Unsloth 把微软开源的 mxc 沙箱接进了 Windows,AI Agent 跑代码不到 100ms 开销,还带资源限额防 fork 炸弹,玩 Agent 的可以试试。
#智能体
三家公司真实翻车案例都拆给你看了,还给出 PASAC 框架教你怎么在智能体运行中持续验证边界,做安全评估的必看。
国庆七天AI圈一口气出了 Sonnet 5.5、GPT-6.1 Sol、Gemini 4 Argon,中档模型半价反超旗舰,还有 OpenAI 安全负责人辞职,一篇看完全部大事。
拿 Minecraft 重建曼哈顿、白金汉宫这些真实地点来考模型找路,GPT-6 Astra 考了 85.6 分,开源的 DeepSeek-V4.1-Flash 才 23.9,差距很直观。
论文教你看 agent 失败原因来决定改运行时框架还是微调模型,Qwen3.5 上从 0.16 拉到 0.30,做 agent 的都该看看这套诊断方法。
有个叫 AREX 的研究智能体,答完题会自己逐条核对再补漏,BrowseComp 拿了 82.5%,微调过的 4B 小模型还打赢了 35B。
AlixPartners 两位顾问拿 Claude Code 跑合同和支出数据,讲怎么避免智能体把同一笔节省算两遍,做财务分析的很实用。
GrokBot 现在能一直盯着 X 了,作者把 4 个现成的定时监控提示词都贴出来,抓品牌提及、找潜在客户、整理新联系人,直接复制就能用。
Muse 火到 App Store 免费榜第一后,Meta 的 Alexandr Wang 谈了它到底能帮赚多少钱、记忆功能怎么改,还说可能从交易里抽成。
有篇叫 Agent Plasticity 的论文挺有意思,专门研究智能体能不能靠经验越用越好,还给了量化评估的框架,做 agent 的可以看看。
做模型评测的 Arena 融了 2 亿美元,估值 31 亿,还顺手发布了给 20 多个前沿模型测安全行为的 Alignment Index。
TRM Labs 和 CodeRabbit 的人聊了个实际问题:agent 写的代码怎么验证、谁负责,讲了测试证据和人工把关的做法。
Pinecone 在旧金山科技周办了场智能体知识分享会,工程 VP 现场演示怎么给智能体规模化灌知识,感兴趣可以白嫖 Nexus 试用
AWS 老大亲自讲云怎么为 Agent 改:30 秒开户、3 秒建库、沙箱权限,还有 2200 亿美元 CapEx 的去向,干货挺多。
Notion 自己在用的数据智能体,连 Snowflake 后用大白话就能查数,还会标来源,企业里挺实用。
SambaNova 老大亲自站台 Upscale AI 的新产品 Token Fabric,做的是 AI 集群内部高速互联,解决 agent 负载跑不动的网络瓶颈。
Alook 让你团队里的 Claude Code 和 Codex 能像同事一样互相私信、接活转活,两个人各开一台电脑就能跑协作,看着挺新鲜。
AWS掌门人亲自谈AI泡沫,甩出2200亿CapEx和200万GPU订单这些硬数字,还讲了智能体时代的云怎么建,信息量很足。
OpenAI 给 GPT-6.1 Sol 的 Ultrafast 模式定了价,输入 12 刀每百万 tokens,做实时智能体或线上服务的可以算算成本合不合适。
Codex、Claude Code 能写代码,这个工具把同一套玩法搬到 Blender、Unity、After Effects 这些创作软件上,做视频做游戏都能用,玩法挺新。
如果你的 Agent 跑得慢、GPU 显存被 KV cache 吃满,这篇 NVIDIA Dynamo 的博客讲了 router 加 KV-cache manager 怎么复用上下文,值得照着调优。
Google 这个 Gemini Agent 给每个任务单独一台电脑,还能像员工一样挂邮箱进公司通讯录,模型还能在 Gemini 和 Claude 之间随便换,挺有意思。
Amazon 给智能体加了按次付费能力,Incarna 的智能体能用 x402 一单一单付钱给 BlockRun,几周集成活缩到几天。
Google 的 Gemini Agent 要接入 Claude Opus 5 和 Sonnet 5.5 了,Claude 首次出现在 Gemini 上,企业用户一个平台能用两家模型。
OpenRouter 晒了客户 Ori 的成绩单:成交快了 34%,成交率涨 2.6 倍,还会自动换便宜模型省钱,Slack 智能体也快上线了。