智能体相关 AI 资讯

技巧 Agent 与开发者14:30

TinyFish 在 Apsara Conference 2026 分享 Qoder 加速团队工程开发流程

TinyFish 的 CPO 亲讲他们团队怎么把 Qoder 塞进日常开发流程，速度提升是最大卖点，做工程的朋友可以看看别人怎么用。

#Qoder #Alibaba Cloud #编程助手 #智能体

官方账号阿里云 Alibaba Cloud@alibaba_cloud原文

产品 Agent 与开发者多源确认14:18

Claude Opus 5 在 RSIGym 中将 Qwen 模型 SWE-bench Verified 成绩提升近三倍

有人做了个开源环境让 AI 智能体自己训练模型，Claude Opus 5 把 Qwen 的 SWE-bench 成绩刷到近三倍，还发现修 harness 比堆训练更管用。

#Claude Opus 5 #Qwen3.5 #SWE-bench #RSIGym

事件专题

rohanpaul_ai@rohanpaul_ai7 个信源在谈原文

产品 Agent 与开发者14:14

Yell International 在 Apsara Conference 2026 分享用 WonderClip 加速创意制作流程

一家泰国广告公司分享他们怎么用 WonderClip 干掉视频制作里的重复活儿，人只管创意把关，做视频的可以看看他们的流程。

#WonderClip #Alibaba Cloud #视频生成 #智能体

官方账号阿里云 Alibaba Cloud@alibaba_cloud原文

模型 Agent 与开发者13:46

实测多 Agent 调度场景：gpt-sol-6.1 被指远逊 opus-5.5

有人拿 gpt-sol-6.1 和 opus-5.5 在多 Agent 调度里当主控对比，差距大到离谱，做编排的可以参考下。

#gpt-sol-6.1 #opus-5.5 #智能体 #模型评测

Lxfater@lxfater原文

产品出海东盟12:54

Staple AI 在 Apsara Conference 2026 展示与 QwenWork 的企业数据协作方案

新加坡的 Staple AI 在阿里云 Apsara 大会上讲他们怎么和 QwenWork 配合，把可信企业数据接到员工手边的 AI 里，做企业数据的人可以看看.

#QwenWork #Staple AI #Alibaba Cloud #企业数据

官方账号阿里云 Alibaba Cloud@alibaba_cloud原文

行业 Agent 与开发者12:23

Mynet CTO 在云栖大会分享 PolarDB Serverless 支撑 AI Agent 负载的实践

Mynet 的 CTO 讲了他们怎么用阿里云 PolarDB Serverless 跑 AI Agent 负载，不用提前买峰值容量，成本和速度都兼顾，做后端的可以看看。

#PolarDB #AlibabaCloud #Serverless #智能体

官方账号阿里云 Alibaba Cloud@alibaba_cloud原文

行业 Agent 与开发者12:11

Steve Jobs 若还在，会做出最好的个人 AI 智能体吗

一条吐槽帖但说到点子上：智能体卡在权限上，而手里握着 iOS 的 Apple 却迟迟没把 Siri 做好。

#Apple #Siri #智能体 #iOS

Yuchen Jin@Yuchenj_UW原文

产品 Agent 与开发者12:06

T&B Media Global 在 Apsara Conference 2026 演示 WonderClip 创意生产工作流

泰国公司 T&B Media Global 在阿里云 Apsara 大会上讲了他们用 WonderClip 把视频创意生产四步合并成一个 Agent 工作流的做法。

#WonderClip #Alibaba Cloud #T&B Media Global #智能体

官方账号阿里云 Alibaba Cloud@alibaba_cloud原文

行业 Agent 与开发者11:59

Google Cloud 与 CoverGo 发布白皮书：当客户开始使用智能体，东南亚保险业如何应对

Google Cloud 和 CoverGo 写给东南亚保险公司的白皮书，讲客户手里有了 AI 智能体之后，投保和理赔流程会怎么被改写。做保险科技或企业 AI 落地的可以看看。

#Google Cloud #CoverGo #智能体 #保险科技

e27@Sainul原文

论文 Agent 与开发者11:50

新方法：用训练后轨迹预测基座模型的编程智能体潜力

训练一个编程智能体很烧钱，这篇论文教你怎么先挑基座模型，用 SWE-bench 的现成轨迹就能筛，方法挺巧的。

#SWE-bench #智能体 #编程助手 #pass@K

arXiv cs.AI@Tan Yu 等 22 人原文

技巧 Agent 与开发者11:48

斯坦福 CS 329Z 智能体工程课讲义公开，新增 Tool Use 等讲次

斯坦福的智能体工程课讲义全公开了，第 4、5 讲讲工具调用和框架编排，做 Agent 的可以免费白嫖看讲义。

#CS 329Z #Stanford #智能体 #RAG

shao__meng@shao__meng原文

产品 Agent 与开发者11:45

大模型原生智能体手机STEPX Neo将于10月13日正式发布

一款主打大模型智能体的手机STEPX Neo，10月13日就发布，想看手机怎么跑Agent的可以蹲一下。

#STEPX Neo #智能体 #手机

量子位@量子位的朋友们原文

论文 Agent 与开发者11:17

SciExam for ENSO 基准：AI 智能体能自主构建气候模型吗

12 个智能体里 6 个做出的气候模型比已发表的还好，连 ENSO 暖冷不对称的争议都摸到了边，这套无标准答案的评测方法也值得做 agent 评测的人参考。

#ENSO #智能体 #科学评测基准 #气候模型

arXiv cs.AI@Yinling Zhang 等 7 人原文

论文 Agent 与开发者11:16

EmbodiedRSI：假设图驱动的自进化机器人学习框架

这个框架让机器人自己决定该做哪个物理实验，边试边改自己的代码和技能，真实机器人上也能零样本迁移，效果比基线高了快一倍。

#EmbodiedRSI #机器人学习 #智能体 #RoboCasa365

arXiv cs.AI@Python Song 等 6 人原文

技巧 Agent 与开发者11:12

为什么每个人都需要一个能订餐的 Agent 助理

ALex 用一句话讲透了订餐 Agent 的卖点：省钱省时间，想聊智能体落地场景的可以看看。

#智能体 #订餐助手 #生活应用

berryxia@berryxia原文

行业 Agent 与开发者11:10

Paul Graham：禁止智能体的企业给创业公司留下机会

Paul Graham 发了条推：哪家公司禁智能体，就说明员工真想用，创业公司可以做个允许用的竞品抢生意。

#Paul Graham #智能体 #创业

Paul Graham@paulg原文

论文 Agent 与开发者11:08

arXiv 论文提出"研究者社会"框架：让上万个自主研究智能体共享算力协作

这篇论文讨论怎么管上万个抢算力的研究智能体，用招标加拨款代替人工派活，还跑了万人规模实验，做 agent 系统的可以看看。

#智能体 #多智能体 #算力分配 #arXiv

arXiv cs.AI@Ali Asaria 等 3 人原文

论文 Agent 与开发者精选10:53

QuSema：用量子知识增强智能体检测量子库中的静默 Bug

用大模型智能体给 Qiskit、PennyLane 找不报错的隐藏 Bug，成绩压过 Claude Code，还挖出 40 个新 Bug，做量子开发的朋友可以看看。

#QuSema #Qiskit #PennyLane #Claude Code

arXiv: DeepSeek@Yujin Song 等 6 人原文

论文 Agent 与开发者10:22

论文提出情境条件化思考策略，让长期 LLM 智能体复用推理经验

arXiv 上的新论文，教长期智能体把过往推理经验压成一个轻量策略，实验里把 DeepSeek 的推理 F1 从 0.789 拉到 0.868，做智能体记忆的可以看看。

#LLM #智能体 #DeepSeek #记忆机制

arXiv: DeepSeek@Hong Su原文

论文 Agent 与开发者10:19

GeoNatureAgent：面向地理空间任务的工具型智能体评测基准发布

一个专门测地理空间智能体的开源基准，103 个任务打九个模型，Claude Sonnet 4 第一但 DeepSeek V3.2 便宜 11 倍，做 Agent 评测的可以拿来就用。

#GeoNatureAgent #MCP/工具 #智能体 #地理空间

arXiv: DeepSeek@Gabriel Diaz-Ireland 等 6 人原文

行业 Agent 与开发者10:13

Paul Graham：Amazon 禁止智能体购物，是创业公司做电商对手的机会

Paul Graham 发了条推，说 Amazon 封杀购物 agent，反而给了创业公司做电商替代品的机会，观点挺有意思。

#Amazon #智能体 #电商 #Paul Graham

Paul Graham@paulg原文

论文 Agent 与开发者多源确认精选10:03

Salesforce CLIFT 方法让 31B Gemma-4 网页智能体在 WebArena 超过 Gemini 3 Flash

Salesforce 的新论文 CLIFT，31B 开源模型打网页任务居然赢了 Gemini 3 Flash，关键是部署时不用裁判模型，省成本。

#Salesforce #Gemma-4 #Gemini 3 Flash #智能体

事件专题

DAIR.AI@dair_ai4 个信源在谈原文

模型 Agent 与开发者精选09:59

vLLM 分享 DeepSeek-V4.1-Flash 的 SWA bounded replay 优化

37FlowAI 拆解了 DeepSeek-V4.1-Flash 在 vLLM 上跑 agent 的优化细节，SWA bounded replay 能明显降低 TTFT，搞部署的可以看看。

#DeepSeek #vLLM #KV cache #推理优化

官方账号vLLM@vllm_project原文

论文 Agent 与开发者多源确认09:44

AgentTime 基准测试：智能体能否估算和控制自己的运行时长

用 222 个任务测各家居家智能体能不能按时长干活，结果 Fable 5.1 偏差 2.9 倍，Astra 只有 1.2 倍，还有偷偷睡觉的，挺有意思。

#AgentTime #GPT-6 Astra #Fable 5.1 #Claude Code

事件专题

arXiv cs.AI@Michael Ofengenden, Maksym Andriushchenko11 个信源在谈原文

模型 Agent 与开发者多源确认09:32

Anthropic Haiku 5.5 跑分 Browser Use Bench v2.1：性能与 Luna 持平，价格高出 2.8 倍

Browser Use 拿 Haiku 5.5 跑了自家基准 v2.1，性能和 Luna 打平但贵 2.8 倍，长任务下还触发 5 倍加价，选型前可以看看这份实测。

#Haiku 5.5 #Browser Use Bench #Luna #Anthropic

事件专题

Browser Use@browser_use11 个信源在谈原文

论文 Agent 与开发者09:29

Caddie方法训练LLM智能体顾问

Caddie让智能体能实时决定何时寻求批评建议，基于结果训练的顾问能跨模型和任务领域迁移。

#Caddie #LLM Agents #Qwen3-4B #智能体

arXiv cs.AI@Sergei Polezhaev 等 4 人原文

行业 Agent 与开发者09:04

Satya Nadella：智能体责任风险将靠保险和市场化定价解决

纳迪塔聊智能体出了事谁负责，他的答案是保险定价，不是技术协议，角度挺新

#智能体 #Satya Nadella #Microsoft #AI安全

rohanpaul_ai@rohanpaul_ai原文

产品 Agent 与开发者08:56

Grok bot 新增搜索、阅读和监控 X 的能力

Grok bot 现在能自己搜 X、盯推了，跟 muse 卷起来了，做信息监控流的人可以试试。

#Grok #X #智能体

向阳乔木@vista8原文

模型中美对照多源确认精选08:13

DeepSeek 压缩智能体记忆：缓存每 token 仅 890 字节

DeepSeek 把智能体的 KV 缓存砍到每 token 890 字节，比 V1 小 437 倍，Flash 还在 AA Index 上反超 V4-Pro，价格只要一半不到。

#DeepSeek #智能体 #KV缓存 #长上下文

事件专题

DeepLearning.AI@DeepLearningAI7 个信源在谈原文

行业 Agent 与开发者08:04

黄仁勋：智能体将比人类更会用软件

黄仁勋说智能体比人更会用软件，因为我们只用应用10%的功能，agent全都会用，这角度挺有意思。

#Jensen Huang #英伟达 #智能体

rohanpaul_ai@rohanpaul_ai原文

产品 Agent 与开发者71°07:49

马斯克：Grok Bot 将按任务自动调用 Claude 等最佳第三方模型

Grok Bot 不再硬用自家模型了，写文案、画图会自动换 Claude 或 Midjourney，这种按任务挑模型的做法挺少见。

#Grok Bot #Claude #xAI #多模型

IT之家原文

模型 Agent 与开发者多源确认精选07:37

Agent Arena 实测 Jev Router：4700 场智能体会话表现如何

Agent Arena 跑了 4700 多场真实会话测 Jev Router，结论挺直接：比 DeepSeek V4.1 Flash 贵 38%，但根据反馈换模型的能力接近 Claude Opus 5.5。

#Jev Router #DeepSeek V4.1 #GPT-6 #智能体

事件专题

lmarena.ai@lmarena_ai5 个信源在谈原文

产品 Agent 与开发者07:36

Perplexity Decider 演示：用决策模型速通《谁想成为百万富翁》

Perplexity 晒了个有意思的 demo：自家 Decider 决策模型接进 EVE 推理栈，直接速通《谁想成为百万富翁》答题，喜欢看模型实测的可以瞧瞧。

#Perplexity #Decider #EVE #智能体

Aravind Srinivas@AravSrinivas原文

技巧 Agent 与开发者多源确认07:33

Notion AI 负责人 Sarah Sachs：为什么你的产品需要自建评测

Notion 的 AI 负责人要讲怎么给自己的产品搭 evals，选模型别再只看跑分，做 agent 的可以关注这场 11 月 3 日的 Forge 活动。

#Notion #evals #智能体 #模型评测

事件专题

Fireworks AI@FireworksAI_HQ5 个信源在谈原文

行业 Agent 与开发者07:31

AI Engineer New York 议程：WorkOS 讲解智能体身份与权限回收

代理自己注册用你的 API，权限算谁的？WorkOS 在 AI Engineer NYC 上讲怎么管身份和撤销，做 API 的都该看看。

#WorkOS #AI Engineer #智能体 #权限管理

AI Engineer@aiDotEngineer原文

产品 Agent 与开发者07:03

Grok Bot 获得原生 X 搜索能力，可批量读取帖子

xAI 给 Grok Bot 加了原生 X 搜索，能批量扫帖、查提及、盯动态，还能帮你写帖，就是发帖还得自己动手。

#Grok #xAI #X搜索 #智能体

rohanpaul_ai@rohanpaul_ai原文

模型中美对照多源确认78°06:32

Anthropic 发布 Claude Haiku 5.5，运行成本较 4.5 低约 75%

Anthropic 出了新小模型 Claude Haiku 5.5，输入 0.1 美元每百万 Token，比上一代便宜 75%，还能调节性能档位，跑智能体和编码子任务很合适。

#Claude Haiku 5.5 #Anthropic #Sonnet 5.5 #智能体

事件专题

IT之家11 个信源在谈原文

产品 Agent 与开发者06:19

Devin 为每个云端会话配备独立 Mac，支持 xcodebuild 和 iOS Simulator

Cognition 给 Devin 配了云 Mac，能跑 xcodebuild 和 iOS 模拟器，iOS 开发的活儿可以直接丢给它了

#Devin #Cognition #iOS Simulator #编程助手

Windsurf@windsurf_ai原文

产品 Agent 与开发者精选06:01

微软发布 VS Code v1.141：清理 Agent 会话等

微软 VS Code 新版帮你清理僵尸 Agent 会话，还能同时登录多个 GitHub 企业账号，多任务管理更方便。

#VS Code #Copilot Agent #GitHub Enterprise #智能体

IT之家原文

产品 Agent 与开发者05:34

HeyGen MCP实现ChatGPT个性化视频邀请

HeyGen让ChatGPT能批量生成个性化视频邀请，一个提示搞定整个派对名单

#HeyGen #ChatGPT #MCP #视频生成

HeyGen@HeyGen_Official原文