发布A.X K2大模型：688B总参数MoE架构，专为Agent应用设计

技术报告发布A.X K2，一个总参数688B的混合专家（MoE）大模型，设计目标为Agent应用场景。该模型采用MoE架构，面向工具调用、任务执行等多智能体工作负载。报告通常涵盖训练数据、评测基准、部署资源等信息，但摘要未展开这些具体数值。

审计三款商用AI临床记录系统，基于142次咨询构建验证工具并统计记录质量。

这项审计覆盖三款已部署的商用 AI 临床记录系统，使用 142 次真实咨询构建验证工具，对系统生成的临床记录进行核验与统计。研究同时公开审计工具本身，使记录质量核查可以在其他部署环境中复用；报告揭示的记录问题数量与系统间差异需参考原文。

研究搜索代理对投毒语料的脆弱性，恶意文档可诱导错误答案。

针对基于检索的搜索代理，提出 Lazy Grounding 攻击方式：攻击者构造带有事实性证据的恶意文档，使其进入检索结果。代理在 grounded reasoning 过程中引用这些证据，被诱导生成错误答案。实验展示了恶意文档的构造方式、所需检索可见性条件，以及攻击在多种代理配置下的表现。

论文提出基于跨进程总线的Agent Harness架构，用于多进程Agent编排。

该论文设计Logos Agent Harness，以跨进程总线为核心。架构将Agent组件分散在多个独立进程中，通过总线完成消息传递与状态同步。文档阐述了总线上的通信协议、进程生命周期管理以及组件注册机制，为Agent框架的进程间协作提供了一种结构方案。

提出 CLAIMPROBE 方法，对深度研究写作做声明级审计，将事实评估粒度下沉到单条声明。

该内容提出 CLAIMPROBE 方法，对深度研究写作进行声明级审计。它将报告中的事实拆解为独立声明并逐一核验，替代整体性事实评估，使研究报告的事实评估粒度细化到单条声明，构成对深度研究写作的审计流程。

提出Super Library Agent，跨多个代码库联合生成与维护相关应用。

该方案以Super Library Agent为核心，在单一代码库之外扩展智能体的联合生成与维护能力。它面向多个相关代码库，统一处理应用生成、依赖识别、变更同步与维护流程，并针对跨库一致性设置关键参数，以支持多个应用程序的并行演化。

提出过程奖励模型用于GUI长程自动化任务，缓解错误累积问题。

论文提出GUI-PRA，一个面向GUI任务的过程奖励Agent（Process Reward Agent）。方法在长程GUI自动化过程中引入过程奖励信号，对每一步操作质量进行评分，以减少早期错误在后继步骤中的累积影响。内容包含过程奖励模型设计、与策略模型的结合方式以及在GUI基准上的评测。

提出 MAS-on-the-Fly，让多智能体系统根据上下文在运行时调整自身结构。

MAS-on-the-Fly 提出一种上下文结构自适方法，使基于 LLM 的多智能体系统在推理过程中根据任务内容动态决定智能体数量、角色分配与交互拓扑，替代预先固定系统结构的设计流程。该方法试图减少人工配置多智能体系统的工作量，并提高系统对未知任务的适应能力。摘要未提供具体实验结果。

研究多智能体LLM评判在主观评估中呈现向下偏差与角色不对称。

该研究对比了单一与多智能体评判框架在主观评估任务中的表现，观察评分分布与角色设定对结果的影响。关键参数包括judge数量、角色配置（如主审与陪审）以及聚合方式。结果显示多智能体评判存在系统性低分偏差，且角色不对称会进一步扭曲评分。

系统性综述大模型将推理视为搜索的范式和测试时扩展方法。

该综述将大型语言模型的推理过程形式化为搜索问题，系统梳理了LLM与树搜索的结合方式。关键参数包括搜索深度、宽度、扩展策略以及蒙特卡洛树搜索、beam search等变体。文章重点讨论了测试时计算如何通过调整这些参数提升推理性能，并对比了不同搜索策略的适用场景。

介绍 Qwen3.8-Next 稀疏 MoE 架构设计，评估性能、效率与训练稳定性。

描述 Qwen3.8-Next 的稀疏 MoE 架构设计，包括专家数量、激活参数规模、路由策略与负载均衡方式。通过评测对比不同配置下的推理效率与任务表现，分析训练过程中的稳定性问题（如 loss 震荡、专家坍缩）及缓解手段，提供架构选型与调参参考。

论文发现，前沿模型延长思考时间可找回至多65%无法直接回忆的事实。

该研究针对模型无法直接给出正确答案的事实型问题进行实验：让模型不借助外部工具，仅通过延长思考时间再次作答。结果显示，延长思考可使模型额外恢复至多65%的原本未产出事实，恢复率随模型与问题类型不同。这一比例被用来衡量思考本身的回忆增益。

研究大推理模型能力边界，提出运行边界机制以减少无效推理。

该研究聚焦大推理模型在复杂推理中的无效耗时问题，提出 Operational Capability Boundaries 机制，通过预设能力边界在推理进入低效状态前中断或转向。研究涵盖多类推理任务，并设置了可配置的边界阈值参数。

提出面向自动化科研智能体的自动评分规则生成方法，强调先评估再改进。

论文提出自动评分规则归纳（Automatic Rubric Induction）方法，为自动化科研智能体构建评估标准。方法让智能体在改进策略前先自动生成评分规则，用于评测中间步骤与最终结果。内容包含规则生成流程、评估与改进的衔接方式，并以科研任务为场景验证。

重新思考长时程智能体上下文管理，对比被动与主动记忆策略。

该研究重新思考长时程智能体的上下文管理，聚焦多模态历史信息（文本、图像等）的处理。内容包含被动记忆与主动记忆策略的对比，以及多模态历史压缩方法。关键参数包括记忆策略类型、压缩率、上下文利用效率与长时程任务表现。

对照实验研究AI编码智能体中验证工具范围对产物质量与成本的影响。

该研究以受控实验方式考察AI编码智能体中验证工具的作用范围，将验证覆盖情况作为自变量，测量其对产物质量与整体成本的影响。实验设计了多组验证配置，比较不同验证面下生成代码的正确率、完备性以及执行成本，关键参数包括验证范围维度、质量评分与成本指标。结果呈现为可指导编码智能体验证策略选择的数据。

Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1，Fable 缓存读取成本降低 75%。

Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1 两个模型版本。其中 Fable 5.1 的 prompt caching 读取成本相比此前降低 75%，对依赖长上下文和高频重复调用的 Agent 场景有直接成本影响。Mythos 5.1 作为同期发布模型，与 Fable 5.1 构成更新组合。Anthropic 通过降价推动缓存机制在 Agent 工作流中的采用。

谷歌推出Gemini的agentic视频理解能力，AI代理可感知视频并执行后续推理。

谷歌发布Gemini的agentic视频理解新能力，使AI代理不再只处理文本或静态画面，而是将视频作为输入进行感知与推理。其场景包括观看屏幕录像、分析操作演示、从连续帧中提取事件，并将理解结果接入代理的决策和行动流程。该能力面向需要视觉证据和时序信息的自动化任务，扩展了智能体在真实世界动态环境中的应用范围。

Cloudflare推出AI Search托管检索服务，便于Agent和开发者搜索自定义数据。

Cloudflare扩展AI Search能力，推出面向AI Agent的托管检索服务，开发者可在自有数据上构建搜索索引，并通过统一API接入代理工作流。服务涵盖文档摄取、索引管理与查询接口，目标是降低自定义数据检索的部署门槛。

OpenAI宣布医疗机构现可将可信EHR及行业数据接入ChatGPT，用于临床与科研。

OpenAI宣布医疗保健机构可将可信EHR电子健康记录及行业数据接入ChatGPT，从而在临床与科研场景中受控读取患者上下文。方案强调数据来源可信、隐私边界和临床安全，为医疗机构使用生成式AI提供新的数据通道。具体集成形式、合规框架与首批落地机构未在摘要中说明。

智谱AI披露单月收入达9亿元，同时展示模型SOTA表现与商业进展。

智谱AI公布单月收入达9亿元，并以模型SOTA表现与商业进展作为关注点。该数据涉及国产大模型厂商的收入规模与增长情况，包含模型能力对比和商业落地进度的关键信息。

基于 Bedrock 托管知识库构建可观测智能体检索方案，含多库路由与引用回复。

该方案利用 Amazon Bedrock Knowledge Base 的托管能力构建企业级智能体检索流程，并通过 AWS CloudFormation 定义基础设施。检索层支持多知识库路由，根据用户查询动态选择知识源；回复回答附带引用来源，便于追溯。方案包含知识库配置、数据同步、Agent 编排、日志与监控等关键组件。

OpenAI为ChatGPT Health增加Epic集成，临床医生可只读导入患者病历数据。

OpenAI为ChatGPT Health引入Epic集成，供临床医生在对话界面只读访问和导入病历数据。Epic是医疗机构广泛部署的电子病历系统。通过接入Epic互操作接口，医生将患者历史、检验结果等数据带入ChatGPT Health上下文。访问被限制为只读，不改变原始医疗记录。该功能让临床AI工具基于实际患者数据工作，而不是依赖医生手动粘贴信息。

早报提到OpenAI的Codex活跃用户达2500万，并调整付费额度。

该早报内容包含库克卸任、电影密钥延期、鸿蒙版测试等新闻，其中与AI Agent相关的部分是：OpenAI的AI编码Agent Codex活跃用户已达2500万，同时OpenAI调整了付费额度。具体调整细节未在摘要中说明。

作者提前体验 DLSS 5，展示 AI 生成图形对游戏视觉表现的提升效果。

作者提前体验英伟达 DLSS 5 技术，称其效果将《GTA5》画面提升至接近新一代游戏的水准。DLSS 5 延续 AI 驱动的渲染路径，在帧生成与画质增强方面进一步迭代。体验内容涉及视觉感知层面的变化，为 AI 生成图形在实时渲染中的应用提供了信号参考。具体硬件环境与版本细节未说明。

Agent 将数据管道构建时间从数周缩短至分钟级，进入 agentic 数据管道时代。

内容介绍 agentic 数据管道的构建方式，智能体承担数据接入、转换和调度等任务，将传统数周的管道开发周期压缩到分钟级。内容包括 agent 在数据管道各环节的角色划分与自动化执行流程。

DoorDash通过云端Flux平台让Agent一个月完成13万项工程任务。

DoorDash使用云端Flux平台运行工程Agent，在一个月内自动完成13万项工程任务。该平台支持代理并行执行代码审查、测试、修复等流程，并接入其现有开发工具链。摘要未给出具体任务类型与成功率，提及该规模为企业内部Agent的大规模落地案例。

OpenAI 为 Codex 运行环境集成 LibreOffice，让 Agent 可处理办公文档任务。

OpenAI 在 Codex 的执行环境中预装 LibreOffice 办公套件，涉及 Writer、Calc、Impress 等组件。Codex Agent 在运行任务时可以读取、生成或转换文档、表格与演示文稿，把文档处理纳入代码执行流程。实际调用发生在沙箱环境内。

自动驾驶强制国标出台，L3级自动驾驶预计今明两年密集上车。

国家出台自动驾驶强制国标，对量产车辆提出明确要求。享界、智界等品牌已提前布局相关功能，符合标准方向。国标落地后，L3级自动驾驶将在今明两年密集进入量产车型，影响范围涉及整车厂、供应商与运营体系。标准具体条目尚未披露。

OpenAI产品负责人谈AI第三时代，持久AI同事与2-3个月能力前瞻。

OpenAI产品负责人Tara Seshan在访谈中阐述AI的第三时代：持久AI同事（persistent AI coworkers）。她认为产品开发应按模型未来2至3个月将具备的能力来构建，而不是等能力完备后才设计。内容还涉及AI同事的协作模式、工具使用与工作流嵌入，关键参数为2-3个月的前瞻时间窗口。

Claude Fable 5.1 登陆 AWS，发布能力改进与企业数据防护方案。

Claude Fable 5.1 已上线 AWS，用户可在 AWS 环境中调用该模型。此次更新包括模型在推理与指令跟随等任务上的能力改进，并提供与企业数据防护相关的配置方案。平台端同步给出与现有 AWS 服务配合使用的接入方式。

AI设计工具Lovart更新，转向主动适应设计师既有工作流，调整人机协作模式。

Lovart 发布更新，核心转变为让 AI 适应设计师的工作流程而非相反。更新内容包括 AI 对设计师操作行为的感知与跟随机制，以及协作界面的调整。此次更新未披露具体技术参数，强调协作方式的重新定义。

支付公司t54用Amazon Bedrock AgentCore构建支付信任层，治理超两千万笔代理支付。

t54基于Amazon Bedrock AgentCore构建支付场景的信任层，以会话预算与信任门控治理AI Agent发起的支付行为。系统处理超过两千万笔代理支付交易，对Agent在对话中执行的支付操作设置额度与权限约束。该方案将Agent支付行为放入预设治理框架，是支付场景下Agent安全能力的工程实例。

优必选财报显示财务承压，未成真正物理AI公司，反映具身智能商业化困境。

内容围绕优必选最新财报解读，分析其营收、亏损及现金流等财务指标。文中指出优必选虽布局人形机器人，但收入仍依赖传统业务，未形成物理AI能力。同时讨论具身智能行业商业化落地难、研发投入高、盈利周期长等现实约束。关键参数包括财务数据、业务构成及估值变化。

Alexa新增主动购物提醒功能，可根据用户偏好推送商品发售信息。

Alexa新增主动购物提醒功能，当系统判断商品发售信息可能引发用户购物兴趣时，自动推送个性化通知。该功能基于用户历史行为与偏好设置触发，将Alexa从被动应答指令转向主动服务，展示Agent主动服务在消费级设备上的产品形态。通知通过Alexa应用与设备端发送，推送内容与频率由用户偏好控制。

Fambot 推出面向家庭的 AI 首席幕僚，管理日程与邮件。

Fambot 发布一款面向家庭的 AI 首席幕僚代理，可处理家庭成员日程安排与邮件管理。该代理以自然语言交互，将家庭事务聚合到单一界面，支持对接个人日历和邮箱账户。其功能包括日程协调、邮件分类与回复建议，面向日常生活场景。

Melio 产品经理用 Claude 搭建自动管理 Notion 与任务的 PM 助手。

Melio 的产品经理 Daniel Blum 公开分享如何用 Claude 搭建 PM 助手，自动化管理 Notion 文档与任务流程，并让助手在实际使用中通过反馈自我迭代。系统替代了重复性管理工作，涉及提示词设计、任务拆解与反馈闭环搭建，对独立搭建 AI 工作流的从业者具备案例参考价值。

AWS 发布教程，演示如何将 AgentCore Runtime 托管的 MCP 服务器接入 Amazon Quick。

该教程涉及在 AgentCore Runtime 上托管 MCP server，并与 Amazon Quick 进行连接，目标是提升工具复用性。内容面向需要在 AWS 环境中整合 MCP 工具的用户，具体配置步骤和接口参数未在摘要中展开。

AI Agent安全公司AIR获5000万美元融资，提供技能与插件审查、行为拦截平台。

AIR完成5000万美元融资，用于扩展其AI Agent安全治理平台。该平台面向企业审查Agent使用的技能与插件，并对Agent运行时行为进行监控与拦截，防止恶意或未授权操作。融资额5000万美元，覆盖技能审查与行为拦截两大核心环节，服务对象为实际部署AI Agent的企业客户。

文章主张企业AI代理应先建立身份层，再谈网关设计。

文章分析了企业AI代理的部署路径，提出身份层先于网关层：身份层为代理提供归因、治理和审计基础，网关负责路由与策略执行。内容包含身份模型、凭证管理、授权边界等要素，并讨论了两类组件在代理交互中的职责划分。

文章分析AI代理通过认证后仍存在的漂移、数据泄露与记忆投毒风险。

文章梳理了AI代理在通过身份认证后依然面临的三类生产风险：行为漂移、数据泄露和记忆投毒。内容逐一说明风险成因与表现，例如长期运行中的策略偏离、上下文窗口内的敏感信息外泄，以及外部输入对代理记忆的污染。

Azure OpenAI 助手通过一个过滤器和范围收窄解决检索缺口，未新建身份平台。

案例记录 Azure OpenAI 助手在检索环节出现的缺口。修复方式是加入一个过滤器，使不相关内容不会被带入上下文；同时将助手原先宽泛的职责范围收窄到更具体的检索任务。作者指出，这两个改动替代了新建身份平台的方案。

文章以Basis、Clay、Exa为例，说明AI代理如何把工作流沉淀为运营能力。

文章以Basis、Clay、Exa三家AI原生公司为样本，拆解如何将工作流变成运营能力。Basis面向财务流程构建agent，Clay将销售数据准备做成自动化管线，Exa为agent提供搜索与数据基础设施。三家公司从具体任务切入，把工具调用、人工确认、质量评估嵌入流程，并持续迭代，使一条工作流最终沉淀为可支撑整体业务运营的底层能力。

分析苹果 Touch Bar 交互设计，认为其在 AI 时代具有新的应用价值。

文章回顾苹果 Touch Bar 此前遭遇的批评，指出其在 AI 时代可能迎来新的适用场景。Touch Bar 的上下文感知输入思路，与 AI Agent 产品的人机交互设计存在相通之处。文章以 Touch Bar 为例，讨论 Agent 产品如何复用既有交互设计经验。未提供实测数据或产品案例。

探讨AI情感陪伴产品的监管需求与安全边界，涉及合规方向。

文章分析AI情感陪伴产品在用户依赖、隐私、心理健康等方面的风险，讨论现有监管框架的适配程度，并提出安全边界划分建议。摘要未给出具体监管条文或案例数据，内容围绕情感绑定与用户自主性等概念展开。

文章讨论AI使速度成为公共品，分析努力的价值与定价机制被重写。

文章以'速度成为公共品'为起点，展开对努力价值重估的讨论。其分析覆盖AI降低行动成本、放大产出速度后，个体与组织的努力如何被重新定价，并落到AI产品战略层面的趋势判断。全文围绕速度、努力、产品战略三组关键词展开。

报道端侧AI新品Microduck受市场追捧，带动端侧AI行情关注。

报道端侧AI新品Microduck的市场表现，该产品获得市场追捧，并带动端侧AI领域关注。内容涉及AI硬件产品热度与具身Agent方向的演进信号，含产品形态与市场反馈的关键信息。

卡特彼勒将数十年矿区自动化经验迁移到通用AI部署流程。

文章介绍卡特彼勒把在矿区自动化中积累的经验用于AI部署。其矿区实践涵盖自动驾驶矿卡、远程操作中心、实时调度与安全体系。文章梳理了这些环节如何转译为可复用的AI部署方法，关键参数包括数十年运营数据、恶劣环境下的传感器配置、以及人机协同的接管机制。

Meta测试机器人在数据中心执行技术员任务，属具身智能早期探索。

Meta正在数据中心环境中测试机器人执行技术员任务，包括设备维护、巡检等操作。这一探索处于具身智能早期阶段，涉及机器人感知、导航与操作能力的实际场景验证。报道披露了测试的初步形态，但未涉及具体技术参数或部署规模。

汽车产业链企业开始为机器人公司代工硬件，反映具身智能制造分工调整。

文章报道汽车产业链企业承接机器人硬件制造的案例，包括车企与零部件厂商进入机器人生产环节。这些企业将既有工厂、供应链和质量管理体系用于机器人本体生产，与专业机器人公司形成代工或联合制造关系。内容涉及产能爬坡、良率控制与成本结构等关键参数。

一家具身智能数据公司一年完成七轮融资，资本加注数据基础层。

具身智能数据公司在一年的时间内完成七轮融资，该公司提供数据采集、清洗与标注服务，面向具身智能研发团队。其“卖水人”模式受到资本关注，不直接做本体，而是为机器人训练提供数据支撑。多轮融资显示数据基础设施在赛道中的热度。

探讨智能体AI时代CPU复兴可能性，围绕推理需求与算力基础设施趋势展开。

文章讨论智能体AI时代CPU是否迎来复兴，围绕推理任务对算力的需求展开，对比CPU与GPU在Agent运行中的角色，涉及部署选型时基础设施的成本与性能权衡。