OverServe 披露针对 SaaS Agent 的资源放大攻击,通过工具与提示词协同设计放大资源消耗。
该研究提出 OverServe 攻击面:攻击者同时操纵 Agent 可调用的工具定义与提示词内容,诱导 Agent 发起远超正常量的调用与计算,从而放大后端资源消耗形成拒绝服务。工作分析了该攻击的触发条件,并讨论现有工具权限与配额机制在此类协同攻击下的失效情况。
攻击面不在单点工具或单条提示词,而在两者的协同层;按调用次数计费的架构对此类放大尤其敏感。
国内在模型与生态上发力,海外在基础设施上收口。腾讯混元Hy4、MiniMax、字节Seedream 5.5频繁发布,阿里千问办公2.0将重点转向Team Agent;DeepSeek开放全套API,月之暗面推出“出租数字员工”,把计价基准从软件预算转向人力预算。海外方面,OpenAI用ChatGPT Wallet让Agent直接付款,谷歌发布Gemini 4系列,AWS与Cloudflare把搜索与A2A做成标准接口。同期,编码Agent过早停止(Termination Lag)、榜单操纵、美联航封禁等事件增多——可信度与能力开始并列成为议题。
本周观察到两条线索在同时收紧。一条是 Agent 的商业边界:月之暗面把 Kimi 做成可“出租”的数字员工,OpenAI 用 ChatGPT Wallet 让 Agent 直接结账,美联航则以安全风险为由拒绝 Agent 代订机票——被标价、被授权、也被挡在门外,三件事落在同一周。另一条是国内图像模型的三个动作:腾讯混元 Hy4 搭配 WorkBuddy 强调交付形态,MiniMax 开源 4K 生图把单张成本压到两毛,字节 Seedream 5.5 押注上百轮连续编辑。前者在划分谁能进场,后者在争夺怎么用,两条线暂时都没有交汇的意思。
OverServe 披露针对 SaaS Agent 的资源放大攻击,通过工具与提示词协同设计放大资源消耗。
该研究提出 OverServe 攻击面:攻击者同时操纵 Agent 可调用的工具定义与提示词内容,诱导 Agent 发起远超正常量的调用与计算,从而放大后端资源消耗形成拒绝服务。工作分析了该攻击的触发条件,并讨论现有工具权限与配额机制在此类协同攻击下的失效情况。
攻击面不在单点工具或单条提示词,而在两者的协同层;按调用次数计费的架构对此类放大尤其敏感。
EvoX 提出把 Agent Harness 重构为运行时策略,解决工具调用错配导致决策无法落地的问题。
该工作将 harness 从固定的调用封装改为可演化的运行时策略层,在模型决策与工具调用之间加入适配环节,处理参数错配、工具能力与意图不匹配等情况,使模型输出的动作能实际执行。内容围绕这一结构给出设计框架与在工具调用任务上的验证。
把 harness 视作运行时策略而非静态胶水,意味着工具调用层的适配逻辑本身成为可优化、可演化的对象。
研究指出编码 Agent 常提前修好问题却迟迟不停止,将这一现象称为终止滞后。
内容考察编码 Agent 在任务实际完成后仍持续空转的行为,将其定义为“终止滞后”,并在多类编码任务与模型上做对照观察,记录解题完成与进程终止之间的时间差。结论指向模型自身缺乏判断任务已结束的能力,停止条件需要由 harness 一侧显式设计。
“解决”与“停止”是两件事:模型能修好 bug,却无法识别任务已结束,终止逻辑因此落在 harness 而非模型一侧。
研究指出,采用竞技场式偏好投票的模型榜单存在被系统性操纵的空间,公开排名可信度受到质疑。
该研究分析基于成对偏好比较的模型评测机制,包括竞技场式排行榜,并展示通过策略性提交、影响投票分布等方式,就能在不提升真实能力的前提下抬高排名。文中给出操纵成本与所需样本量的估计,并讨论现有榜单在采样、匿名化与统计检验环节的薄弱点。
榜单分数反映的是投票分布,并不能直接等同于模型能力;偏好式评测的可操纵性在模型选型时构成实际风险。
提出 Folio,用可恢复的多分辨率上下文折叠替代有损摘要压缩,服务长任务 Agent。
Folio 针对长程语言 Agent 的上下文管理问题,提出多分辨率折叠方案:将历史上下文按不同粒度组织并可恢复地折叠,而非用摘要做不可逆压缩。该方法保留原始信息可回溯性,用于缓解长任务中上下文超限与关键细节丢失的矛盾。
上下文管理从「摘要丢信息」转向「可恢复折叠」,长任务 Agent 的记忆设计多了一条路径。
研究在冻结模型权重条件下,评估 Agent harness 从失败轨迹中学习的增益与边界。
论文在冻结模型权重的前提下,考察 Agent 运行框架(harness)能否通过失败轨迹获得改进,并测量其增益幅度与失效边界。研究区分了框架层学习与模型层训练两种改进路径,给出在何种条件下失败轨迹能带来有效提升的实验结论。
不改模型、只改脚手架就能从失败中变好,其收益上限在哪里被明确摆了出来,这对判断该不该动模型权重有参照价值。
论文提出 MAPE 框架,用程序进化自动搜索 Agent 的记忆设计方案。
该工作把 Agent 记忆机制视为可搜索的程序空间,用程序进化方法自动生成并迭代记忆设计方案,替代逐项手工设计。摘要称通过进化搜索发现了有效记忆设计,但未披露搜索空间规模、评测任务与对比基线。
记忆设计从手工调参变成可搜索空间,写入、表征与检索策略被纳入统一进化循环。
一篇以轨迹为中心的实证研究,追踪长周期 LLM Agent 的错误在何处进入、哪些控制手段能触及。
研究以 Agent 执行轨迹为分析单元,对长周期任务中的失败进行溯源,定位错误引入的具体环节,并对照测试各类控制手段(如检查点、验证、重试)能否覆盖这些错误来源。标题强调 dependable 与 trajectory-centered 两个限定,属实证类工作而非框架发布。
把失败归因从最终结果挪到轨迹中间步骤,控制手段的有效性取决于它能否触及错误进入的位置。
ReTrace 将工具调用 Agent 蒸馏为无规划器的固定工作流,以降低 SOP 自动化成本。
方法先让带规划器的教师 Agent 在工具调用任务上执行,再把轨迹蒸馏成不含 LLM 规划步骤的确定性流程,保留工具调用顺序与分支条件。目标是让高频 SOP 场景在推理时摆脱逐步规划开销,论文在工具调用基准上报告了成功率与调用成本的对比结果。
把规划器从运行时剥离成离线产物,为高频稳定流程提供了「Agent 设计一次、固定执行多次」的成本路径。
受控评测对比多种Agent架构在企业风格SOP流程中的成本与成功率权衡。
该研究在企业风格的标准作业流程上做受控实验,横向比较不同Agent架构方案,量化其任务成功率与调用成本之间的关系,给出各架构在SOP类任务上的权衡曲线与适用情形。
用受控实验把架构选型从经验判断变成成本-成功率曲线,SOP类场景的对比数据不多见。
研究追踪 AI 编码 Agent 提交的 PR 在开源项目中的存活情况,量化其被合并与后续保留的比例。
论文收集开源仓库中由 AI 编码 Agent 提交的拉取请求数据,跟踪这些 PR 是否被合并,以及合并后在代码库中存续的时间与被回滚、重写的比例。分析维度包括项目规模、维护者响应与代码改动类型,用于衡量 Agent 生成代码在真实协作环境中的长期采纳情况。
不看合并率,看“存活率”:合并之后被回滚或重写的比例才是 Agent 代码质量的硬指标。
研究发现 computer-use agent 的训练语料存在无障碍缺陷,这些缺陷会被操作能力继承。
论文分析了支撑 computer-use agent 的 GUI 训练语料,发现其中大量界面缺少屏幕阅读器可读取的无障碍属性;作者进一步考察这类语料训练出的 Agent 在相关界面上的操作表现,指出语料中的结构性缺失会随训练被模型继承下来。
训练语料的隐藏偏差来源:被采集的界面本身就排除了无障碍信息,Agent 学到的是残缺界面上的操作范式。
提出面向 Apple Silicon 上 GPU 编码 Agent 的隔离执行沙箱与命令调度方案 Metal Sandbox。
Metal Sandbox 针对在 Apple Silicon 上运行 GPU 编码 Agent 的场景,提供隔离执行环境与命令调度机制,让 Agent 生成的 GPU 代码在受控沙箱内执行,并由调度层管理命令的执行顺序与资源占用。方案聚焦本地 Mac 硬件上的 Agent 执行安全与并发调度,属于 execution 维度的工程实现。
把 Agent 代码执行的沙箱问题落到 Apple Silicon / Metal 这一较少被覆盖的硬件栈上,与主流 Linux 容器沙箱路线形成差异。
OpenAI 推出 ChatGPT 钱包,其 Dots 智能体可代用户完成下单与支付。
OpenAI 上线 ChatGPT Wallet,用户在 ChatGPT 内绑定支付方式后,Dots 智能体可代表用户完成商品购买与付款流程。钱包承担身份、授权与交易凭证的角色,把 Agent 的对话能力延伸到实际交易环节,呈现了一条从意图到支付的完整链路。
Agent 从给出建议走到代为付款,授权边界与交易凭证归属成为这一形态的核心设计点。
ChatGPT 上线 Wallet 功能,Agent 可代用户购物并完成结账,先向美国 Pro 用户灰度。
ChatGPT 推出 Wallet 功能,允许 AI Agent 代替用户完成购物与结账流程。该功能先面向美国地区的 Pro 用户灰度开放,属于 Agent 直接接入支付与交易环节的产品化尝试,把 Agent 的能力边界从信息处理延伸到实际下单支付。
Agent 首次接入真实支付闭环,灰度范围限定美国 Pro 用户,交易授权与风控边界是后续观察重点。
OpenAI 推出 ChatGPT Wallet,支持 Agent 在用户授权下完成支付。
OpenAI 发布 ChatGPT Wallet,让 Agent 在用户授权的前提下安全完成支付动作。该能力把 Agent 的执行边界从信息查询与内容生成延伸到真实资金交易,涉及授权机制与支付安全设计,属于 Agent 工具链层面的新接口。
Agent 首次被接入真实支付环节,授权边界与资金安全成为产品设计的核心变量。
谷歌发布 Gemini 4 Argon 通用物理推理模型,支持机器人控制与 Real2Sim 仿真。
谷歌发布 Gemini 4 Argon,定位为面向机器人场景的通用物理推理模型,覆盖机器人控制、仿真与策略改进三类能力,并支持从真实环境到仿真(Real2Sim)的转换。发布同时给出在具身任务上的能力说明,属于大厂在具身智能基础模型层面的重磅发布。
把控制、仿真与策略改进收进同一个物理推理模型,Real2Sim 能力是其中较关键的一环。
谷歌发布首款决策模型 Gemini Decision 1,9 项测试拿下 7 项第一,最高准确率 92.2%。
谷歌推出名为 Gemini Decision 1 的决策模型,官方将其定位为该公司首款面向决策场景的专用模型,而非通用对话模型。在公布的 9 项决策与规划类基准测试中取得 7 项第一,最高准确率 92.2%,测试维度涉及多步推理与路径选择类任务。
决策被单独拆成一个模型品类并给出基准对比,9 项测试里 7 项第一、最高 92.2%,是目前公开可查的参照数值。
Google 发布 Gemini 4 Carbon,首次引入 Agent 群体协作(swarm)能力。
Google 正式发布 Gemini 4 Carbon 模型,新增能力中最受关注的是 Agent swarm,即多个 Agent 以群体协作方式共同完成任务。该能力被描述为 Gemini 系列首次引入,具体协作机制、任务调度方式与可用范围尚未在披露信息中展开。
多 Agent 协作从第三方编排框架层面,进入基础模型厂商的原生能力清单。
Google 发布 Gemini 4 Hydrogen 模型,摘要提示需评估其在 Agent 场景的表现。
Google 推出 Gemini 4 Hydrogen。现有信息未展开具体参数与基准成绩,摘要层面提出的评估维度集中在三点:Agent 场景下的能力上限、端到端延迟,以及单位调用成本。这三点通常决定模型能否进入生产级 Agent 链路。
重磅模型发布,但对 Agent 产品而言,能力上限、延迟、调用成本三者需一起看,单看榜单分数不构成选型依据。
DeepMind 发布 AlphaProof Code,由 Agent 生成三百万行 Lean 证明,验证 Signal 加密核心代码。
DeepMind 推出 AlphaProof Code,把形式化证明能力扩展到软件验证场景。该系统由 Agent 自动生成约三百万行 Lean 证明,用于验证 Signal 加密协议的核心实现,工作重点在于深入验证复杂软件,而非单个定理。这展示了将 Agent 与形式化方法结合、处理真实生产级代码的一条路径。
三百万行 Lean 证明由 Agent 生成,并用于 Signal 加密核心这类真实生产代码,形式化验证的边际成本被明显改变。
DeepSeek 开放全家桶 API,官方 App 的模型与功能能力可被外部自由组合调用。
DeepSeek 宣布开放覆盖其官方 App 全栈能力的 API,开发者可对搜索、推理等功能模块进行组合调用,而非仅调用单一对话模型。该开放方式将应用层功能直接接口化,调用方可按需拼接成自定义的 Agent 流程。
开放的不只是模型,而是 App 层的功能模块,能力颗粒度从“一次对话”下沉到“可编排的组件”。
阿里发布千问办公2.0,推出支持多人与Agent共同协作的Team Agent形态。
千问办公升级至2.0版本,新增Team Agent,官方将其定位为首个支持多人与Agent协作的办公产品形态。在原有办公套件能力之上,引入多个真人成员与Agent在同一任务空间内分工协作的方式,区别于常见的单人对话式助手。
把多人与多Agent放在同一个工作空间里协作当成产品形态,而非单人对话入口,协作粒度与权限划分是这一形态的核心设计点。
Anthropic 推出 Claude 办公智能体,可代替用户参会、制作表格并生成 PPT。
Anthropic 发布面向办公场景的 Claude 智能体,宣称可自主参加会议、整理信息并产出表格与 PPT 等交付物,直接切入 Microsoft 365 与 Google Workspace 所在的办公软件领域。
Agent 的竞争焦点从写代码扩展到会议、表格、PPT 这类日常办公交付物,与微软办公套件的边界正面重叠。
Amazon Bedrock AgentCore 新增 Web Search API,Agent 可通过一次签名调用完成联网搜索。
AWS 为 Bedrock AgentCore 推出 Web Search API,开发者不用自建搜索服务,也不用管理第三方搜索 API 密钥;Agent 只要完成一次签名调用,就能获取联网搜索结果。该能力作为 AgentCore 的内置工具接入,与运行时、身份和权限体系共用同一套鉴权,官方同步给出了接入示例。
搜索能力被纳入 AgentCore 的内置工具,Agent 联网检索不必再单独维护搜索供应商与密钥,鉴权统一交给平台。
Cloudflare 发布面向 AI 应用的 Web Search API,为 Agent 提供联网搜索能力。
Cloudflare 推出 Web Search API,定位是给 AI 应用与 Agent 提供结构化的联网检索结果,开发者可直接调用而无需自建抓取与解析链路。该能力挂在 Cloudflare 现有开发者平台上,与其 Workers、AI Gateway 等产品形成配套,检索结果面向模型消费场景做了格式化处理。官方未披露定价与调用配额细节。
搜索正被拆成 Agent 可直接消费的基础设施原语,Cloudflare 用边缘网络切进这条链路。
Adobe 将 AI Agent 集成进 Photoshop、Premiere 与 Firefly,并推出原型搭建工具。
Adobe 在 Photoshop、Premiere 与 Firefly 中加入 AI Agent 能力,并同步发布用于原型搭建的新工具。Agent 以任务代理方式介入创意工作流,覆盖图像编辑与视频剪辑等场景;具体模型版本、开放范围与上线时间未在摘要中说明。
创意软件把 Agent 做成工作流内的执行者,而非对话框式助手。
AWS Bedrock 托管知识库新增单次检索与 Agent 式检索两种模式。
Amazon Bedrock Managed Knowledge Base 在原有检索能力之外加入 Agent 式检索,模型可多轮调用知识库并自主改写查询,通过 maxAgentIteration 参数控制最大检索轮次;单次检索模式仍保留,用于低延迟场景。
检索轮次由 maxAgentIteration 显式暴露,把 RAG 的迭代深度变成一个可配置的工程参数。
对豆包 Seedream5.5 图像模型进行实测,考察多轮改图的一致性与工作流接入方式。
文章记录了作者对豆包 Seedream5.5 的实测过程,覆盖连续上百轮局部修改后画面仍保持一致这一能力,以及模型在素材生成、修图、排版等环节与工作流衔接的具体方式。文中提到豆包将图像生成定位为整条生产流程中的一环,而非单次出图工具。
实测关注的是「百轮改图不糊」这类长链条一致性指标,而非单张出图质量,评测维度本身指向图像模型从出图工具向工作流组件的变化。
腾讯混元Hy4跻身最强开源模型,实测搭配WorkBuddy的多模态Agent交付力。
腾讯混元发布Hy4模型,被列为当前最强开源模型之一。文章以第一手实测方式,将Hy4与WorkBuddy组合,考察其在多模态Agent任务中的交付表现,覆盖理解、工具调用与产出环节,但未给出与同类开源模型的完整横向跑分对比。
开源模型的能力评估正从榜单分数转向“模型+Agent框架”组合下的端到端交付力实测。
MiniMax 开源 SOTA 生图模型,支持原生 4K 输出,单张成本约两毛。
MiniMax 开源一款多模态生图模型,宣称达到 SOTA 水平,支持原生 4K 分辨率输出,无需超分后处理。官方给出单张生成成本约 0.2 元,并同步开放模型权重与推理接口,覆盖文生图与图像编辑任务。
原生 4K 加两毛单张成本,把开源生图的价格与分辨率基准同时往上抬了一档。
字节发布 Seedream 5.5 图像模型,支持上百轮连续图像编辑。
字节跳动推出 Seedream 5.5 图像生成与编辑模型,主打长程多轮编辑能力,官方称可支撑约 100 轮的连续图像修改而不易崩坏。相比前代在生成速度上有提升,同时下调了 API 调用价格。文中通过多轮编辑的实测对比展示其在指令跟随与画面一致性上的表现。
百轮编辑不崩、速度提升、API 降价三项同时出现,长程多轮编辑正在成为图像模型的新比拼维度。
字节Seedream 5.5实现像素级界面改图,图像编辑向AI版PS演进。
字节跳动Seedream 5.5展示了针对iPhone Duo界面的精准修改能力,可按指令对UI截图做像素级局部编辑,保留原有布局、字体与控件细节。文章称该模型把图像编辑推向“AI版PS”方向,但未披露模型规模、推理成本与对外可用形式。
从整图重绘转向保留结构的局部像素级编辑,UI截图这类高结构密度图像成为图像模型的新测试场。
李飞飞创办的 World Labs 世界模型正式对外开放,输入一句话即可生成可交互 3D 场景。
World Labs 将世界模型产品正式开放,用户输入一句文本描述即可生成可交互的 3D 场景,作者以重庆山城为题做了实测。模型输出的是可漫游、可交互的三维空间,而非常规的图片或视频,代表空间智能方向的产品化落地。
从文本直达可交互 3D 空间,输出形态不同于图像与视频生成;世界模型开始从论文走向对外开放的产品。
Meta 旗下 AI 助手 Muse 上线 Apple Watch 与 Wear OS,支持语音通话和文字交互。
Meta 将 AI agent Muse 扩展到可穿戴设备,覆盖 Apple Watch 与 Android Wear OS 两个平台,提供语音通话与文字两种交互方式,把 Agent 入口从手机延伸到手腕场景。
Agent 的入口之争蔓延到手表:语音通话形态意味着可穿戴设备被当作常驻对话终端,而非通知屏。
阿里千问办公押注 Team Agent,以多智能体协作切入企业办公流水线场景。
文章聚焦阿里千问办公的产品方向选择,称其将 Team Agent 作为核心路线,用多个智能体分工协作的方式接入企业办公流程,而非单点对话助手。文中围绕这一模式讨论企业 AI 从单任务工具走向流水线化协作的路径,涉及多智能体在办公场景中的角色划分与流程编排思路。
办公场景的多智能体路线之争开始显形:从单助手问答转向按流程分工的 Agent 团队,切入点是既有办公流水线而非新建入口。
DeepSeek Harness 日活达 154 万,官方以发放 Token 的方式激励插件作者。
DeepSeek Harness 公布日活跃用户 154 万,并启动面向插件作者的 Token 补贴机制,用官方额度换取第三方插件供给,以开发者共建方式扩展 Agent 能力边界。
用 Token 额度直接补贴插件作者,是把模型算力当成生态激励货币的一次公开试验。
AWS 官方演示如何用 A2A 协议跨组织搭建可组合、可互操作的多智能体系统。
AWS 发布技术博客与示例代码,展示基于 A2A(Agent2Agent)协议在 AWS 上构建多智能体系统:每个 Agent 通过 Agent Card 暴露自身能力,跨账号、跨组织调用时以标准消息格式通信,并可与 MCP 工具层配合。示例覆盖 Agent 注册发现、任务委派和托管部署几个环节。
A2A 被定位为 Agent 之间的横向通信层,与纵向的工具调用协议 MCP 分工,跨组织互操作是这套设计的主要卖点。
AWS 用 AgentCore Gateway 把知识库封装为 MCP 工具,并实现按用户粒度的权限控制。
AWS 介绍在 Amazon Bedrock Managed Knowledge Base 上实现细粒度访问控制的方案:通过 AgentCore Gateway 将知识库检索能力封装成 MCP 工具,在网关层结合身份上下文做鉴权,使不同终端用户在调用同一工具时只能检索到各自被授权的文档范围,而非共用一个高权限服务账号。
把权限判断从知识库内部上移到 Agent 网关,解决了多用户共享一个 Agent 时检索结果越权的常见问题。
Cloudflare 将面向 AI Agent 的实验性浏览器引擎 Kitesurf 开源,支持本地运行与自部署。
Cloudflare 宣布 Kitesurf 开源。这是一个面向 AI Agent 的浏览器引擎,用于让 Agent 在网页环境中执行操作。项目支持本地运行,也支持自部署到自有基础设施,代码与部署方式一并开放,此前以实验性产品形态提供。
浏览器这一层从托管服务变成可自部署的开源组件,Agent 的网页操作不再必须依赖第三方云。
月之暗面推出托管智能体,作者提出租买三层决策框架,认为 Agent 计价锚点从 IT 预算转向人力预算。
Kimi 上线托管式数字员工,按任务或订阅方式交付。文章据此提出租用、购买、自建三层决策框架,并指出 Agent 的定价参照正在从软件采购预算迁移到人力成本预算,讨论了这一变化对采购与计费模式的影响。
计价锚点从软件预算滑向人力预算,意味着 Agent 的竞争对手与采购决策人都会换一批。
介绍 Agent DLC 方法论,讲解如何度量 Agent 质量并搭建可重复的 CI/CD 评测闭环。
文章以从原型到生产为主线,提出 Agent DLC 工程方法论,核心围绕 Agent 质量的度量方式与评测流程的工程化。内容覆盖如何把评测接入持续集成与持续交付环节,形成可重复执行的评测闭环,使 Agent 在每次变更后都能被系统性验证。
把 Agent 评测从一次性人工验证,转变为嵌进 CI/CD 的可重复流程,是原型走向生产的工程分界线。
Anthropic 工程师发布长文,讲述 Coding Agent 的管理实战经验与协作方式。
Anthropic 工程师以长文形式复盘 Coding Agent 的实际使用经验,核心论点是使用者的管理能力,包括任务拆解、验收与反馈,直接决定 Agent 产出质量。文章按实战场景给出具体做法与反例。
Anthropic 内部工程师把用好 Coding Agent 的前提落在管理能力上,而不是提示词技巧。
豆包工作宣布接入 Kimi、GLM、DeepSeek 等第三方模型,用户可在平台内切换多个模型。
字节跳动旗下豆包工作上线多模型接入,在自有豆包模型之外新增 Kimi、GLM、DeepSeek 等第三方模型可选,用户可在办公场景中按任务切换不同模型。多模型聚合正成为国内 AI 办公与 Agent 平台的常见配置。
办公入口开始把模型当作可替换组件,竞争焦点从单模型能力转向工作流编排、上下文积累与分发渠道。
豆包工作接入Kimi、GLM、DeepSeek等第三方模型,用户可按任务选型并查看成本倍率。
字节跳动旗下豆包工作上线多模型接入能力,在自研模型之外还可调用Kimi、GLM、DeepSeek等第三方模型。产品在模型选择界面标注各模型的成本倍率,用户可按任务需求在效果与成本之间切换。这一改动让办公类Agent产品从绑定单一自研模型,转向多模型可选的形态。
成本倍率被直接展示在模型选择界面上,多模型路由从工程内部的调度决策,变成用户可见、可手动选择的产品功能。
阿里千问办公升级到 Qwen4,文章将其与 WorkBuddy 做办公 Agent 能力的正面对比。
千问办公接入 Qwen4 后,在文档生成、表格处理、多步任务执行等办公场景做了能力升级。文章从任务完成度、响应速度、可调用工具范围等维度,将它与 WorkBuddy 逐项对照,并列出两者在真实办公用例中的表现差异。
国内办公 Agent 赛道从模型比拼转向产品级对标,Qwen4 上车千问办公意味着基础模型迭代直接决定办公入口的体验上限。
月之暗面 Kimi K3.1 Pro 上线 Amazon Bedrock,兼容 OpenAI 接口并支持提示缓存。
Kimi K3.1 Pro 通过 Amazon Bedrock 对外提供调用,接口层兼容 OpenAI 格式,已有基于 OpenAI SDK 的应用可直接改指向;同时支持提示缓存,用于降低长系统提示与重复上下文的调用开销。公告摘要未披露上下文窗口、定价与区域可用范围等具体参数。
国产模型以 OpenAI 兼容协议进入海外主流云市场,接入成本被压缩到改一个 endpoint 的程度。
千问办公 2.0 发布,补齐办公 Agent 的关键能力短板,形态从个人助手转向团队任务执行。
千问办公升级至 2.0 版本,官方称补齐了办公 Agent 此前缺失的关键环节,产品定位由面向个人的辅助助手扩展为可替团队完成任务的形态。具体新增能力与开放范围未在摘要中展开。
从个人助手到团队任务承接,办公 Agent 的竞争点正在从单点功能转向组织内协作链路。
美联航以网络安全风险为由,禁止 AI Agent 代为预订机票。
美联航针对第三方 AI Agent 代订机票设置拦截,官方理由是网络安全与欺诈风险。此次动作涉及机票查询与下单环节的自动化访问,属于航司对 Agent 流量的主动限制,而非技术层面的接口调整。
第一个由大型航司公开以安全名义封堵 Agent 下单的案例,Agent 商用落地的阻力先从交易环节出现。
openJiuwen 开源 TTSE 经验学习框架,让 Agent 在任务执行中积累并复用经验实现自演进。
openJiuwen 开源 TTSE 经验学习框架,目标是让 Agent 从每次任务执行中沉淀经验并自我演进。其采用“双轨”机制,摘要将其列为关注重点,但未说明两条轨道各自承担的具体职能与实验数据。
“双轨”是本条的核心变量:经验如何在任务内即时生效、又如何沉淀为跨任务的长期能力,正是自演进 Agent 的关键分歧点。
沃尔玛分享在 4700 家门店运行多智能体 LLM 批处理工作流的成本与容错实践。
沃尔玛在技术演讲中介绍其多智能体 LLM 批处理工作流的规模化落地情况,部署范围覆盖 4700 家门店。内容围绕批量任务的成本控制与内置容错机制设计展开,涉及如何在大规模批处理场景下组织多智能体协作、控制单任务推理开销,以及应对失败重试与降级,属于生产环境工程经验的对外披露。
4700 家门店量级的批处理多智能体,把讨论从 demo 拉到了 token 成本与失败重试这种运维颗粒度。
快手分享智能互动 Agent 在商业场景的落地路径与实践经验。
快手介绍了智能互动 Agent 在其商业场景中的落地路径与工程经验,覆盖从场景选择到实际部署的过程。内容属于大流量商业场景下的 Agent 实践复盘,涉及互动类 Agent 在真实业务中的运行情况与遇到的问题。
商业场景下的 Agent 落地复盘,来自日活规模平台的实战经验,而非实验室环境验证。
AWS 发布迁移指南,演示用编码 Agent 把自管 Bedrock 知识库自动迁到托管版。
AWS 官方发布迁移指南与配套提示词,指导开发者用编码 Agent(如 Kiro、Claude Code 等)将自建的知识库数据源、向量索引与配置迁移至 Amazon Bedrock Managed Knowledge Base。流程包含现有资源盘点、数据源与嵌入模型映射、迁移后校验三部分,以减少手动重建的配置工作。
把迁移动作本身交给编码 Agent 执行,云厂商开始为 Agent 编写可执行的运维流程文档,而不只是人读的文档。
AICon 北京站分享差旅 Agent 的业务语义、偏好图谱与上下文工程实践。
该分享以差旅场景为例,讲 Agent 如何从“搜到知识”推进到“理解约束”:包括业务语义建模、把用户偏好组织成图谱,以及在多轮任务中做上下文工程的具体做法。内容来自真实落地实践,覆盖从语义层到上下文组织方式的完整链路。
偏好图谱加业务语义约束,是把 Agent 从检索问答推向可执行任务的一条具体路径,而非停留在 prompt 调优层面。
Manus 取消传统编程面试环节,产品经理直接参与写代码,工程师招聘规模降至峰值一半。
据文章披露,Manus 在招聘流程中取消了传统的编程面试,改为其他考察方式,同时产品经理开始直接编写代码。文章同时提到,该公司的工程师招聘数量已下降到巅峰时期的一半,并围绕这一变化讨论了 AI 编程对团队岗位分工与用人标准的影响。
招聘环节的考察对象从算法题转向实际交付能力,PM 与工程师的职责边界在同一团队内被压缩。
Chrome 企业版为医疗场景的 AI Agent 增加浏览器操作安全防护。
Chrome Enterprise 扩展其安全能力至医疗健康技术场景,针对 AI Agent 在浏览器中的操作加入防护机制,覆盖多步任务的连续执行与网页应用的导航过程。内容涉及 Agent 代用户点击、跳转与提交表单时的权限边界与拦截方式。
防护对象从人转向代操作的 Agent,多步任务链与页面导航成了新的管控切面。
openJiuwen 发布 Agent Device Foundation,提出 Agent 与物理设备交互的新基础层方案。
openJiuwen 推出名为 Agent Device Foundation 的基础设施组件,定位为 Agent 与物理世界之间的交互底座,用于承接设备侧的感知与执行能力。官方将其描述为对 Agent 与物理世界交互方式的一次重新定义,属于具身智能方向的底层框架发布,具体接口与适配设备范围尚未在摘要中展开。
把「设备层」单独抽成 Foundation,意味着具身 Agent 的竞争点从模型能力下移到硬件抽象与接入标准。
CrossnoKaye 在工业现场数据上,用 Amazon Bedrock AgentCore 运行可验证的 Python 沙箱。
AWS 发布客户案例,工业软件公司 CrossnoKaye 将 Bedrock AgentCore 用于现场设备数据的分析流程,Agent 生成的代码在受控 Python 沙箱中执行,输出结果可回溯验证。方案重点是对物理设备数据的结构化访问与执行隔离,而非开放式生成。
面向物理场景的 Agent 落地把重点放在沙箱执行与结果可验证,与通用聊天型 Agent 的实现路径明显不同。
Google CodeMender 接入 PR 流程,从仅标记漏洞转为在拉取请求中自动提交修复代码。
文章介绍如何将 Google CodeMender 接入日常 pull request 工作流,使其在代码审查阶段不仅标记安全问题,还直接生成并提交修复补丁。内容包含接入配置步骤与在 PR 中运行该工具的具体实践方式。
安全工具的输出物从“告警”变为“可合并的补丁”,审查环节的人机分工随之改变。
AICon 北京分享 GFlow 实践:用多 Agent 协作与验证机制完成游戏设计任务。
该分享拆解了 GFlow 在游戏设计场景中的多 Agent 落地实践,由多个 Agent 分工协作产出设计方案,并引入验证环节对结果做校验。内容覆盖任务拆解、Agent 间协作流程与验证机制的工程设计,属于面向具体垂直场景的 Agent 系统实践。
在多 Agent 协作之外单独设置验证环节,是这套实践的核心结构;场景选在容错度较低的游戏设计任务上。
十年知乎写作者 · CSDN 博客专家
10 余年架构设计经验 · AgentHui 站长
用人文视角观察 AI Agent 技术演化,每天记录值得关注的信号与变化。 本站是我用「人 + AI 协同」搭建的实战场。
公众号
加微信