Instinct 这种靠发短信就能干活的 agent 挺火,现在 Dots 出了个 Muse 来打它,这篇上手评测把两者体验差异讲清楚了。
#AI agent
一个 AI agent 搞出事故,OpenAI 被迫每天砸 50 多万美元查 5000 万 GB 数据,人工要干 6600 万年,这成本数字值得看看。
Chamath 自己讲他怎么用定制 AI agent,比如谈判前算纳什均衡,还把基础模型包成了 microservices,思路挺具体。
Check out exo, an open-source agent harness that tackles the complexities of recursive self-improvement, making it easier to manage and control AI agents.
YC支持的Tellidotcom拿了1500万美金做客户运营AI代理,已经帮Sky这类大公司处理了几百万次对话,效率很猛。
红杉画了张图,把上万亿美元的服务业按AI agent能干啥分了类,保险、审计这些已经自动化了,具体到行业和金额,值得看看他们的判断依据。
微软开源的 Flint 让 AI 代理用一句话就能画出漂亮的图表,比繁复的代码好使多了,特别适合做自动化数据展示。
这篇论文教你怎么让AI实验室同时用好多个仪器,不浪费时间,搞材料合成的朋友可以看看。
OKX 想让 AI 智能体自己雇人、发工资,还搞个市场来交易。这可能是区块链+AI 的一个新玩法,和传统的中心化调度完全不同。
Meta 搞了个 AutoData,让 AI agent 当数据科学家自动造训练数据,比自己写死的流水线强不少,在多个推理任务上效果更好。
想看看AI在药物发现中到底行不行?这个基准测试用4800条轨迹告诉你,Claude Opus 4.8和GPT-5.5都还差得远,最高才59.3%的通过率。
腾讯云给AI agent加了时间倒流,Cube Sandbox现在能快照、克隆、回滚,100毫秒回滚到出事前,还能秒级克隆一堆独立沙盒,自己就能部署。
做生物或科研监控的 AI agent 开发者终于不用再为全量抓取烧 token 了——Firecrawl 的 /monitor 用自然语言定义目标,只抓变化部分,省 90% 成本,建议做信息聚合的团队直接集成。
Warp 这次更新解决了 AI agent 实用化的关键痛点——人离开电脑后任务还能继续。做自动化开发或依赖 agent 跑长任务的团队,可以直接开启 Cloud Handoff,体验真正的连续性生产力。
数学研究者和AI爱好者值得关注:AlphaProof Nexus以极低成本自主攻克了56年未解的难题,展示了AI在数学推理上的新高度,建议点开了解具体方法和成果。
Jensen Huang 这句话点醒了无数AI使用者——别再只把Claude当问答工具,做AI工作流的开发者/工程师可以直接用它重构效率,看完你会重新认识Claude。
做量化分析或投研的团队,不用再写爬虫和计算脚本——QVeris CLI 让 Claude Code 直接调用蜡烛图、RSI、基本面等数据,60 秒配好就能用自然语言跑分析,值得试试。
Notion 的 ntn CLI 让 AI agent 深度集成 Notion 变得极其简单,做自动化工作流或智能体开发的团队可以直接用一行命令让 agent 操作整个工作空间,省去大量折腾时间。