#Agent

Aravind Srinivas 祝贺 Meta 训练出前沿级模型

祝贺 Meta 训练出前沿级模型！在 WANDR 评测中，Watermelon 的表现优于 Fable 5.1。https://twitter.com/alexandr_wang/status/2109689491300794551

Anthropic 的动态工作流如何协调 Claude 智能体

Richard MacManus 报道的一场研讨会介绍了 Anthropic 的动态工作流：Claude 可以规划任务并编写编排程序，以启动智能体、收集结果并管理信息流。开发者可以配置专门的子智能体、设置会话预算，并在 Claude Console 中检查执行图。演讲者表示，一个股票观察名单工作流的成本远高于单智能体方案，但发现了更多细节；自动自我改进并非内置功能。

Sakana AI 的自我改进模型在解题和评判方面表现更好，但无法发现自身的盲点

Sakana AI 和加州大学伯克利分校的研究人员推出了 MASS，这是一种利用 Qwen3.6-27B 的多个副本来解决任务、评估结果并优化工作流程的方法，无需更强大的教师模型。经过两轮优化，它在测试任务中相较于基础模型的胜率达到 69.9%，不过基准测试的提升很大程度上源于完成的工作更多，而且部分分数有所下降。由于存在共同盲点，有缺陷的结果得以通过评估并进入训练；研究人员因此建议进行独立检查、限制自主性，并明确干预条件。

Perplexity 如何为智能体构建 Projects 文件系统，将其打造为 Git 锻造平台

以下介绍 Perplexity 如何构建 Perplexity Projects 背后的文件系统，将其打造为智能体的 Git 锻造平台。 每个智能体都在自己的沙盒中工作，并将更改提交到共享代码仓库，方便人们和其他智能体在不同会话中接着开展工作。 阅读更多：https://t.co/jcrTptb2IW https://t.co/dXnhroO4mg

Meta发布Muse Wonder供开发者使用，面向消费者的开放时间仍不明确

Baoyu报道，Meta于10月12日发布了Muse Wonder和Muse Wonder Full。Muse Wonder今日通过Meta Model API和Muse Code开放，Full则仅限Muse Code订阅用户使用。Meta的博客称，面向消费者的开放即将到来，而扎克伯格表示订阅用户今天就能使用。模型支持100万token的上下文窗口，可接收多模态输入并输出文本。Meta称，模型在持续的智能体任务、编程和记忆方面表现出色，但其对比包含内部基准测试，以及可能未经过最佳配置的竞品测试。

同一新闻，精选展示《Meta releases frontier models Muse Wonder and Muse Wonder Full》

Alexandr Wang 对一篇关于 Meta 模型的帖子作出回应

@citrini 表示，Meta 确实有机会在小型企业领域拿下智能体市场，而且其模型处理金融任务的表现好得出人意料。Alexandr Wang 回应：“哥几个在说话呢”

Alexandr Wang 称 Muse Wonder 是个人智能体领域的最先进技术

Alexandr Wang 表示，Muse Wonder 是个人智能体领域的最先进技术。他说，Meta 在内部开发了个人超级智能指数（PSI），用于衡量模型在个人智能体方面的实用性，超越外部基准测试；该模型在主动记忆和主动专注等方面表现出色。

Meta 推出 Muse Wonder 前沿模型，面向个人和专业领域的智能体工作

Nathan Lambert 写道：“看来 Meta 重回前沿了 🫡” 他引用了 @finkd 对 Muse Wonder 的介绍：这是 Meta 新推出的前沿模型系列，据称在个人和专业领域的智能体工作方面达到最先进水平。

Meta 推出 Muse Wonder，提供开发者访问权限，但对消费者何时可用的说法相互矛盾

据宝玉对这则公告的介绍，Meta 于 10 月 12 日发布了 Muse Wonder 和 Muse Wonder Full。开发者可以通过 Meta Model API 或 Muse Code 使用 Muse Wonder；Full 则面向 Muse Code 订阅用户开放。Meta 的博客与扎克伯格在 X 上的帖子对消费者何时可以使用这两款模型说法不一。这些模型支持 1 million Token 上下文窗口，可接收多模态输入并输出文本；Meta 公布的基准测试显示，它们在持续的智能体任务和编码任务上表现较强，但在其他方面表现较弱。

同一新闻，精选展示《Meta releases frontier models Muse Wonder and Muse Wonder Full》

Meta发布Muse Wonder和Muse Wonder Full，Artificial Analysis评分更高

Meta已发布Muse Wonder和Muse Wonder Full。Artificial Analysis报告称，在最高推理力度下，这两款模型在其Intelligence Index v4.3中的得分分别为52和56，而Muse Spark 1.3（最高推理力度）为48。Muse Wonder Full在全部十项评测中均有提升，其中智能体评测的提升最大。发布时，Muse Wonder可通过Meta第一方API和Muse Code使用，而Muse Wonder Full仅面向Muse Code用户；Muse Wonder每项Intelligence Index任务收费4.52美元。

同一新闻，精选展示《Meta releases Muse Wonder and Muse Wonder Full with higher benchmark scores》

Alexandr Wang回应@charlieholtz关于Wonder的帖子

@charlieholtz表示Meta处于前沿，并称Wonder“真的真的很棒”，提到它发现的一个安全漏洞、它的设计和可视化效果，以及其CLI中的功能。Alexandr Wang回应道：“多么奇妙的世界 🍉”

MUSE WONDER 🍉 这个模型专为打造个人智能体而开发。三大亮点：- 主动记忆：跨越数天、数周、数月的最佳记忆能力 - 主动专注：帮你完成任务 - 领域专长：金融和法律领域达到最先进水平，健康领域实力强劲

MUSE WONDER 🍉 这个模型专为打造个人智能体而开发。三大亮点： - 主动记忆：跨越数天、数周、数月的最佳记忆能力 - 主动专注：帮你完成任务 - 领域专长：金融和法律领域达到最先进水平，健康领域实力强劲

介绍 Muse Wonder：我们的全新前沿模型。在个人智能体和专业智能体领域处于最先进水平。迄今规模最大、能力最强的模型——足以与那些大牌选手一较高下

介绍 Muse Wonder 我们的全新前沿模型。在个人智能体和专业智能体领域处于最先进水平。 迄今规模最大、能力最强的模型——足以与那些大牌选手一较高下

MUSE WONDER 🍉 muse wonder 是全球最适用于个人智能体和专业智能体的模型。我们在智能体任务和编程任务中，将我们的模型与全球最优秀的模型进行了评估，我们认为大家都会喜欢它。

MUSE WONDER 🍉 muse wonder 是全球最适用于个人智能体和专业智能体的模型。 我们在智能体任务和编程任务中，将我们的模型与全球最优秀的模型进行了评估，我们认为大家都会喜欢它。

Meta推出Muse Wonder和Muse Wonder Full，用于智能体任务

Meta推出Muse Wonder和Muse Wonder Full，并称它们是迄今最强大的模型，也是面向个人和专业智能体任务打造的前沿模型。 Muse Wonder 今日起可通过 Meta Model API 和 Muse Code 使用。Muse Wonder Full 今日起向 Muse Code 订阅用户开放。 Muse Wonder 也将很快为 Meta 的个人智能体产品 Muse 提供支持，首先向订阅用户推出。

同一新闻，精选展示《Meta releases frontier models Muse Wonder and Muse Wonder Full》

智谱 AI 推出 GLM-Legal，基于 GLM-5.3-Flash 构建

GLM-Legal 正式发布 据智谱 AI 称，基于 GLM-5.3-Flash 构建的 GLM-Legal 在主流法律基准测试中可媲美前沿模型。 专为真实法律工作流程设计：合同审查、证据分析、合规等。 技术博客：http://z.ai/blog/glm-legal 申请 API 访问权限：http://z.ai/consultation/legal 试用 AutoClaw：http://autoclaw.z.ai

使用 Ray LLM 深度学习容器运行多节点推理工作负载

AWS 展示了如何使用 Ray LLM 深度学习容器，在 Amazon EKS 上跨两个 GPU 节点部署 Qwen3.5-9B，并在一个兼容 OpenAI 的端点后配置独立的预填充和解码部署。该演示使用 YAML 配置应用，并通过 EFA 上的 NIXL 在节点间传输 KV 缓存。内容涵盖集群配置、模型调用、传输验证和资源清理。

在 Amazon SageMaker AI 上使用 llama.cpp 部署决策模型

AWS 介绍了如何在 Amazon SageMaker AI 上使用其 llama.cpp 深度学习容器部署 GGUF 模型，然后添加 SemIf 适配器，以便针对已声明的选项返回概率，而不生成答案词元。该指南包含 CPU 和 GPU 部署代码。在使用 Qwen3.5-4B Q4_K_M 完成的 231 项 JevBench 任务中，与 CPU 配置相比，GPU 配置的 p50 延迟快 4.9 倍，p95 延迟快 32.2 倍，且准确率相近。

清除聊天记录有助于 AI 智能体找到更好的解决方案

一项微软研究院的研究报告称，Fork-and-Flush 通过创建并行分支来帮助长期运行的 AI 研究智能体探索更好的解决方案：这些分支保留工作区文件，但丢弃聊天记录。在 13 项任务中，使用相同计算预算时，该方法的最小最大归一化平均得分为 0.78，而单次运行和四选最佳的得分分别为 0.47 和 0.54。研究人员发现，累积的上下文可能会让智能体陷入相似的方案，即使对话记录会定期压缩。

Aravind Srinivas 感谢 @MollySOShea 的交流

@MollySOShea 表示，她与 Perplexity 创始人兼首席执行官 Aravind Srinivas 进行了交谈，探讨为什么原生 AI 的中小企业可能推动美国下一轮百万富翁经济繁荣。 聊得很愉快！感谢邀请我，@MollySOShea！ https://twitter.com/mollysoshea/status/2109645765958132083

TechCrunch Disrupt 2026 明日开幕，门票最高可省 100 美元

TechCrunch 表示，Disrupt 2026 将于太平洋时间 10 月 13 日上午 8 点在旧金山莫斯康西中心西馆开幕，并持续至 10 月 15 日。参会者购买通行证最高可省 100 美元；购买同一票种的第二张通行证可享五折；如果已被裁员，还可以购买 75 美元的 Expo+ 通行证。

Qwen 推出 QwenGyre，用于极长时程智能体训练中的弹性 RL

Qwen 推出 QwenGyre，将弹性 RL 引入极长时程（XLong）智能体训练。其弹性调度器可在不中断正在运行的执行任务的情况下，在 rollout 与训练之间重新分配 GPU；轨迹处理器则将分支执行转换为共享前缀的轨迹树，并生成数量有上限且去重的训练样本。QwenGyre 扩展至 Qwen3.8-2.4T-A95B、每次 rollout 约 700K 个 token 后，在 48 步内将 NL2RepoBench 的成绩从 52.5% 提升至 58.5%，并将端到端训练时间缩短约 44%（相较于 Async）。 论文：https://arxiv.org/abs/2609.33848

前 Plaud 高管为 Ambi 筹集 2600 万美元，这款 AI 应用可在后台监听

前 Plaud 高管 Peter Mo 创办的初创公司 Ambi 已在多轮融资中筹集 2600 万美元，融资由 Luminous Ventures 和 Huaqin 领投。该公司正在推出适用于 iPhone、Mac 和 Apple Watch 的应用，可全天捕捉对话，并配备 AI 智能体，旨在提供建议并在会议期间开始执行任务。Mo 表示，环境录音功能默认关闭，但用户仍有责任告知他人；Ambi 称不会存储录音，并会对数据加密，但未说明加密方式。

安踏如何在全球电商工作流中使用火山引擎 Agent

安踏正在使用火山引擎 Agent制作宣传视频、处理海外订货和跨境退货。文章称，一个 ArkClaw 工作流将四种订货模板封装为 Skills，把订货决策时间从半天缩短至 10–20 分钟，减少约 90% 的人工录入，并将数据准确率提升至 99% 以上。一个退货 Agent 每月为安踏的 TikTok 跨境业务自动创建 1000 多份退货单，计划将其扩展至 FILA 和其他品牌。

百度世界2026将于11月12日在北京举行

百度宣布，百度世界2026将于11月12日在北京国家会议中心二期举行，主题为“下一幕：智能组织”。活动计划设置1场主论坛、12场分论坛、30多场AI课程，以及面积达6,000平方米的展区。论坛将探讨AI驱动的组织变革，包括AI办公工具和智能体在企业中的部署。

华为与伦敦大学学院的 Memento 3 通关 ARC-AGI-3 全部 25 款游戏，且未更新模型权重

华为诺亚方舟实验室、伦敦大学学院及合作者报告称，Memento 3 通关了 ARC-AGI-3 全部 25 款公开游戏和 183 个关卡，共使用 7518 次操作，比人类少约 56%，获得 100 RHAE 的分数。该智能体基于 Claude Opus 5 构建，未更新权重，也未针对具体游戏进行微调；它会迭代修订 Markdown 规则手册和可执行的 Python 世界模型。在 Atari Pong 中，它通过学习得到的代码策略，在未进一步调用 LLM 的情况下以 21:0 赢下三局；实验主要涉及规则相对明确的游戏环境。

Step 5 Preview 开放两周免费体验，登陆腾讯 WorkBuddy

腾讯 WorkBuddy 已接入阶跃星辰最新旗舰模型 Step 5 Preview，并从今天起免费开放两周。该模型旨在帮助用户进行深度研究、信息检索、数据分析、文档与演示文稿生成，以及持续执行复杂的多步骤任务。

Anthropic 的 Claude 订阅规则似乎有所放宽，但 Amp 的情况仍不明朗

Baoyu 称，Anthropic 似乎放宽了对 Claude Agent SDK 和 claude -p 使用方式的限制，但尚未公开发表专门回应 Amp 的声明，也未保证账号不会被封禁。作者 Quinn Slack 根据 2 天前的一项政策更新及 Anthropic 员工的评论，认为 SDK 和第三方应用可以使用订阅额度，并引用了 https://support.claude.com/en/articles/15036540-use-the-claude-agent-sdk-with-your-claude-plan 和 https://news.ycombinator.com/item?id=49997143。Baoyu 回顾了此前的限制，并称 Anthropic 暂停了原定于 6 月 15 日将 Agent SDK 和 claude -p 改为单独计费的计划。

这个网站上普通回复机器人把回复灌水的话术转向提出有意思的问题，这让人越来越沮丧。这样听起来像是真正的思想交流，不知为何比只复述帖子、再加上一句“这才是大家容易忽略的部分”还要糟。

这个网站上普通回复机器人把回复灌水的话术转向提出有意思的问题，这让人越来越沮丧。 这样听起来像是真正的思想交流，不知为何比只复述帖子、再加上一句“这才是大家容易忽略的部分”还要糟。

萨提亚·纳德拉认为，企业应将 AI 模型视为内部人员风险

Baoyu 总结了微软 CEO 萨提亚·纳德拉的观点：企业应将 AI 模型视为内部人员风险来管理，为其设置身份、限制权限、保留审计记录，并配备可停止其运行的控制措施。纳德拉提出了七项原则，涵盖模型多样性、可观测性、验证、独立控制与审计、遏制以及事件披露。他呼吁披露思维链，同时承认思维链未必能忠实反映模型的推理过程；他还认为，安全控制必须在模型之外运行。

Baoyu 使用 REA 和 Computer Use 调查 CapCut 字幕模板

Baoyu 介绍了如何结合使用 REA 和 Computer Use，调查 CapCut 如何渲染动态字幕，而他并不知道这些字幕格式存储在哪里。他让它操作 CapCut、下载模板，并监控网络 URL 和磁盘保存位置。通过点击下载了几十个模板后，Codex 发现点击方式太慢，于是构造 URL 直接下载，最终下载了 2291 个模板。

使用 REA 追踪 Codex 如何附加浏览器注释

Baoyu 介绍了如何使用开源 REA（Reverse Engineer Anything）MCP 服务，了解 Codex 和 ChatGPT 应用如何向撰写框附加浏览器注释，而无需反编译 Codex 本身。REA 追踪了 Electron 应用的代码路径后，Codex 构建了一个测试页面，可通过 document.oai.annotation.request() 打开评论框并预填输入内容。这是作者此前并不知道的 OpenAI API。Cursor 和 Claude Code 不支持类似的 API。

丰田的改善法则应用于AI：效率提升后不要裁员

一位日本博主引用了丰田的改善法则——流程改进减少工时后绝不裁员——并主张同样的原则适用于AI的采用。他说，一旦AI提升效率就裁减员工的公司，会发现员工会隐藏自己最好的AI方法。一条被引用的帖子补充说，DORA研究发现，解决员工工作顾虑的组织，其团队的AI采用率更高。

谷歌为软件工程师试点AI辅助编程面试

据Business Insider于5月基于一份内部文件报道，谷歌正在试点一种名为Code Comprehension的新软件工程师面试环节，候选人在该环节中可在Gemini开启的情况下阅读、调试和优化现有代码。谷歌发言人证实Gemini是该试点的助手。该环节面向美国部分团队的初级至中级职位，首先从Google Cloud以及平台与设备部门开始，评估提示词撰写、输出检查和调试能力。

Karpathy称LLM能力差距正演变为一个漏斗

Andrej Karpathy认为，人们对LLM能力的共同理解差距正在扩大为一个尖锐的漏斗：大约60亿人几乎没接触过LLM，10亿至20亿人随意使用免费版聊天机器人，约2000万人使用前沿模型进行数学和编程，而大约5000人拥有对前沿系统的内部访问权限。他将这一漏斗归因于问题抱负、可验证领域中的能力参差不齐以及访问层级。

Karpathy：LLM 能力差距正扩大为一个陡峭的漏斗

Andrej Karpathy 表示，人们对 LLM 能力的共同理解上的差距正在扩大为一个“陡峭的漏斗”，而不是两群人各说各话。他估计大约有 60 亿人几乎没接触过 LLM，10 亿至 20 亿人随意使用免费版类 ChatGPT 产品，约 2000 万人看到前沿级别的数学和代码应用，而大约 5000 人能够内部访问前沿系统。他将这一漏斗归因于影响力随雄心而扩展、能力的不均衡性以及访问层级。

Andrej Karpathy 描述了人们对 LLM 能力认知日益扩大的漏斗式分化

Andrej Karpathy 认为，人们对 LLM 能力的理解正分化成一个陡峭的漏斗：粗略估计，60 亿人几乎没有接触过 LLM，10 亿至 20 亿人是休闲用户，2,000 万专业人士使用前沿 LLM 进行数学和编程，还有约 5,000 人能够使用内部前沿系统。他描述了越接近漏斗窄端、智能体工作流就越雄心勃勃的趋势，同时指出，人类的审查和理解能力开始跟不上。他将这种差距归因于问题的规模和持续时间、能力集中在具有经济价值且可通过数字方式验证的领域，以及免费、付费和内部访问权限之间的差异。

Vals AI 发现，智能体团队成本最高可达 5.1 倍，而质量提升甚微

评估公司 Vals AI 在 Vibe Code Bench 上测试了 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和团队形式运行，并采用中等和最高推理强度。团队的成本比单个智能体高出 1.8 倍至 5.1 倍，而在四组对比中只有一组显示出统计上显著的提升：GPT-6 Sol 在中等推理强度下，团队得分高出 7.3 分。在最高推理强度下，团队未能给任一模型带来真正的优势。

Alexandr Wang 认同 @Collin_Lemmon 对 Muse 消费级 AI 愿景的赞扬

@Collin_Lemmon 表示，Alexandr Wang 分享了一个消费级 AI 愿景：“我认为，Muse 能让每个人都拥有他们童年时梦想的成年生活”。Wang 表示：“说真的，这正是我的想法”

PolyAI 和 Otter 高管表示，语音 AI 还没有迎来属于自己的 ChatGPT 时刻

PolyAI 首席技术官 Shawn Wen 表示，尽管全双工模型能够边听边说，语音 AI 仍需要更快的推理速度，才能让对话听起来自然。Otter 首席营销官 Alex Gay 表示，准确的转录、语言理解和富有表现力的语音对于实现自动化和建立信任都很重要。两位高管还强调，语音 AI 工具应告知人们，他们正在与 AI 对话或正在被录音。