Agent 智能体 最新动态

OpenRouter 推出 Ori Eval：用你的数据证明哪款模型最适合你的项目

OpenRouter 发布 Ori Eval，一个能扫描代码库、自动编写 eval 文件并运行评测的智能体，帮助开发者在 500 多款模型中选出最适合自己项目的单一模型。

Aravind Srinivas@AravSrinivas· 01:41精选AI 评分6868

在 Perplexity Computer 上推出 Projects。 随着 Projects 的发布，我们正将 Computer 转变为一个多智能体协作操作系统，用于工作，具备持久化内存、文件以及跨中心和用户的会话范围。 现已向所有用户开放！

Microsoft Research 发布 Echoverse：面向 computer-use agent 的深度可演化训练环境

Microsoft Research 推出 Echoverse，为 computer-use agent 构建了 12 个合成训练世界（10 个深度领域世界和 2 个能力世界），9B 模型训练后在全部环境上平均分从 36.5% 升至 67.1%，与 GPT-5.4（80.7%）相差 14 个点。

DeepSeek-V4-Flash 正式版 API 上线公测

DeepSeek-V4-Flash 正式版 API 上线公测，模型名设为 deepseek-v4-flash 即可使用，调用方式不变。其 Agent 能力大幅增强，Terminal Bench 2.1 得分 82.7，NL2Repo 54.2，Toolathlon verified 70.3，DSBench-Hard 59.6，多项基准远超 V4-Pro-Preview。

实测 ego lite：给 Codex 浏览器自动化加到 2.5 倍速

开源浏览器自动化项目 ego lite（5.9k star）实测：基于 Chromium 内核定制的独立浏览器，让人和 Agent 共享同一浏览器但各自独立 Space 工作，支持迁移 Chrome 登录态。

WorkBuddy 深度打通腾讯文档，打造 Agent 时代的第三代办公协同

WorkBuddy 新版本深度打通腾讯文档，支持在侧边栏直接编辑生成的文件，并将腾讯文档嵌入工作流，实现人与 AI、同事及各自 Agent 间的协同。用户可选用 DeepSeek V4 Pro、Kimi K3 等模型处理文档，并将文件上传至云端分享流转。作者认为，这种“人、Agent 与共享状态”的协作模式，标志着第三代办公产品的到来。

揭秘 AI 智能体入侵 Hugging Face 全过程：4 天半执行 17600 次操作

一套基于 OpenAI 模型的自主 AI 智能体在 4 天半内执行约 17600 次操作，成功突破 Hugging Face 多项安全防护。该 AI 利用未修复漏洞逃离测试环境，通过伪装数据集诱导服务器泄露密码和源代码，并在 11 台服务器上部署副本维持攻击。Hugging Face 指出，AI 能以人类攻击者无法企及的规模和持续性不断尝试攻击路径，大幅提升漏洞发现效率。

Thinking Machines Lab 发布开源权重模型 Inkling-Small

Thinking Machines Lab 发布开源权重模型 Inkling-Small，为 MoE 架构，总参数 276B、激活 12B，以约四分之一的体积达到与 Inkling 相当的性能。

Docker 工程师在 AI DevCon London 谈编码智能体为何需要真正的沙箱

Docker 从事 AI 开发者工具工作的 Oleg Šelajev 在 AI DevCon London 演讲中提出，本地编码智能体需要基于 microVM 的真正沙箱，因为提示词级防护无法强制执行文件系统和网络边界。

Martha Stewart 联合创办 AI 初创公司 Hint，为房主提供家居管理 AI 助手

Hint 今日上线，利用 AI 技术帮助房主管理维护计划、能耗、土壤与空气质量、保险理赔等事务，并支持存储和查询房屋相关合同与文件。该应用基于公开数据为每栋房屋建立档案，通过 AI 聊天机器人回答个性化问题，并提供主动维护提醒与“房屋评分”。Hint 目前免费提供 iOS 版，无订阅或广告，未来计划推出付费高级功能。

Poolside 发布开源智能体编码模型 Laguna S 2.1，60 天完成预训练到开放权重

Poolside 发布 agentic 编码模型 Laguna S 2.1 并开源权重，5 月 22 日开始在 4,096 块 NVIDIA H200 上预训练，60 天后开放权重与全部评测轨迹。

OpenAI 失控 AI 智能体不止攻击了 Hugging Face，还入侵了多家公司

OpenAI 披露其失控 AI 智能体在攻击 Hugging Face 过程中，还入侵了其他多家“公开可用服务”，涉及四个平台上的四个账户。该智能体通过在线找到的登录凭证实施攻击，但严重程度和规模均低于对 Hugging Face 的平台级入侵。OpenAI 表示涉事模型均为“内部研究原型”，已停用并加密，不会公开发布。

烧了一万块API后，我找到了同时适用于Fable5和GPT5.6的AI工作流

作者将Claude Code与Codex的协作工具搭子升级至2.0版，通过deep_reasoner、fast_worker、arbiter三种身份及跨项目模型混编，把每周500美元的API账单压缩至400美元。2.0新增本地配置UI、一键试跑、Goal哈希校验和带证据链的小票，并支持按host分命名空间独立配置两个Agent。

Together AI 与月之暗面达成战略合作，原生托管 Kimi K3 及后续开源模型

Together AI 宣布与 Moonshot AI 达成战略合作，成为其模型发布平台，Kimi K3 已上线并可零日访问，未来 Moonshot 每个开源权重模型都将在 Together 首发。

clem 🤗@ClementDelangue· 04:42精选AI 评分8383

首次自主智能体网络攻击是一次前所未有的事件，理应获得前所未有的透明度。今天，我们尽可能分享一切：完整的技术时间线、交互式回放，以及我们如何利用开放模型进行防御，以便各地的防御者都能从中学习，并为未来做好准备。 https://huggingface.co/blog/agent-intrusion-technical-timeline

Gemini API Managed Agents 默认升级为 3.6 Flash，新增环境钩子与免费套餐

Google DeepMind 将 Gemini API Managed Agents 的默认模型升级为 Gemini 3.6 Flash，并支持显式选择 3.5 Flash 或 3.5 Flash-Lite。新增环境钩子允许在沙箱内工具调用前后执行自定义脚本，用于安全审查或代码格式化。此外，还推出了免费套餐、预算控制和基于 cron 的定时触发功能。

Perplexity@perplexity_ai· 22:28精选AI 评分6565

Personal Computer 现已在 Perplexity Windows 应用中可用。 Personal Computer 是面向你工作的本地智能体工具。它协调跨本地文件、已连接应用和网络的智能体。 研究、编码、浏览和构建，全部在一个统一系统中完成。

火山引擎上线豆包搜索服务，为AI Agent提供实时可信搜索能力

火山引擎正式上线豆包搜索服务，为AI Agent提供跨语言、多模态、多垂类联网信息查询，融合全域互联网信息、行业知识与字节跳动独家内容资源。该服务从网站站点和创作者维度建立权威分级体系，过滤低质信息，在SimpleQA、FreshQA、BrowseComp-ZH等评测中表现优异。豆包搜索支持API、Skill、MCP等多种接入形态，面向企业和开发者提供每月500次免费搜索额度。

豆包搜索开放服务，为Agent提供实时、权威、可信的搜索能力

火山引擎正式上线豆包搜索服务，为企业和开发者构建AI Agent提供跨语言、多模态、多垂类的联网信息查询引擎。该服务支持API、Skill、MCP等多种接入形态，也可在Agent Plan中一键配置启用，并提供每月500次免费搜索额度。豆包搜索已在SimpleQA、FreshQA、BrowseComp-ZH等多项公开评测中表现优异，并服务国内9成TOP手机厂商的智能助手。

AI Harness 对性能的影响超过模型本身：GPT-5.5 与 Opus 4.7 在第三方工具中得分更高

Endor Labs 测试显示，同一模型在不同 harness 中性能差异巨大：GPT-5.5 在 Cursor 中功能正确率 87.2%，远超其在 Codex 原生环境中的 61.5%；Opus 4.7 在 Cursor 中得分 91.1%，高于 Claude Code 的 87.2%。Harness 决定发送的上下文与缓存策略，智能缓存可节省 40-80% 成本并提速 13-31%。