本周观察到两条线在同时收紧。一条是“决策中枢”被单独拆出来做产品：海外 OpenAI 把 Jev 竞品全面开放、Cloudflare 开源 Clef，国内 HuggingFace 榜上 StartLux 稳居决策模型 SOTA，腾讯混元则用阿里模型当基座跑出 Terminal-RSI 的自我进化——基座与应用方的关系正在被重新排列。另一条是语音与入口的密度异常：讯飞端到端模型调用量涨 20 倍、阿里 Qwen-Audio-3.1-ASR 出技术报告，海外 Amazon Polly 同期大版本升级，千问则把 Agent 装进眼镜。决策层与入口层同时加速，中间那层通用能力反倒少见有人单独谈论。
—— 挖宝的瓦力
本周竞争重心正从模型本体移向 Agent 的外围层。海外围绕 MCP 铺设基础设施：AWS 上线 Agent Registry、Google Data Agent Kit 转正、Cloudflare 让十万电商站点成为可调用工具，Anthropic 以 Claude Duet 押注主动式入口。国内入口与底座并行：阿里千问做 AI 眼镜与 Personal Agent、月之暗面 Kimi K3.1 Pro 加量降价、字节豆包把网页变成可共创页面，DeepSeek 与讯飞补搜索、语音的底层短板，百度萝卜快跑周单 25 万挤进网约车。同期论文却在降温——简单 RAG 常胜复杂记忆架构。
60
总条目
18
学术
42
工业
6
覆盖维度
W43
周次
阿里通义发布 Qwen-Audio-3.1-ASR 技术报告，语音识别与说话人分离能力升级。
阿里通义实验室发布 Qwen-Audio-3.1-ASR 技术报告，在原有语音识别能力基础上引入说话人分离（speaker diarization）升级，即在转写文本的同时区分不同说话人。报告覆盖模型结构、训练数据与评测结果，属于音频感知模型的一次版本迭代。
ASR 与说话人分离合并进同一模型，会议转写类语音输入链路可少一次后处理拼接。
发布 MCP 网关能力与安全统一评测平台 GatewayBench，覆盖网关选型与安全边界对比。
GatewayBench 是面向 MCP 网关的统一评测平台，同时在能力与安全两个维度打分，对多个网关实现给出可横向对比的评测结果。平台用于辅助网关选型，并判断 MCP 转发链路中的安全边界落在何处，评测项涉及工具暴露范围、权限控制与调用路径等。
MCP 网关正在成为 Agent 工具链的必经节点，而此前缺少同时覆盖能力与安全的横向对比基准。
LoongSage 发布面向前沿 LLM 的生产级 Agentic RL 训练框架，并附带已验证的训练配方。
LoongSage 是面向 Agentic 强化学习训练的生产级框架，针对前沿大模型在长程、多轮工具调用场景下的训练效率问题设计。除框架本身外，还公开了经过验证的训练配方（recipe），覆盖数据组织与超参配置，使训练流程可直接复现而非仅提供代码。
同时给出框架与已验证配方，把 Agentic RL 从单点实验推向可复现的工程流程，配方部分是多数开源框架缺失的一环。
论文揭示长期记忆与 LLM 结合后，攻击者可通过提示注入实现持久性劫持。
该研究分析 LLM 长期记忆机制引入的攻击面：恶意内容一旦写入记忆库，会在后续会话中被反复检索并触发，形成从单次提示注入到持久性失陷的完整链路。文中拆解了攻击路径，并从记忆写入校验、检索内容信任分级等环节给出防御启示。
记忆一旦可写，注入就从一次性利用变成驻留型后门，防御点随之前移到写入与检索两个环节。
有研究对比后发现，简单 RAG 在多项任务上常胜过复杂的 Agent 记忆架构。
该研究对比朴素 RAG 与带摘要、反思、多级存储等组件的 Agent 记忆架构，发现在多类检索与问答任务上，简单 RAG 的回答质量不输甚至更好，而复杂记忆层带来额外 token 开销、延迟与维护复杂度。作者据此提出，在默认叠加记忆模块之前应先验证其实际增益。
记忆架构的复杂度未必换来效果提升；朴素 RAG 是一个常被低估的基线，过度设计记忆层的问题开始被系统性地质疑。
发布企业级 Agent 评测基准 MMEnterprise-Bench，覆盖随协作演化的多模态记录版本。
该基准面向企业场景评测 Agent，特点是记录数据会随团队协作不断改版，考察 Agent 在多模态、多版本信息条件下的表现。摘要称其可用于企业 Agent 的选型测试。
把信息随协作演化本身作为评测变量，更接近企业文档的真实状态，而不是静态快照。
开源一个 Agent 轨迹逐步标注工作台 Annotrace，用于对 Agent 执行轨迹做结构化的步骤级标注。
Annotrace 是面向 Agent 轨迹的标注工作台，支持对执行轨迹按步骤切分并逐级打标，提供标注界面与数据组织方式。该工具针对现有可观测平台只做日志采集与展示、缺少结构化标注能力的问题，将轨迹数据转化为可用于分析与评测的标注集。
可观测平台解决“看得到”，标注工作台解决“标得上”，Agent 评测数据集的构建环节由此补上一块。
论文提出通过 harness 与策略模型的协同优化，让编码 Agent 具备自我进化能力。
研究将编码 Agent 的 harness（围绕模型的外部执行与反馈框架）与底层策略模型视为可联合优化的对象，通过 Harness-Policy Optimization 让两者在迭代中相互适配。摘要未披露具体任务规模、基线模型与性能提升幅度。
把 Agent 的外部脚手架当作可训练变量而非固定工程件，与只微调模型权重的自我改进路线形成对照。
论文在金融审阅任务上对照单 Agent 与多 Agent 配置，比较多角色拆解是否带来收益。
研究在同一金融审阅任务上对比单 Agent 与多 Agent 两种 LLM 配置，考察拆分角色与流程后的表现差异。结果显示多 Agent 未必优于单 Agent，任务拆解引入的协调成本与错误传播会影响最终效果。
这是一个反例：多 Agent 的收益取决于任务结构，在金融审阅这类任务上，拆分并未自动带来提升。
论文用计算可分离性框架解释推理时 harness 的增益，说明多次调用并保持状态为何提升模型能力。
该研究从计算可分离性角度分析推理时脚手架的作用机制，论证通过多次模型调用并在调用之间保持状态，可把单次调用难以完成的计算拆分为可分别求解的部分，从而提升整体能力表现。为推理时编排策略提供了理论解释。
为“多轮调用加状态保持”这类工程惯例补上了理论解释，把 harness 设计从经验试错拉向可分析的计算结构问题。
提出记忆驱动的主动式助手 ProPerAgent，由 Agent 自行判断是否以及何时介入。
论文提出 ProPerAgent，利用长期记忆建模用户状态与上下文，让助手自主决定是否需要主动发起交互以及介入的时机，而非被动等待用户提问。研究围绕记忆表示、介入时机判定与主动性评估设计展开，并给出与被动式助手的对比实验结果。
把是否介入交由 Agent 自主判断，主动性从固定触发规则变成需要建模和评估的决策问题。
提出一种迭代式、以状态为中心的深度研究 Agent，将文献调研建模为多轮自主探索过程。
该工作提出 Optimist 深度研究 Agent，把文献调研任务建模为多轮迭代的自主探索：以显式维护的研究状态为中心，每轮基于当前状态决定下一步检索与读取动作，并持续更新状态。相比一次性生成式综述，该架构强调状态累积与多轮推进。
把“状态”而非“对话历史”作为深度研究 Agent 的核心承载物，是长任务 Agent 架构的一种取舍方向。
论文讨论计算机使用智能体的界面设计，主张为智能体设计原生接口而非沿用人类 UI。
该论文围绕 computer-use agent 的交互层展开，指出当前智能体多在为人类设计的图形界面上操作，效率与稳定性受限。作者主张为智能体设计原生接口（agent-native interface），并讨论了这类接口在信息表达与操作语义上的设计取向。
把「智能体该不该直接读屏点鼠标」从模型能力问题上升为接口设计问题，是 GUI agent 路线之争的一个新切入角度。
论文提出 CUA-Recovery 基准，评测长程 computer-use Agent 的隐蔽错误恢复能力。
CUA-Recovery 是面向长程 computer-use Agent 的评测基准，聚焦一类易被常规指标掩盖的错误：执行过程中不立即暴露、但会累积影响后续步骤的隐蔽错误。基准构造需要 Agent 识别并从中恢复的任务序列，用于衡量现有模型在长链路操作中的纠错表现。
把「隐蔽错误」而非「明显失败」作为评测对象，长程任务的真实瓶颈往往在错误被发现之前的累积阶段。
研究对生物医学文献核查 Agent 的 harness 设计做受控对比，识别真正影响效果的组件。
该工作构建生物医学论文声明核查 Agent，并在受控条件下对比不同 harness 设计对最终效果的影响。研究以真实 PMID 但论文不匹配的情形为切入点，逐项拆解 harness 各组件的作用，指出哪些组件实际决定了核查表现的差异。
以真实 PMID 配错论文作为测试场景，属于对抗性较强的核查设定，harness 组件的消融结论比整体分数更有参考价值。
提出 RITE 评测，衡量电商 Agent 面对静默工具错误时的端到端容错与恢复能力。
RITE 针对电商 Agent 调用链中工具返回异常结果却不报错（静默失败）的情形构建端到端评测，考察 Agent 在多步调用中能否识别被污染的工具输出并完成恢复，覆盖任务完成度与恢复路径等维度。摘要未披露具体任务规模、涉及的模型清单与基线成绩。
静默工具错误不抛异常，只污染下游推理，是 Agent 上线后最难排查的一类失败模式，此前少有专门的端到端评测。
提出 SkillBrowser，为技能型 Agent 提供选择性技能暴露机制以控制上下文规模。
SkillBrowser 针对技能数量增长后 prompt 中技能描述膨胀的问题，改为按需选择性暴露技能：Agent 先检索并浏览技能库，再只加载当前任务相关的技能定义。机制目标是在技能规模化时保持上下文可控，同时不牺牲可选技能的整体范围。
技能规模化与上下文膨胀的矛盾，正从写更短的技能描述转向运行时按需暴露这一层来解决。
提出 TokenEconomizer，一种面向编码 Agent 的黑盒 token 成本控制方法，基于经验降低开发场景调用开销。
该方法针对编码 Agent 在真实开发任务中的 token 开销问题，采用黑盒方式在外部对调用进行成本控制，不依赖模型内部信息，通过积累经验决定何时压缩或调整请求。摘要未给出具体节省比例与实现细节。
把成本控制做成模型外的黑盒层，不需要改动 Agent 本体或拿到模型内部访问权限。
Anthropic 推出主动式个人 AI 助理 Claude Duet，从被动应答转向主动执行任务。
Anthropic 发布个人 AI 助理 Claude Duet，产品定位为主动式助手，可在用户未逐条下达指令的情况下主动发起并推进任务。此举被视作 Anthropic 加入硅谷新一轮助手竞赛，竞争焦点从被动应答的问答形态转向主动执行的后台代理形态。
竞争焦点正从“问答质量”迁移到“主动性”：助手何时该自己动手、何时该等人确认，成为新的产品分水岭。
Anthropic 推出 Claude Duet 应用，以候补名单方式向 Pro 与 Max 订阅用户开放，押注 Agent 入口。
Anthropic 发布名为 Claude Duet 的应用，定位为 Agent 形态的产品入口。发布初期采用候补名单机制，面向 Pro 与 Max 订阅用户分批开放，未公布全面可用时间和定价细节。这被视为 Anthropic 在 Agent 交互入口上的直接布局。
Anthropic 选择以独立应用而非模型 API 的方式承载 Agent，订阅分层成为其首批放量渠道。
国产决策模型StartLux登顶HuggingFace榜单，主攻Agent决策中枢。
HuggingFace发布榜单，国产决策模型StartLux位列SOTA。该模型主打成本控制与不确定性表达两项能力，定位为Agent的决策中枢，即在任务执行链路中承担判断与选择环节，而非通用对话生成。
把不确定性表达作为核心能力，对应的是Agent在决策环节何时该停、该问、该放弃。
讯飞发布新一代端到端语音交互模型，语音大模型调用量涨 20 倍。
讯飞推出新一代端到端交互模型，主打语音链路的端到端建模，官方称其语音大模型调用量增长 20 倍，端侧已能实现约 70% 的云端能力。发布同时给出了端云能力比例这一指标，指向低延迟、离在线一体的交互形态。
端侧做到云端约七成能力，端云能力比被当作可对外公布的量化指标，语音交互的部署边界在往设备侧挪。
OpenAI 将决策模型 Jev 的竞品全面开放，决策模型赛道竞争升温。
OpenAI 把此前受限的决策类模型向更广泛用户开放，与 Jev 等决策模型产品正面竞争。这类模型面向多步推理、方案权衡与结构化选择场景，输出可比较的决策结果而非单纯文本。开放范围扩大后，Agent 在规划与选型环节可选的底座模型增加。
决策模型正从文本生成中分化出独立品类，Agent 规划层的模型选择因此多出一条产品线。
AWS 推出 Agent Registry 服务，支持在运行时发现、实例化并执行工具，兼容 MCP 与 A2A。
AWS 发布 Agent Registry，把工具接入从硬编码改为运行时发现—实例化—执行的循环，工具由注册中心动态提供而非写死在 Agent 代码里。该服务同时支持 MCP 与 A2A 两种协议，使 Agent 可在运行期获取并调用外部工具与其它 Agent。
工具接线从代码里搬到注册中心，MCP 与 A2A 并列支持，Agent 的工具集合变成可运行时变更的配置。
DeepSeek 上线面向 Agent 的自研搜索工具，按次计费，检索失败不收费。
DeepSeek 为 Agent 场景自研搜索工具，定价为每千次调用 5 元，按实际调用次数结算，未检索到结果不计费。官方将其与同类搜索 API Tavily 对比，称价格远低于对方，主要面向需要联网检索能力的 Agent 调用场景。
千次 5 元、搜不到不收钱的计费方式，把 Agent 搜索 API 的成本结构与 Tavily 拉开了量级。
Google Data Agent Kit 转为正式可用版本，包含 37 个开源 skills 与接入数据云的 MCP 工具。
Google 宣布 Data Agent Kit 进入 GA 阶段，随附 37 个开源 skills 和 MCP 工具，用于连接其数据云服务，让 Agent 能查询和操作数据资产。该版本将 Agent 的权限管控拆成两层：skills 层负责能力与调用边界，IAM 层沿用云上的身份与访问控制，从而使数据访问授权与技能定义各自独立配置。
把 Agent 护栏拆成 skills 与 IAM 两条独立控制线，意味着能力清单和身份权限可以分开演进和审计。
Cloudflare 通过 WebMCP 协议，将近 10 万个 Commerce.com 电商站点开放为 AI Agent 可调用工具的接口。
Cloudflare 与电商平台 Commerce.com 合作，基于 WebMCP 让站点把商品浏览、下单等能力以工具形式暴露给 AI Agent。覆盖范围约 10 万个店铺，商家无需自建 Agent 接入层即可被 Agent 调用。文章同时说明了协议层如何做身份、权限与调用边界的处理。
把电商站点标准化为 Agent 可调用工具，等于给 Agent 商业链路提供了一层通用接入协议，而非每家商户单独对接。
AWS 博客详解 Eon 如何用 AgentCore MCP Gateway 统一多云工具鉴权，服务 100+ 开发者与 Agent。
案例介绍 Eon 在多云环境下构建调查类 Agent 的做法：通过 Amazon Bedrock AgentCore 的 MCP Gateway 将分散在多个云上的工具接入统一入口，集中处理鉴权、凭证管理和调用路由，避免每个 Agent 各自维护一套工具连接。文中给出架构分层、迁移过程与运行数据，目前支撑 100 多名开发者与若干 Agent 的日常调用。
MCP Gateway 作为工具访问的集中鉴权层，把凭证管理从各个 Agent 里抽出来，这类“网关化”是 Agent 规模上去之后绕不开的架构选择。
谷歌发布在 Gemini 中实现 MCP 应用的开发者指南，演示可视化多步任务交互。
谷歌开发者文档给出在 Gemini 中接入 MCP 应用的实现路径，覆盖应用注册、工具调用与多步任务的可视化呈现方式，说明宿主如何把 MCP 服务端返回的能力渲染为可交互界面。文档面向开发者，包含配置步骤与示例结构。
MCP 从单纯的工具调用协议延伸到可视化应用形态，宿主端如何编排与渲染多步任务成为新的设计面。
文章讨论大模型内卷之后，搜索基础设施成为 AI 厂商竞争的新焦点。
文章指出 Agent 产品落地后，实时、权威信息的接入能力决定体验上限，因此搜索基础设施成为竞争焦点，并以腾讯等厂商的布局为例展开。内容将搜索从模型能力中单列出来，讨论其在 Agent 链路中的位置与供给方式。
把搜索定位为 Agent 体验上限的约束项而非附属工具，竞争维度从模型参数转向实时信息供给。
1Password 上线 Agent 代登录功能，登录凭据不向 AI Agent 暴露。
1Password 发布面向 AI Agent 的登录授权方案：Agent 可代表用户完成网站登录，但全程不接触明文密码，凭据由密码管理器在隔离进程中注入。该能力把身份验证从面向人扩展到面向 Agent，并配合权限范围限定与访问记录。
凭据不进入 Agent 上下文，等于把密码管理器变成 Agent 的授权代理层，权限边界落在工具侧而非模型侧。
宣布将 Agent Skills 规范捐赠给 Agentic AI 基金会，交由基金会托管并推动技能生态标准化。
发布方把 Agent Skills 规范的治理权移交给 Agentic AI 基金会，捐赠范围包括规范文本与后续演进职责，由基金会以开放方式维护版本与兼容性。该规范用于描述 Agent 可调用的技能，目标是让技能定义能跨框架、跨厂商复用，而不是绑定在单一平台内。
技能描述格式从单一厂商规范转为基金会托管，与 MCP 走过的路径相似，Agent 互操作层的标准化又多了一个落点。
亚马逊封禁 AI 购物代理的同时，沃尔玛推出支持 Agent 代付并带额度管控的接入方案。
两家零售巨头对 AI 购物 Agent 采取相反策略：亚马逊选择封禁第三方代理访问，沃尔玛则开放接入，允许 Agent 代表用户完成下单支付。沃尔玛的方案包含额度管控机制，为代理消费设定上限。报道对比了两种路径在平台控制权与流量获取上的差异。
同一类 Agent 在两个平台遭遇封禁与开放的反差，额度管控是沃尔玛方案里的具体机制设计。
AWS 发布技术博客，介绍 Smartsheet MCP Server 在 AWS 上的部署方式与两种接入路径。
文章介绍 Smartsheet MCP Server 如何让 AI Agent 读写 Smartsheet 中的实时工作管理数据，包括任务、表格与项目状态。内容给出两种接入方式：本地运行 MCP Server 与通过 AWS 托管部署，并说明所需的凭证配置、权限范围与调用流程。
工作管理类 SaaS 通过 MCP 把项目数据开放给 Agent，MCP 的覆盖范围从开发工具向企业协作系统延伸。
厂商发布 Agent Compute Engine，并扩展 Agent 治理能力，面向企业级规模化部署场景。
该发布包含两部分：一是 Agent Compute Engine，为 Agent 提供计算执行层；二是对既有 Agent 治理能力的扩展，覆盖运行时的管控侧。整体定位为企业级 Agent 的规模化部署。摘要未披露支持的模型范围、并发规模、部署形态或计费方式等参数。
计算引擎与治理能力同期推出，企业侧 Agent 的落地瓶颈正从模型能力转向运行时与管控。
OpenAI 展示用 AI 迁移 COBOL 遗留系统，代码转换准确率由 5.4% 提升至 97.9%。
OpenAI 公布一项针对 COBOL 遗留系统的代码迁移实验，通过模型将老系统代码转换为新语言，转换准确率从基线 5.4% 提升到 97.9%。内容围绕大型机时代积累的存量系统展开，讨论 AI 在代码理解、逐段翻译和验证环节中的角色，以及遗留系统改造中长期存在的人力与时间成本问题。
准确率从 5.4% 到 97.9% 的跨度，指向的是遗留系统迁移这类高人工成本场景，而不是常规代码补全。
美团在 QCon 上海分享企业级 Agent 平台化的架构设计与真实业务落地经验。
该议题来自 QCon 上海，介绍美团内部企业级 Agent 的平台化实践，包括 Agent 运行框架、工具与知识接入方式、多业务线复用同一套平台的架构分层，以及真实业务场景上线后遇到的工程问题与处理方式。内容偏工程落地，而非模型能力本身。
看点在平台化这一步：把 Agent 从单个业务 demo 演进为共享基础设施时，工具接入规范与多团队复用才是真正的成本所在。
月之暗面发布 Kimi K3.1 Pro，以加量降价的方式对标 Opus5.5。
Kimi K3.1 Pro 在上一代基础上提升了能力，同时下调调用价格，官方将其对标对象直接指向 Opus5.5。发布内容涉及上下文长度、推理表现与定价档位等参数，是国内模型选型、成本测算与多模型路由方案中新增的一个候选。
国产模型把对标对象直接写成 Opus5.5 并同步降价，能力对齐与价格战在同一个发布里同时出现。
月之暗面发布 Kimi K3.1 Pro，模型能力完成一次版本更新。
月之暗面正式推出 Kimi K3.1 Pro，属 K3 系列的小版本迭代。发布内容以模型能力更新为主，摘要未提及上下文长度、定价、API 兼容性等具体参数，也未说明与前代版本在工具调用、长任务执行等 Agent 相关能力上的差异。
国产模型保持较高迭代频率，K3.1 Pro 定位为 K3 系列内的版本更新而非换代。
千问发布 AI 眼镜产品，官方表述将硬件定位为入口，Agent 能力视为长期留存关键。
千问推出 AI 眼镜，文章围绕“硬件越界”与“Agent 野心”两条线索展开，说明该产品在形态与交互上的取舍，以及背后 Agent 能力的定位：硬件承担入口与感知角色，Agent 负责持续服务与用户关系维系。文中还讨论了眼镜这一形态在佩戴时长与场景覆盖上的特点。
把硬件明确定位为入口而非终点，留存押注在 Agent 侧——这一表态来自大厂产品线，对硬件类 AI 产品的价值归属判断有参照意义。
Dyna Robotics 复盘 300 天真实场景部署经验，提出机器人领域的数据规模化 Scaling Law。
Dyna Robotics 在对话中回顾了 300 天真实环境部署中遇到的失败与修正，从采集数据、任务泛化到硬件迭代逐项拆解，并据此提出机器人数据规模化的 Scaling Law 假设，说明数据量、任务多样性与模型能力之间的经验关系。
把 Scaling Law 从文本模型迁移到机器人，依据不是论文实验，而是 300 天部署中积累的失败样本。
AWS 博客介绍在 SageMaker AI 上部署 Kokoro TTS，将 Agent 回复逐句流式合成为语音。
该文给出在 Amazon SageMaker AI 上部署开源 Kokoro TTS 模型并封装为推理端点的方案，把 Agent 生成的自然语言回复按句切分后逐段送入 TTS，边生成边返回音频流，而不是等整段文本完成后再合成，以此压缩语音 Agent 的端到端响应时间。文中包含端点配置、调用示例与延迟对比。
语音 Agent 的等待往往不在 LLM 而在 TTS 的整段合成；逐句流式把首包音频提前到第一个分句完成时。
拜耳作物科学基于 Amazon Bedrock AgentCore 搭建多智能体决策引擎并分享架构。
AWS 官方博客记录拜耳作物科学的实践：以 Bedrock AgentCore 为运行时，结合 AWS Unified Operations 构建面向农业场景的多智能体决策引擎。内容覆盖整体架构分层、智能体之间的编排与工具调用方式，以及落地过程中的经验与约束条件。
大厂官方博客给出的多智能体决策引擎参考架构，是 AgentCore 在真实业务场景中的一手落地样本。
Cloudflare 开源 AI 智能体决策模型 Clef，为 Agent 决策架构选型提供新参考。
Cloudflare 开源了名为 Clef 的 AI 智能体决策模型，用于支撑 Agent 在运行时的决策过程。该模型以开源形式发布，可供开发者在自有 Agent 架构中集成或参考，主要面向决策层的设计问题，而非单纯的工具调用封装。
由 CDN 与边缘计算厂商提出的 Agent 决策模型，意味着基础设施层玩家开始介入 Agent 的决策环节而非只提供运行环境。
腾讯混元发布 Terminal-RSI，以阿里模型为基座实现自我进化式提升
腾讯混元发布 Terminal-RSI，采用阿里模型作为基座，实现被称为“小 RSI”的自我进化式能力提升。命名指向模型的自我改进方向，公开摘要未披露训练数据构成、评测基准与具体提升幅度等参数细节。
以其他厂商模型作基座的自我进化路线，使跨厂商基座复用成为一个值得留意的工程做法
Amazon Polly 生成式引擎大版本升级，语音自然度提升、延迟降低，新增 14 种音色并转为正式可用。
Amazon Polly 的生成式引擎完成一次大版本更新：合成语音在韵律与自然度上调整，首字节延迟下降，音色库新增 14 种选择，同时该生成式引擎从预览状态转为正式可用（GA），可进入生产环境使用。
音色扩容、延迟下降、转正式可用三件事同时发生，生成式 TTS 的可用性基线被整体抬了一档。
宇树科技十周年，创始人王兴兴发表演讲，谈具身智能技术路线与机器人落地判断。
宇树科技十周年活动上，王兴兴围绕“相信 AI”发表演讲，回顾公司十年产品演进，并谈及具身智能的技术路线选择、机器人从演示走向实际场景落地的判断标准；作为国产具身智能头部公司，其公开表态也反映该赛道当前的路线分歧与预期管理。
国内具身头部创始人在十周年节点公开押注 AI 路线，对赛道预期与人才、资本流向有指向性。
文章以王兴兴「一两年」的表态为切入点，从模型、Agent 场景决策、物理载体三个维度拆解具身智能落地瓶颈。
文章把具身智能落地拆成模型能力、Agent 在具体场景中的决策、物理载体三方面分别评估，指出当前主要卡点在于数据主权归属与数据流通，并回溯王兴兴「一两年」承诺的具体语境与所指范围。
三把尺子里最受限的并非模型或硬件，而是数据主权，这决定了具身智能的推进节奏不完全由技术曲线决定。
华为小艺 Work 实测体验，覆盖全媒体运营与深度研究两类 Agent 任务。
文章记录了作者在华为小艺 Work 上完成全媒体运营与深度研究两类任务的完整实测过程，从任务下发、多步规划到结果产出。内容按场景拆解了 Agent 的拆解路径、调用工具与中间输出，属于端到端产品体验记录，未披露模型版本与底层架构细节。
大厂把 Agent 能力包进消费级入口，实测样本落在运营与调研这两类高频白领任务上。
Jev创始人访谈中批评RLHF路线绕了弯路，并判断下一代Agent与编程工具走向。
Jev创始人在访谈中系统质疑RLHF作为对齐主路径的有效性，认为其收益被高估；同时给出对下一代Agent形态与编程工具演进的判断，包括Claude Code一类产品不会主导下一阶段的原因。
对当前主流对齐范式的直接否定，以及对Claude Code路线不构成下一时代的公开判断。
OpenAI 发布案例：某加盟商用 ChatGPT Work 完成现金对账，耗时减少 94%。
OpenAI 公布一则客户案例，一家加盟商使用 ChatGPT Work 处理现金对账流程，该环节耗时下降 94%。案例属于企业侧落地场景，聚焦财务对账这类规则明确、重复度高的后台工作，由 ChatGPT Work 承担其中的处理步骤。原文未给出对账频次、单据规模等细节参数。
94% 的降幅出现在现金对账这种规则清晰、单据密集的后台流程上，正是 Agent 落地时最容易算出 ROI 的一类场景。
字节豆包工作上线 IGA Pages 插件，可用一句话把网页转为可分享、可共创页面。
字节跳动旗下豆包工作上线 IGA Pages 插件。用户通过一句话指令即可将内容生成网页，生成结果支持分享与多人共创，把网页制作环节压缩到单次自然语言输入。
办公 Agent 的输出形态从文档扩展到可分享、可协作的网页，交付物本身变成了协作入口。
Gremlin 推出 Foresight AI，将智能体引入可靠性工程与故障处置，已正式可用。
Gremlin 发布 Foresight AI 并宣布正式可用（GA），把智能体能力接入可靠性工程流程，覆盖故障发现、诊断与处置环节。产品定位在 SRE 与运维场景，与既有混沌工程、故障演练能力衔接，属于面向生产稳定性的 Agent 落地尝试。
Agent 落点从写代码、查资料转向可靠性工程，故障处置这类高责任场景开始出现 GA 级商业产品。
梳理十余起 AI 智能体自主发现并利用漏洞的真实事件，分析其攻破的层级。
文章汇总了十几起 AI Agent 自主发现并利用漏洞的公开案例，按攻击链条分层拆解，区分开模型层提示词注入、工具调用层 API 滥用、系统层权限提升等不同突破点，并逐条说明每个案例中智能体实际触及的环节与失败边界。
十余起案例按突破层级依次排开，把“AI 攻破了什么”从笼统说法拆成可对照的分层清单。
百度萝卜快跑周订单量达到 25 万，Robotaxi 规模化运营开始进入网约车市场。
报道称百度萝卜快跑的周订单量已达 25 万单，这一量级意味着其运营规模开始与部分网约车平台形成直接竞争。内容涉及无人驾驶出租车的城市覆盖、单车运营效率与价格策略，以及规模化之后对现有网约车运力市场的挤压效应，并讨论了政策许可与成本结构对进一步扩张的约束。
周单 25 万是一个从技术演示跨到运力供给侧的量化节点，无人驾驶出租车的竞争对象已变成网约车司机。
声网 CEO 赵斌在 iRTE2026 提出对话 AI 五级能力框架，描述从实时互动到实时智能的演进路径。
在 iRTE2026 大会上，声网 CEO 赵斌以对话 AI 迈向 AGI 为主题，提出一个五级对话能力分级框架，将对话能力从基础实时语音互动逐级划分至更高阶的实时智能形态。演讲围绕声网所在的实时互动（RTE）技术栈，说明每一级所需的延迟、打断处理与上下文能力差异，并给出从当前产品形态向下一级过渡的技术路径。
把对话能力做成可分级的能力阶梯，是少见地把'实时性'作为独立维度纳入 Agent 能力评估的框架。
Kimi K3.1 信息泄露，称其 3D 生成成本为 GPT-6 Astra 的 1/14。
网络上流出 Kimi K3.1 的相关信息，称该模型在 3D 内容生成上的成本约为 GPT-6 Astra 的十四分之一，视觉能力对标海外三家厂商的模型。信息以泄露形式出现，官方尚未公布参数、评测数据与定价，成本统计口径与对比基准也未明确。
3D 生成赛道出现以成本差距为卖点的叙事，对比对象直接指向 GPT-6 Astra。
有观点提出，到 2027 年能否让通用模型直接驱动机器人，将成为前沿 AI 的分界线。
该观点认为，通用大模型直接控制机器人而非依赖专门设计的分层管线，是判断具身智能是否走出实验室的标志，并把时间点定在 2027 年。文中讨论通用模型驱动机器人在感知、决策与执行链路上面临的差距，以及前沿 AI 定义的迁移。
把“通用模型直控机器人”设成 2027 年的分水岭，等于用架构路线而非能力分数来界定前沿 AI。
讯飞分享将 Agent 接入企业核心业务流程的实践，重点在于减少 Token 空转、提升落地回报。
内容介绍讯飞在企业场景中部署 Agent 的方法：围绕业务系统接口、流程编排与结果校验进行设计，通过限定工具集、结构化输出与人工确认环节控制无效 Token 消耗，并给出在核心流程中衡量 Agent 产出与实际回报的指标口径。
把 Token 空转当作可量化的成本项，用工具集约束与结果校验来换取核心流程中可结算的回报。
阿里千问专家蒋冠军阐述 Personal Agent 技术框架，提出模型、记忆与生态需协同推进。
阿里千问专家蒋冠军在分享中拆解 Personal Agent 的技术框架，认为其能力取决于模型、记忆机制与生态开放三部分的协同，而非单一模型能力。内容涉及个性化记忆的存储与调用方式、生态接入对 Agent 能力边界的决定作用，以及当前各环节的成熟度判断。
把 Personal Agent 拆成模型、记忆、生态三层，指向的是记忆与生态往往比模型本身更早成为瓶颈。