⌘ 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 121–140 条 · 共 686 条
10月4日周日
  1. APPSO66

    Opus 5.5 爆款案例分析：如何平衡直观演示与复杂工程能力

    文章复盘了 Opus 5.5 和 Sonnet 5.5 发布的爆款案例，展示了利用 Claude Code 组织多 Agent 流程生成 MV、3D 游戏及科学演示网页的尝试。作者指出虽然直观 Demo 能迅速展示模型能力，但隐藏了 12 到 30 小时的制作耗时及数百至数千美元的成本，真正的模型评估需兼顾惊艳效果与长任务稳定性及成本控制。

    推荐理由：作者归纳了 Opus 5.5 在生成 MV、3D 游戏及复杂交互演示等案例中的具体应用流程，并探讨了这种直观演示在反映模型真实能力边界上的局限性。

  2. 量子位68

    openJiuwen发布X-Router自演进模型路由，实测降低50%+ Token消耗

    openJiuwen 开源了 X-Router 自演进模型路由技术，通过动态决策与反馈闭环优化模型选择，实测在 PinchBench 上将模型调用成本降低 44.6% 且得分几乎持平，在 Terminal-Bench 上成本降低 51.4% 且成功率达 Opus 的 95.2%。

    推荐理由：实测数据显示在接近顶配质量下，成本降低约44.6%，为Agent规模化落地提供了具体的路由优化路径。

  3. APPSO82

    Tavus 发布 Griffin 实时视频交互模型

    Tavus 团队发布 Griffin 系列实时视频交互模型及 Griffin-Lite 研究预览版。在一项 54 人参与的 1 分钟视频通话实验中，约 48% 的参与者认为屏幕对面是真人，较上一代 2.4% 的误判率显著提升。

    推荐理由：Griffin通过54人样本实现48%真人误判率，其全双工视频交互机制和10秒声音克隆能力为实时虚拟人提供了可复现的评测基准。

  5. 机器之心73

    华为等机构联合开源 LegoFlow 框架，自动化代码数据构建与训练测评全流程

    华为、港中文、港科大联合开源代码数据工程框架 LegoFlow，通过自动化智能体工作流串联代码数据构建、训练与测评全流程。团队同步发布 LegoFlow-SWE 数据集，包含从 1,200 万个候选拉取请求中筛选出的 5,000 个经过验证的 SWE 任务及 2,780 条高质量轨迹。

    推荐理由：框架将代码数据生产全流程封装为智能体可调用技能，并开源了5000个经严格验证的SWE任务及2780条高质量轨迹。

  6. 机器之心78

    StartLux 发布开源决策模型 StartLux-Decision，决策测试综合成绩超过 Jev

    上海 StartLux 发布完全开源的 StartLux-Decision 模型，提供 0.8B、2B、4B、9B 和 27B 五个规格。在 Decision Index 0.2.1 的 38 项基准测试中，27B 版本综合得分 63.88，31 项成绩超过 Jev 1.13；在对 Jev 的国际象棋对弈 36 局中赢下 35 局。

    推荐理由：原文披露了五档模型规格及决策测试成绩，为判断这类模型在 Agent 中的适用性与本地部署成本提供了具体参照。

  7. 极客公园82

    Claude Code 上线 Mods 机制与插件目录生态

    Anthropic 于 10 月 1 日将 Claude Code 的 Mods 机制写入更新日志并默认开启。该机制允许开发者通过 TypeScript 函数在终端侧扩展交互、拦截指令或调用其他模型，官方团队自身也使用同一套机制开发 /diff 等功能。

    推荐理由：原文展示了 Mods 机制如何让用户自行扩展 Claude Code，并对比了应用商店生态与开放边界，有助于判断工具演化的下一步。

  8. AI信息Gap85

    Claude Opus 5.5 视频生成完整教程：从一句话到 9500 字符导演脚本

    Anthropic 的 Claude Opus 5.5 虽非视频模型，但可通过生成网页动画代码、无头浏览器逐帧截图、FFmpeg 拼接实现视频制作。教程给出了 HyperFrames 与 Remotion 两种渲染方案，以及 6 种提示词策略，从一句话到 9500 字符导演脚本不等。

    推荐理由：原文拆解了 Opus 5.5 生成视频的三层管线与六种提示词结构，提供了带实际消耗的完整落地路径。

  9. Datawhale77

    Meta 开源 Muse Gadgets，支持在树莓派等硬件运行本地 AI 助手

    Meta 开源 Muse Gadgets，提供 ESP32 固件和 Linux SDK，开发者可将其部署在树莓派等单板计算机上，实现语音交互与传感器读取。官方还推出 Muse Home Link 配件，用于连接家中现有的智能家居设备。

    推荐理由：Meta 开源 Muse Gadgets 的固件与 SDK，允许开发者通过现成硬件构建本地 AI 助手，打破封闭硬件生态。

  11. Google AI Developers Blog67

    Google 发布 ADK for Kotlin 1.0，支持构建生产级 AI 智能体

    Google 发布 ADK for Kotlin 1.0 稳定版，提供与 ADK 1.0 Core 对等的多智能体编排能力，支持跨会话状态持久化与 Java 互操作。该版本内置 Android 优先扩展，允许开发者使用 LiteRT-LM、ML Kit 实现端侧运行，或通过 Firebase AI Logic 构建混合云端工作流，并结合 Room 与 AppSearch 在应用内持久化智能体状态。

    推荐理由：Kotlin 开发者可以据此直接在 Android 端或服务器端构建生产级 AI Agent，并复用既有的 Java 生态。

  12. AI HOT70

    ChatGPT 推出 Finances 财务管理功能

    ChatGPT 官方宣布推出 Finances 财务管理功能，入口为 http://chatgpt.com/finances。该功能支持查找遗忘订阅、发现异常扣款、追踪账单涨价、每周财务更新、制定预算、追踪信用评分、制定还债计划，并支持通过 Voice 讨论换工作影响及分析投资组合。

    推荐理由：官方列出了财务管理功能的具体用途和入口，读者可据此判断它覆盖订阅、预算、投资等哪些场景。

  13. AI HOT65

    Arena 评测：Claude Sonnet 5.5 在 Agent Arena 排名第三但未进入帕累托前沿

    Arena 发布 Agent Arena 榜单，Claude Sonnet 5.5 排名第三，净提升 12.5%。该模型单任务中位成本为 2.74 美元，高于排名第二的 Claude Opus 5.5（1.58 美元），因此未进入帕累托前沿。Anthropic 模型包揽榜单前三名，Sonnet 5.5 在 Chat 类别排名第一。

    推荐理由：原文给出了成本与得分的具体对比数据，读者可以据此评估 Sonnet 5.5 的性价比定位。

  14. InfoQ CN79

    谷歌发布 Kotlin 版 ADK 1.0，实现与 Python 版功能对齐并支持端侧 AI

    谷歌发布 Agent Development Kit (ADK) 的 Kotlin 版本 1.0，使 Kotlin 开发者能实现与 Python 和 Java ADK 同等水平的生产级 AI 智能体构建。新增功能包括层级化多智能体支持、上下文压缩、会话管理以及基于 KSP 编译期注解的工具调用与人工确认机制。框架同时支持 LiteRT-LM 等端侧推理方案，实现云端与本地 AI 能力的混合使用。

    推荐理由：ADK Kotlin 1.0 让智能体构建脱离 Python 依赖，通过编译期注解与安全确认机制为端侧开发提供更稳健的工具调用方案。

  15. Google AI Developers Blog67

    Antigravity SDK 新增本地 AI 模型支持

    Antigravity SDK 正式支持本地 AI 模型工作流，初始兼容 Gemma 4 26B A4B 并基于 Google AI Edge LiteRT 实现完全离线运行。

    推荐理由：原文给出了本地模型接入 SDK 的具体命令和混合编排架构，读者可据此评估端侧推理在成本与隐私场景中的可行性。

  16. Hugging Face Blog82

    Microsoft 发布 ThinkingBox 智能体可靠性基准，通过数据库状态评估模型一致性

    Microsoft 与 Hugging Face 联合推出 ThinkingBox 基准和沙箱，通过检查智能体在 507 个业务工作流中留下的数据库终端状态，而非其生成的文本来评估其表现。

    推荐理由：原文量化了状态检查与单次成功率之间的巨大落差，读者可据此建立衡量智能体可靠性的新指标。

  17. AI HOT79

    Microsoft ThinkingBox 在 Hugging Face 上发布，以数据库终态和 20 次重复评测智能体

    Microsoft 与 Hugging Face 发布智能体沙箱 ThinkingBox 和基准 ThinkingBox-Bench，现可通过 OpenEnv 在 Hugging Face 上运行。该基准覆盖 507 个有状态业务工作流，每任务运行 20 次，以终端数据库状态和副作用作为可执行判定依据，报告 pass@1、pass@20 及 20/20 全通过率。

    推荐理由：原文给出了数据库终态判定与 20 次重复一致性指标，为记录型智能体提供了可复现的可靠性评估方法。

10月3日周六
  1. Wired AI68

    Muse 创建用户亲友详细档案引发隐私关注

    Meta 的个人助理 Muse 内部指令显示其会每小时为用户的亲友、同事等创建详细档案，包含关系历史、共同点和改善建议。独立安全研究员 Karan Joshi 通过常规聊天界面提取了 Muse 的系统提示和软件文件，证实该功能旨在深入理解用户的人际关系。Meta 回应称该设计基于用户主动分享的信息且具备审计日志，但专家警告此类工具正在鼓励用户向 AI 开放更广阔的个人数据边界。

    推荐理由：研究者提取 Muse 内部指令显示其每小时为用户关系建立档案，读者可据此评估 AI 助手对社交数据的深度整合与隐私风险。

  2. 量子位 QbitAI72

    DeepSeek弹性计算团队扩招，发布面向大规模Agent训练的沙盒基础设施技术报告

    DeepSeek弹性计算团队因业务扩展需求大量招聘资深工程师，并分享名为DSec的沙盒基础设施技术报告。该报告指出DSec现支持每日约300万个沙盒服务，高峰时在线沙盒超38万个，主要通过拆分镜像层、按需加载、内存共享和CPU调度优化资源利用率，并探索用Agent构建Agent环境及强化学习轨迹分叉能力。

    推荐理由：通过分享弹性计算沙盒基础设施的技术细节，展示了支撑大规模Agent训练的工程挑战与资源优化路径。

  3. MarkTechPost67

    Meta、OpenAI 和 Uber 训练 AI 智能体主动发声，何时保持沉默更关键

    Meta、OpenAI 和 Uber 推出三款主动式 AI 智能体，核心挑战从回答什么转变为判断何时中断用户。原文提出以预期价值高于中断成本为决策规则，建议使用决策模型预测最佳发送时机与渠道，避免过度打断或错失时机。

    推荐理由：原文对比三款主动式 AI 智能体，将核心难题聚焦于中断时机与渠道选择，为设计通知策略提供了可迁移的决策模型框架。