智能体相关 AI 资讯

8月12日

22:29

量子位@梦瑶

国产具身智能模型在一小时内分拣1816件异形包裹，创下全球新纪录。该模型以30%的成本实现了比Figure AI高45%的分拣效率。其关键在于采用了更聪明的具身大脑，提升了决策与操作能力。这一成果展示了国产具身智能在成本与性能上的双重优势。

AI模型具身智能 Figure AI 分拣机器人

推荐理由：国产具身智能一小时拣1816件包裹，成本只有Figure AI的30%，效率还高45%，看看它怎么做到的。

原文

22:05

官方一手AWS Machine Learning Blog@Astrid Bowser, Alex Savage Nick Heap

精选

OneAdvanced是一家英国企业软件提供商，在AWS上构建了英国主权AI平台。他们通过Amazon SageMaker AI自托管Llama 4 Maverick和Llama Guard 4模型，并使用pgvector搭建RAG管道。基于Strands Agents SDK在Amazon ECS上部署了超过50个AI智能体。该平台确保数据留在英国境内，满足主权要求。

AI产品 OneAdvanced Llama 4 Maverick AWS

事件专题

推荐理由：看看英国公司怎么在AWS上自托管Llama 4，搞了50多个智能体，数据不出境，适合有合规需求的人参考。

原文

21:25

OpenRouter@OpenRouterAI

精选73°

Meta Superintelligence Labs 推出首个开源权重模型 Muse Glimmer，已在 OpenRouter 上线。该模型为 30B 参数稠密文本+图像模型，采用 Apache 2.0 许可证。Muse Glimmer 在 MCP Atlas 基准上得分 75.5，在 SWE-Bench Pro 上得分 51.2，定位为可靠的本地智能体。

AI模型 Muse Glimmer Meta OpenRouter

推荐理由：Meta 新出的开源模型 Muse Glimmer，30B 参数，Apache 2.0 随便用，本地跑智能体挺靠谱，MCP Atlas 和 SWE-Bench Pro 分数都不错，想玩本地 AI 的可以试试。

原文

21:15

21:15官方一手OpenAI: 官网动态（博客/媒体）

OpenAI发布研究报告，揭示企业采用智能体AI的现状。报告指出，前沿企业正通过ChatGPT和Codex等工具，将AI从辅助角色转向执行任务。数据显示，这些企业更倾向于将AI嵌入核心业务流程，而非仅用于个别场景。报告还分析了不同行业在AI采用上的差异，以及领先企业如何通过组织变革加速落地。

行业 OpenAI ChatGPT Codex

事件专题

推荐理由：OpenAI官方报告，讲企业怎么用ChatGPT和Codex干活，不是空谈，有具体数据和案例，适合想了解AI落地路径的人。

原文

19:58

小互@imxiaohu

精选

xAI 推出新 Agent 产品 Grok Bot，定位为住在云端的 AI 同事。每个 bot 运行在一台常驻 Linux 机器上，能用你的登录状态直接操作网页、应用和文件。遇到登录、验证码或付款时，它会将控制权交还给你，完成后继续执行。你可以演示一次操作，它就会保存为固定流程，支持定时或由 Slack 消息、Git 事件触发。多个 bot 之间还能互相派活，由总控 bot 协调收件箱、报销、招聘等任务。

AI产品 Grok Bot xAI 智能体

事件专题

推荐理由：xAI 出了个能住你账号里干活的 Agent，翻网页、开应用、卡住喊你，演示一遍就记住流程，还能一群 bot 互相派活，挺新鲜的。

原文

18:51

Fireworks AI@FireworksAI_HQ

精选

Meta Superintelligence Labs 推出开源权重模型 Muse Glimmer，已上线 Fireworks 平台。该模型为 30B 稠密模型，专为持续运行的智能体设计，支持跨多次顺序工具调用进行推理并可从失败中恢复。Muse Glimmer 支持 128K+ 上下文，原生支持图像和文本输入。开发者可通过 Fireworks 平台开始构建应用。

AI模型 Muse Glimmer Meta Fireworks

推荐理由：Meta 新开源了个 30B 模型，专为智能体连续调用工具设计的，还能从报错里恢复，128K 上下文，想玩智能体的可以试试。

原文

18:40

官方一手arXiv: DeepSeek@Beichen Huang, Zhenyu Liang, Bowen Zheng, Ran Cheng

精选

EvoX Genesis 框架将软件项目设为持久递归世界，本地智能体保持有限寿命，通过递归委派推进版本历史。基于 DeepSeek V4 Flash，Genesis 在 120 小时内构建了约 25 万行 Rust 的 C 编译器，花费仅 44 美元，通过完整 c-testsuite 及多数 LLVM 和 Csmith 测试。在 GLM 5.2 生成的编译器世界中，多次替换智能体后开发仍保持全部测试性能。Genesis 还将 13 个 MESA 模块（超 10 万行 Fortran）重写为约 9 万行 Rust，六个数值工作负载中位数加速 1.55 至 6.87 倍。结果表明，长期软件开发可围绕持久项目而非持久智能体组织。

论文 EvoX Genesis DeepSeek V4 Flash GLM 5.2

事件专题

推荐理由：想低成本搞大型软件项目？EvoX Genesis 用 44 美元让 AI 写了 25 万行编译器，换人也不掉链子，值得看看。

原文

18:37

shao__meng@shao__meng

精选

SpaceXAI 发布新型 AI 同事 Grok Bot，目前处于早期测试阶段。与传统 AI 助手不同，Grok Bot 拥有自己的计算机环境，能实际登录 Zendesk、CRM 等工具并像真人一样操作界面，直接交付已完成的工作。它支持异步 7×24 小时运行，用户下达任务后可离开，Bot 在需要审批时才会联系用户。用户可创建多个 Bot 并行处理不同职能，它们之间能共享上下文和相互协作。Grok Bot 还提供销售外联、人才招聘等预置岗位模板，并支持通过示范一次工作流程来创建可复用的例行程序。

AI产品 Grok Bot SpaceXAI 智能体

推荐理由：想找个能替你干活的 AI 同事？Grok Bot 能登录你的工具、7×24 小时干活，还能学你的工作习惯，值得试试。

原文

18:36

shao__meng@shao__meng

72°

前千问负责人林俊旸宣布在上海成立新公司 Pragmatik Labs（语用科技），简称 p7k，聚焦横跨数字与物理世界的下一代智能体研究。公司同时覆盖软件层面的数字 Agent 和面向真实环境的具身智能。本轮融资由高榕创投与红杉中国联合领投，腾讯与上海未来产业基金跟投。据 The Information 报道，融资规模达数亿美元，投后估值约 20 亿美元。

行业 Pragmatik Labs 林俊旸智能体

推荐理由：林俊旸从阿里千问出来单干，搞数字和物理世界通吃的智能体，红杉高榕腾讯都投了，估值 20 亿美元，想了解他下一步动作的可以看看。

原文

18:07

官方账号arXiv cs.AI@Alan Li, Rahul Saha, Anton Xue, Swarat Chaudhuri, Adam Klivans, Pravesh K Kothari, Raghu Meka

精选

arXiv论文展示了AI在数学研究中改进Grothendieck常数K_G界限的案例。研究者将K_G的已知界限收紧至6π/11 ≤ K_G ≤ π/(2log(1+√2)) - 10^-4。AI系统提出了领域专家认为新颖的见解。论文详细讨论了AI在数学研究中的优缺点，以及创造理想条件让AI产生突破性见解的经验。

论文 Grothendieck常数 AI数学研究 arXiv

推荐理由：想知道AI怎么帮数学家干活？这篇论文用Grothendieck常数当例子，讲AI怎么把已知界限又收紧了一截，还聊了AI的强项和翻车点，挺实在的。

原文

18:05

Harrison Chase@hwchase17

LangChain 创始人 Harrison Chase 在 X 上宣布，他正在制作一个名为“Managed Deep Agents 101”的大型视频，深入讲解托管深度智能体的核心概念。该视频将基于 LangSmith 的 Python 文档，涵盖相关核心概念。他询问用户偏好，是希望看到一个超过 2 小时的单一视频，还是一个包含约 12 个十分钟视频的 YouTube 播放列表。目前该推文获得 3 个赞和 1123 次浏览。

技巧 LangChain Harrison Chase 智能体

推荐理由：LangChain 创始人要出教程了，讲托管深度智能体，还问大家想要长视频还是短视频列表，想学这块的可以去提意见。

原文

17:57

官方账号arXiv cs.AI@Kushal Chakrabarti

精选

该研究分析了1,867个仓库中247,694条指令的生命周期，发现智能体提示词无界增长，平均增长226%，每次提交净增4.9条指令。指令越旧越难删除，对数风险为-0.032/提交。通过反转IFEval生成可验证世界，提示注释可移除99.3%的多余指令，将增长率从+211.3%降至+1.4%。在WildIFEval上，提示注释使真实智能体指令遵循率提升23.1%。

论文 CLAUDE.md 智能体提示词工程

推荐理由：如果你用CLAUDE.md这类文件，会发现它越写越长不敢删。这篇论文告诉你为什么，还给了个注释技巧，能砍掉99%的冗余指令。

原文

17:48

Yangyi@Yangyixxxx

林俊旸宣布在上海创立新公司Pragmatik Labs（语用科技），专注下一代智能体研究，覆盖数字与物理世界。高榕创投与红杉中国联合领投，腾讯与上海未来产业基金参投。林俊旸认为AGI将从网络走向物理世界，物理世界仍缺基建粘合剂。

行业 Pragmatik Labs 语用科技林俊旸

事件专题

推荐理由：林俊旸离开DeepSeek后创业，语用科技拿红杉和高榕的钱做物理世界智能体，方向挺有意思。

原文

17:45

AI Will@FinanceYF5

AI Agent在电脑操作基准测试中的成绩一年内从42%提升至85%，超过约72%的人类基准。这些Agent已从演示阶段进入真实业务场景。企业关注的重点已从Agent能否点击按钮，转向其能否稳定完成整份工作。

AI模型 AI Agent 电脑操作基准测试

推荐理由：AI Agent操作电脑的成绩一年翻倍，已经超过七成人类，现在开始进企业干整份活了，看看它们到底行不行。

原文

17:42

Aravind Srinivas@AravSrinivas

精选

NVIDIA 的 Nemotron 3.5 Lightning 现已面向所有开发者开放，可通过 Perplexity Agent API 调用。该模型为开源 30B MoE 架构，仅激活 3B 参数，专为高频智能体执行层设计，适用于工具调用、验证和子智能体任务。输入定价为每百万 tokens 0.0115 美元，输出定价为每百万 tokens 0.17 美元。开发者可将 Lightning 与 Nemotron Ultra 等前沿模型搭配，用于规划与批量执行。

AI产品 Nemotron 3.5 Lightning Perplexity NVIDIA

事件专题

推荐理由：NVIDIA 把 30B MoE 的 Lightning 放到 Perplexity API 上了，每百万输入才 1 分多钱，适合跑高频工具调用，跟 Ultra 搭配干活很划算。

原文

17:34

官方账号arXiv cs.AI@Shiyu Xuan, Zechao Li

该论文提出Test-Time Self-Evolving框架，让GUI智能体在部署后无需人工标注即可自我改进。框架构建探索、评估、反思、内化的闭环，通过MLLM反射器评估预测结果并生成推理反思。反射引导的On-Policy自蒸馏将高层推理转化为密集token级监督，对比校准防止错误前缀污染监督信号。在六个基准上平均准确率提升7.4%，是首个将on-policy自蒸馏用于GUI视觉定位测试时适配的工作。

论文 GUI视觉定位 Test-Time Self-Evolving 自蒸馏

推荐理由：GUI智能体部署后不会自我进化的问题有解了，这个框架用反射引导自蒸馏，六个基准平均涨7.4个点，做智能体适配的可以看看。

原文

17:27

Geek@geekbb

xAI 推出 Grok Bot，目前处于早期测试阶段。该机器人能登录用户的工具，像真人一样操作并返回完成的工作。Grok Bot 需要 SuperGrok Heavy 订阅，免费用户暂时无法使用。有网友调侃红衣教主周鸿祎会对此感兴趣，并期待 360 安全 Bot 的出现。

AI产品 Grok Bot xAI SuperGrok Heavy

推荐理由：xAI 的 Grok Bot 能登录你的工具替你干活，早期测试已开始，想尝鲜得先上 SuperGrok Heavy。

原文

17:26

官方一手arXiv: OpenAI@Audrey Quessada-Vial

arXiv 论文提出 Agentic Configuration Management (ACM)，一个框架无关的治理与配置参考模型，用于异构智能体系统。ACM 结合类型化且独立版本化的配置项、不可变修订与基线、配置与运行时分离、生命周期与保障语义、依赖感知影响传播及运行时溯源。作者提供 Python 参考实现，适配 LangGraph、CrewAI 和 OpenAI Agents SDK，并用 27 个治理场景和 9 个量化影响传播案例评估。结果显示三个框架在投影后产生治理等价的 ACM 表示，影响语义在有限格上单调传播，保证收敛与唯一最小不动点。

论文 Agentic Configuration Management 智能体 LangGraph

事件专题

推荐理由：搞多智能体配置管理头疼的可以看这篇，ACM 把 LangGraph、CrewAI 这些框架统一成一套治理模型，还能做依赖分析和审计。

原文

17:25

Eric Jing@ericjing_ai

Grant Thornton CIO Mike Kempe使用Genspark将公司百年积累的提案和报告知识转化为RFP响应，每周节省6-7小时。该工具是Grant Thornton 10亿美元AI和技术投入的早期押注。每个草稿都经过人工审核并保留完整审计轨迹。这一案例展示了AI智能体在大型会计师事务所中的实际应用。

AI产品 Genspark Grant Thornton 智能体

事件专题

推荐理由：看看四大会计师事务所怎么用AI把百年老知识变成提案竞争力，每周省6-7小时，还有人工审核兜底。

原文

17:23

AI Will@FinanceYF5

xAI推出Grok Bot，目前处于早期测试阶段。该机器人能登录用户的各类工具，像真人一样操作，并在任务完成后返回结果。用户甚至可以在任务执行期间关闭电脑，让Grok Bot继续工作。这标志着AI代理在自主完成任务方面迈出一步。

AI产品 Grok Bot xAI 智能体

推荐理由：xAI的Grok Bot能替你登录工具干活，关电脑也能继续，适合想省事的打工人。

原文

17:22

Genspark@genspark_ai

Grant Thornton使用Genspark将100年的公司知识转化为完整的RFP响应，单个提示即可生成提案。该公司的CIO每周节省6到7小时，提升了提案制作效率。所有草稿都经过人工审核，并保留完整的审计追踪。这是AI智能体在大型公司中实际应用的案例，相关报道见WSJ。

AI产品 Genspark Grant Thornton RFP

事件专题

推荐理由：Grant Thornton用Genspark把百年知识变成RFP回复，CIO每周省6-7小时，看看AI怎么在四大所干活的。

原文

17:21

shao__meng@shao__meng

Manus宣布将恢复为独立公司运营，为符合特定地区监管要求，部分用户需在2026年8月23日7:59（新加坡时间）前备份数据，8月25日8:00起可恢复数据。受影响用户在过渡期间免收费，并获得欢迎回归奖励。Manus团队表示将推出新功能，继续推动通用AI智能体的发展。

行业 Manus 智能体数据备份

推荐理由：Manus要独立了，用它的朋友记得8月23日前备份数据，不然可能影响使用。

原文

17:11

AI Will@FinanceYF5

Grok Bot开放早期测试，能登录用户的工具并像人一样操作，任务完成后带回结果。用户可关掉电脑让其继续工作。已有用户用它谈供应商价格、管理网店客服、自动维护CRM。该功能让Agent从聊天助手进化为可独立执行任务的同事。

AI产品 Grok Bot 智能体自动化

推荐理由：Grok Bot能替你登录工具干活，关电脑也能继续，谈价、管客服、维护CRM都有人用了。

原文

17:10

AI Will@FinanceYF5

Grok Bot 为每个机器人配备独立电脑，能学习用户工作流并使用现有应用。该机器人可自主执行任务，在用户睡眠时持续工作，相当于 24/7 的 AI 员工。此功能可能冲击依赖人工操作的初创企业，引发行业关注。

AI产品 Grok Bot 智能体

推荐理由：Grok Bot 给每个机器人配了台电脑，能学你干活、用你的应用，睡觉时还在工作，像多了个 24 小时员工。

原文

17:09

AI Will@FinanceYF5

Grok Bot 现已进入早期测试阶段。该机器人能像 AI 队友一样，登录你的工具并像你一样使用它们，最终返回完成的工作。用户只需给机器人分配任务，即可关闭电脑，从任何地方联系它们。目前该功能处于早期 beta 阶段，尚未公布具体支持的平台和定价。

AI产品 Grok Bot xAI 智能体

推荐理由：Grok Bot 能替你登录工具干活，关电脑后还能远程联系，适合想省事的用户试试。

原文

17:06

17:06IT之家（博客/媒体）

美团核心本地商业CEO王莆中在西普会演讲中明确表示，美团不会开设线下药店，而是聚焦于为医药行业商家提供AI转型支持。美团将开放AI经营专家、CatPaw能力及工作流改造方法论，首批AI经营专家已在漱玉平民、科赴等企业应用。其全场景AI Agent平台CatPaw也将面向医药商家启动试点。基于25万家药店与近500家药企的合作伙伴生态，美团目标打造医药零售AI时代的新型基础设施。

行业美团 AI经营专家 CatPaw

推荐理由：美团不自己开药店，反而把AI能力开放给25万家药店和500家药企，想做医药零售的AI基础设施，看看它怎么帮商家转型。

原文

17:02

17:02IT之家（博客/媒体）

2026中国算力大会将于9月11日至13日在河北廊坊举行，主题为“共织算力网智启新未来”。大会采用“1+2+X+Y”架构，设1场开幕式、2场主论坛、X场分论坛及Y场特色活动。首次举办“算力首创首发发布会”，集中发布国产算力芯片、智能体、绿色算力等突破性成果。同期举办“算力中国·AI与算力产业展览会”，面向公众免费开放。大会已连续在山东、宁夏、河南、山西成功举办四届。

行业中国算力大会廊坊算力网

推荐理由：算力大会9月廊坊开，首次搞首发发布会，国产芯片和智能体新品都会亮相，还有免费展览，关注算力的朋友别错过。

原文

16:55

向阳乔木@vista8

博主实测Grok bot后认为暂时没必要安装。该工具可创建多Agent并连接Gmail、Github等常用软件，但类似功能Codex等工具已具备。试用需绑定信用卡，消耗极快，三个Agent简单对话一周就用掉32%用量。订阅Super Grok Heavy可免费使用，但月费300美元价格偏高。博主建议等Grok模型更强后再考虑，并推荐了更成熟的替代品Bloome。

AI产品 Grok Agent Bloome

推荐理由：实测Grok bot发现要绑信用卡、用量烧得快，三个Agent一周吃掉32%，Super Grok Heavy要300刀一个月。想尝鲜不如先看Bloome。

原文

16:52

AI Will@FinanceYF5

a16z 发布数据称，电脑使用 Agent 每小时成本为 6–8 美元，已低于离岸外包人才的约 10 美元，更远低于美国本土人才的 30–45 美元。a16z 认为，随着推理成本持续下降和开源模型能力提升，这一成本优势将进一步扩大。该数据基于当前主流 Agent 工作流的实际运行成本估算。

行业 a16z 智能体成本对比

推荐理由：a16z 算了笔账：电脑 Agent 一小时 6-8 美元，比请外包还便宜，这趋势值得关注。

原文

16:49

Hunyuan@TXhunyuan

精选

腾讯混元团队发布《Diving into Reliable Self-Evolving Agents: A Survey》综述，系统梳理智能体自我进化机制。该综述定义了L0到L4的五级自进化分类法，并引入可靠性阶梯用于评估每次更新的可信度。研究团队整理了549篇相关论文，建立开放配套目录。核心原则是任何更新都不能仅用自身产生的证据来验证，确保进化过程可审计。

论文腾讯混元智能体自进化

推荐理由：腾讯混元团队整理了549篇论文，给自进化智能体分了L0-L4五个等级，还提出一套验证更新靠不靠谱的方法，做Agent研究的朋友可以看看。

原文

16:43

官方账号arXiv cs.AI@Xiaofan Bai, Hongqiang Lin, Chao Liu, Yantao Zhang, Xuan Jin, Xipeng Cao, Yuhong Li

SkillZip 是一种免评估的技能压缩方法，旨在解决自进化智能体技能库膨胀问题。它通过最短忠实结构解释，将重复规则上提至作用域、重复动作序列提取为共享过程，并保留唯一罕见规则。该方法基于类型化最小描述长度目标，满足硬覆盖约束，支持一次性模式和持续 Zip-on-Write 模式。实验表明，SkillZip 在压缩性能、泛化性和成本开销上均优于现有方法。

论文 SkillZip 技能压缩自进化智能体

推荐理由：智能体技能越攒越乱？SkillZip 不用跑评估就能压缩，把重复规则提出来、动作序列抽成共享过程，还保住罕见规则。一次性或持续更新都行，省成本。

原文

16:32

宝玉@dotey

72°

Manus 在 2025 年 12 月以超 20 亿美元卖给 Meta，成为大模型应用领域当时最大收购案，但 2026 年 4 月 27 日国家发改委作出禁止投资决定，要求撤销交易。拆分期间 Manus 收入增长约 5 倍，从每日 30 万美元涨至近 150 万美元，一度超过 DeepSeek，ARR 首次突破 3 亿美元。8 月 11 日 Manus 正式确认恢复独立运营，产品停留在 1.6 版本，2.0 版本已开发完待发布。150 人团队在动荡中无一人离职，肖弘称这是第三次创业。

行业 Manus Meta 收购

推荐理由：Manus 被 Meta 收购又遭撤销，收入反而涨了 5 倍，ARR 破 3 亿美元，这剧情比小说还精彩，值得看看他们怎么翻盘。

原文

16:30

Viking@vikingmute

Beautiful UI 是一个新出现的 UI 组件库，地址为 beautifului.dev，因其精致外观在社交平台引发关注。作者此前主要使用 Vercel 的 ai-elements 和其他小组件组合，现在发现 Beautiful UI 组件更全面。该组件库专为 Agent 相关应用设计，覆盖场景更广。作者认为其精致程度优于此前使用的方案。

AI产品 Beautiful UI Vercel ai-elements

推荐理由：做 Agent 应用缺好看组件？Beautiful UI 比 ai-elements 更全更精致，直接拿来用就行。

原文

16:06

官方一手pandaily@contact@pandaily.com (Pandaily)

72°

前阿里Qwen技术负责人林俊阳在上海创立Pragmatik Labs，天使轮估值达20亿美元。高榕和红杉中国各领投1亿美元，腾讯追加2000万美元。公司定位数字与物理智能体，而非基础模型。林俊阳曾是阿里最年轻的P10级工程师之一。

行业 Pragmatik Labs Qwen 林俊阳

推荐理由：前Qwen技术负责人创业，估值20亿美元，高榕红杉腾讯都投了。不做大模型改做智能体，方向值得关注。

原文

16:04

AI Will@FinanceYF5

精选

NVIDIA推出Nemotron 3.5 Lightning，专为长时运行的智能体任务设计。该模型总参数量30B，激活参数3B，支持高达1M token的上下文，并已开放商用。NVIDIA提供BF16和更小的NVFP4量化检查点，支持在单张H100或DGX Spark上部署，也兼容RTX 5090。通过多token预测、DSpark和DFlash投机解码以及NVFP4量化，生成速度最高提升4倍。在PinchBench基准上，其准确率达86%，完成速度比Qwen3.6 35B快30%。

AI模型 Nemotron 3.5 Lightning NVIDIA 智能体

事件专题

推荐理由：NVIDIA出了个轻量模型，30B参数但只激活3B，跑长任务上下文能到1M，单卡就能部署，速度还快4倍。

原文

16:02

官方一手marktechpost@Asif Razzaq

精选

NVIDIA推出开源MoE模型Nemotron 3.5 Lightning，总参数量30B，激活参数仅3B，专为智能体执行层设计。同时发布NeMo Switchyard模型路由器，可将每个执行步骤路由到成本最低且能力足够的模型。该组合旨在降低智能体推理成本，提升执行效率。Nemotron 3.5 Lightning基于开源许可发布，开发者可自由使用。

AI模型 Nemotron NVIDIA MoE

事件专题

推荐理由：NVIDIA开源了30B MoE，激活才3B，跑起来便宜，还配了个路由器帮你省钱，搞智能体的可以看看。

原文

10:01

lmarena.ai@lmarena_ai

精选

Upstage 发布 Solar Pro 4，成为首个登上 Agent Arena、Code Arena: WebDev 和 Text Arena 榜单的韩国实验室模型。Solar Pro 4 在 Agent Arena 排名第 44，与 MiniMax M2.7 和 Nemotron 3 Ultra 并列，整体净改进得分为 -12.10%。该模型在 GDPval-AA 得分为 39，τ³-Banking 为 23，Terminal-Bench 2.1 为 57，定价为每百万 tokens 0.30 美元（输入）和 1.20 美元（输出），缓存价格 0.06 美元，优惠 90% 至 9 月 10 日。

AI模型 Solar Pro 4 Upstage Agent Arena

推荐理由：Upstage 的 Solar Pro 4 是首个登上多个 Arena 榜单的韩国模型，适合做生产级智能体，价格便宜，值得试试。

原文

09:55

09:55IT之家（博客/媒体）

精选

英伟达、思科和CrowdStrike等120多个组织组成的联盟提出为AI智能体制定事件报告框架SAFE。该框架要求成员披露智能体未经授权访问、泄露机密信息等事故，并保存提示、追踪、工具调用等证据。事故发生后需在4个工作日内提交初步报告，30天内发布事实报告，90天内提供补救更新。该计划以NASA航空安全报告系统为蓝本，旨在建立AI安全故障的标准报告方法。

行业英伟达 AI安全智能体

推荐理由：英伟达牵头120多家组织搞了个AI事故报告标准，以后智能体闯祸得按规矩上报，想了解AI安全怎么管可以看看。

原文

09:52

09:52IT之家（博客/媒体）

英伟达于8月11日发布Nemotron 3.5 Lightning，这是一款拥有300亿参数的MoE开源模型，专为大型多智能体系统设计。相比同类模型，其输出速度最高提升4倍，智能体任务整体完成速度加快30%。该模型支持本地运行于NVIDIA RTX PC、DGX Spark等设备，也可扩展至企业级数据中心和云端环境。开源链接已提供在Hugging Face、ModelScope和OpenRouter等平台。

AI模型 Nemotron 3.5 Lightning 英伟达开源模型

事件专题

推荐理由：英伟达新出的30B开源模型，跑智能体任务比同类快4倍，还能本地跑，搞多智能体开发的可以试试。

原文

09:46

lmarena.ai@lmarena_ai

精选

Agent Arena发布新评测基准，在数百万个真实世界长程智能体任务上衡量模型表现。评测中模型需使用网络搜索、文件系统和终端工具完成复杂工作流，包括编写代码、制作幻灯片、网络研究、构建应用和文档分析。该基准采用因果追踪方法，可深入分析模型在长程任务中的决策过程。评测结果已上线arena.ai/leaderboard/ag榜单。

AI模型 Agent Arena 智能体评测基准

推荐理由：想测智能体真实干活能力？Agent Arena用百万真实任务打分，比普通聊天评测靠谱多了。

原文