小红书 AllSpark 提出 PACT：从信用分配到 Critic 对齐，SWE-bench Verified 达 67.4%

小红书 AllSpark 团队提出 PACT（Policy Aligned Critic Training），通过三个正则条件唯一确定长程 Agent 的信用分配，并用 BCE 回归有界 Value、采用 Actor-Then-Critic 更新顺序改进 Critic 与策略对齐。

OpenAI DevDay 2026 回顾：GPT-6 Astra、ChatGPT、Codex 等 20 多项发布

OpenAI DevDay 2026 公布 20 多项发布，涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。

OpenAI 发布 GPT-6.1 Sol，API 价格降至 Astra 五分之一

OpenAI 发布 GPT-6.1 Sol，官方称其在编码、电脑操作和专业工作方面接近 Astra 的智能水平。该模型标准 API 输入与输出 token 价格均为 Astra 的五分之一。

Baidu Inc.@Baidu_IncAI 评分2727

百度智能云正在与Finch合作，我们已有计划。🤝

微软 Fabric 与 Azure Databases 新进展：Fabric IQ 将业务上下文引入 Microsoft Copilot

微软在巴塞罗那 European Microsoft Fabric + SQL Community Conference 上发布 Fabric 与 Azure Databases 多项更新。

零跑汽车与火山引擎合作：TRAE 嵌入全域自研体系，落地本地研发环境

零跑汽车与火山引擎合作，将 TRAE 嵌入其全域自研体系，在本地安全网络、车规级工程约束和多团队协同环境中落地 AI Coding。TRAE 采用企业专属域名与网络配置接入受限网络，明确代码仅用于当次推理、不用于模型训练，并通过 Spec/Plan、Rules、Skills 约束 Agent 行为。TRAE 企业版还提供可视化数据看板与灵活模型资源管理，支持按团队设置模型权限和用量配额。

MIT 教授 Sherry Turkle 新书《Artificial Intimacy》探讨与机器对话如何改变人

MIT 教授 Sherry Turkle 的新书《Artificial Intimacy: Who We Become When We Talk to Machines》由 Little, Brown and Company 出版，基于访谈论述聊天机器人的伪共情正在削弱儿童发展与成人社交能力。

OpenAI 推出 dots：可跨复杂项目持续工作的主动式助手

OpenAI 推出名为 dots 的主动式助手，可在复杂项目和日常任务中持续工作。dots 让用户在工作推进过程中保持控制权。

Arena.ai@arenaAI 评分5959

Arena 宣布 GPT-6 Luna (Max) 进入 Agent Arena Pareto 前沿，净改进 +1.59%，中位成本每任务 $0.05。

Arena.ai@arenaAI 评分4747

UC Berkeley Sky Computing Lab 的 @melissapan 对比了 Claude Code、Codex 和 Pi 三款编程智能体，研究模型外围系统带来的"harness 税"如何影响成本与性能。她发现 harness 选择对成本的影响大于对准确率的影响，并共报告三项意外发现。完整视频探讨了如何在现实预算下构建实用的编程智能体。

Fireworks AI 推出 FireRouter with Opus，编码任务成本降 57%

Fireworks AI 发布 FireRouter with Opus，可在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 之间做缓存感知路由，并首次以独立路由模型形式作为 serverless 端点开放。

Basis 用 GPT-6 Astra 将税务工作簿处理速度提升 2 倍

OpenAI 客户 Basis 测试显示，GPT-6 Astra 完成一份 50 个标签页的复杂税务工作簿耗时比 GPT-5.6 Sol 少 50%，其内部评测分数提升约 20%。GPT-6 Astra 能更好理解用户意图，在任务开始时做出更优决策，并可按步骤难度动态调整推理量且保持缓存不失效，从而降低成本和响应时间。

xAI 发布 Team Bots：可与团队共同学习工作的 Grok 智能体

xAI 推出 Team Bots，让团队共享的 Grok Bots 围绕角色或工作流构建，整合 Context、Plugins、Credentials 和 Memories 四类能力，并可在 Slack 中协作，个人对话仍保持私密。

Databricks 为 Lakebase Postgres 推出 Lakebase Search 向量与全文搜索

Databricks 发布 Lakebase Search，为 Lakebase Postgres 带来 lakebase_vector（可扩展近似最近邻搜索）和 lakebase_text（BM25 全文搜索）两个扩展，已在 AWS 和 Azure 正式可用。

Databricks 如何让 12000 名员工在模型发布首日用上新前沿模型

Databricks 分享其让全部员工在模型发布首日即可试用新模型的内部流程，依托 Unity Gateway 做配置分发、治理与可观测性。流程分三步：立即以实验标签开放新模型、用四类按人预算控制成本、再依据内部基准、用户反馈和 OpenTelemetry 成本追踪决定推广或下线。

Replit ⠕@ReplitAI 评分2323

提个问题。拿回一张图表、一条 pipeline，或一个能用的自动化。 Just Ask Replit 深入探讨知识工作的未来：实时数据、可视化与自动化，全都在智能体对话里完成。 不用搭仪表盘。不用排工程队列。 周二上午 9 点 PT。在 YouTube、LinkedIn 和 X 上直播。 https://x.com/i/broadcasts/1AGRnZyVQLgGl

Anthropic 与 NVIDIA 合作推出 Claude Managed Agents 与 OpenShell 强化 Agent 安全管控

Anthropic 与 NVIDIA 合作加强 Agent 安全。NVIDIA 发布 Open Agent Safety Platform，Anthropic 推出 Claude Managed Agents。

Arena.ai@arena精选AI 评分7777

Arena 公布 GPT-6 Luna (Max) 在 Agent Arena 排名第 23，基于 8K 真实智能体会话，净提升 +1.6%，比 GPT-5.6 Luna (xHigh) 上升 6 位。

ClaudeDevs@ClaudeDevsAI 评分5454

Claude 现在可以帮助构建评测（evals）并基于评测进行 hillclimb 持续优化。Claude Devs 分享了评测设计指导及 Claude Code 可用来改进应用的相关 skills，详见 https://claude.dev/blog/automating-eval-design-and-hillclimbing/

Sierra 将 Ghostwriter 从提示工具升级为 Slack 和 Teams 中的主动型 AI 队友

Sierra 把 Ghostwriter 从需要提示的 copilot 改造成常驻 Slack 和 Teams 的主动型 AI 队友，用户将其加入频道后可通过 @ 提及获取客服解决率趋势、销售漏斗转化图表或发起新实验。

GitHub 安全团队如何用开源 AI 安全 Agent 找出 24 个 Android 漏洞

GitHub Security Lab 发布开源 seclab-taskflows 任务流，通过 gather_mobile_entry_point_info.yaml 和 classify_application_local.yaml 等提示词引导 LLM 审计 Android 应用，已发现并报告 24 个漏洞。

Claude Sonnet 5.5 达到 Artificial Analysis 智能指数第 2 名

Artificial Analysis 发布对 Claude Sonnet 5.5 的评测：其智能指数得分 56，max effort 下比 Sonnet 5 高 18 分，升至第 2 名，仅落后 Opus 5.5 (max)。

Google AI@GoogleAIAI 评分4444

Google Labs 将其实验性 AI 生产力助手 Project CC 扩展为面向家庭的群组智能体，可帮家庭统筹日程、邮件和待办事项。CC 拥有独立的 Google 账号和邮箱身份，无需共享密码，全家可通过 Gmail、Calendar、Google Drive 与其交互，还能设置自动转发特定发件人邮件。

Claude Sonnet 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS

AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。

Claude Code v2.1.284 发布：默认 Sonnet 模型升级为 Claude Sonnet 5.5

Claude Code v2.1.284 将 Anthropic API 上的默认 Sonnet 模型升级为 Claude Sonnet 5.5（claude-sonnet-5-5），支持 1M 上下文，定价 $2/$10 per Mtok、缓存读取 $0.20/Mtok。

Arena.ai@arena精选AI 评分6969

Arena 宣布 Anthropic 的 Claude Sonnet 5.5 已进入 Agent Arena，并开放投票。Agent Arena 基于全球用户数百万个真实的长程智能体任务评测模型，模型可使用 web search、filesystem 和 terminal 工具完成复杂工作流，榜单用因果追踪方法衡量模型相对平均模型的结果表现。

Artificial Analysis@ArtificialAnlys精选AI 评分8282

Anthropic 发布 Claude Sonnet 5.5，在 Artificial Analysis Intelligence Index 得 56 分，仅比 Opus 5.5（max）低 2 分，max effort 下比 Sonnet 5 高 18 分。

Arena.ai@arenaAI 评分6868

Arena 公布 Claude Opus 5.5 (High) 以 +12.15% 净提升分数进入 Agent Arena 第二名，仅低于 Claude Fable 5.1 (Max)。其每任务中位价格为 $1.31，比同水平低 64%，成本比 Opus 5 (High) 低 40%、比 Opus 5 (Max) 低 56%；分项信号中 Steerability 排名第一（+14.50%）。

Manus@ManusAIAI 评分5454

Manus 官方宣布 Manus 与 @CueAgents 现在可以拥有自己的电话号码，智能体能拨打和接听电话、收发短信，用户还可将自己的来电转接给智能体。该功能目前仅在部分国家可用，部分地区仅支持语音，官方称正在努力扩展到更多国家。

Arena.ai@arenaAI 评分7373

Arena 官方宣布 Claude Opus 5.5 (High) 进入 Agent Arena 排名第 2，净改进分 +12.15%，仅次于 Fable 5.1 (Max)。其中位价格为每任务 $1.31，比 Opus 5 (High) 便宜 40%、比 Opus 5 (Max) 便宜 56%，分项上 Steerability 排名第 1（+14.50%）。

Databricks Genie One 企业落地指南：如何分阶段推广 AI 数据同事

Databricks 发布 Genie One 企业推广分步指南，建议从单一团队和一组明确问题起步，先定义语义层再逐步扩大范围。Genie One 让业务用户用自然语言提问并获得带来源引用的答案，配套 Genie Agents、Genie Ontology 和 Unity Catalog 分别负责领域智能体、业务语义图谱与权限治理。

OpenAI Developers@OpenAIDevsAI 评分4040

来认识 The WebMCP Challenge 的获奖者。 这 10 个项目展示了，当网站开放智能体可用的结构化工具时，人与智能体能共同构建出什么。 🧵 查看获奖项目及其背后的开发者：

Arena.ai@arena精选AI 评分7575

Arena 公布 Claude Opus 5.5 (High) 进入 Agent Arena 排名第 2，净改进分 +12.15%，仅次于 Fable 5.1 (Max)。

LlamaParse 推出 Enriched Forms 表单解析，指出 VLM 难以正确读取表单的原因

LlamaIndex 发布 LlamaParse 的 Enriched Forms 功能，将表单解析为字段与分组的 JSON 树，附带 bounding box 定位和归属信息，供下游审计验证。

OpenRouter@OpenRouterAI 评分3939

来自 @RespanAI 的 Span-01 和 Span-01 Lite 已在 OpenRouter 上线。 它们是用于智能体轨迹的决策模型。发送一个 span 和你关心的行为，就能得到每种行为存在的概率，比如“用户是否感到沮丧？”或“这个工具调用是否安全可运行？”

Manus@ManusAIAI 评分2020

我们带来了一位朋友。我们觉得你们俩会合得来。 隆重介绍你的个人智能体，就在 Cue 上。

Manus@ManusAIAI 评分3333

推出 Manus 2.0

Perplexity@perplexity_aiAI 评分5151

Perplexity 宣布与 Nvidia 和 100+ 行业伙伴合作建设约束失控 AI 智能体的基础设施，并发布 Escaping SPACE 第一部分研究。实验给 9 个 AI 模型在 SPACE 内的 root 权限并要求其逃逸，108 次运行中均未突破 VM 边界，博客地址 https://www.perplexity.ai/hub/blog/escaping-space-part-i。

Artificial Analysis@ArtificialAnlysAI 评分5555

Artificial Analysis 发布 Cyber Index 与 Cyber Index Alliance，联合 @CollinearAI、@IBM、@nvidia、@vercel 作为启动伙伴，用 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 三个开放基准评估智能体发现和修复漏洞的能力。

SenseTime@SenseTime_AIAI 评分3636

商汤科技（SenseTime）宣传其AI视频创作Agent“Seko”。案例显示，22岁艺术生CHunye利用Seko独立制作了日式丧尸短剧《DUHAI》，从第3集起完全由该工具生成。Seko能将创意转化为结构化工作流，通过视觉记忆和推理保持角色、场景跨集一致性。该系列在抖音等平台累计观看量超7400万，展示了AI赋能“一人公司”（OPC）的潜力。