。该额度可用于 Messages API、Managed Agents 和 Agent SDK，但不能用于交互式的 Claude Code。

    推荐理由：将订阅费与API额度挂钩，为开发者提供了在 Claude Agent 生态上迁移工作流的直接资金杠杆。

  5. 新智元86

    OpenAI 前员工创办 TypeSafe 融资 8.7 亿美元，两周后 OpenAI 火速推出 Decisions API

    前 OpenAI 员工 Diogo Almeida 等创办的 TypeSafe AI 完成 A 轮 8.7 亿美元融资，估值 75 亿美元，其核心产品 Jev 定位“不聊天的 AI”，专门用于高频、低成本的结构化判断，输入价低至 0.042 美元/百万 token。

    推荐理由：前 OpenAI 员工创业做的轻量决策模型 Jev 刚融资 8.7 亿美元，OpenAI 两周后火速推出相似 API 并承认受其启发，展示了该品类的激烈竞争格局。

  6. 新智元65

    QIQCBench 虚拟量子实验室实测 17 个顶级 AI Agent：GPT-5.6 与 Claude Opus 断层领先

    由 NUS、NTU 及 GaugeForge 组成的联合团队发布论文，提出虚拟量子实验室 Quantum-Harbor 及包含 49 项任务的评测基准 QIQCBench，并引入“验证自治”评判标准，重点考察 AI Agent 结论是否有实验证据支撑。

    推荐理由：原文给出了验证自治的核心方法和17个Agent在虚拟量子实验室的实测断层，读者可据此判断AI科学自主性的边界。

  7. 量子位80

    华为诺亚实验室Memento 3基于递归自我改进方法以100分RHAE通关ARC-AGI-3全部游戏

    华为诺亚方舟实验室联合UCL等团队发布Memento 3智能体系统，在ARC-AGI-3的25款游戏、183个关卡中以满分100 RHAE成绩全部通关。该系统以Claude Opus 5为底模，通过Code as Model方法生成可执行世界模型和规则手册进行递归自我改进，全程未更新模型权重或微调，总操作次数仅7518次，比人类基准少56%。

    推荐理由：展示了冻结模型权重下，AI通过代码世界模型实现递归自我改进，以更少操作通关复杂游戏的路径。

  8. 硅星人Pro79

    谷歌发布 Gemini Agent：支持多模型调度并深度整合 Workspace

    谷歌云在 Gemini at Work 大会上发布 Gemini Agent，将其整合至 Workspace 生态并引入多模型调度机制，允许在 Gemini 和 Claude 之间根据任务选择最优模型。该功能支持跨应用执行、长期记忆及企业数据库连接，目前仅面向部分客户开放私有预览，旨在弥补单一模型在复杂编程任务上的短板，并试图通过整合分散的办公应用实现企业级 Agent 的落地。

    推荐理由：谷歌推出的 Gemini Agent 支持调用 Claude 模型，展示了多模型调度的 Agent 架构思路，读者可观察这种开放策略对竞争格局的影响。

10月11日周日
  1. 量子位 QbitAI68

    何恺明团队发布多模态视觉原生Harness框架 VISTA

    何恺明团队发布 VISTA 视觉原生 Harness 框架，使现有多模态模型无需从头训练即可直接观察、保存并回看环境原始画面参与推理。在 ARC-AGI-3 评测中，搭配 VISTA 的 Claude Opus 5.0 完成了全部 25 个公开游戏，相对人类动作效率得分达到 100，所用游戏动作数比首次游玩的人类基线少 57.4%。

    推荐理由：研究展示了无需微调现有多模态模型，仅通过视觉原生Harness即可显著提升交互式推理性能的方法。

  2. DeepTech深科技68

    OpenAI 悄然上架生命科学新模型 gpt-rosalind-discovery

    OpenAI 的 API 价格页悄然出现未正式发布型号 gpt-rosalind-discovery，被归为“生命科学模型”一栏，与已公开的 gpt-rosalind-research 定价相同：每百万 Token 输入 5 美元、缓存输入 0.5 美元、输出 25 美元。

    推荐理由：文章拆解OpenAI新模型gpt-rosalind-discovery背后独立生命科学品牌的商业逻辑与行业定位。

  3. 机器之心65

    OpenRSI Index 发布：面向递归自我改进的大规模科研基准

    OpenRSI Index 发布，旨在评估 AI 智能体改进人类模型训练方案的能力。其任务覆盖预训练、后训练与视觉生成，单次运行规模达数千至上万 H100·小时。该基准通过隔离工作区与独立验收环境应对数据污染与不可复现问题，并提供 RSI-Anything 工具让研究者在约一小时内将课题转化为可运行的 RSI 任务环境。

    推荐理由：该基准通过隔离实验环境回应科研中的复现难题，展示了 AI 改进人类训练方案的具体路径。

  4. 硅星人Pro89

    微软发布决策模型及行业决策智能体动态

    微软发布基于Qwen3.5-9B的Microsoft-Decision-1模型，支持通过校准概率进行选项分类，速度比GPT-6 Sol快35倍。OpenAI正式开放公测Decisions API，vLLM推出6款基于Qwen的开源决策模型。

    推荐理由：文章梳理了微软、OpenAI和开源社区近期发布的决策模型，解释了这类低成本判断工具在Agent工作流中的具体应用场景。

  5. 新智元69

    REA 项目利用 AI 实现逆向工程并登顶 GitHub 趋势榜

    REA 是一个基于 MCP 的逆向工程工具，允许 AI Agent 调用反编译工具分析二进制文件并生成可读代码，近日登顶 GitHub 趋势榜。作者认为该工具将打破软件闭源护城河，使代码逆向变得自动化，可能导致软件知识产权面临新挑战，迫使工程师采用极端代码混淆策略以保护资产。

    推荐理由：文章展示了通过MCP连接大模型与反编译工具链实现自动逆向分析的方法，为开发者提供了一种理解闭源软件内部逻辑的新路径。