AWS 销售运营团队基于 Amazon Bedrock AgentCore Evaluations 搭建了覆盖全生命周期的 AI 智能体评估框架，用于其服务全球 AWS 现场销售的多智能体系统。上线前评估 Customer Insights Agent 时发现其把 410.08 美元三个月营收报成“4.1008 亿美元”等错误，而传统监控始终显示正常；一次预生产测试中，数据、工具与提示词变更错位更让通过率从 78% 跌至 38%。
匹配字段标题、摘要、正文
Anthropic 分享了其代码审查流程：保留 code review，但大部分审核交给机器，人的时间只花在高风险判断上。提 PR 前由 Claude 自己跑测试和构建，再由一个新开的 agent 审一遍 diff；每个 PR 由 AI 多 agent 找 bug，投票过滤误报，再加一轮安全审查和 CI，每条发现都必须处理才能合并。人工审批按风险分级，低风险 0 人、中风险 1 人、高风险 2 人，由分类器判定，bot 的批准不能替代人。上线采用合并队列、feature flag、先内部使用再灰度发布，出问题一键回滚；历史事故整理成每日 eval 评估 reviewer，并给审查轮数设上限避免 agent 之间无限互审。
匹配字段标题、摘要、正文
Reflection AI 的 Beam-1.0-501B-A23B 进入 Agent Arena，使 Reflection AI 跻身该榜单前 15 实验室，该模型在美国实验室中排第 6、总榜第 13。在 Agent Arena 开源权重模型中它排第 12，Net Improvement 为 -3.67%，误差范围较宽（±3.84%）；在 Code Arena: WebDev 开源模型中排第 22，得分 1438，并以 Apache 2.0 协议完全开源。
匹配字段标题、摘要、正文
后摩智能在首届生态合作伙伴大会上宣布以SRAM-CIM为根技术，布局2D CIM与3D CIM两条存算一体路线，分别面向高算力大容量与高带宽场景。其已基于2D CIM量产M30、M50，首款3D CIM芯片A20已投产，算力利用率较上一代提升50%，M6X综合能力可达M50的3~6倍。M50量产不到一年获150余个产品定点、服务客户超百家。
匹配字段标题、正文
Perplexity 开源了内部使用的 Agent 代码执行沙箱平台 SPACE，把不可信的 Agent 生成代码或用户代码放进 Firecracker microVM 中隔离运行，通过纯 HTTP/SSE API 对外服务。平台以 Template、Sandbox、Process、Command session、Operation 五个抽象组织生命周期，管理面异步写入 PostgreSQL 由控制器收敛，数据面经会话级 attachment token 用 SSE 直连沙箱进程，管理 token 与 attachment token 不可互换。抗冷启动采用 K8s 下的 Warm pools 与单机部署的 Base snapshots 两层方案，并提供 E2B 兼容层，用 E2B Python SDK 的应用可近乎无缝迁移。
匹配字段标题、摘要、正文
Reflection AI 发布开源模型 Beam-1.0-501B-A23B，采用 Apache 2.0 许可，在 Agent Arena 开源权重模型中排第 12，Net Improvement 为 -3.67%，在 Code Arena: WebDev 开源榜排第 22，得分 1438 分。在 Agent Arena 榜单上它是排名最高的美国开源模型，领先 Hy3、MiMo V2.5 Pro 和 MiniMax M3，但 Net Improvement 误差区间达 ±3.84%，统计上与上方两个 Qwen3.8 模型更接近。Code Arena: WebDev 开源前 25 名中有 24 个来自中国实验室，Beam 1.0 是唯一例外，也是该榜排名最高的美国开源模型，略高于 Kimi K2.5 Thinking 和 GLM-5。
匹配字段标题、摘要、正文
腾讯研究院梳理今年Agent产品从Claude Code、OpenClaw、Hermes到Grok Bot、Meta Muse、OpenAI dots的演进，认为这一波转向的核心不是服务个人，而是把主动、权限、记忆三件事做成常驻在线的底座。文章以Grok Bot的架构为例，说明按事件唤醒、持久化工作流、独立虚拟机、模型审命令和分层记忆如何把人从逐步审批中解放出来，并指出个人Agent与工作Agent只是上下文特化不同，未来可能合流。作者最后提醒，人退到签字栏后，既不再自己判断，也越来越难替Agent兜底。
匹配字段标题、摘要、正文
国内大厂正集中押注个人Agent，蚂蚁推出灵光2.0、阿里推出千问Go！并开启小范围内测，字节被曝将推小豆，腾讯多线布局LightVela、元宝与微信原生Agent，刚完成33亿元融资的Manus也推出Cue。这股热潮源自Meta在9月8日发布的Muse，其上线13天下载量突破250万，但TickerTrends数据显示其日均净新增用户从9月峰值19.8万人降至7.4万人，降幅62.4%。文章指出，个人Agent面临跨平台权限壁垒、信任机制缺失与商业化难题，摩根士丹利判断Muse跑通稳定商业化最早要等到2027至2028年底。
匹配字段标题、摘要、正文
NTT Docomo Business 携手武田健康基金会并在会津若松市协助下，于福岛会津若松试点由 ElevenAgents 驱动的语音社区平台，其 AI 助手 CONN 为老年居民提供本地信息和日常对话。该团队表示，日语语音合成的自然语调和情感表达是选择 ElevenLabs 的决定性因素，2025 年秋季开始的现场试验早期用户反馈积极。
匹配字段标题、摘要、正文
Navan 借助 Cursor 的 Cloud Agents 将 Spring Boot 4 迁移压缩到约一周，涉及 8 个应用和 15 个库并行升级，且未冻结开发；两年前同类迁移耗时一个多月，还曾因一次错误合并锁住 master 分支一天。Cloud Agents 运行在 Navan 自托管机器上，可调用内部 MCP 并启动浏览器验证改动，目前约 200 名 Navan 员工在用，较 2026 年 4 月增长 10 倍。
匹配字段标题、摘要、正文
前阿里副总裁、钉钉总裁叶军离职一年后成立深空之序，方向是企业级AI Agent，公司成立约3个月已获千万元融资，领投方为4399，并有两家付费客户。首个切入行业是外贸和跨境电商，产品为外贸AI工作平台，处理模型调度、Token Planning、记忆管理、工具调用和长程任务拆解，再叠加营销、投流、报关等场景Agent。叶军表示不与WorkBuddy、飞书、豆包等办公Agent竞争，而是成为其生态补充，目标是一年内服务100个陌生付费客户、收入超1000万元。
匹配字段标题、摘要、正文
亚马逊以违反使用条款为由拦截 Grok Bot 访问，此前还曾屏蔽 Perplexity Comet、Meta Muse，并在 robots.txt 中禁止 ChatGPT-User、Claude-User、GoogleAgent-Shopping 抓取。与此同时，亚马逊自家的 Rufus 与 Alexa for Shopping 已具备加购、比价和自动下单能力，Buy for Me 还会替用户前往其他商家网站完成购买。文章认为，Agent 可能取代电商平台成为掌握购物意图的入口，而 Shopify 已在 10 月 13 日通过 Shop MCP 向更多 AI Agent 开放超 10 亿件商品目录。
匹配字段标题、摘要、正文
小米 MiMo V2.6 Pro 在 Agent Arena 开源模型排行榜升至第一，净提升 +3.8%。Arena.ai 数据显示，MiMo V2.6 Pro 与 MiMo V2.6 Flash 是仅有的两个进入 Agent Arena 性能成本帕累托前沿的开源模型，单任务成本分别为 $0.11 和 $0.05；Pro 比第二名 DeepSeek V4.1 Flash 成本低 15%，比第三名 Hy4 preview 低 71%，Flash 性能比 Pro 低 1.3 个百分点但便宜 55%。
匹配字段标题、摘要、正文
indigo 摘录 Cheeky Pint 播客中 Mark Zuckerberg 与 Alexandr Wang 的对谈称，Meta 把浏览器操作能力直接训进了模型，商家无需改动，Muse 就能操作它们的网站；愿意合作的商家可开放 API 直连，省去 Agent 爬网页。扎克伯格表示，今天每家公司都有网站、社交账号和邮箱，以后每家公司也都会有自己的 Agent。文中还提到，目前主动要求深度接入的商家远多于想屏蔽的，Computer Use 被视为 Agent 购物的最后一块拼图。
匹配字段标题、摘要、正文
斯坦福 Fall 2026 课程 CS 329Z: Engineering AI Agents 由 Diyi Yang、Michael Ryan、John Yang 三位老师主讲，定位是从「模型」到「系统」的工程学，覆盖简单 LLM 流水线 → 复合 AI 系统 → 自主 Agent。作者提到今天第 7 讲「Agent Memory Architectures」讲义已公开。
匹配字段标题、摘要、正文
SlashVibe 为 AI Agent 设计了一款桌面副屏加手持遥控器：3.96 英寸 LCD 副屏集中显示所有 Agent 会话状态，手持器用两轴摇杆选择会话，按住语音键 100 毫秒内开始录音，语音还可经听写软件转写成邮件、笔记。该产品将于 10 月 27 日登陆 Kickstarter。
匹配字段标题、摘要、正文
邵猛提出，能否在 Agent 运行期间用给 Agent 设计的桌面副屏和手持遥控器玩游戏。他目前靠刷老电视剧打发等待时间，但剧快刷烂了，希望装些小游戏或自己 vibe 一些小游戏，Agent 运行完在副屏暂停游戏并提示下一步操作。该副屏为 3.96 英寸 LCD，集中显示所有 Agent 会话状态，遥控器用两轴摇杆选择会话。
匹配字段标题、摘要、正文
LangChain 团队的 divyasan0 以 Q&A 形式分享了 Agent Evals 实践指南，回答常见问题并给出可落地工程流程：从真实 trace 起步、用 10–20 条小数据集建立基线、失败案例回流迭代、离线与在线分层评估、代码评估器优先于 LLM 裁判、benchmark 用容器化环境验证最终状态。文中还给出 LLM 裁判的三条校准建议，并指出小模型裁判在 pass/fail 判定上与人类标注一致，总成本 $0.34 对比 Claude Sonnet 4.6 的 $28.17。
匹配字段标题、摘要、正文
蚂蚁国际 9 月公布面向 AI Agent 的移动支付协议 AMP（Agentic Mobile Protocol）第一阶段合作名单，Starryblu 是 10 家钱包合作伙伴中唯一的新加坡方，承担钱包侧的账户连接、授权与付款。用户可在 Agent 中连接 Starryblu 钱包完成授权验证，再让 Agent 按预算和条件找酒店并付款，也可预先授权预算与购买条件由 Agent 在范围内执行支付。
匹配字段标题、摘要、正文
针对 LangChain 团队发布的 Agent Evals 常见问题解答，作者整理了一份 Cheatsheet 方便随时查看。被引用的原帖归纳了该实践指南的要点，包括从真实 trace 起步、小数据集建立基线、失败案例回流迭代、离线与在线分层评估、代码评估器优先于 LLM 裁判，以及用容器化环境验证最终状态。
匹配字段标题、摘要、正文