跳到正文

#Agent

今日 9 条
9月14日周一
  5. OpenRouter：Announcements（RSS）61

    OpenRouter 教程：用 LLM-as-a-judge 自动评估 AI 智能体输出

    OpenRouter 发布教程，讲解如何用独立的裁判模型按自定评分标准自动给 AI 智能体输出打分，覆盖确定性测试无法检查的开放式回答质量。

    推荐理由：原文给出 LLM-as-a-judge 的适用边界、偏差来源和用 Ori Eval 落地的可复用步骤，还包含用人工标注校准裁判模型的方法。

9月13日周日
  1. Gary Marcus：The Road to AI We Can Trust（RSS）57

    Gary Marcus 质疑 Dario Amodei 智能体群六个月内接管互联网的说法

    Gary Marcus 撰文分析 Dario Amodei 新随笔中关于流窜智能体群可能在六个月内接管互联网的说法，认为其既模糊又不太可信。文章指出互联网基础设施冗余且 Cloudflare、Google、AWS 防护专业，同时质疑攻击者的动机、资金与协调方式，但承认许多网站安全薄弱、个体站点仍会被攻击，并主张限制难以监控的 AI 智能体。

9月12日周六
  1. 公众号：百度智能云（文心）56

    百度智能云秒哒3.8全面升级，转向应用创造与经营平台

    百度智能云在2026秒哒AI Day发布秒哒3.8，将平台从生成应用升级为覆盖设计、开发、测试、分发、增长、商业化的应用创造与经营平台。新增多环境切换、小程序发布预检、营销投流Agent、App接入微信支付、模板交易等功能，并上线行业商单平台连接需求方与创作者。官方称秒哒已累计服务超4000万用户、创造500万个应用，沙利文报告显示2026年上半年市场份额33.4%位居行业第一。

  2. Baseten 工程博客（网页）76

    DeepSeek 发布开源模型 DeepSeek-V4.1-Flash，优化编码智能体 prefill 效率

    DeepSeek 本周在 HuggingFace 开源 DeepSeek-V4.1-Flash 权重，模型总参数 552B，prefill 激活 8B、decode 激活 16B，支持 1M token 上下文和文本加图像输入，已上线 Baseten Model APIs。

    推荐理由：文章解释了 CED 架构如何把 prefill 降到 8B 激活参数并压缩 KV cache，读者能理解它为何更适配编码智能体的高 prefill 负载。

  8. Dwarkesh Patel：Podcast & Blog（RSS）67

    Beren Millidge、John Schulman、Charlie O'Neill 对谈递归自我改进离我们还有多远

    Dwarkesh Patel 与 Zyphra CTO Beren Millidge、Thinking Machines 首席科学家 John Schulman、Baseten 模型训练负责人 Charlie O'Neill 三位研究者对谈递归自我改进（RSI）的前景。

    推荐理由：三位一线研究者就递归自我改进的技术瓶颈、蒸馏与RL环境壁垒、参数规模趋势给出具体分歧和可检验预测。

9月11日周五
  2. OpenRouter：Announcements（RSS）67

    OpenRouter 发布 Fusion 复合模型，让多个模型辩论后合成最终答案

    OpenRouter 发布 Fusion 复合推理系统，将一个提示词并行发给 1 到 8 个面板模型，由 judge 比较共识与分歧后由调用模型写出最终答案。默认三模型面板成本约为单次完成的四到五倍、延迟两到三倍，在 DRACO 深度研究基准上预算面板得 64.7%、前沿面板得 69.0%。

    推荐理由：官方详解 Fusion 的多模型辩论机制、四到五倍成本与两到三倍延迟，并给出适用与不适用的具体场景。

  5. Cursor Blog78

    Cursor 推出 Projects：协调者智能体管理数千个子智能体处理大型开发任务

    Cursor 发布 Projects（beta），让用户通过协调者智能体处理功能开发、迁移和持续性维护等大型工作，协调者本身不写代码，而是调度数千个子智能体并行执行。

    推荐理由：官方介绍 Projects 的三项核心能力，并给出内部使用数据，读者可据此判断它适合什么规模的工作。

  6. GitHub Blog53

    GitHub Copilot 应用入门教程：用 diff、终端和浏览器面板审查 AI 代码

    GitHub Copilot 应用新增 diff、终端、浏览器三个内置面板，让初学者在不离开应用的情况下完成 AI 智能体改动的审查、运行和预览。diff 面板以红绿高亮显示增删改行，用户可接受、评论或要求修改；终端面板可运行项目命令并支持多窗口，浏览器面板配合 Pick & Polish 工具选中界面元素让智能体调整，最后可直接在应用内接受变更并创建 pull request。

  9. OpenAI：官网动态（RSS · 排除企业/客户案例）81

    OpenAI 发布 Agents API 公测版

    OpenAI 推出 Agents API 公开测试版，将驱动 Codex 的 harness 与基础设施通过单次 API 调用开放给开发者，托管在云端。

    推荐理由：原文给出环境选择、子智能体和上下文管理等具体能力与定价方式，读者可据此评估是否迁移现有 Agent 基础设施。

  11. OpenAI：官网动态（RSS · 排除企业/客户案例）70

    OpenAI 在 API 中推出全双工语音模型 GPT-Live-1

    OpenAI 在 API 中发布语音模型 GPT-Live-1，可同时听和说，支持将推理和工具调用委派给 GPT-6 Astra 等后端模型，前端语音层定价为每分钟 $0.05。

    推荐理由：原文给出单模型全双工语音架构、基准变化和定价，读者可以据此评估它能否简化现有语音 Agent 的分层方案。

  12. Baseten 工程博客（网页）52

    Blaxel 并入 Baseten，共建智能体云基础设施

    Blaxel 宣布并入 Baseten，目标是在一个平台上同时提供模型训练、推理和长时间运行的智能体执行能力。Blaxel 此前构建了智能体所需的沙箱、Agent Drive 分布式文件系统和网络连接层，其中沙箱可在 25 毫秒内挂起和恢复，空闲时接近零成本；Baseten 的推理栈已在数十个地区规模化运行。

  14. LlamaIndex：产品、工程与评测65

    LlamaIndex 解析 just-in-time Agentic OCR：两遍式文档处理如何平衡成本与精度

    LlamaIndex 博客提出 just-in-time Agentic OCR 模式：先用 LiteParse 等免费解析器粗读全部文件供检索，再仅对相关页面调用 VLM 做 OCR。

    推荐理由：作者用 84 份 SEC 文件实测两遍式文档处理流程，给出明确的适用边界和成本数字，方法可直接迁移到自己的数据室场景。

9月10日周四
  1. OpenAI：官网动态（RSS · 排除企业/客户案例）63

    OpenAI 在 ChatGPT Work 中推出 Data agent

    OpenAI 在 ChatGPT Work 中推出新的 Data agent，用户用自然语言即可连接公司数据、分析变化并生成可分享的交互式仪表盘。

    推荐理由：官方公布了数据源和 BI 工具接入范围及权限管控方式，读者可据此评估它在自有数据工作流中的落地路径。

  3. Tripo66

    Tripo 转发用户案例，展示用 Images 2.5、Tripo 智能网格 P2.0、GPT-6 Astra 和 Blender MCP 以 AI 为主制作 3D 角色的完整流程。作者几乎只做视图操作，通过截图加参考图让 Astra 修正形状与纹理，并指出纹理修正在细节上仍较粗糙。作者称此前在 GPT-5.6 Sol 上反复失败的操作在 Astra 上可以直接完成。

    推荐理由：原文给出完整的 12 步 3D 角色制作工作流和截图生成参考图的修正方法，Blender 初学者可以照着复用。

  7. 公众号：龙猫LongCat（美团）60

    美团龙猫LongCat发布《Agent评测白皮书》系列首篇：Agent评测全览

    美团龙猫LongCat团队推出《Agent评测白皮书》系列博客，首篇《评测全览》体系化讲解Agent评测落地方法，计划共4篇，后续将覆盖冷启动、扩量和自进化。文章提出评测体系可概括为四个模块（离线评测、在线评测与监控、Case挖掘与归因、观测基建）、三种能力、两条Loop和一套评测资产，以商家经营分析Agent为贯穿案例，并附评测体系成熟度自查表。