ElevenLabs 发布 Studio 4.0 AI 原生视频编辑器
ElevenLabs 发布 Studio 4.0，这是 ElevenCreative 中 AI 原生视频编辑器的重大升级，可在项目内直接生成视频、图像、配音、音乐和音效，并在同一处完成剪辑、字幕和导出。新版本重建了时间线，支持帧级缩放、片段吸附和同步移动，字幕可像普通片段一样拆分合并。内置的 Studio Agent 能根据描述在时间线上生成初剪、配音并同步音效，用户可随时接管手动编辑再交还控制权。
匹配字段摘要、正文
←搜索结果
搜索“Agent”
博主回应 Jev API 清单：第 2 个想试试
有网友整理了 20 个基于 Jev API 的项目清单，涵盖浏览器 Agent、Claude Code 上下文压缩、生成式 UI、MCP 工具、代码审查、数据筛选等方向。博主转发该清单并表示「第 2 个想试试」，即给 Claude Code 做上下文压缩的 fast-jev-compaction。
匹配字段摘要
Composio Browser Tool 如何用 Browser Use 自动化无 API 网站
Composio 的 Browser Tool 将每个任务交给托管云浏览器中的 Browser Use agent 执行，让通过 Composio 连接的 agent 能在没有 API 的网站上登录、填表和下载文件。Composio 解决方案负责人 Sushant Hiray 称，今年 Composio 上的浏览器任务增长了 125 倍，原因是 Browser Use 能自行绕过机器人检测和 CAPTCHA。Browser Tool 提供运行任务、查看、实时预览、停止和下载文件五个工具，并可按客户保留登录状态。
匹配字段摘要、正文
LiveKit 对比 Pipecat：实时语音与视频 AI 智能体开源框架怎么选
LiveKit 官方博客对比了实时语音与视频 AI 智能体两大开源框架 LiveKit Agents 与 Pipecat，指出前者基于自家开源 WebRTC 与 SIP 服务、抽象层级更高，后者不预设传输层、需自行逐级组装 pipeline。文章还说明 TEN Framework、Dograh、Vision Agents、Vocode 的定位，并从语言支持、维护活跃度、上手速度和生产就绪度四方面给出选型建议。
匹配字段摘要、正文
全球流动性见顶之后，这一轮AI周期往哪儿走？
峰瑞资本李丰判断，全球流动性已接近见顶，AI资本周期正从存量博弈走向尾部：美股总市值约75万亿美元，美债10年期收益率升至5%左右，谷歌因资本开支翻倍致自由现金流转负、单日市值蒸发3000亿美元。他认为AI技术投资正从第二阶段（通用Agent、具身智能）向第三阶段过渡，机会转向AI+应用和估值较低的资产。高盛数据显示，到2026年底全球AI领域累计投资总额将达1.8万亿美元。
匹配字段摘要、正文
NVIDIA AIPerf：取代 GenAI-Perf 的大规模 LLM 推理基准测试工具
NVIDIA 发布 AIPerf，作为 GenAI-Perf 的指定继任者并完全重写，采用多进程架构避免客户端在高并发 LLM 基准测试中成为瓶颈。该工具支持超过 15 种端点类型，以及 ShareGPT 和来自 Mooncake、Baseten、WEKA AgentX 的 trace replay 格式，并提供 constant、Poisson、gamma 等可配置到达模式。AIPerf 报告 TTFT、ITL、请求延迟和输出 token 吞吐量等核心指标，附带百分位细分，并在可用时通过 DCGM 或 pynvml 提供 GPU 遥测。
匹配字段摘要、正文
阿里千问发布 Qwen3.8-Omni-Flash 及实时版
阿里千问发布 Qwen3.8-Omni-Flash，支持图像与音频输入，可通过 DashScope 兼容接口调用，并支持 enable_thinking 与 xhigh、medium、low 三档 reasoning_effort。同系列还提供 Qwen3.8-Omni-Flash-Realtime，支持 WebSocket 和 WebRTC 连接，可开启摄像头和麦克风进行实时音视频对话。官方同时开源 Qwen-MM-Plugins 多模态插件套件，支持 Codex、Claude Code、Qwen Code、Gemini CLI 等 agent harness，提供图像、音视频理解与长视频记忆等能力。
阿里千问发布 Qwen3.8-Omni-Flash，支持图像与音频输入，可通过 DashScope 兼容接口调用，并支持 enable thinking 与 xhigh、medium、low 三档 reasoning effort。同系列还提供 Qwen3.8-Omni-Flash-Realtime，支持 WebSocket 和 WebRTC 连接，可开启摄像头和麦克风进行实时音视频对话。官方同时开源 Qwen-MM-Plugins 多模态插件套件，支持 Codex、Claude Code、Qwen Code、Gemini CLI 等 agent harness，提供图像、音视频理解与长视频记忆等能力。
匹配字段摘要、正文
Anthropic 披露 Claude 主导 26% 的 AI 研发工作
Anthropic 于 9 月 17 日发布《用于了解前沿 AI 实验室内部 AI 研发速度的指标》一文，披露截至 2026 年 8 月，Claude 主导了公司约 26% 的 AI 研发工作，超过 90% 的研发工作至少达到 AI 协作（AL3）水平，主要内部平台上同时约有 3 万个 AI Agent 运行。Anthropic 称，2026 年 2 月 Claude 主导的研发任务占比还不到 1%。公司同时公布 Agent 监督的覆盖率、审查延迟、升级率三项指标，并统计 2026 年 7 月 13 日至 20 日一周的算力分配，其中约 6% 的 AI 研发算力用于 AI 安全工作。
匹配字段摘要、正文
Philipp Schmid 与 Speakeasy 合作构建 Interactions API SDK
很高兴分享，我们与 @speakeasydev 合作，为 Interactions API 构建了 SDK，并支持他们将整个 OpenAPI 生成器套件（SDK、agent CLI 和 MCP 服务器）开源，供社区使用：https://t.co/vkVz5pYMHP
匹配字段摘要、正文
荣耀 MagicOS 11 正式发布，YOYO 升级为系统级智能体并打通苹果生态
荣耀正式发布 MagicOS 11，这是行业首个落地系统级 Agent Harness 架构的终端操作系统，Magic9 系列将首发搭载。升级后的 YOYO 支持 40 类触发条件和 130 多项执行动作，可自动识别快递取件码、生成待办、代打客服并控制智能家居与车机。系统还带来动态液态玻璃视觉、蜂鸟架构 2.0 与存储空间优化技术 2.0，官方称整机流畅度提升 20%+、最高可释放 60GB 空间，并支持荣耀手机与 iPhone 来电双向同步接听及碰一碰互传。
匹配字段摘要、正文
GitHub 用 Copilot 将 Copilot 运行时迁移到 Rust
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，代码主要由 AI 智能体编写，拆成 128 个 PR 增量合入 main，而非一次性切换。到 8 月 21 日运行时已是 100% 生产 Rust，共 832,378 行生产代码和 468,689 行 Rust 单元测试，另有 174,675 行 E2E TypeScript 测试。作者称这一原本需要整个团队一到两年的项目，主要由一名开发者用几个月完成，期间团队其余成员继续扩展运行时能力。
匹配字段摘要、正文
Google 与 Speakeasy 将 OpenAPI 客户端生成套件开源
Google 宣布与 Speakeasy 合作，将其 OpenAPI 代码生成套件以 AGPLv3 协议开源。该套件包含支持 Python、TypeScript、Go、Java、C#、PHP、Ruby 7 种语言的 SDK 生成器，以及 agent 原生 CLI 生成器和文档 MCP server 生成器。此前 Google 使用的 SDK 生成供应商在 2026 年 5 月被收购并突然宣布关停，促使 Google 与 Speakeasy 合作迁移客户端库并推动生成器开源。Google 表示该方案目前支撑其覆盖 6 个目标的客户端流水线，维护人力约为 1 名工程师。
Google 宣布与 Speakeasy 合作，将其 OpenAPI 代码生成套件以 AGPLv3 协议开源。该套件包含支持 Python、TypeScript、Go、Java、C 、PHP、Ruby 7 种语言的 SDK 生成器，以及 agent 原生 CLI 生成器和文档 MCP server 生成器。此前 Google 使用的 SDK 生成供应商在 2026 年 5 月被收购并突然宣布关停，促使 Google 与 Speakeasy 合作迁移客户端库并推动生成器开源。Google 表示该方案目前支撑其覆盖 6 个目标的客户端流水线，维护人力约为 1 名工程师。
匹配字段摘要、正文
Cognition 与 AWS 达成多年战略合作，将 Devin 引入企业 AWS 环境
Cognition 与 AWS 签署多年战略协作协议（SCA），帮助企业将自主智能体 Devin 部署到生产环境，加速遗留工作负载迁移并清理安全与工程积压。客户已可通过 AWS Marketplace 购买 Devin，并在 Devin 中直接使用 Agent Toolkit for AWS。Devin 以单租户模式运行在客户自选区域的专属 VPC 中，Mercedes-Benz 用它分析超 20 万行 COBOL，将预计 8 个月的现代化项目压缩至 8 天。
匹配字段摘要、正文
Meta 推出订阅服务 Meta One，打包 50 多项功能与更多 AI 用量
Meta 推出订阅服务 Meta One，在 Instagram、Facebook、WhatsApp 和 Meta AI 上线 50 多项功能，并逐步扩展到 Edits、AI 眼镜等产品。Core 与 Premium 套餐把单项产品订阅与更多 AI 用量打包，包含用 Muse 模型生成和编辑图像、生成视频，以及 Instagram Restyle 等应用内 AI 工具。面向创作者和企业的套餐提供增强主页、自动关注邀请和更多 Meta Business Agent 调用额度，价格从单项 2.99 美元/月起，个人套餐 7.99 美元/月起，创作者与企业套餐 14.99 美元/月起。
匹配字段摘要、正文
ElevenLabs 的 AI SDR Dom 如何在几分钟内完成线索资格审核，上月创造超 100 万美元销售管道
ElevenLabs 的 AI SDR Dom 将线索资格审核中位时间从人工 SDR 的 2 天缩短至 4 分钟，上月创造超 100 万美元合格销售管道。Dom 支持 32 种语言，54% 的对话发生在 9-5 之外，线索评分 8.8/10，资格审核准确率从 78% 提升至 92%，并为 SDR 团队节省 180 小时。Dom 基于 ElevenAgents Workflows 构建，未来将成为所有销售线索的主要入口。
匹配字段摘要、正文
ElevenLabs 盘点 2026 年十大对话式 AI 企业用例
ElevenLabs 梳理了 2026 年企业采用对话式 AI 的十大用例，涵盖客服自动化、预约排程、订单退换、销售线索筛选、IT 帮助台、内部知识库检索、多语言支持和无障碍体验等。ElevenAgents 支持 70 多种语言，可在对话中自动检测并切换语言。McKinsey 2026 年调查显示，近九成组织已在至少一个业务环节使用 AI，44% 表示 AI 正在企业内规模化，高于上一年的 38%。
匹配字段摘要、正文
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，即日起通过 Gemini API、Google Workspace 和 Gemini 应用开放。Gemini 3.8 Live Extended Thinking 在 Artificial Analysis 语音到语音质量指数得 82.6 分排名第一，τ-Voice 智能体任务完成率 68.6%，Big Bench Audio 得 97.7%；Gemini 3.8 Live 在 Speech Agent Arena 排名第二。两款模型支持近实时视觉输入、对话中自动切换 97 种语言，并可在后台执行工具和 API 调用而不打断对话。
匹配字段摘要、正文
Google 发布零信任智能体第二部分：用运行时治理判断意图而非语法
Google Developers Blog 发布零信任智能体系列第二部分，在 Gemini Enterprise Agent Platform 上用 Model Armor、Semantic Governance Policies 和 Agent Anomaly Detection 三项托管运行时治理替代自建容器与正则列表。文中以同一个客服退款智能体演示三类攻击：边缘拦截提示注入、在工具调用执行前按自然语言策略拒绝数字软件许可证退款、以及通过会话遥测发现跨多轮累计套取退款的行为。配套开源仓库 zero-trust-agents-2 可本地运行，包含交互式仪表盘和 ./demo/run_part2_demo.sh 演示脚本。
Google Developers Blog 发布零信任智能体系列第二部分，在 Gemini Enterprise Agent Platform 上用 Model Armor、Semantic Governance Policies 和 Agent Anomaly Detection 三项托管运行时治理替代自建容器与正则列表。文中以同一个客服退款智能体演示三类攻击：边缘拦截提示注入、在工具调用执行前按自然语言策略拒绝数字软件许可证退款、以及通过会话遥测发现跨多轮累计套取退款的行为。配套开源仓库 zero-trust-agents-2 可本地运行，包含交互式仪表盘和 ./demo/run part2 demo.sh 演示脚本。
匹配字段摘要、正文
Browser Use 联合创始人复盘浏览器智能体的演进路径
Browser Use 联合创始人兼 CTO 发文复盘浏览器智能体的演进：从预定义状态与动作空间，到让模型用代码写动作和观察，再到直接访问 CDP 让模型自行决定看什么、做什么。文中称 Hermes agent 用 browser_exec 替代 12 个浏览器工具后，Opus 4.8 的平均 token 消耗下降 60%，Kimi K3 下降 66%，两者在六项任务各跑三次均完成 18/18。作者认为应复用成熟的 agent harness、暴露模型能用的最简底层接口，并让模型自己选择观察与动作。
Browser Use 联合创始人兼 CTO 发文复盘浏览器智能体的演进：从预定义状态与动作空间，到让模型用代码写动作和观察，再到直接访问 CDP 让模型自行决定看什么、做什么。文中称 Hermes agent 用 browser exec 替代 12 个浏览器工具后，Opus 4.8 的平均 token 消耗下降 60%，Kimi K3 下降 66%，两者在六项任务各跑三次均完成 18/18。作者认为应复用成熟的 agent harness、暴露模型能用的最简底层接口，并让模型自己选择观察与动作。
匹配字段摘要、正文
商汤开源 SenseNova Skills 智能体办公技能套件
商汤开源了 SenseNova Skills 智能体办公技能套件，将 Deep Research、数据分析、PPT 生成和信息图生成整合在一起，可直接把原始数据处理成可编辑的 .pptx 文件。该套件面向任何兼容 skills 的智能体，包括 OpenClaw 和 hermes-agent，并随 Hermes Agent 与 OpenClaw 提供快速安装。
匹配字段摘要、正文