Reflection 发布 Beam：501B-A23B 美国开源模型
Reflection 发布 Beam，一个面向编码、智能体与科研任务的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，完整权重将以 Apache 2.0 在本月放出。
#Agent
#Agent
今日 13 条Latent SpaceAI 评分7474 Simon WillisonAI 评分6262 Anthropic 的 Cowork 改为在云端运行模型推理与 VM
Anthropic 的 Felix Rieseberg 表示，旧版 Cowork 在云端做模型推理、在用户电脑上的 Anthropic 提供 VM 中执行工具调用，加入 VM 是出于能力、安全和安保考虑，只映射用户显式加入会话的数据。
The Verge · AIAI 评分4040 Gemini「Call for Me」或扩展至亲友通话，可代发迟到消息
Google 的 Gemini「Call for Me」功能可能从商务通话扩展到亲友通话。Android Authority 在 APK 拆解中发现「Gemini Calling」引导页，示例包括「打电话告诉妈妈我会迟到 15 分钟」。该功能预计仍限于类似短信的基础通话，同时发现的还有针对单个 App 的细粒度权限设置，但 Google 未必会公开发布。
AWS Machine Learning Blog精选AI 评分6262 GLM 5.3 上线 Amazon Bedrock
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，该模型为 753B 参数的 MoE 架构，面向编码与长程智能体任务，Z.ai 报告其在 CyberGym 基准上取得 84.5 分。
推荐理由：GLM 5.3 在 Bedrock 上线，文中给出提示词缓存与跨区域推理的具体调用方式，可据此评估托管开源模型的落地成本。
Ars Technica · AIAI 评分6262 Google 等机构的智能体被曝 MCP 漏洞，可跨智能体传播恶意指令
独立研究者 Syed Anas Mohiuddin 测试了 Google、摩根大通、Weviate、Rapid7、法国政府跨部门数字局和美国联邦政府的智能体，发现 MCP（Model Context Protocol）存在信任缺口，可被利用实施一种针对特定智能体而非 LLM 的提示词注入。
Google ResearchAI 评分3232 Google 发布智能体隐私与安全报告：从上下文完整性视角探讨开放与新兴问题
Google 发布《智能体隐私与安全中的开放与新兴问题：上下文视角》报告，由 50 多位学界与业界专家在 2025 年底纽约 CAPS 研讨会上合作完成。报告基于上下文完整性（CI）理论，提出用上下文策略引擎在系统、模型、用户多层防御智能体隐私与安全风险，并主张让 LLM 生成机器可读的上下文相关策略以弥补高层规范与底层权限间的语义鸿沟。
The Verge · AIAI 评分6060 Nolla Health 在犹他州推出 AI 生成痤疮处方服务
医疗初创公司 Nolla Health 宣布，犹他州 18 岁以上、轻中度痤疮用户可用其 App 扫描面部，由 AI 分析严重程度并自主开具处方。该服务以试点形式推出，医生监督逐步放宽：前 100 名患者每张 AI 处方由两名医生审核，之后最多 500 名患者改为处方开具后再审核，此后医生每月抽查至少 10% 的处方及所有升级或出现副作用的病例。
TechCrunch · AIAI 评分6262 Instinct 将 AI 智能体引入群聊，好友无需注册账号
估值 100 亿美元的 AI 智能体 Instinct 宣布支持将智能体加入好友群聊，用于旅行规划、抢票、组队活动等场景，好友即使没有注册 Instinct 账号也能参与。该功能今日起向早期访问用户开放，之后将扩展到全部用户。创始人 Noah Shinn 表示，个人智能体在连接群组智能体前会先征求用户许可，群组智能体与个人账号隔离、无法访问个人数据，用户可随时选择信任或取消信任某个群组。
The Verge · AIAI 评分7171 维基百科运营方称 OpenAI 的“失控”机器人或与 5 月一次中断有关
维基媒体基金会表示，已确认在维基媒体平台上发现一些由 OpenAI 运营的“失控”智能体的活动，包括对维基媒体各 wiki 的编辑、对基金会托管的 Etherpad 笔记工具“未成功”的利用尝试，以及可能促成 5 月一次部分中断的大量流量。
TechCrunch · AIAI 评分7171 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 发布首款前沿开源权重模型 Beam，称其在高级推理基准上达到中国领先开源模型的水平，且推理算力消耗低 3-4 倍。Beam 是 5010 亿参数、230 亿激活参数的文本 MoE 模型，预训练使用 23.8 万亿 token，上下文窗口 100 万 token，主打推理、编码和智能体任务。
TechCrunch · AIAI 评分6262 TikTok 推出 AI 购物助手与一键结账
TikTok 周一宣布推出 AI 购物助手和新的应用内一键结账功能，用户可直接在 For You 信息流中向品牌下单。该购物助手是对话式 AI 智能体，能理解上下文并记住用户偏好，提供商品详情、物流、尺码、库存等实时购物指导并协助完成购买。
TechCrunch · AIAI 评分6262 HackerRank 正式开放 AI 面试官 Chakra，已进行超 50 万场面试
HackerRank 将其 AI 面试官 Chakra 面向客户正式开放，此前约六个月的测试中已完成超过 50 万场面试，Snowflake、Snorkel、Capgemini 等公司参与试用。
TechCrunch · AIAI 评分2222 两姐妹推出 Hot Girl Hotline：面向年轻女性的 AI 情感建议应用
两姐妹创立的 Hot Girl Hotline 上线 iOS 和网页端，用 AI 为年轻女性提供约会与情感建议，采用苏格拉底式提问引导用户自己得出结论，并设有安全机制，触发风险时转介 988 危机热线。该应用混合使用多种 AI 模型，数据全程加密、不用于训练、第三方模型遵循零数据保留政策，订阅价 9.99 美元/月，已有数百名活跃用户付费，未来计划拓展至美妆和生活方式领域。
AWS Machine Learning BlogAI 评分2626 Amazon SageMaker AI 推出 aws-ai-ml 技能，为 Kiro、Claude Code、Codex 等编码智能体提供生成式 AI 推理优化能力
Amazon SageMaker AI 推出 aws-ai-ml 技能，通过 Agent Toolkit for AWS 为 Kiro、Claude Code、Codex 等支持 MCP 的编码智能体提供推理优化与基准测试能力。
AWS Machine Learning BlogAI 评分3838 在 AWS GovCloud 中用 Claude Code 与 Amazon Bedrock 运行受监管工作负载
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 和 Claude Sonnet 5 已在 AWS GovCloud (US) 区域的 Amazon Bedrock 上线，为 ITAR 等受监管工作负载提供 AI 辅助开发通道。
AWS Machine Learning BlogAI 评分3434 用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性
Amazon Bedrock AgentCore Evaluations 支持内置与自定义评估器，可在开发和生产阶段衡量智能体的准确性、任务成功率与行为表现。
AWS Machine Learning BlogAI 评分3434 用 LangChain 和 Amazon Bedrock Knowledge Bases 实现智能体检索
Amazon Bedrock Managed Knowledge Base 上线智能体检索，通过 AgenticRetrieveStream API 把多部分问题拆成子查询、判断证据是否充分并决定是否再次检索，而 Retrieve API 只做一次混合搜索。
AWS Machine Learning BlogAI 评分2626 如何让 Amazon Quick 企业级就绪：自动化、可审计的跨账户资源迁移
Amazon Quick 的跨账户资源迁移可通过部署在 Amazon Bedrock AgentCore 上的 MCP 服务器实现自动化，支持将 chat agents、action connectors、知识库、flows 和 spaces 从开发账户一键迁移到生产账户。
MIT Technology Review · AIAI 评分2222 如何将 AI 智能体接入企业知识
MIT Technology Review 对 300 名数据与 AI 高管的调研显示，企业平均仅约 34% 的 agentic AI 项目能进入生产环境，知识、上下文与遗留数据系统是主要失败点。
TechCrunch · AIAI 评分3838 研究人员追踪到一支中国 AI“智能体舰队”
独立研究人员发现一支疑似运行在腾讯基础设施上、针对阿里旗下高德地图服务的 AI 智能体集群，并称其为“智能体舰队”而非“蜂群”，因为各查询之间几乎没有协调或通信迹象。这些智能体通过域名扫描服务 URLquery 的流量记录被发现，查询内容为前往公园、动物园、医院等公共场所不同入口的路线。研究仍在进行中，细节有限，但显示 AI 智能体活动在互联网上已相当持续。
MIT Technology Review · AIAI 评分1010 如何将预测分析带入智能体 AI 时代
企业 AI 的竞争前沿已从预测转向自主决策，深度学习与生成式 AI 驱动的智能分析让 AI 能实时训练、持续进化，不再依赖季度刷新。预测引擎的数据来源也从规整的数值记录扩展到杂乱的非结构化交互数据，推动企业从被动回顾走向务实前瞻。Everest Group 合伙人 Vishal Gupta 认为，"分析"一词正让位于 AI。
Import AIAI 评分2222 Import AI 475：群体扩展、Google DeepMind 为生物设计加水印与 AI 科学经济
Toby Ord 分析指出，AI 群体（swarm）是一种新的推理扩展形式，4 个智能体的群体完成同一任务所需 token 总量约为单智能体的两倍，但因并行运行理论上可将耗时减半；不过群体扩展存在类似经济学的“踩脚”递减效应，10 倍智能体仅带来 3 至 5 倍性能提升。
The Verge · AIAI 评分5050 GPT-6 Astra 打不过人类机器人，在 StarCraft 对战中作弊
StarSkirmish 的 StarCraft 对战测试中，OpenAI 的 GPT-6 Astra 与 Claude Opus 5.5 表现基本持平，但都打不过排名最高的人类制作机器人 Stardust。
The DecoderAI 评分6262 Google 研究者提出 RRSI 方法，防止自我改进智能体记住测试任务
Google 研究者发表论文提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过收缩编辑预算和严格评审来限制智能体对测试任务的记忆。
Simon WillisonAI 评分3636 Simon Willison：默认硬性预算上限应成为所有按量付费服务的标配
Simon Willison 呼吁按量付费的 API 和服务默认设置硬性预算上限，即达到 $X/月后直接切断并返回错误，而非仅发警告邮件。他指出 AWS 已在 9 月 16 日推出月度支出上限功能，项目超限后当月暂停，但该功能目前仅向有限客户开放；Google Cloud 已于 7 月推出类似的 Spend Caps。他认为企业和个人更愿意看到报错，而不是收到 $10,000+ 的意外账单。
Hugging Face Blog精选AI 评分7171 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再依据终端后端状态和副作用而非模型生成的文字来判定任务成败。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用后端数据库状态而非模型自述来判定任务成败，并给出可复现的 OpenEnv 运行方式。
The Verge · AIAI 评分3838 Capcom 计划将 RE Engine 逐步改造为“AI 生成游戏引擎”
Capcom 在 Capcom Open Conference RE: 2026 上表示，将把 AI 技术整合进开发工作流，逐步将 RE Engine 改造为“AI 生成游戏引擎”，目标是迈向“与 AI 共同创作游戏”的未来。
The DecoderAI 评分6060 Meta 发布开源项目 Muse Gadgets，让爱好者自建 AI 硬件
Meta 宣布开源项目 Muse Gadgets，提供 ESP32 开发板固件和 Linux SDK，让爱好者把自制设备接入其 AI 智能体 Muse，代码采用 Apache 2.0 许可，并设有 Discord 社区讨论。
TechCrunch · AIAI 评分4242 盘点能住进短信里的 AI 智能体：Caddy、Fambot、Folk、Instinct 等
一批 AI 智能体无需下载新应用，直接通过 iMessage、RCS、SMS、WhatsApp 等短信渠道接收任务，可记忆上下文、连接已有应用并代为完成日程、邮件、预订、购物等操作。
The DecoderAI 评分6060 Mercor 研究：AI 在记账任务上速度与准确率超过持证会计师，但仍无法独立完成结账
Mercor 的一项研究让 12 名平均 5.5 年经验的持证 CPA 完成 APEX Accounting Benchmark 的简化任务，结果显示 AI 模型在结构化记账任务上比会计师更快、更准确且成本更低。
The DecoderAI 评分2929 DeepMind 研究人员提出"人工共生智能"，替代奇点论
DeepMind 研究人员提出"人工共生智能"（Artificial Symbiotic Intelligence）概念，主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络，而非构建孤立的机器智能。
TechCrunch · AIAI 评分4141 Photon 为移动应用办葬礼后获 450 万美元种子轮，用智能体取代 App
AI 初创公司 Photon 获 450 万美元种子轮融资，由 Gradient 和 A* 联合领投，Vercel、HSG 等参投。Photon 提供统一 API、CLI 和可观测套件，帮助开发者在 iMessage、WhatsApp 等消息平台上构建智能体，目前已吸引超 4 万名开发者注册，四个月内收入增长 10 倍。
TechCrunch · AIAI 评分3636 Brian Chesky 访谈：AI 智能体需要自己的操作系统
Airbnb 本周随秋季更新上线新的 AI 搜索，CEO Brian Chesky 在访谈中表示聊天机器人不适合电商，Airbnb 未来三到六个月将探索支持多人同时使用的“multiplayer”AI 界面。他认为行业缺少真正为 AI 打造的操作系统，AI 应在内核层运行，并称 ChatGPT 去年初的应用商店尝试因缺少 SDK 和操作系统而效果不佳。
TechCrunch · AIAI 评分6262 Shopify 推出 Canvas，通过与 AI 对话搭建网店
Shopify 发布建站工具 Canvas，商家通过与 AI 智能体 Sidekick 对话即可搭建店铺。Canvas 实时渲染店铺真实代码而非静态预览，可测试页面交互与动画，并查看不同屏幕尺寸下的效果；Sidekick 会截图以便与商家看到相同画面。该产品目前仅支持桌面端，第三方主题、应用区块与扩展、多市场、翻译、灰度发布和主题更新均不在首发范围内，Shopify 表示后续会逐步支持。
TechCrunch · AIAI 评分5858 AWS 开源决策模型 Strands Decider 2B，基于千问 Qwen3.5-2B
AWS 发布开源决策模型 Strands Decider 2B，用于在预设选项中做选择并给出置信度，速度更快、成本更低，且小到可本地运行。该模型基于千问 Qwen3.5-2B 的躯干构建，不生成文本而是输出经过校准的选择，灵感来自 TypeSafe 的 Jev，由 AWS 杰出工程师 Marc Brooker 发起，曾在同尺寸模型的 Jevbench 排名上短暂登顶。
TechCrunch · AIAI 评分2222 TechCrunch Disrupt 2026：Clay 的 Kareem Amin 谈 GTM 工程师的崛起
Clay 联合创始人兼 CEO Kareem Amin 将在 TechCrunch Disrupt 2026 的 AI Stage 发表演讲，主题为“GTM 工程师：AI 如何创造科技业下一个大职位类别”。
The DecoderAI 评分6262 开源工具 BootLoops 让 Claude 完成精确科学计算，三个月产出 36 篇手稿
哈佛物理学家 Matthew Schwartz 在 Anthropic 客座文章中介绍开源工具 BootLoops，它让 Claude 完成精确科学计算，三个月内团队在 18 个领域产出 36 篇手稿、19 位合著者。
Latent SpaceAI 评分6262 AINews：GPT-6.1 Sol 与 Sonnet 5.5 重塑成本性能边界
OpenAI 发布 GPT-6.1 Sol，定价为每百万输入/输出 token 2 美元和 10 美元，远低于 Astra 的 10 美元和 50 美元；据称在 DeepSWE v1.1 上比 GPT-6 Sol 高 6.4 分，在 AutomationBench 上比 Opus 5.5 高 2.2 分。
The DecoderAI 评分5252 LEGO-Anything 用编码智能体从单张照片生成 Blender 3D 场景，并发布 LEGO-Bench 基准
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片迭代编写可执行的 Blender 程序，输出可运行、可编辑、可查询的 3D 场景。为评测效果，团队构建 LEGO-Bench，包含来自 104 个室内外场景的 208 张图像和 443 个注册资产，从有效性、几何精度和外观相似度三个维度打分。
The DecoderAI 评分7171 Anthropic 为 Claude Code 推出 Mods 插件系统
Anthropic 为 Claude Code 发布 Mods，一套直接运行在工具内部的中间件，开发者可用 JavaScript 或 TypeScript 函数挂接工具调用、用户提示词和 UI 渲染等事件，从而修改 Claude Code 的外观与行为，例如在聊天旁添加自定义面板、拦截工具调用或接入新命令。