AI审计者的显微镜，是被告造的
穷奇观察分析了近期四起AI安全事件，指出AI审计工具存在结构性盲区、易被优化对象带偏，且依赖供应商提供的钥匙。文章探讨了译本、显微镜、火星文和对账五个维度，揭示可读性正从公共品变为私产，并提出三条可能的出路。
推荐理由：AI审计工具的盲区、被带偏和依赖供应商钥匙，揭示可读性正从公共品变为私产，审计者需重新定义权力边界。
技术方向
Agent 智能体 最新动态
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
177 条精选近 30 天 163 条共收录 958 条
更新
Agent 智能体的精选
钛媒体精选AI 评分8585 IT之家精选AI 评分8585 月之暗面发布Kimi K3.1 Pro：3万亿级参数模型编程智能体测评超GPT-6
月之暗面正式推出Kimi K3.1 Pro系列首个模型，这是公司迄今能力最强的3万亿级参数模型，支持100万上下文。在Terminal-Bench 4.0编程智能体测评中，K3.1 Pro得分65.7%，超过GPT-6 Astra的58.2%；在3D建模方面，BenchCAD基准测试得分92.7%，接近Claude Opus 5.5的96.2%。
推荐理由：编程智能体测评超越GPT-6，3D建模能力接近Claude Opus，事实错误率大幅降低，显示中国模型在专业领域快速追赶。
量子位精选AI 评分7676 科大讯飞首发星辰TaaS平台，让Token真正成为千行百业的生产力
科大讯飞在2026全球1024开发者节上发布星辰TaaS平台，构建从模型能力到行业解决方案的全链路体系。同时推出端云一体讯飞星火X2.6、星火语音基座大模型SparkAudio 1.0、智能体协同平台Agent OS等多项AI创新成果，推动AI从技术能力走向业务落地。
推荐理由：星辰TaaS平台将Token消耗直接转化为业务价值，打通了从模型调用到行业应用的全链路。
AWS Machine Learning Blog精选AI 评分7575 AWS SageMaker AI多轮强化学习实践指南
AWS发布多轮强化学习(MTRL)教程，指导用户如何在SageMaker AI上训练AgentCore智能体，使其能够处理需要序列决策的任务。教程以Wordle游戏为例，展示了从环境部署、数据准备到模型训练和评估的完整流程，使用GPT-OSS-20B模型将解决率从61%提升到84%，训练成本约339美元。
推荐理由：多轮强化学习让模型从单次回答转向序列决策，AWS教程展示了如何用SageMaker训练AgentCore智能体。
HuggingFace Daily Papers精选AI 评分6565 BrickWright: 基于智能体的物理可行积木构建框架
研究人员提出BrickWright框架，使用预训练智能体从文本或图像提示生成物理可行的积木构建。该框架通过BrickLayer工具包提供积木组装API和物理可行性验证，使智能体在512个提示样本上达到100%的物理有效性，同时保持提示遵循性。代码已在项目页面公开。
推荐理由：通过代码工具将AI智能体从虚拟建模引导至物理可行性验证，100%成功率揭示了具身智能的工程化路径。
钛媒体精选AI 评分8585 AI智能体加速系统漏洞利用，安全事件响应窗口大幅缩短
最近一个月内，十几起安全事件相继发生，涉及证书机构私钥、托管平台环境变量、包管理器等多个领域。从漏洞发现到大规模利用的时间缩短至几小时内，AI智能体在攻击执行环节和监控机制内部均有出现。PHP2Shell漏洞由AI模型辅助发现，被利用速度极快，扫描量在公开后45分钟内从数千次增至数万次。这些事件共同特点是攻击速度加快，防守方响应时间不足，凸显了当前安全体系的脆弱性。
推荐理由：漏洞利用周期从天级缩短到小时级，AI智能体正突破传统安全边界，防守方面临响应速度与权限管理的双重挑战。
钛媒体精选AI 评分8585 常驻型 Agent 推动中国 ICT 基础设施厂商先期获利
随着 Meta Muse、Grok Bot 和 Claude Duet 等常驻型 Agent 在云端普及，中国 ICT 基础设施厂商正迎来 CPU、存储和网络需求的显著增长。阿里云、腾讯云等已推出针对 Agent 的沙箱解决方案，而 CPU 与存储厂商订单量激增，价格上调。然而，应用层 Agent 商业模式的可持续性仍面临挑战。
推荐理由：常驻型 Agent 推高 CPU 与存储需求，ICT 厂商先于应用层兑现商业价值，但商业模式可持续性仍是关键。
钛媒体精选AI 评分8080 谁在押注 Personal AI，谁又在害怕 Personal AI？
阿里、腾讯、字节、阶跃星辰和 Today AI 等公司正从不同路径布局个人智能体，但微信、淘宝等 155 款应用拒绝自动化操作，揭示了中国 Personal AI 产业的核心矛盾：各家公司希望让 AI 成为用户新入口，但不愿将既有入口交给别人的 AI。
推荐理由：Personal AI 试图将需求入口与服务交付平台分离，但中国超级 App 生态的拒绝清单揭示了这一重构的深层矛盾。
钛媒体精选AI 评分7878 Mirendil发布千亿参数编码模型Mirendil-Base
Mirendil发布编码专用基座模型Mirendil-Base，参数量1000亿～5000亿，由1名研究员和Agent团队在三个半月内完成训练，成本不到1000万美元。模型在部分编码指标上已接近Kimi K3、GLM-5.3等主流模型，99%代码由Agent生成。
推荐理由：一人训练千亿参数模型展示了AI辅助研发的突破，但成本与人才门槛仍将限制其普及。
HuggingFace Daily Papers精选AI 评分6565 AgentVQA: 智能体视觉理解统一评测基准
研究团队发布AgentVQA评测基准，涵盖Web Agents、Robotics、Egocentric Videos、Games和Spatial Planning五个领域，从23个数据集中选取1000个真实场景样本。评测显示22个模型中最高准确率仅58.5%，主要问题在于视觉状态跟踪而非任务理解或逻辑推理。
推荐理由：AgentVQA 填补了智能体视觉理解评测的空白，22个模型最高仅58.5%准确率揭示了当前视觉状态跟踪仍是最大瓶颈。
HuggingFace Daily Papers精选AI 评分6565 SCOPE：将自然语言策略编译为神经符号谓词程序
SCOPE是一种新方法，将自然语言策略编译为可执行程序，由小型模型、确定性提取器和组合代码组成。该方法在真实世界策略任务基准测试中，实现了跨任务和模型的最平均准确率，且预测更稳定、可解释，并能部署在低成本模型上达到前沿推理模型的准确率水平。
推荐理由：SCOPE将自然语言策略编译为神经符号谓词程序，解决了LLM代理策略执行中的准确性与效率矛盾。
钛媒体精选AI 评分8585 Gemini 4 Argon Token消耗量暴涨3倍，谷歌CEO首谈砍掉3.5 Pro内幕
Google最新旗舰模型Gemini 4 Argon上线72小时处理近25万亿Token，消耗量是上一代Gemini 3.0同期的3倍。Google CEO桑达尔·皮查伊在访谈中首次公开解释了Gemini 3.5 Pro为何神秘消失，以及DeepMind核心管理层变动的幕后原因。
推荐理由：Gemini 4 Argon上线72小时处理25万亿Token，谷歌CEO首次披露砍掉3.5 Pro内幕，模型迭代与算力博弈成焦点。
IT之家精选AI 评分7878 OpenAI 宣布全面开放决策 API：基于 GPT-6 Luna，每百万 token 输入 0.1 美元
OpenAI 宣布全面开放决策 API（Decisions API），基于 GPT-6 Luna 构建，将模型智能聚焦于具有限定答案的问题，响应速度比通过 Responses API 调用 GPT-6 Luna 提升了高达 10 倍。该 API 输入每百万 token 收费 0.1 美元，命中缓存的输入每百万 token 收费 0.01 美元，仅按输入 Token 计费，输出 Token 免费。
推荐理由：决策 API 将模型智能聚焦于限定答案问题，响应速度提升 10 倍，标志着 OpenAI 正在将大语言模型从通用对话转向结构化决策场景。
Hugging Face Blog精选AI 评分7373 ThinkingBox-Training：将数据库评分转化为强化学习奖励
微软与Hugging Face合作发布ThinkingBox-Training，通过将数据库终端状态检查转化为奖励函数，对Qwen3.8-27B模型进行50步GRPO微调。
推荐理由：将数据库评分转化为强化学习奖励，让智能体从偶尔成功变为可重复执行，训练任务选择是关键。
雷锋网精选AI 评分7878 千问发布AI眼镜N1 Pro与耳夹式耳机
千问发布AI眼镜N1 Pro和耳夹式耳机，眼镜重44g，售价2218元起，耳机售价1099元起。N1 Pro搭载全天候视觉感知系统和眼动追踪模组，支持健康监测；耳机支持89种语言实时翻译。两款产品旨在作为千问Personal Agent的物理入口，整合阿里生态数据与服务能力。
推荐理由：44g眼镜实现主动服务，千问用硬件把Agent从对话窗推进到物理世界，接下来看用户是否愿意为这种'越界'买单。
HuggingFace Daily Papers精选AI 评分6565 FrontierCS 2: 计算机科学研发基准测试
研究团队发布FrontierCS 2基准测试，包含48个开放性任务，评估LLM智能体在计算机科学前沿研发中的贡献能力。最佳表现为Claude Opus 5.5，通过58%的测试任务，涵盖机器学习系统、高性能计算、数据库、安全和机器人等13个领域。
推荐理由：将LLM智能体置于真实研发环境测试，58%通过率揭示了当前AI在计算机科学前沿领域的实际贡献能力边界。
TechCrunch · AI精选AI 评分7878 微软发布AI诊断系统MAI-DxO，声称在复杂医疗病例上超越医生
微软AI部门发布名为MAI-DxO的AI诊断系统，在模拟测试中复杂病例诊断准确率达83%，而普通医生仅为36%。该系统通过协调多个AI智能体模拟医生团队进行诊断。微软正与梅奥诊所合作开发医疗基础模型，计划明年发布。
推荐理由：AI诊断系统在复杂病例上准确率达83%，比普通医生高出两倍，但成本与急诊表现仍有局限。
AWS Machine Learning Blog精选AI 评分7575 AWS 推出 SageMaker 训练会话 API，无需管理 GPU 即可编写自定义训练循环
AWS 发布 Amazon SageMaker 训练会话 API，允许开发者编写自定义训练循环，同时由服务管理 GPU 资源、分布式执行、故障恢复和检查点存储。
推荐理由：将训练抽象从算法层下沉到计算层，让开发者专注算法创新而无需管理GPU资源，这种服务模式可能重塑大模型定制化开发流程。
Microsoft Research精选AI 评分6868 Microsoft Research 发布 Flint-interactive：创建交互式数据可视化的语言
Microsoft Research 发布了 Flint-interactive，这是一种基于 Flint 的语言，用于创建交互式数据可视化。它允许用户和 AI 智能体通过高级语义事件和更新操作符定义交互行为，支持点击、过滤、缩放、高亮和跨图表交互等功能。
推荐理由：Flint-interactive 将交互逻辑与视觉逻辑分离，让智能体能生成可点击、过滤、缩放的高质量可视化图表，降低了开发复杂度。
AWS Machine Learning Blog精选AI 评分6565 Rescale 如何使用 Strands Agents 和 AI-DLC 构建 AI 分类智能体
Rescale 使用 AWS 的 AI-Driven Development Lifecycle (AI-DLC) 框架，在五天内构建了一个智能分类智能体，用于自动分类和路由夜间端到端测试失败。
推荐理由：五天从概念到测试环境，AI-DLC方法论让智能体开发既快又稳，关键在于人机协作而非完全自动化。