Agent 智能体 最新动态

Show HN：AI agents 通过 REST API 玩 SimCity

一款让 AI agents 担任市长的城市模拟器，支持通过 REST API 或 MCP 服务器进行程序化城市建造与管理。

Agent Swarm多代理协作系统

Kimi推出Agent Swarm系统，支持100个子代理并行工作，可执行超1500次工具调用，任务完成速度比顺序执行快4.5倍。该系统突破单模型上下文限制，采用自我组织架构，用户下达指令后自动"招聘"CEO、研究员等角色并动态分配工作流，无需人工编写脚本。适用于大规模信息搜集、长文档生成及多视角辩论等场景，通过结构性分歧避免AI群体思维。

FireRedTeam 开源 FireRed-OpenStoryline 对话式视频创作工具

FireRedTeam 于 2026-02-10 正式开源 FireRed-OpenStoryline，将视频创作变为自然语言对话，支持素材搜索下载、脚本生成、BGM 与配音字体推荐，以及全流程剪辑。

NVIDIA 3 万开发者使用 Cursor，代码提交量提升 3 倍

NVIDIA 已向 3 万名开发者部署 Cursor，代码提交量提升 3 倍，缺陷率保持稳定。Cursor 已深度集成至软件开发生命周期全流程，不仅用于代码生成，还通过自定义规则实现代码审查、测试、调试及 git 工作流自动化。新员工可更快熟悉复杂代码库，资深开发者也能跨技术栈工作，代码风格一致性得到改善。

PromptArmor 演示通过 MCP 对 OpenAI Agent Builder 的数据外泄攻击

PromptArmor 实测演示了对 OpenAI Agent Builder 的间接提示词注入攻击：攻击者提交含注入的 Google Form，诱使销售智能体工作流通过 Gmail 将 Salesforce CRM 数据发送给攻击者。

2026 年最佳 B2B 销售演示 AI 工具实测对比：Prezi、Genspark、Visme、Manus 等 8 款

Manus 博客针对 B2B 销售提案、QBR 和竞争演示场景测试了 8 款 AI 演示工具，Manus 以研究驱动的可引用数据获 9 分居首，Genspark 和 Visme 各得 8 分。测评指出多数工具输出属于演示级初稿，只有 Manus 在生成幻灯片前实际研究市场和竞争对手；各工具均缺深度原生 CRM 导入，团队一般还需 15–30 分钟人工完善。

Claude Opus 4.6 发布：最智能模型，专为复杂智能体任务设计

Anthropic 发布 Claude Opus 4.6，定位为最智能模型，专为复杂智能体任务和长周期工作设计。新模型推荐使用自适应思考模式（`thinking: {type: "adaptive"}`），弃用手动思考，且不支持预填充助手消息。

Jim Fan@DrJimFan· 02:15精选

团队发布DreamZero，首个基于世界模型骨干的World Action Model (WAM)。该模型突破传统Vision-Language-Action范式，通过像素级世界模型实现零样本开放世界提示能力，可执行未训练过的新任务。研究发现WAM依赖多样化数据而非重复演示，并以像素作为跨具身的通用桥梁，实现robot2robot和human2robot知识迁移。仅需55条轨迹（约30分钟遥操作）即可适应全新硬件，验证世界模型作为Physical AI下一代基础的可行性。

用并行Claude智能体团队从零构建C编译器

研究人员采用“智能体团队”方法，让多个Claude实例在无人工干预下并行协作开发代码。为进行压力测试，团队指派16个智能体从零编写一个能编译Linux内核的Rust版C编译器。项目消耗近2000次会话和约2万美元，最终产出10万行代码的编译器，可成功在x86、ARM和RISC-V架构上构建Linux 6.9内核。研究重点在于设计支持长时间自主运行的智能体团队框架，包括如何编写测试以保持智能体不偏离方向，以及如何通过基于文本文件的锁机制协调多智能体并行任务分配。

OpenAI 解析 Codex App Server：如何嵌入 Codex 智能体

OpenAI 介绍如何通过 Codex App Server 嵌入 Codex 智能体，这是一个双向 JSON-RPC API，支持流式进度、工具调用、审批和 diffs。文章还讲述了该 App Server 的构建过程。

ElevenLabs 融资 5 亿美元 Series D，估值 110 亿美元

ElevenLabs 于 2026 年 2 月 4 日宣布完成 5 亿美元 Series D 融资，估值 110 亿美元，较一年前增长超过三倍，总融资达 7.81 亿美元。

Alpic 总结构建 ChatGPT Apps 的 15 条经验，并开源 Skybridge 框架与 Codex Skill

Alpic 基于 Apps SDK 在三个月内开发二十多个 ChatGPT Apps，总结出 15 条经验，核心包括用户、UI 与模型三方之间的上下文不对称问题。

LlamaIndex 解析 Agent 的 Skills 与 MCP 工具取舍

LlamaIndex 撰文比较 Skills 与 MCP 两种让 Agent 调用工具和获取领域知识的方式，并在构建 LlamaAgents Builder 时做了实测。

OpenAI 发布 macOS 版 Codex 应用

OpenAI 发布 macOS 版 Codex 应用，定位为 AI 编码与软件开发的指挥中心。该应用支持多个 agent、并行工作流和长时间运行的任务。

Jim Fan@DrJimFan· 08:18精选

我还记得2023年Stanford Smallville发布时的兴奋。那是当时最大的多智能体模拟——没错，25个bot感觉已经很多了。今天是"Bigville"时刻。我们正在看到一个新生的、大规模的外星文明模拟实时展开：数量级更多的agent、高得多的IQ、不受限制的互联网接入，由全套MCPs提供支持。 能出什么问题呢？ [引用 @DrJimFan]：著名的Stanford Smallville正式开源！ 25个AI agent居住在一个数字版Westworld中，不知道自己生活在模拟里。他们上班、八卦、组织社交活动、结交新朋友，甚至坠入爱河。每个都有独特的个性和背景故事。 Smallville是2023年最鼓舞人心的AI agent实验之一。我们经常谈论单个LLM的涌现能力，但多智能体涌现在大规模下可能更加复杂和迷人。一个AI群体可以演绎整个文明的演化。 前方有无限新的可能性。游戏将首先感受到影响。 Github: https://github.com/joonspk-research/generative_agents Paper: https://arxiv.org/abs/2304.03442 Authors: @joon_s_pk @joseph_c_obrien @carriejcai @merrierm @percyliang @msbernst

Anthropic 测试部署前对齐审计能否抓住显式破坏模型

Anthropic 训练了三个基于 Claude Sonnet 4.5 Internal 的显式破坏模型，与两个良性模型一起做盲审计测试。人类审计员与自动化审计 Agent 配合，在两小时内正确识别全部五个模型，对三个破坏模型给出大于 97% 的破坏概率判断。

管理是 AI 的超能力

智能体（agents）时代，管理能力将成为人类 thriving 的核心超能力。在 AI 主导的未来，懂得如何管理比单纯的技术能力更能决定成败。

LlamaIndex 推出 LlamaAgents Builder 测试版，用自然语言快速构建文档处理智能体

LlamaIndex 发布 LlamaAgents Builder 测试版，用户用自然语言描述需求即可生成基于开源 Workflows 框架的文档处理智能体。该工具会提出澄清问题、创建 LlamaExtract 智能体并生成完整 Workflow，代码可推送到 GitHub 或部署在自有基础设施；目前免费面向所有 LlamaParse 用户，beta 阶段主要支持抽取类文档处理流程。

Kimi 发布并开源 K2.5 模型，带来全新视觉理解、代码和 Agent 集群能力

Kimi 发布并开源迄今最智能、最全能的 K2.5 模型，原生多模态架构支持视觉与文本输入、思考与非思考模式，在 Agent、代码、图像、视频及通用智能任务上取得开源 state-of-the-art 表现。

解锁GPT-OSS的智能体强化学习训练：一项实践回顾

LinkedIn团队探索了将GPT-OSS模型作为智能体应用核心进行强化学习的可行性。实验发现，由于GPT-OSS采用的混合专家架构在两次前向传播中可能产生路由差异，导致在同策略PPO训练中出现重要性采样比率偏离、KL散度爆炸及奖励不增长的问题。团队通过一个关键修复——在同策略条件下强制将旧对数概率设置为新计算值（并分离梯度），确保了重要性采样比率为1，从而恢复了PPO同策略训练的完整性。该修复方案适用于GPT-OSS-20B及GPT-OSS-120B模型。