跳到正文

#Agent

今日 0 条
10/6周二
  2. Tproger · Программирование12

    Future AGI 1.47.0 新增通话指标并改进 AI 智能体回答评估

    Future AGI 1.47.0 发布，在运行分析中新增通话与语音指标卡片，并修复模拟通话结果与运行详情的对齐问题。评估对话时，错误语言回答、涉及其他产品的回答以及未获回复的请求现统一计为未处理请求；测试环境评估还修复了完整提示词和对话参与者标识的传递。聊天构建器页面支持折叠与调整宽度，宽度在窗口缩放后保留。

  3. 宝玉71

    SemiAnalysis 实测 Anthropic、OpenAI 等九家 AI 订阅套餐后得出，同样 200 美元，Claude 订阅折算的 Token 用量约为 OpenAI 的 5 倍。

    引用SemiAnalysis@SemiAnalysis_

    Anthropic Subscriptions Offer 5x+ More Value Than OpenAI Limit testing every AI subscription plan from Anthropic, OpenAI, Meta, SpaceXAI, MiniMax, Moonshot, Zdotai, Cursor, and Cognition https://newsletter.semianalysis.com/p/anthropic-subscriptions-offer-5x

  5. GitHub Blog · Copilot66

    GitHub 发布 AI 代码评审开放基准 ReviewBench

    GitHub 发布代码评审离线基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集，并公开数据集、评分规则与 LLM 评审模型配置。

    推荐理由：GitHub 公开了 AI 代码评审基准的数据集、评分规则与评测入口，读者可据此对比不同评审智能体。

10/5周一
10/4周日
10/3周六
10/2周五
10/1周四
9/30周三
9/29周二
  2. Tproger · Программирование88

    OpenAI 在 DevDay 发布 GPT-6.1 Sol，价格仅为 Astra 的五分之一

    OpenAI 在 9 月 29 日旧金山 DevDay 上发布 GPT-6.1 Sol，API 名为 gpt-6.1-sol，定价为每百万输入 token 2 美元、输出 10 美元，缓存输入 0.10 美元，标准价格是 GPT-6 Astra 的五分之一。

    推荐理由：OpenAI DevDay 发布 GPT-6.1 Sol，价格降至 Astra 的五分之一，并同步更新 Codex、Agents API 与插件体系，可据此判断成本与工具链变化。

  4. Tproger · Программирование22

    n8n 2.42.0 预览版默认启用智能体

    n8n 2.42.0 预览版于 9 月 29 日发布，默认启用智能体，并为智能体新增共享消息队列与共享上下文访问，预览和集成也接入该队列。此次更新影响 Agent Builder 用户和集成开发者，编辑器新增记录锁定、预览队列消息管理和渠道内智能体操作确认设置；OAuth2 新增 n8n User Auth 的 Webhook 浏览器授权流程。

9/26周六
  1. Habr · Codex58

    OpenAI 发布 Codex CLI 0.157.0，自动启动后台服务

    OpenAI 发布 Codex CLI 0.157.0，主要变化是工具会为支持的交互式会话自动启动后台服务器，让 Codex 的使用不再绑定在单个终端窗口。新增的 f 键可以从 CLI 分叉其他应用中打开的对话，保留草稿和排队中的提示词，/import 命令也能在远程和本地后台会话中使用。原文指出这并不代表关闭终端后任务仍会继续执行，OpenAI 没有这样的声明，后台服务器只是为共享会话打基础。

  2. Boris Cherny60

    Claude Tag 在 Slack 中现已支持个人连接器，可直接访问个人有权限的 Drive 文档、Salesforce 账号或数仓表，今天在 Teams 上线、下周面向 Enterprise 开放。

    引用Noah Zweben@noahzweben

    Claude Tag in Slack can now use your personal connectors! You can now securely access that Drive doc, Salesforce account, or Warehouse table that you have personal access to right where the work happens. Avail. on Teams today and Enterprise next week https://claude.com/blog/claude-tag-now-supports-personal-connectors-in-channels

9/24周四
  2. Tproger · Программирование58

    GitHub Copilot App 推出本地沙箱，限制文件、网络与凭据访问

    GitHub 于 9 月 23 日为 GitHub Copilot App 推出本地沙箱，目前处于公开预览，仅适用于使用本地仓库和工作树的会话。沙箱可分别限制文件系统读写路径、外网与局域网访问，以及 Git credentials 和 GitHub CLI 数据的使用，企业策略还能进一步收紧；若操作系统无法应用规则，隔离环境会报错退出而不执行命令。

9/23周三
  1. Tproger · Программирование80

    Anthropic 发布旗舰模型 Claude Opus 5.5

    Anthropic 于 9 月 22 日发布旗舰模型 Claude Opus 5.5，面向让智能体执行编程、数据分析等多步任务的开发者与团队，官方称相比 Opus 5 性能提升且成本下降。

    推荐理由：Anthropic 官方公布的定价与默认负载成本降幅，可帮开发者判断长时智能体任务的迁移成本。

  3. Lovable · Blog60

    Lovable 上线 Opus 5.5：构建更快，质量与 Opus 5 持平

    Lovable 上线 Opus 5.5，官方称其与 Opus 5 结果持平，但完成步数减少三分之一到一半。在 Lovable 内部基准上，Opus 5.5 在 0-to-1 构建和迭代改代码两项与 Opus 5 打平，验证纪律一项高出 4% 到 6%；各档推理强度下每任务步骤数减少 26% 到 57%，输入 token 减少 21% 到 59%，差异在 95% 置信水平上显著。

    推荐理由：Lovable 官方给出 Opus 5.5 与 Opus 5 在步骤数和 token 上的对比数据，可据此判断构建效率的实际变化。

9/22周二
  1. Sebastian Raschka72

    小米发布开源权重模型 MiMo-V2.6-Pro，在 Artificial Analysis 智能指数上以 46 分成为开源权重模型第一，每任务成本 0.13 美元，输入 0.435 美元/1M tokens、输出 0.87 美元/1M tokens，采用 1.02T 总参数、42B 激活参数的 MoE 架构。

    引用Artificial Analysis@ArtificialAnlys

    MiMo-V2.6-Pro debuts as the top open weights model on the Artificial Analysis Intelligence Index (46). At $0.13 per Intelligence Index task, it lands on the Intelligence vs. Cost per Task Pareto frontier @Xiaomi has just released MiMo-V2.6-Pro, an open weights model with major advances in intelligence over its predecessor, MiMo-V2.5-Pro (Intelligence Index: 26). Despite the improvement, it retains the same attractive pricing at $0.435 per 1M input tokens (with a 99% cache-hit discount) and $0.87 per 1M output tokens. This makes MiMo-V2.6-Pro one of the most cost-efficient models to deploy. MiMo-V2.6-Pro is an MoE model with 1.02T total parameters and 42B active parameters. Stay tuned for additional analysis of the model. Check out MiMo-V2.6-Pro full benchmarking breakdown here: https://artificialanalysis.ai

9/19周六
  1. Simon Willison · Coding Agents65

    Claude Code 2.1.277 起支持 AGENTS.md

    Claude Code 从 2.1.277 版本开始支持 AGENTS.md：当文件夹中没有 CLAUDE.md 时，Claude 会检查并使用 AGENTS.md。该支持基于 Claude Code mods 构建，这是其即将推出的定制 Claude Code harness 的方式，属于内置 mod，用户之后也可以自行构建自定义版本的项目指令。

9/15周二
  2. Cline · Blog62

    Cline 发布开源桌面应用 Cline Desktop，面向开放权重模型

    Cline 发布开源桌面应用 Cline Desktop 的早期版本，把原本在 VS Code 扩展和 CLI 中的智能体运行框架搬进独立工作区，支持并行会话、定时任务和用于扩展工具与集成的 Marketplace。

    推荐理由：官方给出桌面端的能力边界与开放入口，读者可据此判断它是否适合承接多智能体并行任务。

9/14周一
9/10周四
  1. Cursor · Changelog76

    Cursor 推出「项目」功能，用协调智能体承接长周期开发任务

    Cursor 推出「项目」功能，用于承接一项功能、一次迁移或一个完整应用这类长周期工作，可在数月内保持上下文并把任务委派给成千上万个子智能体。项目由云端智能体驱动，协调智能体不写代码，只负责规划、分派并交回成果，需要本机测试时再启动本地智能体；每个项目维护一组在云端和本地机器间同步的文件，持续积累研究成果、artifacts 和对代码库的了解。

    推荐理由：官方给出项目式多智能体协作的上下文共享与自动触发机制，可据此判断长周期任务如何被接管。

9/5周六
  1. GitHub Blog · Copilot71

    GitHub Copilot 推出 Project HydraFusion，用多模型运行时编排提升编码质量

    GitHub 在 Copilot CLI 中以研究预览形式推出 Project HydraFusion，通过运行时编排在多个提供商的模型间选择执行方案，用户像选普通模型一样选择它，按各模型标准费率计费。

    推荐理由：GitHub 官方给出 HydraFusion 的三种编排模式与三项基准的成本质量对比，可据此判断多模型编排在真实编码任务中的取舍。

9/4周五
9/2周三
  1. Cursor · Changelog66

    Cursor 推出自托管机器，工具执行留在自有网络内

    Cursor 支持自托管机器，代码库、构建产物和密钥都保留在自有基础设施的内部机器上，由智能体在本地处理工具调用。My Machines 用于把单台笔记本或 VM 接入个人工作流，团队池则是面向团队或企业的具名 worker 队列，容量随请求扩容、worker 断开时缩容，池不与代码仓库绑定，并支持闲置机器休眠后在重连窗口内恢复。

    推荐理由：官方给出自托管机器的池化调度与沙箱接入方式，读者可据此判断工具执行能否留在自有网络内。

8/21周五
  1. OpenAI Developer Blog · Codex65

    OpenAI 发布 Daybreak 与 Codex Security 安全工作流

    OpenAI 推出 Daybreak，把 ChatGPT、Codex Security 和开源 Codex Security CLI 组合成一套安全防御工作流，覆盖 PR 合并前审查、仓库与漏洞积压排查、CI 定期检查。

    推荐理由：官方给出 Codex Security 从 PR 审查、仓库扫描到 CLI 批量扫描的完整用法，可据此判断如何接入现有安全流程。

8/20周四
8/19周三
  1. Cursor · Changelog66

    Cursor 更新云端智能体与 Harness：支持事件订阅、子智能体独立运行和 /goal

    Cursor 更新云端智能体和 Cursor harness，让云端智能体可以订阅事件源，在 PR、Slack 讨论串或定时任务有新动态时恢复运行，并持续推进直至完成，修复 CI 问题、处理 bot 评论。

    推荐理由：云端智能体从单次执行转向订阅事件、持续跟进 PR 与 Slack 讨论串，读者可据此判断自动化边界的变化。

8/11周二