Cognition 与美国能源部签署谅解备忘录，加入 Genesis Mission 计划
Cognition 宣布与美国能源部（DOE）签署谅解备忘录，加入被称为“美国 AI 曼哈顿计划”的 Genesis Mission，该计划于 2025 年 11 月由行政命令启动，目标是十年内让美国科研生产力翻倍。
#Agent
#Agent
今日 14 条Cognition 模型 / Devin 博客（网页）AI 评分5454 Cognition 模型 / Devin 博客（网页）AI 评分6363 Cognition 收购 The Interaction Company，Poke 团队加入
Cognition 宣布收购 The Interaction Company of California，即个人智能体应用 Poke 的开发团队。Poke 是一款通过短信主动与用户互动的个人智能体，近三个月用户与它交换了超过 1 亿条消息，也是唯一获准在 Apple Messages 上原生发短信的 AI 智能体。
Cognition 模型 / Devin 博客（网页）AI 评分3030 LTM 与 Cognition 合作，用 Devin 为金融服务客户降低网络安全风险
LTM 与 Cognition 达成合作，将在其全球客户群和网络安全业务中部署 AI 软件工程师 Devin，服务超 260 家客户，包括 26 家 Fortune 500 企业和全球前 5 大银行。
Baseten 工程博客（网页）AI 评分2626 Baseten 更新日志：API key 格式变更、Hosted Tools 联网搜索与 DeepSeek V4.1 Flash 上线
Baseten 宣布自 10 月 1 日 15:00 UTC 起新建 API key 将加 b10_ 前缀，便于在代码、日志和密钥扫描器中识别。Hosted Tools 通过 Baseten Grounded Inference 为 Model APIs 引入服务端联网搜索，可经 Exa、Keenable、Parallel 或 You.com 检索并抓取实时网页内容。
Baseten 工程博客（网页）AI 评分1313 Baseten 解读 Compound AI：用多模型组合替代单体大模型
Baseten 工程博客提出 Compound AI 系统，主张用多个专用模型组合替代庞大的全能单体模型，以获得更快、更便宜的推理。该系统让模型之间直接互相调用，减少网络开销、额外延迟和出网成本，并让每个步骤独立使用自动扩缩容的 GPU。文中列举的典型场景包括 AI 电话呼叫、AI 智能体和 RAG 流水线。
Augment Code 博客（网页）AI 评分4444 Augment Code：AI 原生转型的四个阶段，从智能体采纳到智能体编排
Augment Code 提出 AI 原生转型分四个阶段：约 70% 组织仍停留在第一阶段（将智能体接入日常工作流），不到 10% 让智能体自主拥有工作，几乎无人达到第四阶段全智能体编排。在软件开发生命周期六个环节中，代码生成、验证、构建失败诊断三个环节已由智能体主导，代码审查中低风险改动可自动批准。某企业客户开发者每周因代码审查阻塞的时间占比从 30% 降至 10% 以下。
Augment Code 博客（网页）AI 评分4646 Augment Code：单模型工程时代已经结束
Augment Code 本月在 Claude 和 GPT-5 之外新增 Gemini 3.1 Pro，成为其第三个可选模型，并称单模型工程时代已经结束。过去十三个月里领先模型三次易主，GPT-5.4 的每条消息价格比此前所用模型便宜约 2.6 倍。其做法是把模型、harness（Context Engine）与编排层（Intent）解耦，切换模型只需改一个设置而非迁移。
Augment Code 博客（网页）精选AI 评分7575 Augment Code 实测 AGENTS.md 写法：好文件效果堪比模型升级
Augment Code 用内部评测 AuggieBench 测量数十个 AGENTS.md 对代码生成的影响，最好的文件带来相当于从 Haiku 升级到 Opus 的质量提升，最差的比没有文件更糟。
推荐理由：作者基于内部评测给出了 AGENTS.md 的可用与失效模式，读者可以按自身模块选择对应写法。
Augment Code 博客（网页）AI 评分5656 DX CTO Justin Reock 谈 AI 转型是系统性问题
DX CTO Justin Reock 在 We Built What 节目中称 AI 转型的关键在系统而非个人：DX 对 500 家公司的纵向研究显示 PR velocity 中位提升 7.5%、均值 13%、最高 70%。
Augment Code 博客（网页）精选AI 评分7070 Augment Code 实测 Karpathy 式规则：编码 Agent 效率提升但代码质量未变
Augment Code 在 OpenClaw 的 40 个 PR 上测试 Auggie、Claude Code 和 Codex，对比在 AGENTS.md 前加入约 2.5k 字符的 Karpathy 式编码规则的效果。
推荐理由：原文用三个 Agent 和 40 个 PR 的实测数据，说明 Karpathy 式规则能降本提速但质量不升，可迁移到自家工作流。
Augment Code 博客（网页）精选AI 评分6565 Augment 发布 Prism 模型路由，按任务分流降低成本
Augment Code 推出 Prism，一种模型路由选项，为每轮用户请求自动选择底层模型，称团队月发 1 万次请求可省约 2 万美元，成本最多降 30%，质量与所对标的前沿推理模型差异可忽略。
推荐理由：官方给出多基准成本与质量数据及缓存感知路由方法，读者可据此评估模型路由能否降低自己的智能体开销。
Augment Code 博客（网页）AI 评分4747 Augment 如何用 Cosmos 智能体团队消除代码审查瓶颈
Augment 在 Cosmos 上重建代码审查流程，由 PR Risk Analyzer、Bug Reviewer、Pair Reviewer 等 Expert 组成智能体团队，自动批准低风险改动、逐行做正确性分析，仅在需要判断时引入人类。
Augment Code 博客（网页）AI 评分4545 Augment Code 调研 219 位工程负责人：48% 代码已由 AI 生成，仅 19 家更新了岗位定义
Augment Code 调研 219 位工程负责人发现，其团队 48% 的代码已由 AI 生成，55% 担心团队失去对代码库的共同理解，63% 表示工程师向管理者提出技能相关性担忧，在 201-1000 人团队中该比例升至 89%。
Augment Code 博客（网页）AI 评分5252 Augment Code 用 Cosmos 实现 AI 原生组织的事故管理自动化，人力排查减少约 81%
Augment Code 介绍其基于 Cosmos 平台的 Incident Investigator Expert，在 Slack 中对每条 PagerDuty 告警自动执行分诊和根因分析，给出 RCA 和四种修复路径（监控、代码修复、回滚、升级），人工只需审核并批准。
Augment Code 博客（网页）AI 评分4848 Cosmos 让智能体跑通完整 SDLC，工程师的角色变成什么？
Augment Code 的 Cosmos 平台让智能体串联代码审查与事故响应等环节，大型 PR 的人工审查时间从六七小时降到 45 分钟，周产出提升至三倍。事故响应中智能体已处理 81.3% 的告警，值班工程师每周合并的 PR 增加 44%，首次 RCA 时间从约 30 分钟降至 6 分钟。人类仍负责设计判断、风险把控与最终决策。
Artificial Analysis 完整文章（网页）AI 评分6363 OpenBMB 发布 MiniCPM5-2B，登顶 4B 以下开源权重模型 Artificial Analysis 智能指数
OpenBMB 发布 2.6B 参数稠密推理模型 MiniCPM5-2B，以 Apache 2.0 协议开放权重，在 Artificial Analysis Intelligence Index v4.2 得分 15，为 4B 以下总参数开源权重模型最高。
Augment Code 博客（网页）AI 评分5858 Augment Code 发布 Project Builder，用 Cosmos 专家自动化大型工程项目的设计与实施
Augment Code 推出 Project Builder，这是一个运行在 Cosmos 上的专家，可从简短功能描述生成基于真实代码库的设计文档（markdown 或 HTML 存入 Cosmos VFS），经人工评审后编排 worker agent 完成实施直至合并。
Augment Code 博客（网页）AI 评分3939 Augment Code 打造 AI 数据分析师 Mimi：读取 Linear、Slack 和 GitHub，基于 dbt 模型回答团队提问
Augment Code 构建了名为 Mimi 的 AI 数据分析师，接入 Linear、Slack 和 GitHub，并从 Hex 认证报告与 dbt 模型（Mimir 仓库）取数回答团队提问。
Augment Code 博客（网页）AI 评分5252 Augment Code 构建 Verifier 智能体自动验证 Agent 代码的端到端表现
Augment Code 内部构建了 Verifier 智能体，在每个 PR 上自动部署变更到隔离环境、端到端验证并附带日志、API 响应和截图发回 PR 评论。该智能体运行在其 Cosmos 云智能体平台上，依靠仓库中可组合的 SKILL.md 技能库决定验证哪些界面，且只提交证据不做通过与否的结论；文中记录了一例 CI 全绿但实际 /chat-stream 路径未生效的真实发现。
Artificial Analysis 完整文章（网页）AI 评分3535 Artificial Analysis 发布 Capability Indices v1.1
Artificial Analysis 更新 Capability Indices 至 v1.1，结合 Intelligence Index v4.2 与 v4.3 的领域切片及专项评测，按 O*NET 职业任务映射基准并加权。
Augment Code 博客（网页）AI 评分5757 Augment Code 解析 loop engineering 与团队级 agentic SDLC 循环
Augment Code 博客提出 loop engineering 概念，即设计从触发、执行、验证到产出的智能体循环，人类在需要判断力的检查点介入。
ARC Prize：官方博客AI 评分6464 ARC Prize 推出 ARC-AGI Public Leaderboard 并投入 15 万美元验证基金
ARC Prize 官方推出 ARC-AGI-Pub 公开排行榜，使用公开评测集，取消算力限制、允许联网，并提供 15 万美元验证基金，对复现并验证的高分提交报销最高 $2,500 API 费用。
Tomer Tunguz 博客（VC 分析）AI 评分4949 AI 的迷你钢厂：本地分类器分流让 Mac 承担 78% 的 AI 工作
把后台 AI 工作先交给设备端小型分类器判断难易，只将最难任务上送云端，单台 Mac 的吞吐量提升约 25%，队列等待从 73 秒降至 4 秒。过去七天该 Mac 承担了 78% 的 AI 工作、日峰值达 88%，平均任务时长从 47 秒降到 19 秒。作者将其类比 Nucor 的迷你钢厂，认为配备蒸馏模型的笔记本、手机与边缘设备将成为企业内的“迷你钢厂”，只按云端价格支付最难的那五分之一。
Tomer Tunguz 博客（VC 分析）AI 评分4343 AI 应用的黄金时代：从 Fable 下架、Nadella 生态论到 Salesforce 收购 Fin
AI 应用正进入黄金时代，三件事印证了这一判断：美国政府下令下架 Fable、Nadella 提出生态护城河不在模型本身、Salesforce 以 36 亿美元收购 Fin。构建 AI 应用需掌握三项新能力：挑选合适模型、设计爬坡循环、评估模型与循环的组合表现，核心是每 token 预算能榨出多少智能。
Tomer Tunguz 博客（VC 分析）AI 评分4444 Sail Research 获 Theory 领投 A 轮：异步推理把 token 成本降到 1/6
Theory 宣布与 Kleiner Perkins、Redpoint、Sequoia 共同投资 Sail Research 的 A 轮。Sail 做异步推理，把请求分发到 DeepSeek、Qwen、Kimi、GLM 等开源模型并按任务选最便宜可用的模型，其 GLM-5.1 每 token 成本比 Anthropic Haiku 低 6 倍。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2525 Anthropic 发布 Claude 应用案例清单：覆盖编程、安全与数据分析
Anthropic 整理了一份使用 Claude 构建产品的企业清单，涵盖编程工具、网络安全、商业智能与数据分析等类别。清单收录了 Cursor、Devin、Bolt.new、Databricks、Elastic 等产品，其中 Blitzy 用 Claude 关系映射整个代码库并调度数千个专用智能体，Ellipsis 已安装于超 67,000 个代码仓库、平均提升工程效率 20%。
Anthropic：Research（发表成果 · 网页）精选AI 评分7878 Anthropic 报告：Claude 自动化对齐研究可靠缓解十类对齐失败
Anthropic 发布新报告，让 Claude 自主训练模型以改进 10 类对齐失败的基准表现，并开源自动化对齐研究框架。平均闭合 85% 的安全差距，在欺骗一项上比 28 名人类安全研究者的最佳方案高 20%；用 Claude Sonnet 5 训练早期 Opus 4.8 检查点，约 2,000 条训练样本的方案效率约为生产对齐流程的 15,000 倍。
推荐理由：报告给出自动化对齐研究在十类对齐失败上的量化结果与开源工具，读者可据此评估该方向的实际可行性。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分7474 Claude 推出插件市场，提供 340 个可一键安装的插件
Anthropic 为 Claude 推出插件市场，收录 340 个插件，可将工具、技能与集成打包为一键安装。
推荐理由：原文列出了插件市场的实际内容和安装方式，读者可以据此挑选适合自己的 Claude 扩展组合。
Anthropic：Research（发表成果 · 网页）精选AI 评分8181 Anthropic：Claude 用11天自主完成费马大定理的 Lean 计算机验证证明
Anthropic 宣布获得首个完整经计算机检查的费马大定理证明，Claude 在约11天内基本自主写成，产出1300万行 Lean 代码，证明 30,300 条定理（最终使用 29,500 条中间定理），规模超过 Mathlib 的 5 倍。
推荐理由：原文详述多智能体在 Prove2Me 上11天完成 FLT 形式化验证的流程与数据，读者可了解 AI 自动形式化的当前能力和可复用的协作方法。
Tomer Tunguz 博客（VC 分析）AI 评分5959 Tomer Tunguz：大多数 AI 工作可以等，路由应先于模型选择
作者认为构建 agent 的团队应把路由设计放在第一位、模型选择放在最后。他提出三层结构：技能分类器识别任务意图、路由器根据复杂度等特征决定执行层级、模型选择器在层级内挑最便宜的合格模型。
ARC Prize：官方博客AI 评分4444 ARC Prize 推出 SnakeBench：50 个 LLM 贪吃蛇对战基准
ARC Prize 发布实验性基准 SnakeBench，用 2.8K 场 LLM 贪吃蛇头对头对战测试模型在动态环境中的实时决策与长期策略。o3-mini 与 DeepSeek-R1 在排行榜领先，ELO 分别为 1825 和 1801，推理模型在对阵其他 LLM 时赢下 78% 的对局。代码与结果已开源，完整 50 个 LLM 排行榜见 SnakeBench.com。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2323 Anthropic 如何为 Claude 各产品构建隔离与管控机制
Anthropic 分享了为 claude.ai、Claude Code 和 Cowork 构建隔离管控（containment）机制的工程经验，核心问题是如何在智能体能力增强、潜在影响范围扩大的同时限制其爆炸半径。相关文章还涉及 Claude Code 自动模式、长时运行智能体的 harness 设计，以及 Claude Opus 4.6 在 BrowseComp 中的评测意识等议题。
Tomer Tunguz 博客（VC 分析）AI 评分5252 Tomer Tunguz 详解 AI 智能体的记忆架构与 preflight 检查
Tomer Tunguz 介绍其正在实验的智能体记忆架构：查询先经 preflight 从约 90 个技能文件中按意图检索相关技能载入上下文窗口，再由本地 Ornith 35B（经 Ollama 运行于 Apple Silicon）执行，约 80% 的常规任务留在本地，困难任务路由到 frontier 模型。
Tomer Tunguz 博客（VC 分析）AI 评分3737 Theory Ventures 成立三周年：AI 压缩时间如何重塑风投与推理市场
Theory Ventures 在成立三周年回顾中提出，AI 正在压缩时间：新模型每 41 天发布一次，企业以创纪录速度达到 1 亿美元营收，推理已成为 AI 的主导市场。该机构认为 seed 轮规模已从 100 万美元延伸至 5 亿美元，传统融资阶段分类不再代表公司成熟度；闭源与开源、云端与本地模型的差距也在收窄，本地运行可降低成本、改善延迟并减少数据治理顾虑。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2121 Anthropic 推出 Claude Community：覆盖 33 国 67 城的全球社区与活动
Anthropic 上线 Claude Community，在 33 个国家、67 座城市组织由 Claude Community Ambassadors 主持的线下活动，供开发者交流用 Claude 构建的方案。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2222 Anthropic 博客：Claude Cowork 与聊天合并、Claude Opus 5.5 发布等产品动态汇总
Anthropic 博客汇总了近期 Claude 产品更新：Claude Cowork 与聊天已合并为统一的 Claude，Claude in Chrome 正式可用，Claude Code 支持 artifacts，Claude Marketplace 上线以集中发现合作伙伴的插件、智能体与服务。
ARC Prize：官方博客精选AI 评分6666 ARC Prize 发布 ARC-AGI-3 Preview 30 天总结：人类轻松通关，AI 智能体进展艰难
ARC Prize 基金会总结 ARC-AGI-3 Preview 上线 30 天的发现，首个交互式推理基准显示人类大多能通关游戏，AI 智能体则难以高效推进。竞赛收到 12 份提交，冠军 StochasticGoose 得分 12.58%，完成 18 个关卡，团队还提出以行动效率衡量智能，并计划增加撤销、离线引擎等改进。
推荐理由：原文给出了人类与 AI 在交互式推理基准上的行动效率差距和评分框架，读者可以据此理解智能评测的新方向。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分6767 Claude 正式登陆 Microsoft Foundry，可通过 Azure 账单计费并计入 MACC
Claude 现已在 Microsoft Foundry 正式可用，企业可用现有 Azure 认证、计费与治理体系构建生产应用和企业智能体，用量计入 Azure 账单，符合条件的支出可计入 MACC。
推荐理由：原文说明 Claude 在 Microsoft Foundry 正式可用后的计费、合规与部署方式，读者可据此评估接入 Azure 工作流的可行性。
Tomer Tunguz 博客（VC 分析）精选AI 评分6363 Tomer Tunguz 分析 AI 工程效率三档分布：均值 20-46%、前沿 3x、工厂级 8x+
Tomer Tunguz 提出 AI 工程效率呈三档分布：仅分发 AI IDE 的均值约 20-46%，构建智能体运营层的公司达 2.5-3x，智能体作为组织单元的软件工厂达 8x+。
推荐理由：作者汇总多项公开数据，把 AI 工程效率分成三档，指出差距不在模型而在围绕智能体的运营纪律，可作行业对照参考。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分3232 Claude 登陆 Google Cloud：用 Anthropic 模型构建高级 AI 智能体
Anthropic 的 Claude 模型现可在 Google Cloud 上运行，支持 MCP、提示词缓存与专用容量，并可在无服务器基础设施上按负载扩展。该组合将 Anthropic 的安全模型与 Google Cloud 的基础设施、统一治理和安全控制结合，用于构建和部署生产级 AI 智能体。官方称有团队借此将代码开发速度提升 20% 至 30%。