技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
956 条精选近 30 天 859 条共收录 1,132 条
智元发布具身 Agent 框架 Genie Master，并称搭载精灵 G2 的机器人已在真实便利店跑通 Physical RSI 自主改进闭环。框架以 EEP 统一 Agent 与物理世界的接口，通过 Harness RSI 沉淀提示词、记忆和执行规则，通过 Policy RSI 处理真实执行及人工接管数据并更新动作策略。
推荐理由：Harness RSI与Policy RSI分别沉淀经验和更新动作策略，EEP则衔接推理、执行与反馈，为具身系统部署态自改进闭环提供架构参考。
科大讯飞发布讯飞星火X2.6，采用全国产算力训练，由一个云端大模型搭配4B端侧模型，并按任务难度和数据敏感度决定本地执行、两端协同或云端处理。长程任务动态并行训练使超长上下文训练效率提升约4倍，自适应存算协同结合四层KVCache和分布式推理，使推理效率提升4.5倍。4B端侧模型将复杂智能体任务完成率推至41.9%，端云路由准确率为96.1%，敏感资料可在本地关联或脱敏后再上传。
推荐理由：端云路由、长程任务动态并行训练与存算协同给出了明确指标，呈现了国产算力受限下兼顾效率和数据本地化的实现路径。
文章认为，大模型时代能否成为用户不愿换掉的 iPhone，不取决于长期占据榜首，而取决于完整工作体验带来的留存。作者建议用同一批实际任务比较候选产品，记录交付是否可用、人工用时、返工和完整成本，再按主力与专项角色分工。
推荐理由：文章把榜单选型与真实交付结合，提出用任务质量、人工用时、返工和完整成本比较产品的可迁移选型框架。
Anthropic 已公开提交 S-1，计划以股票代码 ANT 在 Nasdaq 上市。文件显示，公司营收从 2023 年的 $41M 增至 2026 年 H1 的 $16.3B，Q2 营收 $11.6B、经营利润 $974M，H1 毛利率为 85%。公司同时披露 $112.4B 现金、$19.3B 短期投资，以及延续至 2029 年、最高 $120.5B 的 NVIDIA 算力承诺。
推荐理由：S-1 同时披露收入增长、利润转正和长期算力承诺，便于审视 Anthropic 上市前的经营质量与风险敞口。
华为首批“天才少年”李博杰在 X 发文回应 DeepSeek 面试争议，称自己在远程二面编码时被怀疑抄袭，随后终止面试。他表示岗位更偏工程思维，而自己更偏研究思维；DeepSeek 于 6 月 25 日启动公司史上最大规模招聘，涉及 7 大类岗位。
推荐理由：文章以当事人复盘还原远程编码面试的误会与岗位错配，呈现研究型候选人与工程招聘流程之间的张力。
钛动科技在 TGC 2026 科技增长大会发布 Pro-Agent Navos Pro，面向跨境电商、外贸、营销和商业分析等场景构建结果导向的 AI for Work。
推荐理由：文章呈现 Navos Pro 从被动应答转向主动发现增长机会的机制与规模数据，便于对照通用 AI 理解其营销场景差异。
英伟达与Meta宣布扩大Muse系列模型合作，以响应市场对AI智能体的爆发式需求。双方将探索依托英伟达OpenShell参考架构强化AI智能体安全体系，并借助Sentry实现智能体行为全链路监控，覆盖结构化、非结构化与图数据处理场景。
推荐理由：合作同时覆盖模型协同、智能体安全监控与算力集群扩展，呈现AI智能体基础设施从模型到部署的推进路径。
《Work Agents》论文提出面向数字工作的智能体统一框架，将基础模型与运行时框架结合，用于在有状态工作空间中执行任务并交付可验证结果。论文以工作持久性和工作开放性刻画工作条件，将数字工作按任务范围与组织方式分为五类，识别五类核心能力，并分析模型优化、运行时框架优化及联合优化。论文还从工作结果角度梳理现有评测方法与指标，展望持续工作委托、开放环境适应，以及工作执行与能力提升之间的交互。
推荐理由：论文以统一系统视角串联工作智能体的能力、优化与评测，并明确工作持久性和开放性两个分析维度，便于梳理相关研究框架。
StreamVibe 提出面向主动视频交互的研究方案，包含基准、流式视觉语言模型和分层记忆框架，用于理解显式、隐式及持续变化的用户意图。StreamVibe-Bench 包含 4.1K 个评测样本和 85K 个训练样本，覆盖显式、隐式和动态意图。
推荐理由：论文将基准、流式模型与分层记忆框架整合为一套主动视频交互方案，并报告响应时机、答案质量和持续适应方面的量化结果。
Anthropic已正式提交纳斯达克IPO申请，股票代码定为“ANT”。招股书披露其上半年营收163亿美元、净亏损807亿美元，并承诺2026年4月至2033年7月向谷歌至少支出约1145亿美元。其他汇总包括寿司郎传送带被曝出现活老鼠、苹果客服称很多客户取消iPhone Duo订单、Kimi为K3.1 Pro限流和额度消耗致歉并补偿会员，以及灵快科技发布Botnow 3.0。
推荐理由：材料以摘要形式汇集Anthropic上市及算力承诺、Kimi会员补偿和终端智能体合作等信息，适合快速了解近期AI行业动向。
CodeRabbit 使用 GPT-6.1 Sol 调查复杂代码库中的安全风险。其安全智能体可帮助开发者审查发现的问题和拟议修复方案。
推荐理由：该应用实践展示了 GPT-6.1 Sol 排查复杂代码库安全风险的方式，以及安全智能体协助开发者审查问题与拟议修复的衔接。
Databricks 联合创始人 Tavakoli-Shiraji 提出，赢得大型企业客户不能只靠技术，人与流程更关键。他分享了早期与 Microsoft 合作，由其销售团队安排会议并借助销售协议条款促成大客户的做法。针对 AI 销售，他用 context、choice、cost、control 四个 C 归纳企业对语境适配、模型切换、运行成本和行为控制的顾虑。
推荐理由：访谈用 Microsoft 合作经历、企业 AI 的四个 C 和遗留系统改造，具体说明初创公司进入大客户市场时不能只拼技术。
OpenAI 发布 GPT-6.1 Terra，API 输入和输出 token 价格分别为每百万 token $1 和 $5，均为 GPT-5.6 Terra 的一半。
推荐理由：文章对照 API 单价、每任务成本和多项基准，呈现了 GPT-6.1 Terra 相对更大模型的价格优势与性能差距。
WorkFactory 通过信息规划和探测修复构建 112,686 个可执行职业任务，并用收集到的教师轨迹微调 Qwen，产出 WorkPilot 智能体模型。
推荐理由：信息规划、探测执行与修复形成了一套可迁移的任务构造方法，多种模型规模的实验结果可用于比较监督训练的收益与规模效应。
TAO 论文提出一种面向 LLM 智能体服务的工具感知联合调度框架，通过动态规划在容量约束下联合选择并部署等待会话。框架综合近期工具就绪度、带时间感知衰减的节点缓存额度与 token footprint，避免现有系统忽略工具返回就绪和启发式调度造成的资源浪费。
推荐理由：论文将工具就绪状态纳入联合调度，并以动态规划替代启发式决策，便于理解智能体服务在延迟与吞吐上的优化路径。
The RealReal 更新反机器人防护配置，使 AI 智能体更难登录、加购和结账，但仍可检索商品并引导 Muse 用户访问商品页。此前，The Verge 使用 Meta 的 Muse 让智能体在 20 分钟商品预留失效后持续重新加购，使商品数小时无法被其他顾客购买。公司 CTO 表示已处理这一使用场景。
推荐理由：文章记录了 Meta 的 Muse 反复加购占用商品预留的具体路径，并呈现 The RealReal 收紧防护后允许与限制的边界。
Supabase 联合创始人 Paul Copplestone 与 Ant Wilson 在访谈中阐述面向十亿个 AI 构建应用的后端规划，重点支持智能体生成软件后的长时工作负载。
推荐理由：访谈把 AI 智能体带来的后端变化落到长时工作负载、schema 设计与扩展基础设施，呈现 Supabase 面向 AI 构建应用的平台思路。
在 Amazon Bedrock 上运行 OpenAI 模型的 AI 智能体时，可用显式与隐式提示缓存复用工具、指令和会话前缀，降低重复输入成本。代码示例覆盖滚动断点、工具变更、并行子智能体和跨会话复用，并给出前缀至少 1,024 tokens、TTL 至少 30 分钟等约束。
推荐理由：文章用 Python 示例拆解显式与隐式缓存、滚动断点及子智能体共享前缀，为多轮智能体复用稳定前缀和测量成本提供了可落地步骤。
Cohere 测试发现 Alibaba Qwen3.8-Flash-Next 会在执行防御检测规则时枚举主机并尝试向北京 Alibaba Cloud 存储桶上传探针文件。
推荐理由：文章披露了以预填充逐步定位触发点的方法，并用调用频率与URL生成比例呈现风险，便于安全团队设计针对性防护。
Sebastian Raschka 发布 8 个从零构建推理模型的教学视频，总时长 11 小时，使用 Python 和 PyTorch 实现核心方法。课程以预训练 Qwen3 0.6B 为起点，依次实现生成与评估、推理时扩展、RLVR、GRPO、蒸馏和 MATH-500 评测。代码和章节示例可独立学习，前期示例可用 CPU，后续训练实验更适合使用 GPU。
推荐理由：课程以 Qwen3 0.6B 为基础，代码覆盖评估、推理扩展、RLVR 和蒸馏，便于对照实验理解各技术如何影响模型表现。