RLE-Bench：面向机器人学习工程师能力的编程智能体评测基准
RLE-Bench 是一个面向机器人学习工程的编程智能体评测基准，覆盖交互式控制、策略学习、感知与估计、机械设计四类开发工作流。该基准通过成功率、训练策略、构建 harness 与机械结构等任务专用指标评估智能体产出，并聚合成 RLE Index 以支持多维能力对比。论文还结合案例研究分析了智能体在代表性任务上的当前能力与局限。
#Agent
HF Daily PapersAI 评分3434
Hugging Face Blog精选AI 评分6262 H Company 发布 Holo4 系列智能体模型与 Holotron4 Nano
H Company 发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 两个规格，基于 Qwen 基座训练，可通过 GUI、代码、MCP 和 API 与软件交互。
推荐理由：在 OSWorld 2.0 等基准上以远小于闭源前沿模型的参数量逼近头部表现，并开源权重与完整训练轨迹供复现。
xAI News精选AI 评分6363 xAI 推出 Team Bots：可共享、随工作持续学习的 Grok 智能体队友
xAI 推出 Team Bots，将 Grok Bot 打造成可被团队共享、随工作持续学习的 AI 智能体队友，集成上下文、插件、凭证和记忆四类能力。SpaceXAI 已将其用于销售晨报、工程协调、营销审核和数据查询等工作流；Harper 用 Team Bot 在 24 小时内为客户节省超 12 万美元。Team Bots 当日以公开测试版上线 Teams 和 Enterprise 计划。
推荐理由：原文给出了上下文、插件、凭证和记忆四类能力的具体组合，并展示了销售、工程等场景中的使用方式，可作为企业部署 AI 智能体的参考。
Hugging Face Blog精选AI 评分6464 Hugging Face Hub 新增 RL Environments 专区与框架标签
Hugging Face Hub 上线 RL Environments 专区，新增 rl-environment 数据集筛选器和 harbor、verifiers、openenv、nemo-gym 四个框架标签。
推荐理由：原文说明了把任务数据放回 Hub、由框架负责运行时的分工思路，并给出多框架的实际运行命令。
Anthropic News精选AI 评分7575 Anthropic 发布 Claude Sonnet 5.5，速度提升 30% 且成本降低
Anthropic 发布 Claude Sonnet 5.5，定位为混合推理模型，运行速度比 Sonnet 5 快 30%，典型工作负载成本最高降低 30%，支持 1M 上下文窗口。
推荐理由：原文给出了与 Sonnet 5 的速度与成本对比，以及多家客户在编码、Agent 场景下的实测反馈，读者可据此评估实际价值。
Anthropic News精选AI 评分7878 Anthropic 发布 Claude Sonnet 5.5，比 Sonnet 5 快 30% 且多数任务成本最高低 30%
Anthropic 发布 Claude Sonnet 5.5，作为 Opus 5.5 的低成本补充版本，生成速度比 Sonnet 5 快 30% 以上，多数任务成本最高降低 30%。
推荐理由：原文给出 Terminal-Bench 4.0 等具体评测分数与单任务成本变化，便于和 Sonnet 5 横向对照升级效果。
OpenAI NewsAI 评分2121 Proaction 借助 Codex 提升 60% 销售额并节省 75+ 小时
车队管理公司 Proaction 借助 Codex 将销售额提升 60%，并节省 75+ 小时。结合 GPT-Live-1 和 GPT-6 Astra，Proaction 能够更快地构建、运营和销售现代化车队管理方案。
OpenAI NewsAI 评分3131 Wayfair 借助 OpenAI 提升商品目录准确性与供应商支持效率
Wayfair 利用 OpenAI 模型构建商品目录质量系统和供应商支持平台 Wilma，已校验超过 1100 万条商品规格、每月自动化处理 4.1 万张供应商支持工单。在部分工作流中自动化率达 70%，商品属性检查速度达到去年的 70 倍，并部署了 1200 个 ChatGPT Enterprise 席位。
GitHub Blog · AI & ML精选AI 评分5555 GitHub Copilot：聊天框并非 AI 交互的最佳界面
GitHub 开发者 Burke Holland 在官方博客中提出，聊天框并非与 AI 交互的最佳界面，并介绍了 GitHub Copilot 中的 canvas 功能作为替代方案。
推荐理由：以 GitHub Copilot 的 canvas 为例，展示了当聊天框不再是主要界面时，AI 协作可以走出纯文本交互的局限。
HF Daily PapersAI 评分3333 DMM（Decentralized Master-Mind）：通过迭代意图去噪改进多智能体路径规划中的联合动作
DMM（Decentralized Master-Mind）提出一种去中心化多智能体路径规划方法，用迭代意图去噪替代单次动作采样，在 1,600 个 MovingAI 任务中解决 1,598 个，覆盖率高于所有评估基线。该方法以模仿学习预训练，再由无评论器的组相对强化学习方法 MICPO 微调，并可在障碍丰富的环境中扩展到超过 100 万个智能体同时行动。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Security Lab 开源 Fuzzing Taskflow：基于 Taskflow Agent 的 AI 模糊测试自动化流水线
GitHub Security Lab 基于自家 Taskflow Agent 框架开源了 Fuzzing Taskflow，面向 C/C++ 项目的自动化流水线。
推荐理由：原文把智能体的判断和 MCP 工具的执行切开，并给出持续反馈与止损的具体策略，可作为同类安全自动化流水线的设计参考。
Anthropic News精选AI 评分7171 Claude 自主发现类 CRISPR 新酶系统 ART
Anthropic 旗下生命科学团队用 Claude 智能体在 DNA 序列库中自主发现类 CRISPR 的新型酶系统 ART。约 950 个 Claude 智能体在 21 小时内用 2.1 亿 token 筛查逾 20 万条 RT 序列并锁定 ART，随后通过湿实验初步确认其结构。
推荐理由：Claude 通过约 950 个智能体自主分析 DNA 库，发现类 CRISPR 的新酶系统 ART，给出了 AI 驱动生物学发现的具体方法。
OpenAI NewsAI 评分2929 Ringg 的 AI 智能体借助 OpenAI 解决高达 65% 的客户来电
Ringg 基于 GPT-5.6 构建的 AI 智能体可自动解决高达 65% 的客户来电，覆盖语音、聊天、WhatsApp 和网页等渠道，并支持多语言。相比 GPT-4.1，相关成本降低 90%。
OpenAI News精选AI 评分6565 GPT-6 推出改进版提示词缓存与监控工具
OpenAI 为 GPT-6 推出改进版提示词缓存系统，默认缓存命中率更高，对 30 分钟窗口内复用的前缀提供最高 90% 的输入 token 折扣。新增 Prompt Caching Dashboard、缓存诊断工具、显式缓存断点、推理力度调整推理不破坏缓存以及缓存预热等能力。
推荐理由：GPT-6 的缓存系统更新给出更高的默认命中率和监控工具，文中合作方数据可作为 Agent 类应用优化成本与延迟的参考。
OpenAI News精选AI 评分7676 OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，API 价格较 GPT-5.6 下调 50%
OpenAI 发布 GPT-6 家族的 GPT-6 Sol 与 GPT-6 Luna，API 定价较 GPT-5.6 促销价下调 50%，分别为 $2/$10 与 $0.10/$0.50（每百万 token）。
推荐理由：原文把 GPT-6 Sol 和 Luna 的 API 定价、缓存折扣以及在 AutomationBench、DeepSWE 等基准上与 Claude Opus 5、Fable 5.1 的成本-得分一并列出，便于同价位横向对照。
NVIDIA Blog精选AI 评分4848 NVIDIA 发布 Isaac ROS 5.0，引入智能体开发流程与 ROS Lyrical 支持
NVIDIA 在 ROSCon 大会发布 Isaac ROS 5.0，新增对 ROS Lyrical 与 Ubuntu 24.04 的支持，并引入面向 AI 智能体的开发流程。
推荐理由：Isaac ROS 5.0 把 AI 智能体工作流引入 ROS 开源生态，并打通从 Jetson Orin Nano 到 Jetson Thor 的端侧部署路径，读者可据此了解当前具身智能开发栈的具体形态。
xAI News精选AI 评分3636 xAI 旗下 SpaceXAI 用 Grok Bot 规模化客服实践
xAI 旗下 SpaceXAI 在客服体系中规模化部署 Grok Bot，支持工单量上涨 175% 的同时未新增人力，单工单解决成本压至 $0.20–$0.30，低于传统 AI 客服 $1–$4 的报价。
推荐理由：原文给出了 Grok Bot 在客服场景的接入顺序、单工单成本区间和持续改进闭环，可作为 Agent 落地的具体参考。
OpenAI NewsAI 评分2525 V7 借助 GPT-5.6 Luna 削减 78% 成本并提升准确率
V7 基于 GPT-5.6 Luna 将企业零散文件整合为 AI 智能体可调用的上下文，用于完成来源可追溯的复杂任务，成本下降 78%，准确率同步提升。
GitHub Blog · AI & MLAI 评分2626 GitHub 拆解 AI 编程五大热门观点：代码还要不要读、RAG 是否已死、Skills 是否取代 MCP
GitHub 在最新一期播客中逐一拆解了 AI 编程领域的五大争议观点。开发者仍需按风险分级审查 AI 生成的代码，企业更看重候选人使用 AI 的判断力而非是否采用，Skills 与 MCP 各解决不同问题可互补使用，RAG 也并未过时仍能帮助模型检索外部信息。这些技术可以共存于同一工作流，不应</think>
Google AI BlogAI 评分2828 Google 与时装设计师共创未来时尚：两款 Google Flow 工具登陆纽约时装周
Google Envisioning Studio 联合 Google Labs 与时装设计师 Jane Wade、Sergio Hudson 在 Google Flow 中共创两款工具用于纽约时装周：Styling Suite 可在数字模特上虚拟搭配全套造型，把原本最多三天的试装环节前置；Runway Visualization 能模拟秀场、调整灯光与道具动线以贴合预算。
OpenAI NewsAI 评分1919 Cooley 如何借助 ChatGPT Work 加速 IPO 工作
Cooley 基于 ChatGPT Work 构建了 GO Public 工具，将大语言模型能力引入 IPO 流程，帮助律师更早发现潜在问题，并把判断力集中于最关键的环节。
Anthropic News精选AI 评分4444 Claude Code：Anthropic 面向终端与 IDE 的编码智能体
Claude Code 是 Anthropic 的编码智能体，可在终端、IDE、Slack 和 Web 中运行，覆盖 macOS、Linux 和 Windows。
推荐理由：页面汇总了 Claude Code 在终端、IDE、Slack 与 Web 中的能力范围，并披露 Opus 5.5 Fast mode 的速度与定价。
Hugging Face Blog精选AI 评分6767 IBM Research 为 ALTK-Evolve 引入一致性指南，把 GPT-4.1 ReAct 智能体的一致性差距减半
IBM Research 在 ALTK-Evolve 中新增一致性指南与 Consistency Analyzer 诊断，将 GPT-4.1 ReAct 智能体在 AppWorld 上的一致性差距从 24.4pp 砍到 12.0pp。
推荐理由：在意智能体稳定性的团队可直接参考 Pass^k 与一致性差距的诊断方式，以及从历史轨迹自动生成并回灌上下文的一致性指南。
书生 InternLM精选AI 评分6060 上海AI实验室发布Atria Dawn Preview预览版智能体模型
上海人工智能实验室发布新一代智能体模型 Atria Dawn Preview 预览版，基于 744B 参数的 MoE GLM-5.2 基础模型，256K 上下文，仅支持文本输入，覆盖检索发现、构建创造、交付落地和网络安全四类任务。
推荐理由：在搜索、编码、工具使用、生产力和安全等任务上同时给出与多个主流模型的横向对比数据，读者可以据此评估其相对位置。
Google AI BlogAI 评分2929 Google DevFest 2026 回归：覆盖 115 国、800 余场的全球开发者大会
Google DevFest 2026 季将于 10 月 1 日至 12 月 31 日回归，预计吸引近百万开发者参与，并在 115 个国家和地区举办超过 800 场活动。
GitHub Blog · AI & MLAI 评分2828 GitHub Copilot 如何把市场活动运营变成代码：从策划到跟进
GitHub 日本与韩国市场负责人借助 GitHub Copilot 将活动从策划到跟进全流程自动化。每个活动对应一个 GitHub Issue，Issue 表单作为申请表、标签作为触发开关、GitHub Actions 工作流执行后续操作。仓库根目录的 AGENTS.md runbook 为 Copilot 提供命名与邮件模板，活动平台 API 与 CRM CLI 提供脚本化入口。
DeepSeek精选AI 评分8080 DeepSeek 发布 DeepSeek-V4.1-Flash，主打 KV cache 极限压缩
DeepSeek 发布多模态 MoE 模型 DeepSeek-V4.1-Flash，采用 CED 架构、CSA2 与 FP4 KV cache 等压缩手段，将全局 KV cache 占用压至每 token 890 字节，相对 DeepSeek-V4-Flash 和 DeepSeek-V1 分别缩减约 4 倍与 437 倍。
推荐理由：原文给出 CED 架构、CSA2 与 FP4 KV cache 等具体压缩设计，并对照 Opus-5.0、GPT-5.6 等前沿模型列出 agentic 基准成绩，读者可据此评估压缩策略对推理成本的实际收益。
OpenAI News精选AI 评分6262 OpenAI 发布 Agents API
OpenAI 发布 Agents API，用于在云端构建和启动智能体的托管服务。该服务由 Codex harness 驱动，支持编排、长时会话和工具调用。
推荐理由：原文给出 Agents API 的核心能力边界和 Codex harness 底层，读者可据此评估对现有智能体工作流的替代价值。
Mistral AI精选AI 评分5050 Mistral 用 AI 智能体把 4 万行 Fortran 77 迁移到 C++
Mistral 团队用 AI 智能体为一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，先建数值一致性校验框架再按模块由多角色智能体在人类审校下推进。
推荐理由：用一个 4 万行 Fortran 77 到 C++ 的真实迁移案例，展示了先建数值一致性校验、再分模块推进并保留人类审校的可复用改造流程。
OpenAI NewsAI 评分2828 研究加速：OpenAI 内部视角
OpenAI 内部数据显示，coding agents 正在重塑其 AI 研究流程。文章披露了 agent 使用率、实验速度、任务复杂度及研究加速等指标的早期数据。
GitHub Blog · AI & ML精选AI 评分6565 GitHub Copilot 发布 Project HydraFusion 研究预览，通过多模型编排提升编码任务质量
GitHub 推出 Project HydraFusion 研究预览，已在 GitHub Copilot CLI 中通过 /experimental 向所有 Copilot 套餐开放，按底层模型标准 token 费率计费。
推荐理由：给出了多模型运行时编排的实现细节与三项智能体编码基准的成本与质量对比，可作为评估运行时调度思路取舍的参照。
xAI News精选AI 评分3737 xAI 让 Grok Bot 接管采购工作，已发现超 $100,000 直接节省
xAI 官方博客展示 Grok Bot 在企业采购场景的应用，其内部 Haggle Bot 已识别超过 $100,000 的直接节省。文章给出系统提示词范本和工具接入方式（Slack、Notion、Drive、Gmail、Hex、Ramp），Haggle Bot 已在 Bot Marketplace 上线，可直接复制导入。
推荐理由：xAI 把 Grok Bot 接入采购场景并给出 Haggle Bot 模板和具体节省数据，可作为评估智能体接管企业流程的参考。
xAI News精选AI 评分5656 xAI 推出 Grok Bot 企业版，新增访问与审计管理能力
xAI 宣布 Grok Bot 面向企业开放，新增访问、网络与审计控制能力。Grok 与 Cursor Enterprise 用户可免费使用两周，并可邀请组织内无现有席位的成员。每个 Bot 在云端隔离环境中执行工作流，可通过一次演示学会流程，多个 Bot 之间可通信与共享上下文。
推荐理由：原文给出了企业级的访问、网络与审计控制细节，并列举跨部门典型用法，便于评估落地路径。
xAI News精选AI 评分6161 xAI 详解 Grok Bot 设计思路，把产品主体从对话改为持久型 Bot
xAI 推出 AI 智能体产品 Grok Bot，把产品主体从对话改为持久型 Bot，并把界面收敛为 Bot、Chat、Prompt、Tool、Artifact 五个对象。每个 Bot 拥有独立身份、记忆、运行时和工具；共享能力放账户级，记忆和 Routines 跟着角色走，Routines 可让 Bot 按计划或事件自动启动。系统限制每个账户最多约 50 个 Bot、群聊最多 6 个。
推荐理由：xAI 公开 Grok Bot 的核心设计取舍，把产品主体从对话转移到 Bot 本身，并划清共享能力与角色记忆的边界。
Hugging Face Blog精选AI 评分6868 Hugging Face 开源 funes，给编码代理加入可跨工具共享的持久记忆
Hugging Face 开源 funes，一个把 Claude Code、Codex、pi、Hermes 会话轨迹索引成本地记忆层的单二进制工具。安装只需一条 curl 命令，记忆默认存本地 Lance 数据集，可绑定到 Hugging Face 私有数据集实现跨机器和跨代理共享；recall 返回原文并标注来源。
推荐理由：funes 给出了会话轨迹索引、跨代理共享与远程记忆同步的完整命令链和架构，方便直接接入现有编码代理。
Google DeepMind精选AI 评分5151 Google DeepMind 推出 Fairwind Program，用 Gemini 3.8 Flash Cyber 自动修复漏洞
Google DeepMind 推出 Fairwind Program，将面向网络安全场景的 Gemini 3.8 Flash Cyber 与 CodeMender 配合，向受信任的政府机构、关键基础设施和核心技术平台开放，用于自动查找并修复代码漏洞。
推荐理由：Google 把专门的 Gemini 3.8 Flash Cyber 与 CodeMender 组合开放给受信任的政府和企业伙伴，用于自动发现和验证修复代码漏洞，可对照现有 Agentic 安全方案的落地形态。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型，分别面向通用推理编码与网络安全防御。
推荐理由：同一价位下编码与推理能力相对前代明显提升，且同步给出安全专用版的基准与开放范围，读者可据此做选型对照。
Google DeepMind精选AI 评分6868 Gemini 推出 agentic 视频理解功能，最多可减少 88% token 消耗
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 中上线 agentic 视频理解功能，可将 token 消耗降低最多 88%、成本降低最多 66%，分析精度最高提升 7%。
推荐理由：对比传统固定帧率处理方式，原文给出 token 消耗与精度的具体改进幅度，可作为评估新视频管线效果的参考。
OpenAI NewsAI 评分3131 AI 原生企业如何将工作流转化为运营能力
Basis、Clay 和 Exa Labs 三家 AI 原生企业用 AI 智能体改造新员工入职、客户管理和开发者集成等关键流程，把日常工作流沉淀为可复用的运营能力，为企业领导者提供可借鉴的实践经验。
DeepSeek精选AI 评分7373 DeepSeek 发布 V4-Flash-Vision-Exp 实验多模态模型
DeepSeek 发布 V4 系列首个实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，在 V4-Flash 架构上加入视觉模块继续训练。
推荐理由：仓库同时给出与 Opus-4.8 的多模态 Agent 基准对比和开源推理实现，读者可据此判断它在 V4 系列里的相对位置。