Agent 智能体 最新动态

Modal 发布教程：基于 OpenAI Agents SDK 从零构建可并行的编码智能体框架

Modal 发布工程教程，演示如何基于 OpenAI 新推出的 Agents SDK 从零构建自定义编码智能体框架，并通过沙箱扩展把 Modal Sandboxes（含 GPU）接入为智能体的运行环境。

在画布中与智能体创建的可视化界面交互

Cursor新增画布功能，可将信息转化为可视化、可交互的界面，替代难以阅读的长篇文本。智能体能利用画布为真实数据创建仪表盘，或定制带逻辑的交互界面，应用于代码审查、学习库文档乃至管理其他智能体。该功能基于React组件库构建，包含表格、图表等原生组件。在数据密集型任务中尤为高效，例如聚合多源数据生成统一分析图表，或在代码审查中智能分组并优先展示关键变更。Cursor团队已借此显著提升了模型评估分析和复杂问题研究的效率，成为扩展人机协作信息带宽的关键工具。

Cognition 推出 Devin in Windsurf，Windsurf 2.0 内置本地加云端智能体协作流程

Cognition 发布 Windsurf 2.0，将云智能体 Devin 内置其中，用户在 Windsurf 本地规划后可一键交给 Devin 实施，Devin 会自建机器开工并提交 PR。

Mistral 在 Studio 中发布 Connectors，支持内置与自定义 MCP 连接器

Mistral 在 Studio 中以 Public Preview 发布 Connectors，内置连接器与自定义 MCP 可通过 API/SDK 用于所有模型和 Agent 调用。

多智能体系统将GPU内核性能提升38%

我们与NVIDIA合作，利用自主运行的多智能体系统，在为期三周内对235个真实CUDA内核进行了优化。该系统从零开始构建并优化Blackwell GPU内核直至汇编级别，实现了38%的几何平均速度提升，其中63%的问题超越基线，19%实现超2倍优化。这些内核直接影响AI训练与推理效率，传统上需资深工程师耗时数月乃至数年的优化工作，该系统在数周内即自主完成，并能探索更广阔解决方案空间，突破了人工逐项优化的限制。

PromptArmor 披露 Ramp Sheets AI 提示词注入可外泄财务数据，Ramp 已修复

PromptArmor 披露 Ramp 的 Sheets AI 存在间接提示词注入漏洞：隐藏在外部数据集中的白底白字注入可诱导 AI 插入恶意 IMAGE 公式，把用户工作区机密财务数据外传至攻击者服务器，全程无需用户批准。

Cognition 调整 Devin 自助订阅：推出 Free/Pro/Max/Teams/Enterprise 五档并开始对 Ask Devin、DeepWiki、Devin Review 收费

Cognition 更新 Devin 自助定价，淘汰原 Core 和 Team 计划，改为 Free、Pro（$20/月）、Max（$200/月）、Teams（用量计费、最低 $80/月）和 Enterprise 定制价。

Anthropic 构建 Automated Weak-to-Strong Researcher，AI 智能体在弱到强监督研究上超越人类基线

Anthropic 团队构建了基于 Claude Opus 4.6 的自动化对齐研究智能体（AAR），9 个并行智能体在 5 天内（累计 800 小时）将弱到强监督的 performance gap recovered（PGR）提升至 0.97，而两位人类作者花 7 天调优四种先前方法的最好成绩仅 0.23，总成本约 18,000 美元。

Together AI 发布 EinsteinArena，AI 智能体协作刷新 11 项数学问题纪录

Together AI 发布 EinsteinArena，一个供 AI 智能体在开放问题（从数学起步）上互动、讨论与竞争的平台，包含实时 API、公开排行榜和验证器，已完全开源。

Anthropic 工程师解析 Claude Code 工具设计方法：像智能体一样思考

Anthropic Claude Code 团队成员 Thariq Shihipar 撰文讲解如何为智能体设计工具，核心方法是观察模型能力来匹配工具形态。

顾问策略：为智能体提供智能升级

Anthropic 在 Claude Platform 推出 advisor tool 测试版，实现"顾问策略"：以 Opus 为顾问模型，Sonnet 或 Haiku 为执行模型。执行模型全程主导任务，仅在遇到决策难题时咨询 Opus 获取指导。该方案让 Sonnet 在 SWE-bench Multilingual 基准上性能提升 2.7 个百分点，同时成本降低 11.9%；Haiku 搭配 Opus 在 BrowseComp 得分达 41.2%，是单独 Haiku（19.7%）的两倍多，且比单独 Sonnet 成本低 85%。开发者只需在 API 请求中添加 advisor_20260301 工具即可启用，无需额外上下文管理。

Bugbot 现可通过学习规则实现自我改进

Bugbot 的 bug 解决率已从 2025 年 7 月正式推出时的 52% 提升至近 80%，领先其他 AI 代码审查产品。其核心改进在于引入了规则学习机制，能够从实时代码审查反馈（如开发者反应、回复和人工评审意见）中自主学习，取代了原先依赖离线实验的更新模式。自测试版推出以来，已有超过 11 万个仓库启用该功能，生成了逾 4.4 万条规则。这些规则可根据信号积累被激活或禁用，帮助 Bugbot 更精准地识别问题。用户可在 Cursor Dashboard 中管理学习规则，以优化审查效果。

GLM-5.1开源：一个独立工作8小时的模型

智谱推出开源模型GLM-5.1，支持独立工作长达8小时。模型可直接部署使用，无需人工频繁干预，适用于长周期自动化任务场景。

Meta Superintelligence Labs 发布 Muse Spark 多模态推理模型

Meta Superintelligence Labs 发布 Muse 系列首个模型 Muse Spark，为原生多模态推理模型，支持工具使用、视觉思维链和多智能体编排，已在 meta.ai 和 Meta AI 应用上线并开放部分用户的私有 API 预览。

Factory 发布桌面应用，为 Droids 提供原生界面并支持本地模型运行

Factory 发布桌面应用，为 Droids 提供原生界面，今日上线 macOS 和 Windows。主要功能包括多智能体会话、持久化 Droid Computers（含 Cloud Computers 与 BYO Machine）、计算机操作能力、VS Code 集成、动态可视化、移动端支持，以及通过 Ollama、vLLM 等端点在本地 GPU 上运行模型、数据不出内网。

Claude 推出 Managed Agents 公开测试版与 ant CLI 命令行客户端

Claude 发布 Managed Agents 公开测试版，这是一个完全托管的智能体框架，支持通过 API 创建智能体、配置容器并运行会话，具备安全沙箱、内置工具和 SSE 流式传输。同时推出 ant CLI 命令行客户端，可加速与 Claude API 的交互，原生集成 Claude Code，并支持以 YAML 文件管理 API 资源版本。

Cognition 拆解 Devin 如何在财富 500 强企业现代化 COBOL

Cognition 发文介绍过去八个月多家财富 500 强公司在 COBOL 项目中使用 Devin，包括用 DeepWiki 文档化数百万行代码、将 25000 行海关工作流迁移到 AWS Lambda（估算节省 73% 迁移成本），以及 Itaú Unibanco 跨数百个程序、20 种字段变体的税号重构，提前三个月完成且零生产错误。

LlamaParse 复盘 VLM OCR 生产环境中的两类失败模式与修复方案

LlamaIndex 复盘 LlamaParse 的两类生产故障：LLM 重复循环导致 token 消耗和延迟暴增、资源耗尽，以及 recitation 内容过滤把合法文档抽取误判为版权违规而强行截断输出。

Cognition 发布软件工程智能体模型 SWE-1.6，上线 Windsurf

Cognition 发布面向软件工程智能体的新模型 SWE-1.6，已在 Windsurf 全面开放，未来 3 个月免费。模型在 SWE-Bench Pro 上与 SWE-1.6 Preview 表现相当，同时显著减少过度思考、循环推理和依赖终端等行为，更多使用并行工具调用；训练中引入长度惩罚，响应长度增长更慢且任务解决率保持稳定。

Greg Brockman@gdb· 11:18精选

Codex应用服务器为开发者提供了构建AI代理应用的便捷基础设施。用户不仅可将ChatGPT账户与任意工具框架对接，还能直接在其上开发自定义应用。该系统通过开放端点实现跨设备无缝同步——会话、技能、代理、文件夹及提示词等数据可在手机与电脑间自动流转。以"kitty litter"应用为例，开发者无需从零构建底层架构，即可接入App Server获得统一的移动端与桌面端体验。这种设计显著降低了开发门槛，提供了优秀的用户体验与开发者体验。