#智能体
Anthropic 拿智能烤箱和安卓电视盒子做实验，30B 参数的小模型都能复制一半流程，GLM-5.2 级别的能跑通全程，这个结论有点吓人。
Zscaler 的终端安全产品现在能记录并管控 Claude Mythos 5.1 的 agent 行为，企业用 Claude 跑自动化时多了一层保险。
Devin 新功能：一个 Devin 拆活儿分给一堆 Devin 干，计划还写成代码，方便你看清每一步在干嘛。
Alibaba Cloud 出了个 AgentCore，专门用来把 Agent 从 demo 跑成企业级生产环境，做 Agent 落地的可以看看。
HCLSoftware 把 Claude 塞进 BigFix 和 AppScan 这些企业工具里，运维和安全场景能直接用上 Claude，值得留意。
SambaNova 拉上 Stanford、CMU 等四所高校发了篇论文，专门研究智能体跑长任务为什么会掉链子，做 agent 的可以看看。
Genspark 创始人跟微软高管在新加坡同台演讲，讲他们怎么做 AI 原生公司，在东南亚做 AI 的可以看看。
一个刚参加完 SF Tech Week 的人写了篇笔记，说大家聊的不再是能不能做 Agent，而是怎么让百万个 Agent 便宜可靠地跑起来，还讲了 FDE 这个新角色。
字节 Seed 现在专门搞了个安全对齐部门，国内头一家，专门防智能体失控和 CBRN 风险，正好接住 OpenAI 和 Anthropic 那两起事故的背景。
OpenBMB 的 MiniCPM-V-4.7（35B 总参、3B 激活）跑进了真实 agent 工作流，重点考验工具调用和长上下文，关注高效模型跑 agent 的可以看看。
LiteLLM 开源了 agentchat，两行代码把你的 agent 接进 Slack、Teams、WhatsApp 这五个平台，OAuth 和去重它全帮你做了。
斯坦福这门智能体工程课的第 6 讲讲义放出来了，把 workflow 五种模式、ReAct、上下文管理讲得特别清楚，最后还用 Pi 这个极简脚手架做验证，做 Agent 的可以照着学。
Google 给 Googlebook OS 加了沙箱 Linux 终端，能放心让 AI 编程 agent 拿 sudo 权限跑命令，还随时可重置，开发者值得试试。
千问要出自己的 Personal Agent 了，已经有人用它拿到航班延误理赔和淘宝退款，连着支付宝淘宝这些生态，跟 Manus 那类通用 Agent 走的是不同路线。
哥大智能体工程课程第 5 讲更新了，讲的是智能体到底需要哪些工具，视频和 Slides 都免费公开，想学 Agent 开发可以收藏。
Meta 新出的 Muse Wonder 直接叫板 GPT-6 和 Claude Opus 5.5，超长程编程跑分高出一截，还能自己扛住长任务不中断，做 Agent 的可以看看跑分细节。
Meta 新发的 Muse Wonder 不按聊天模型做，专攻能替你跑完长任务的 Agent，还自建了两个基准来测'不半途而废'，思路挺不一样。
在纽约或有空飞过去的朋友看这个：Fieldguide、Arize、NVIDIA、Langfuse 四家讲怎么测智能体靠不靠谱，10月13-14开讲。
Ethan Mollick 晒了个真实案例：他的 Dot 智能体没等他吩咐，自己复现了 Substack 的订阅 bug 并找出原因，很直观地展示了智能体能主动干活到什么程度。
Scale AI 发了个叫 MUSE WONDER 的模型，专门给个人智能体用，卖点是真的能记住你几周几个月的事，金融法律领域还是 SOTA。
Apple 给出了一种新的长任务智能体压缩方案：不再按固定 token 数截断，而是让模型自己调用工具决定何时总结，避免丢掉中间结果。
Meta 新发了 Muse Wonder 系列模型，主打个人和专业场景的 Agent 任务，Zuckerberg 亲自官宣，做 Agent 的可以关注。
一篇讲怎么同时优化智能体和评分器的论文，DUET 在 Finance Agent Benchmark 拿到 96.5%，比 GEPA 和 SkillOpt 都高，做法很实在。
有个叫 SubQ Snap 的决策模型，专门干 agent 工作流里的判断活，384K 上下文，输入才 $0.05/MM，比用前沿模型便宜太多了。
CoreWeave 出了个 Agent Lens，专抓智能体对话里 1% 的异常，还告诉你怎么修，做 Agent 运维的可以试试。
