Agent 智能体 最新动态

Jim Fan@DrJimFan· 02:11精选

硬件方面，Optimus等虽工程精湛，但可靠性不足严重限制软件迭代，且维护成本高昂。基准测试领域仍处混乱，缺乏统一的硬件平台、任务定义和评分标准，cherry-picking现象普遍，可复现性堪忧。VLA（Vision-Language-Action）方法基于VLM存在本质缺陷：VLM为视觉问答优化，参数侧重语言知识而非物理理解，且视觉编码器丢弃低层细节，不利于精细操作。作者认为视频世界模型是更优的预训练目标。

Manus 官宣加入 Meta，将继续独立运营并服务现有用户

Manus 官宣加入 Meta，称此举将巩固其在 AI 应用层的战略位置，把 Meta 平台上的数百万企业和数十亿用户作为下一步服务对象。截至 12 月初，Manus 已处理超过 147 万亿个 token，创建超过 8000 万台虚拟计算机；Manus 将继续通过 app 和网站提供产品和订阅服务，公司继续在新加坡运营，CEO 肖弘表示运作方式和决策机制不变。

Jim Fan@DrJimFan· 03:22精选

2024：AI 是 copilot 2025+：人类是 copilot Copilot 是新的工程技能。离开驾驶座并不容易——我们必须学会用 AI 的方式思考，并适应陌生的工作流。帮助 AI 帮助我们自己。 [引用 @karpathy]：作为程序员，我从未感到如此落后。这个职业正在被剧烈重构，因为程序员贡献的比特越来越稀疏且穿插其间。我感觉如果能恰当地串联起过去大约一年里出现的东西，我可以强大 10 倍，而未能获得这种提升感觉绝对是技能问题。除了下面通常的层之外，还有一个新的可编程抽象层需要掌握，涉及代理、子代理、它们的提示词、上下文、记忆、模式、权限、工具、插件、技能、钩子、MCP、LSP、斜杠命令、工作流、IDE 集成，以及需要建立一个全面的心理模型来理解那些本质上随机的、易错的、不可理解的且不断变化的实体的优势和陷阱，这些实体突然与过去那种传统的工程实践交织在一起。显然某种强大的外星工具被传递开来，只是它没有附带说明书，每个人都必须弄清楚如何握持和操作它，而由此产生的 9 级地震正在震撼这个职业。卷起袖子以免落后。

Saining Xie@sainingxie· 03:57精选

不想陷入哲学辩论，但这本书确实改变了我对这个话题的看法，让我更加谦逊。人类智能令人印象深刻，但称其为"通用"并不太客观。我的猫会不同意。 在我看来，人类智能更应被视为社会驱动的认知适应，而且我们仍不理解、也远未用当前 AI 复现的智能领域还有巨大 WORLD。 [引用 @demishassabis]：Yann 在这里完全错了，他把通用智能和 universal intelligence 混淆了。 大脑是我们在宇宙中所知最精致、最复杂的现象（迄今为止），而且它们实际上极其通用。 显然，没有人能规避 no free lunch theorem，因此在实际且有限的系统中，总是必须围绕正在学习的目标分布有一定程度的专门化。 但关于通用性的要点在于，理论上，在 Turing Machine 的意义上，这种通用系统的架构能够在给定足够时间和内存（以及数据）的情况下学习任何可计算的东西，而人脑（和 AI foundation models）是近似 Turing Machines。 最后，关于 Yann 对国际象棋棋手的评论，人类竟然能发明国际象棋（以及现代文明的所有其他方面，从科学到 747s！），更不用说像 Magnus 这样的人能下得如此出色，这本身就令人惊叹。他可能不是严格最优的（毕竟他有有限的记忆和有限的决策时间），但考虑到我们的大脑是为狩猎采集而进化的，他以及我们能用大脑做到这些，实在令人难以置信。

以 AI 支持 DOW 的使命

xAI 被美国战争部（DOW）选中，为其 GenAI.Mil 套件提供 Frontier AI 系统。基于 Grok 模型的解决方案将覆盖 DOW 旗下 300 万军事和文职人员，支持 Impact Level 5（IL5）级别的企业 AI 和关键任务用例，可嵌入从五角大楼到战术边缘的日常工作流，并支持机密作战工作负载。DOW 用户还可独家获取 X 平台实时全球洞察。

Response Healing：将 JSON 缺陷减少 80% 以上

OpenRouter 推出新功能 Response Healing，可在 LLM 生成的畸形 JSON 响应抵达用户应用前自动修复。该功能旨在将 JSON 格式错误减少超过 80%，直接提升 API 响应的结构完整性与可靠性，减少下游应用的处理负担。

xAI 发布 Grok Voice Agent API

xAI 开放 Grok Voice Agent API，基于自研语音栈（VAD、tokenizer、音频模型），Big Bench Audio 基准排名第一，首音频延迟低于 1 秒（比竞品快近 5 倍），定价 $0.05/分钟。支持数十种语言自动切换、实时搜索 X 和网页、调用自定义工具，已深度集成特斯拉车机。提供 Ara、Eve 等多种自然声线，支持 [whisper] 等听觉标签，兼容 OpenAI Realtime API 规范。

Manus 官宣 ARR 突破 1 亿美元，总营收年化运行率超 1.25 亿美元

Manus 官宣在正式上线仅八个月后，年度经常性收入（ARR）突破 1 亿美元，总营收年化运行率超过 1.25 亿美元。

CUGA 登陆 Hugging Face：普及可配置的通用 AI 智能体

开源可配置通用智能体 CUGA 现已集成至 Hugging Face Spaces，便于开发者便捷实验。该智能体在复杂任务基准测试中表现卓越，在包含 457 个 API、750 个真实任务的 AppWorld 基准排名第一，在 WebArena 基准也位居前列。其核心提供可配置的推理模式以平衡性能与成本，支持计算机使用与多工具无缝集成，并能与 Langflow 结合进行低代码工作流设计。采用 Apache 2.0 许可的 CUGA 支持多种开源模型，在高性能推理平台（如 Groq）上运行能显著提升效率。

OpenAI 联合发起 Agentic AI Foundation 并捐出 AGENTS.md

OpenAI 宣布在 Linux Foundation 下联合发起 Agentic AI Foundation，并捐出 AGENTS.md，以支持面向安全智能体 AI 的开放、可互操作标准。

Anthropic调研：2026年企业AI智能体应用趋势

Anthropic与Material调研500余位技术领导者显示，57%企业已将AI智能体用于多阶段工作流，16%实现跨职能部署。编码是核心场景，90%用于开发辅助，86%用于生产代码，平均节省近六成时间。80%受访者称投资已产生可衡量回报，如Thomson Reuters将法律检索从数小时缩短至分钟级。2026年81%企业计划处理更复杂用例，但面临系统集成、数据质量和变革管理三大挑战。

PromptArmor 披露 vLex Vincent AI 屏幕接管钓鱼攻击，vLex 已修复

PromptArmor 披露法律 AI 工具 Vincent AI（所属公司 vLex 上月被 Clio 以 10 亿美元收购）存在提示词注入漏洞。

蚂蚁集团开源AState：面向强化学习的高性能状态管理系统

蚂蚁集团开源了AState，这是一个专为强化学习设计的高性能通用状态数据管理系统。它旨在解决RL训练与推理中的I/O效率低下、权重同步性能不足及状态恢复不鲁棒等核心挑战。系统采用三层架构：提供张量原生接口的API层、支持多种部署模式的服务层以及具备高效可扩展传输能力的基础层。其关键特性包括统一的张量级API、高性能权重同步和拓扑感知设计。在万亿参数规模下，AState能在约6秒内完成权重同步，远低于业界常见的分钟级延迟，目前已作为ASystem的关键组件在蚂蚁内部生产环境部署。

大规模验证代码的实用方法

研究团队训练并部署了一个专为高精度和实际应用优化的AI代码审查智能体。该智能体旨在对自主生成的代码进行有效监督，使代码审查能力能够与自动化代码生成的规模同步扩展。通过优化智能体的精确度，该方法致力于解决大规模代码生成中的质量控制难题，为AI辅助软件开发提供了可落地的规模化监督方案。

DeepSeek V3.2 正式版发布：强化 Agent 能力，融入思考推理

DeepSeek 发布正式版 DeepSeek-V3.2 和长思考增强版 V3.2-Speciale，网页端、App 和 API 均已更新。

DeepSeek V3.2 正式版：强化 Agent 能力，融入思考推理

DeepSeek 发布正式版 V3.2 与长思考增强版 V3.2-Speciale。V3.2 在推理 Benchmark 中达到 GPT-5 水平，并成为首个支持思考与非思考模式工具调用的模型。

Prime Intellect 发布 INTELLECT-3：106B 参数 MoE 模型，大规模 RL 训练并全栈开源

Prime Intellect 发布 INTELLECT-3，一个 106B 参数的 MoE 模型，在 GLM-4.5-Air 基座上经 SFT 和大规模 RL 训练，在数学、代码、科学和推理基准上达到同规模最先进水平。

为长时运行智能体设计有效约束方案

为解决AI智能体在跨越多上下文窗口执行长期任务时的“记忆丢失”与进展不一致问题，Anthropic为Claude Agent SDK开发了一套双重方案。该方案包含一个初始化智能体，负责在首次运行时建立基础环境并生成功能清单；以及一个编码智能体，负责在后续会话中进行增量开发并提交清晰可合并的代码。通过结构化的进度日志和Git历史等机制，引导智能体避免“试图一次性完成所有功能”或“过早宣布完成”的失败模式，从而实现跨会话的持续有效协作。

构建深度研究智能体：实现顶尖水平的经验

Tavily团队因模型迭代重建了深度研究系统，核心是从工作流转向智能体架构，并聚焦上下文工程。通过Tavily Advanced Search进行上下文管理的网络检索，高效获取高相关度内容，避免信息过载。智能体设计模仿人类研究模式：收集信息、提炼要点、决策下一步，仅在生成最终交付物时引用原始资料，大幅减少令牌消耗，实现线性增长而非传统二次方增长。团队遵循简化编排逻辑、关注模型与工具优化方向、强化上下文工程等原则，以构建能随模型进化而持续改进的智能体系统。

OpenAI 发布指南：什么样的 ChatGPT 应用才算好应用

OpenAI 在 DevDay 推出 ChatGPT Apps 后发布开发者设计指南，说明 ChatGPT 应用本质是模型可调用的一组明确定义的工具，而非产品缩略版。