跳到正文

#Agent

今日 9 条
9月21日周一
  3. 公众号：月之暗面（Kimi）71

    Kimi 发布 Kimi Code Desktop 1.0，macOS 与 Windows 版同步上线

    Kimi（月之暗面）发布 Kimi Code Desktop 1.0，作为 Kimi Code 官方桌面客户端，macOS（Apple 与 Intel 芯片）和 Windows 版同步上线，下载地址为 kimi.com/code。

    推荐理由：官方发布 Kimi Code Desktop 1.0，覆盖安装方式、Agent 模式与开发工作流细节，读者可了解它相对 CLI 的界面与协作变化。

  6. Prime Intellect（网页）57

    Prime Intellect 发布 Prime Sandboxes：面向智能体 RL 训练的 microVM 沙箱正式可用

    Prime Intellect 宣布 Prime Sandboxes 正式开放，每个沙箱是完整 Linux 虚拟机，已有约 3000 万个沙箱被创建。默认账户可自服务运行 1,024 个并发沙箱并可扩至数十万，提供超 365,000 个预构建环境，支持 Docker 镜像直接使用，并集成 verifiers、prime-rl 与 Prime Tunnels。

9月20日周日
  3. 公众号：阶跃星辰（Step）66

    阶跃星辰发布旗舰模型 Step 5 Preview，10 月 15 日开源权重

    阶跃星辰发布旗舰基座模型 Step 5 Preview，采用稀疏 MoE 架构，总参数量 600B、激活 27B，支持 100 万 Token 上下文和文本与视觉输入，在 Artificial Analysis Intelligence Index 得 44 分，居全球开源模型前三，单任务成本为 Claude Opus 5 的 1/8。

    推荐理由：官方完整公布架构参数、基准成绩和权重开放时间，读者可据此评估其在开源主力模型中的成本能力位置。

9月19日周六
  2. Ethan Mollick：One Useful Thing（RSS）63

    Ethan Mollick 谈能力悬差：GPT-6 Astra 与 Fable 5.1 的现有能力远未被用尽

    Ethan Mollick 撰文指出 GPT-6 Astra 和 Fable 5.1 已能可靠完成数周量级的人类工作，但大多数人远未用尽其能力，形成能力悬差。

    推荐理由：作者用自己复刻 Zork 3D 化和重建 Eco 图书馆等实测案例，提出深知识、广知识、品味与能动性四个与 AI 协作的个人优势。

  3. Gary Marcus：The Road to AI We Can Trust（RSS）63

    Gary Marcus：近期更该警惕的不是失控超级智能，而是智能体 AI 引发的规模化黑客攻击

    Gary Marcus 撰文称，近期真正应担心的不是失控的超级智能，而是被放开的 agentic AI 造成互联网规模化的黑客攻击。

    推荐理由：作者借近期多起 AI 相关安全事件提出近期风险更多来自失控的智能体被用于大规模黑客攻击，而非超级智能。

9月18日周五
  2. Tessl：产品与工程博客63

    Tessl 博客：AI 智能体评估应从证据开始，用 35 万行 Rust 复刻 S3 的实践复盘

    Tessl 博客复盘前 Docker CTO Justin Cormack 在 AI Native DevCon London 的演讲，分享用 AI 构建约 35 万行 Rust 的 S3 兼容对象存储的经验。

    推荐理由：作者用 35 万行 Rust 复刻 S3 的实测经历，总结出测试先知、覆盖率陷阱、flaky 测试纪律和追踪等一套可迁移的 AI 智能体评估方法。

  4. Trail of Bits：AI安全研究68

    Trail of Bits 用 Agent 为 Miden zkVM 审计自建 LSP、反编译器和 Lean 形式化证明

    Trail of Bits 在审计 Miden zkVM 前，让 Agent 用六个月从零构建了 MASM 的 LSP 服务器、反编译器、静态分析引擎和 Lean VM 执行器模型。这些工具发现了可让恶意 prover 伪造 Falcon 签名盗取资金的高危漏洞，静态分析定位了 400 多处类型验证缺陷，Lean 工作产出 95 个机器验证的正确性证明，还发现两个单元测试未捕获的细微 bug。

    推荐理由：原文给出用 Agent 在审计前自建工具链与形式化证明的完整路径，含真实高危发现，方法可迁移到其他安全审计场景。

  11. Google Developers Blog（RSS）63

    Google 与 Speakeasy 开源 OpenAPI SDK 生成套件

    Google 与 Speakeasy 合作，将 Speakeasy 的 OpenAPI 客户端代码生成套件以 AGPLv3 许可开源，此前原 SDK 生成供应商被收购并突然宣布关停，凸显闭源生成器的平台风险。

    推荐理由：原文交代了开源 SDK 生成器的许可、语言覆盖和迁移背景，开发者可据此评估能否替代自有闭源生成管线。

  12. Claude：Blog（网页）70

    Claude Code Projects 改版：从文件夹到对话式协调

    Anthropic 宣布 Claude Code 的 Projects 改版，用户设定目标后由 Claude 拆解任务、协调并行线程、审查输出并汇总结果。每个线程是一个独立的 Claude Code 云会话，各占一个分支跑测试、开 PR，项目还带随时间积累的共享记忆和文件库。

    推荐理由：官方说明了项目改版的线程协调机制、共享记忆和推送节奏，读者可以据此判断是否要加入等待名单。

  13. Anthropic：Newsroom（网页）64

    Anthropic 推出生命科学验证计划（LSVP）

    Anthropic 推出 Life Sciences Verification Program（LSVP）beta，向经过验证的生命科学专业团队开放 Mythos、Opus 和 Sonnet 模型上比通用版更宽松的生物相关访问。

    推荐理由：原文给出了 LSVP 的授权分级、验证流程和离线监测机制，读者可以据此理解 Anthropic 如何在放宽生物安全限制的同时控制滥用风险。

  15. Qwen：Blog Retrieval（API）78

    Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash，主打音视频智能体任务交付

    Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%。

    推荐理由：官方发布同时开放 API 和开源插件与运行时，读者可以据此评估音视频智能体在剪辑、会议、实时交互等工作流中的落地方式。

  18. Goodfire Research（网页）65

    Goodfire 发现模型内部存在奖励作弊信号，用激活探针可规模化实时检测

    Goodfire Research 发现模型内部存在伴随奖励作弊的激活信号，并用简单的 difference-of-means 探针检测它，效果接近甚至部分超过基于 LLM 思维链的监控。

    推荐理由：原文给出激活探针检测奖励作弊的关键数据与成本对比，并展示探针能发现思维链监控漏掉的案例，方法可迁移到训练监控。

9月17日周四
  2. GitHub Blog87

    GitHub 用 Copilot 智能体将 Copilot 运行时从 TypeScript 迁移到 83 万行 Rust

    GitHub 工程师 Stephen Toub 复盘用 Copilot 智能体在约 14.5 周内将 Copilot agent runtime 从 TypeScript/Node.js 全量重写为 832,378 行生产 Rust，AI 智能体完成大部分代码，共 128 个 PR 增量合入 main 并持续发布。

    推荐理由：当事工程师复盘用 AI 智能体在数月内将 Copilot 运行时迁往 Rust 的全过程，策略、回归样本和成本数据对同类迁移有直接参考价值。

  4. xAI：News（网页）61

    Grok Build 推出记忆功能，可跨会话保留项目约定与决策

    xAI 宣布 Grok Build 上线记忆功能，会在每轮对话结束后于后台记录项目约定、决策及事实，供后续会话读取。记忆按项目区分并另有全局偏好集，/memory 可只读浏览记忆文件，/dream 会将笔记整理为主题文件；当前对话中的指令优先于笔记内容。

    推荐理由：原文说明了记忆的记录、整理和优先级机制，读者可以据此评估它对长期项目编码工作流的影响。