OVO Energy 将在 Interrupt 大会分享客服智能体改进经验
OVO Energy 要在 LangChain 伦敦大会上讲他们怎么用飞轮持续优化客服智能体，做客服 AI 的可以看看他们的落地思路。
#智能体
共 6556 条 · 7 天 614 条 · 30 天 1783 条 · 话题观测 →
10月8日
StepFun 发布 Step 5 Preview，上线 OpenRouter 并提供一周免费
StepFun 把 Step 5 Preview 放上 OpenRouter 了，写代码跑 Agent 的朋友可以在 Cline、Kilocode 里免费用一周，顺便试试任务成本能省多少。
Ignite Vision 用 Qwen 做 KOL 智能匹配，筛选从数小时缩到几分钟
阿里云分享的客户案例：Ignite Vision 用 Qwen 从几百万 KOL 资料里挑达人，人工几小时的活变成几分钟，做投放的可以看看。
行业16:27
Vocca 获 Norrsken VC 领投 2000 万美元 A 轮融资，主打医疗语音 AI 代理法国医疗公司 Vocca 拿了 2000 万美元 A 轮，它家的 AI 电话代理专接诊所来电，每月处理超 100 万通患者电话。
Manus 母公司 Butterfly Effect 完成 5 亿美元以上融资
做 Manus 的 Butterfly Effect 拿了超过 5 亿美元融资，这家做能替你干活的智能体，规模在智能体赛道里相当少见。
用 Fable 搭配 Opus 做 SubAgent 编排，Claude Code 省钱的实战用法
宝玉分享的 Claude Code 实操套路：Fable 当 Tech Lead 派活给 Opus，执行完自动找 Fable 验收，省 Token 还省心。
TinyFish 在 Apsara Conference 2026 分享 Qoder 加速团队工程开发流程
TinyFish 的 CPO 亲讲他们团队怎么把 Qoder 塞进日常开发流程，速度提升是最大卖点，做工程的朋友可以看看别人怎么用。
Claude Opus 5 在 RSIGym 中将 Qwen 模型 SWE-bench Verified 成绩提升近三倍
有人做了个开源环境让 AI 智能体自己训练模型，Claude Opus 5 把 Qwen 的 SWE-bench 成绩刷到近三倍，还发现修 harness 比堆训练更管用。
Yell International 在 Apsara Conference 2026 分享用 WonderClip 加速创意制作流程
一家泰国广告公司分享他们怎么用 WonderClip 干掉视频制作里的重复活儿，人只管创意把关，做视频的可以看看他们的流程。
实测多 Agent 调度场景：gpt-sol-6.1 被指远逊 opus-5.5
有人拿 gpt-sol-6.1 和 opus-5.5 在多 Agent 调度里当主控对比，差距大到离谱，做编排的可以参考下。
Staple AI 在 Apsara Conference 2026 展示与 QwenWork 的企业数据协作方案
新加坡的 Staple AI 在阿里云 Apsara 大会上讲他们怎么和 QwenWork 配合，把可信企业数据接到员工手边的 AI 里，做企业数据的人可以看看.
Mynet CTO 在云栖大会分享 PolarDB Serverless 支撑 AI Agent 负载的实践
Mynet 的 CTO 讲了他们怎么用阿里云 PolarDB Serverless 跑 AI Agent 负载，不用提前买峰值容量，成本和速度都兼顾，做后端的可以看看。
T&B Media Global 在 Apsara Conference 2026 演示 WonderClip 创意生产工作流
泰国公司 T&B Media Global 在阿里云 Apsara 大会上讲了他们用 WonderClip 把视频创意生产四步合并成一个 Agent 工作流的做法。
行业11:59
Google Cloud 与 CoverGo 发布白皮书：当客户开始使用智能体，东南亚保险业如何应对Google Cloud 和 CoverGo 写给东南亚保险公司的白皮书，讲客户手里有了 AI 智能体之后，投保和理赔流程会怎么被改写。做保险科技或企业 AI 落地的可以看看。
SciExam for ENSO 基准：AI 智能体能自主构建气候模型吗
12 个智能体里 6 个做出的气候模型比已发表的还好，连 ENSO 暖冷不对称的争议都摸到了边，这套无标准答案的评测方法也值得做 agent 评测的人参考。
QuSema：用量子知识增强智能体检测量子库中的静默 Bug
用大模型智能体给 Qiskit、PennyLane 找不报错的隐藏 Bug，成绩压过 Claude Code，还挖出 40 个新 Bug，做量子开发的朋友可以看看。
论文提出情境条件化思考策略，让长期 LLM 智能体复用推理经验
arXiv 上的新论文，教长期智能体把过往推理经验压成一个轻量策略，实验里把 DeepSeek 的推理 F1 从 0.789 拉到 0.868，做智能体记忆的可以看看。
GeoNatureAgent：面向地理空间任务的工具型智能体评测基准发布
一个专门测地理空间智能体的开源基准，103 个任务打九个模型，Claude Sonnet 4 第一但 DeepSeek V3.2 便宜 11 倍，做 Agent 评测的可以拿来就用。
Paul Graham：Amazon 禁止智能体购物，是创业公司做电商对手的机会
Paul Graham 发了条推，说 Amazon 封杀购物 agent，反而给了创业公司做电商替代品的机会，观点挺有意思。
Salesforce CLIFT 方法让 31B Gemma-4 网页智能体在 WebArena 超过 Gemini 3 Flash
Salesforce 的新论文 CLIFT，31B 开源模型打网页任务居然赢了 Gemini 3 Flash，关键是部署时不用裁判模型，省成本。
vLLM 分享 DeepSeek-V4.1-Flash 的 SWA bounded replay 优化
37FlowAI 拆解了 DeepSeek-V4.1-Flash 在 vLLM 上跑 agent 的优化细节，SWA bounded replay 能明显降低 TTFT，搞部署的可以看看。
AgentTime 基准测试：智能体能否估算和控制自己的运行时长
用 222 个任务测各家居家智能体能不能按时长干活，结果 Fable 5.1 偏差 2.9 倍，Astra 只有 1.2 倍，还有偷偷睡觉的，挺有意思。
Anthropic Haiku 5.5 跑分 Browser Use Bench v2.1：性能与 Luna 持平，价格高出 2.8 倍
Browser Use 拿 Haiku 5.5 跑了自家基准 v2.1，性能和 Luna 打平但贵 2.8 倍，长任务下还触发 5 倍加价，选型前可以看看这份实测。
