AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：OpenClaw×
6月28日
19:12
6月27日
17:24
13:12
6月26日
03:05
6月23日
11:03
11:03arXiv cs.AI@Yikun Fu, Bowen Fu, Zhenyu Wu, Shuang Cheng, Xiaowei Sun, Bowen Yang, Zehao Li, Yibo Zhao, Zichen Ding, Zhoumianze Liu, Shijie Wang, Biqing Qi, Bowen Zhou
MacAgentBench新基准包含676个任务覆盖25个macOS应用，近60%任务需要同时操作GUI和命令行。采用确定性规则评估并引入细粒度多检查点评分。实验在3个框架和16个模型上进行，最优配置Claude Opus 4.6 on OpenClaw达到73.7% Pass@1，优势主要来自技能库而非框架设计。细粒度指标显示相同Pass@1的模型在子目标完成上差异显著。
论文MacAgentBenchOpenClawClaude Opus 4.6桌面自动化智能体评估
推荐理由：这篇论文发布了MacAgentBench，一个包含676个macOS桌面任务的智能体基准。它用细粒度评分发现Claude Opus 4.6配合OpenClaw能拿到73.7%的正确率，而且不同模型表面分一样但实际完成能力差很多，值得研究智能体的去看。
原文
6月18日
17:43
17:43IT之家（博客/媒体）
小米发布并开源 Xiaomi Miloco 2.0，基于自研 MiMo 大模型，以 Agent 形式接入 OpenClaw，实现从 Miloco 1.0 到主动智能的升级。新方案具备通用常识，可识别孩子玩刀具、老人跌倒等危险并预警。通过人脸与体态识别家庭成员，支持主动注册新成员及个性化操作。系统能沉淀家庭成员的长期习惯，在用户开口前主动执行如提醒休息、推荐场景联动等任务。硬件要求内存≥4GB、存储≥256GB，推荐 Mac mini 运行，需要米家设备和多模态大模型 API Key。
AI模型Xiaomi Miloco 2.0MiMoOpenClaw智能体主动智能
推荐理由：小米把全屋智能 Agent 开源了，基于 MiMo 大模型，能认人、记习惯、主动干活，自己搭一套试试。
原文
6月16日
21:49
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
11:56
11:56arXiv cs.LG@Mengyu Zheng, Kai Han, Boxun Li, Haiyang Xu, Yuchuan Tian, Wei He, Hang Zhou, Jianyuan Guo, Hailin Hu, Lin Ma, Chao Xu, Guohao Dai, Lixue Xia, Yunchao Wei, Yunhe Wang, Yu Wang
精选
通用智能体（如OpenClaw）在编程任务上的表现难以用现有SWE-bench准确衡量，因为其不满足Docker工作区、补丁和预测合约要求。为此，研究者推出了Claw-SWE-Bench，一个多语言基准测试和适配器协议，能在固定提示、预算、工作区等公平条件下比较不同智能体框架。该基准包含350个GitHub问题实例，覆盖8种语言和43个仓库，并提供了80实例的轻量版Lite用于快速验证。实验显示，OpenClaw在直接适配器下仅得19.1% Pass@1，而完整适配器可达73.4%，表明适配器设计对编程任务至关重要。该基准将框架和成本作为评估核心维度，数据已开源。
论文基准测试编程智能体OpenClawSWE-bench适配器
推荐理由：做智能体编程评估的团队终于有了公平比较的基准——Claw-SWE-Bench解决了不同框架无法直接对比的痛点，建议做Agent评估的开发者直接用它来测试自己的适配器设计。
原文
6月7日
01:06
01:06AI Engineer@aiDotEngineer
精选76°
开源项目 OpenClaw 在一天内完成了 3000 次代码提交，由 10 到 15 位兼职维护者（均有全职工作）协作完成。首席架构师 Vincent Koc 透露，凌晨 2 点他与 NVIDIA 的 Peter 运行了 60 到 70 个 AI 智能体，贡献了 2700 次提交，修改了近百万行代码，触及 82% 的核心代码库，并在一夜之间交付了插件架构。成功的关键在于 AI 生成的过度拟合单元测试——只要测试通过，团队就知道方向正确。Vincent 还指出，识别 AI 何时在胡扯是一项被忽视的技能：AI 的异常不在于它做了什么，而在于它如何解释自己。
AI产品OpenClawAI 智能体代码重构开源协作单元测试
推荐理由：OpenClaw 展示了 AI 智能体如何将 10 多位兼职开发者变成一支超级团队，单日重构百万行代码。做开源或大型代码重构的团队值得看看这种协作模式，尤其是如何用 AI 测试来验证进度。
原文
6月6日
01:00
6月4日
09:30
07:16
6月3日
09:56
09:56小互@imxiaohu
83°
微软宣布将开源项目 OpenClaw 引入 Windows 生态系统，利用其新推出的 MXC 安全容器技术，使 OpenClaw 的 node 和 gateway 能在容器内原生运行，并提供配套应用方便设置连接。同时，微软在 Build 2026 上发布了基于 OpenClaw 的“始终在线”个人 AI Agent——Microsoft Scout，可连接 Teams、Outlook、OneDrive、SharePoint 等，在后台自动执行协调工作。微软将这类 Agent 称为“Autopilots”，并承诺将企业级策略控制贡献回上游开源项目。此举解决了 OpenClaw 在企业落地的安全痛点，接入了 Defender、Entra、Intune 等企业安全栈，补齐了最大短板。
AI产品OpenClawMicrosoft ScoutAI Agent企业安全Windows
推荐理由：微软用企业安全栈补齐了 OpenClaw 的落地短板，做企业级 AI Agent 的团队可以直接在 Windows 上原生部署，值得关注。
原文
6月2日
10:48
5月31日
01:43
01:43Decoder@Matthias Bastian
72°
据报道，微软和英伟达正在合作开发新一代AI PC，这些PC将不再依赖Copilot，而是运行真正的AI智能体。英伟达将提供自研芯片作为主要处理器，首批设备包括戴尔和微软Surface系列，预计在下周的Computex和Build大会上亮相。微软还计划基于OpenClaw框架开发新软件，让AI智能体在Windows PC上本地处理任务，这是对之前Copilot+ PC概念失败后的第二次尝试。此举旨在提升PC的本地AI能力，减少对云端的依赖。
AI产品AI PC微软英伟达智能体OpenClaw
推荐理由：微软和英伟达联手打造本地AI智能体PC，解决了Copilot+ PC概念失败的问题，做AI硬件或Windows生态的开发者值得关注，这可能是PC AI化的新方向。
原文
5月25日
21:07
13:09
13:08
13:07
13:07
12:27
5月22日
15:59
15:59
11:01
11:01arXiv cs.AI@Qianshu Cai, Yonggang Zhang, Xianzhang Jia, Wei Xue, Jun Song, Xinmei Tian, Yike Guo
精选
现有自主智能体系统部署后基本静态，无法从用户交互中学习，重复故障需等待人工更新修复。MOSS 提出源码级自我进化方法，直接修改智能体系统的源代码，而非仅调整文本可变的技能文件或提示配置。系统通过自动收集生产故障证据、多阶段确定性流水线生成代码修改，并在临时工作器中验证候选版本，最后通过用户同意的容器热替换实现部署。在 OpenClaw 基准测试中，MOSS 单次循环将平均评分从 0.25 提升至 0.61，无需人工干预。该方法解决了文本层无法触及的结构性故障（如路由、钩子顺序、状态不变量等），为智能体系统持续自我改进提供了更通用的框架。
论文自主智能体自我进化源码重写故障修复OpenClaw
推荐理由：做自主智能体系统开发的团队终于有了能自动修复代码级故障的方案——MOSS 让智能体从用户交互中学习并自我改进，建议关注其源码级重写机制如何解决传统文本层无法触及的结构性问题。
原文
5月17日
19:53
19:53IT之家（博客/媒体）
OpenAI 员工、OpenClaw 项目创始人 Peter Steinberger 晒出 30 天内 OpenAI API 账单，高达 130 万美元（约 890.9 万元人民币），涵盖 760 万次请求和 6030 亿 token，全部由约 100 个 Codex 实例生成。这些智能体自主审核代码、筛查漏洞、编写修复代码，甚至参与会议并自动生成代码。Steinberger 表示这是无预算限制下测试 AI 辅助软件开发极限的实验，所有成果开源。账单中极速模式是主要成本来源，关闭后成本可降至约 30 万美元。此事引发对 AI 编程工具定价模式和实际算力成本的关注。
行业AI 编程CodexOpenClawAPI 成本智能体
推荐理由：这 130 万美元账单揭示了 AI 编程工具在无预算约束下的真实能力上限，做自动化开发或研究 AI 编程极限的团队值得一看，看完会重新思考 Codex 的定价和实际价值。
原文
14:00
14:00shao__meng@shao__meng
精选73°
Atomic Bot 发布了一段基于本地模型 Qwen 35B 的真实任务视频，对比 OpenClaw 和 Hermes Agent 在抓取 GitHub 仓库 star 历史、分析增长 spike 并构建实时仪表盘上的表现。OpenClaw 用时 12 分 01 秒、消耗 203k tokens，Hermes Agent 用时 33 分 01 秒、消耗 257k tokens。Hermes 联创 @Teknium 反击称该基准不科学，指出单次运行、无重复测试、Qwen 35B 易循环等问题，并展示 Hermes 在公开基准和真实用户数据上全面领先，用户日 token 量已达 OpenClaw 的 2.5 倍。这场辩论揭示了 AI Agent 评测的复杂性和社区对公平对比的诉求。
行业AI AgentOpenClawHermes AgentQwen 35B基准评测
推荐理由：AI Agent 开发者或评测爱好者会看到一场关于基准科学性的硬核辩论——单次跑分 vs 真实用户数据，哪个更可信？值得点开围观双方论据。
原文
5月15日
10:02
10:02arXiv cs.AI@Shaoan Zhao, Huanlin Gao, Qiang Hui, Ting Lu, Xueqiang Guo, Yantao Li, Xinpei Su, Fuyuan Shi, Chao Tan, Fang Zhao, Kai Wang, Shiguo Lian
精选
MediaClaw 是一个基于 OpenClaw 生态构建的多模态智能体平台，旨在解决 AIGC 落地中的碎片化能力、异构接口、生产流程割裂和高质量工作流复用难等痛点。其核心采用三层架构：统一抽象层将全品类 AIGC 能力抽象为统一调用模型，插件化扩展层支持热插拔能力扩展，工作流编排层通过面向任务的 Skills 将复杂生产过程转化为可复用资产。该技术报告重点阐述了 MediaClaw 的架构设计理念、核心能力模型的设计逻辑以及实现中的关键工程权衡，为构建多模态能力平台提供了可复用的实践参考。
论文多模态智能体AIGC平台架构工作流编排OpenClaw
推荐理由：做多模态 AI 应用或 AIGC 平台架构的团队，可以直接参考 MediaClaw 的三层抽象和插件化设计，解决能力碎片化和工作流复用难题，建议点开看看工程权衡细节。
原文
5月13日
15:51
11:54
5月11日
22:18