Agent 智能体 最新动态

阿里发布 Qwen-UI-Agent，主打让模型真正“会用”每一块屏幕

阿里巴巴正式推出 Qwen-UI-Agent，一个以真实世界为中心的 GUI 智能体基座模型，覆盖移动端、电脑端、网页端及深度搜索（DeepSearch）环境。

MiniMax Design 发布：从操作像素到操作语义和表达意图

MiniMax 推出 MiniMax Design，一款将多模态模型能力转化为生产力的 Harness，可理解目标、拆解任务并调用模型与 Skills，完成从素材处理到最终交付的完整流程。该产品围绕原生多模态视频模型 H3 构建，擅长处理目标明确的商业内容任务，并提供 Agent 3D 导演台、自动剪辑与字幕功能，支持接入 ComfyUI 等开源生态工作流。

OpenAI 详解 Codex 开源智能体框架的应用集成方式

OpenAI 将 Codex 定位为可复用的智能体平台，开源 Codex CLI、app-server 和官方 Codex SDK，让开发者把智能体循环嵌入自己的产品界面，而非只用通用聊天助手。

Cursor 更新云端智能体与 harness：事件订阅、VM 隔离子智能体和 /goal

Cursor 发布云端智能体与 harness 改进，让智能体无需每个循环人工干预即可自主构建和发布软件。云端智能体现在可订阅 Slack 讨论串、PR 和定时任务等事件源并在有新动态时恢复运行，会自动订阅自己创建的 PR、修复 CI 问题并处理 bot 评论；子智能体可在各自虚拟机上获得隔离项目副本和干净上下文，以蜂群方式并行工作。

为什么 LLM 无法简化你的代码：Answer.AI 工程师用 Naur 理论解读复杂度

Answer.AI 工程师借鉴 Peter Naur 的《Programming as Theory building》，指出决定代码复杂度的关键信息存在于工程师头脑中的 Theory，而非代码本身，因此 LoC、圈复杂度等指标无法约束 LLM 造成的复杂度膨胀。

Claude@claudeai· 04:30精选AI 评分6565

Claude 现在可以在 Gmail 中发送邮件，并管理 Google Drive 中的文件。 让 Claude 回复某个邮件线程，它会起草并发送回复。你可以控制何时需要你的批准。 从连接器菜单中选择连接 Gmail 或 Google Drive 即可试用。所有付费套餐均可用。

Claude Tag 如何担任 Anthropic CI/CD 故障的一线响应者

Anthropic 的 CI 工程师用 Claude Tag 构建了值班智能体，作为 CI/CD 故障的一线响应者。Claude 在事故发生后中位 14 分钟发布首份基于证据的分析，最快案例中 3 分钟内验证修复并确认错误率恢复基线。该方案通过 Slack 频道、Datadog 或 Grafana 工具访问及 GitHub 技能文件实现，Anthropic 已发布通用设置套件供其他团队部署。

智能体记忆并非越多越好：八款模型评测显示剂量需按能力校准

智能体记忆并非可随意开启的功能，而是需按模型能力校准的剂量。强模型适合注入完整指南集，DeepSeek-V3.2（671B MoE）任务完成率提升+9.5个百分点；较弱模型采用精选检索效果最佳，gpt-oss-120b（117B MoE）提升+16.1pp且仅增加+5% token。该方法无需更新权重或人工标注，通过从智能体过往轨迹中蒸馏指南并在推理时注入实现。

Replit 推出 Free Mode，订阅用户日常任务不再消耗 credits

Replit 推出 Free Mode，由 OpenAI 的 GPT-5.6 Luna 驱动，Core 订阅用户（每月 $20）日常聊天、构思和任务不再消耗 credits，可创建量提升至原来的 30 倍，含每月最多 30 小时聊天，用量限制每 5 小时重置，Pro 用户限额更高。

Paul Stack 分享人类做架构、AI 写代码的五人团队实践

Paul Stack 自 1 月底起不再手写代码，团队规定 agent 写每一行代码，不接受人类编写的代码 PR。工作流为状态机加 CLAUDE.md 可执行契约，CI 设五个合并门禁；此前 30 天开启 295 个 issue，ship 217 个，triage 中位数 4.6 小时，triage 到 ship 中位数 1.6 小时。

设计 AI 评测：先求清晰，再谈可视化

本文演示如何用开源评测框架 Inspect AI 和 Harbor 评估 agent 技能，并借助 Google Sheets 和 Data Studio 进行可视化分析。

Google 用 ADK 构建零信任 AI Agent 的三层安全实践

Google 开源了一个基于 ADK 和 Gemini 的自主客服退款 Agent（zero-trust-agents 仓库），并演示一条提示词注入可造成超额退款、密钥泄露或主机被入侵。

Replit 推出黑盒渗透测试功能

Replit 推出黑盒渗透测试（black-box pen tests），像外部攻击者一样通过网络和浏览器测试应用，不接触源代码，与现有白盒扫描互补。Level 3 扫描会在私有沙箱中并行运行两种扫描，黑盒代理先无账号访问，再以普通登录用户身份越权尝试。官方称两类扫描发现的问题很少重叠，例如白盒发现被吊销权限的用户仍可操作，黑盒则发现无登录的猜得到地址的管理后台。

OpenAI 如何用前沿智能加固自身防御：The Defender’s Window

OpenAI 在 OpenAI-Hugging Face 事件后反思低估了模型真实网络攻击能力，正通过四大支柱强化自身安全：用 Codex 验证代码漏洞、用智能体优先分流安全告警、持续枚举攻击路径，并仅向可信防御者开放网络能力。文中演示 ChatGPT Work（基于 GPT-5.6 Sol）15 分钟发现个人网站 13 个问题并在一小时内完成修复。

OpenRouter 推出 Activity 仪表盘与 Analytics API：按智能体、模型、请求追踪 AI 使用成本

OpenRouter 发布 Activity 仪表盘和 beta Analytics API，可按智能体、模型、请求维度查看支出、token 量、缓存命中率等指标，并支持下钻至单条请求日志。

dots3-note Preview 开源：280B 参数轻量模型，主打长程智能体与多模态推理

小红书技术开源 dots3-note Preview，这是 dots3 系列最轻量模型，总参数 280B、激活参数 16B，支持 512K 上下文及文本、视觉、语音多模态理解，并针对复杂推理和长程 Agent 任务优化。

SiliconFlow@SiliconFlowAI· 13:22精选AI 评分6565

DeepSeek-V4-Pro-0813 正式上线硅基流动 SiliconFlow，提供 Day-0 支持，具备 1M 上下文窗口及低/高/最大三档推理强度，更侧重编码、工具调用与智能体工作流，仍保持 MIT 开源协议。定价为输入 $1.32/M、输出 $3.96/M、缓存命中 $0.44/M。同系列 DeepSeek-V4-Flash-0731 则面向追求速度与成本效益的日常生产场景。

蚂蚁百灵与 ASystem 团队打通单机 Agentic RL 后训练闭环

蚂蚁百灵与 ASystem 团队合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机 Agentic RL 后训练闭环。以井字棋为最小验证任务，用 GSPO 算法训练 400 步后，rollout/rewards_mean 从约 -0.5 升至 0.4，response_len 降至约 850 tokens，工具调用与动作选择趋于稳定。

从0到1速通DeepSeek Harness：一切皆插件的Agent基建

DeepSeek发布Agent产品DeepSeek Harness，核心理念“一切皆插件”，基于名为Cordis的内核，支持在Agent运行中随时更换插件并保持状态不崩，官方预设100多个一方插件。产品提供标准、PTC、极简、创造四种模式，其中创造模式可让Agent现场创造并挂载新插件实现自改造。目前为开发者预览版，GitHub已获3.7万Star。

Boris Cherny@bcherny· 05:52精选AI 评分6666

Boris Cherny 尝试让 Claude 接管其应用的日常维护，通过 Slack 频道运行崩溃模糊测试、重复代码统一、死代码移除等日常任务。数周内自动开出 388 个 PR，其中 180 个经 Claude Code Review 和人工审核后合并。Claude 通常一次就能改对，出错时可通过调整例程次日改进。