跳到正文

#Agent

今日 14 条
今天10月1日周四
  1. Sakana AI35

    Sakana AI 联合创始人兼 CEO David Ha 在《日经亚洲》撰文《AI 的未来属于编排者》，指出前沿企业靠堆算力、扩大模型规模的竞争已现瓶颈：开源模型差距缩至数月，前沿模型推理成本常高于其所辅助人员的时薪。他认为价值将从模型权重本身转向按情境调度、整合多个模型的编排智能，并主张主权 AI 的关键是不依赖单一供应商、能组合全球资源的供应链韧性。

  3. Artificial Analysis 完整文章（网页）79

    Artificial Analysis 评测 Gemini 4 Argon：Google 重回智能前三

    Artificial Analysis 评测 Google DeepMind 新模型 Gemini 4 Argon，其在 Artificial Analysis Intelligence Index 得 53 分，追平 GPT-6 Astra（max），高于 GPT-6.1 Sol（52），为 Google 超 7 个月来首个高于 Flash 档的专有模型。

    推荐理由：第三方评测给出了智能指数、单位任务成本、幻觉率等多项横向数据，可用于比较 Gemini 4 Argon 与竞品的实际表现。

  5. METR：Blog（网页）70

    METR 主席 Chris Painter 就 OpenAI / Hugging Face 智能体事件向美国参议院作证

    2026年9月30日，METR 主席 Chris Painter 在美国参议院国土安全委员会小组听证会上就 OpenAI / Hugging Face 事件作证。

    推荐理由：这是当事机构负责人在参议院听证会的完整证词，以第一手视角拆解了 OpenAI / Hugging Face 事件的三要素框架，并给出行业共性观察。

  7. MiniMax (official)43

    基于 MiniMax H3 构建，@Creatify_Labs 的 Boreal-H3 是一款专为广告优化的视频模型，在更精准遵循创意简报的同时，保持产品和角色的一致性。 很高兴看到 MiniMax H3 成为更多面向特定行业的前沿模型的基础！✨

    引用Creatify Labs@Creatify_Labs

    Introducing Boreal-H3 — a video model built for ads and our next step toward recursive self-improvement in video generation. A good-looking video isn’t enough. The product has to stay the same. The actor has to stay the same. The label has to be right. And the action in the brief actually has to happen. So we post-trained MiniMax H3 specifically for advertising. But this isn’t a one-off SFT or LoRA fine-tune. We built a closed-loop system that learns what to improve next. Human-calibrated evaluation diagnoses failures and guides the next intervention: targeted data collection, reinforcement learning, or inference optimization. When the feedback is unreliable, we revise the evaluator or reward—not just the generator. Every experiment feeds into shared memory, informing the next training decision. The model improves, and so does the process that produces its successor. The results: → 85.3% reference fidelity — highest among the frontier video generation models we evaluated → Brief success: 28% → 50% → Identity match: 83% → 94% → Visible defects per clip: down 70% → Generation time and estimated cost: down 20% Boreal-H3 doesn’t just make better-looking video. It makes more usable ads. Credit to the @MiniMax_AI team for the foundation we’re building on. This launch is a checkpoint, not the finish line. We’re building more than a better video model. We’re building a system that learns how to make the next one better.

  12. NVIDIA AI33

    你的智能体得到了正确答案。它花了多少功夫才走到那一步？ 我们与 @NousResearch/@Teknium 合作，带来一篇 NVIDIA NeMo Relay 的实操演练，为 Hermes Agent 收集追踪数据。运行两个示例场景，跟随智能体的调用与重试，并在 Arize Phoenix 中查看完整追踪。 博客还探讨了 Nous 如何利用追踪和任务结果，在重复运行中评估修复效果。 TechBlog: https://nvda.ws/47tKxjQ 📽️ 来自我们自家的 @Picomoorhead：

9月30日周三
  1. xAI：News（网页）64

    xAI 发布 grok-voice-think-fast-1.0 旗舰语音模型并开放 API

    xAI 发布旗舰语音模型 grok-voice-think-fast-1.0，可通过 API 使用。该模型面向客服、销售等复杂多步骤语音工作流，原生支持 25+ 种语言，在 τ-voice Bench 排行榜上排名第一。后台推理不影响响应延迟。该模型已为 Starlink 提供电话客服与销售：销售转化率 20%，客服自主解决率 70%，单个智能体使用 28 个工具。

    推荐理由：官方给出了基准成绩、多语言支持和 Starlink 实际运营数据，可帮助读者评估这款语音模型在真实客服场景的可用性。

  3. xAI：News（网页）68

    xAI 为 Grok 推出 Skills 功能

    xAI 推出 Skills 功能，教 Grok 一次即可在所有对话中记住偏好和工作流，内置 Word、演示文稿、表格、PDF 和 Skill Creator 等技能，无需设置。用户可通过对话或上传文件自定义技能，自己的版本优先于内置版本。Skills 已在 Grok 4.3 上的 grok.com、iOS 和 Android 上线。

    推荐理由：官方公告写明了 Skills 的内置能力、自定义方式和可用平台，读者可据此判断是否纳入自己的工作流。

  5. xAI：News（网页）67

    xAI 发布终端编码智能体 Grok Build 早期测试版

    xAI 发布终端编码智能体 Grok Build 的早期测试版，面向所有 SuperGrok 和 X Premium Plus 订阅者开放。它支持计划模式审批、AGENTS.md、hooks、skills 和 MCP 服务器开箱即用，可将任务分派给并行运行的子代理，并提供 headless 模式（-p）与完整 ACP 支持。用户可输入 /feedback 提交反馈。

    推荐理由：官方介绍覆盖计划模式、并行子代理和 headless 模式等能力，读者可据此判断如何接入现有终端工作流。

  7. xAI：News（网页）62

    xAI 发布编码模型 grok-build-0.1，API 公测上线

    xAI 将编码模型 grok-build-0.1 以公开测试形式上线 xAI API，该模型专为智能体编码任务训练，支持 Web 开发、调试和 MCP，也是驱动 Grok Build 的同一模型。

    推荐理由：xAI 官方公告给出了 grok-build-0.1 的定位、速度、定价和适配工具，读者可据此评估是否接入自己的编码工作流。

  10. xAI：News（网页）56

    xAI 为 Grok Build 推出 Agent Dashboard，支持同时管理多个编码会话

    xAI 为 Grok Build 推出 Agent Dashboard，把所有会话集中到一屏，支持并行运行、按状态排序并优先处理等待输入的会话。用户可在 shell 运行 grok dashboard，或在会话内用 /dashboard（Ctrl+\）打开；支持不离开面板查看并回复输出、底部输入框派发新会话、接管任意会话，关闭面板后所有会话继续运行。

  11. xAI：News（网页）38

    Grok 4.3 正式上线 Amazon Bedrock

    xAI 宣布 Grok 4.3 在 Amazon Bedrock 正式可用，支持 100 万 token 上下文窗口和可配置推理强度（none/low/medium/high）。该模型在 Artificial Analysis Omniscience 与 Tau2 Telecom 等基准上排名第一，定价为输入 $1.25、输出 $2.50 每百万 token。

  13. xAI：News（网页）58

    xAI 在 Grok Build 推出 /goal 长时自主任务执行模式

    xAI 在 Grok Build 中推出 /goal 模式，支持长时自主执行任务，智能体会持续工作直到任务完成并验证，包括审查代码、检查网页或执行脚本。用户只需一行给出目标，智能体会规划方案、把工作拆成进度清单并开始执行，期间可继续追加指令，另有新命令用于监控和引导长时任务，完成后面板显示 Complete 且清单全部勾选。

  15. xAI：News（网页）60

    Grok 推出 Automations 定时与邮件触发自动化功能

    xAI 推出 Automations，用户用一段聊天式描述创建任务，Grok 可按计划（一次性、每天、工作日、每周、每月、每年）或邮件触发自动运行，每次运行都是完整对话并保存历史，可通过邮件、应用通知或不通知回报结果。Automations 已在 grok.com 和 iOS、Android 应用开放：定时自动化对所有用户可用，邮件触发需 SuperGrok。

    推荐理由：官方原文说明了定时与邮件触发两种运行方式和各档位可用范围，读者可以据此评估是否把它接入自己的日常流程。

  17. xAI：News（网页）67

    xAI 推出 Grok for Outlook 插件

    xAI 将 Grok 引入 Microsoft Outlook，作为 Microsoft 365 插件在收件箱旁提供智能体能力：总结长邮件串并给出决策、负责人和待办事项，按用户语气起草回复，批量整理积压邮件（归档已完成会话、过滤垃圾邮件、标出需回复的邮件），还能读取附件并搜索网页和 X。

    推荐理由：官方介绍了 Grok Outlook 插件的整理邮件、代拟回复等具体能力与获取方式，读者可据此评估它对邮箱工作流的影响。

  21. xAI：News（网页）68

    xAI 发布 Grok Voice Think Fast 2.0 语音模型

    xAI 发布 Grok Voice Think Fast 2.0，称其在 Artificial Analysis 语音到语音质量指数达 82.9%，高于上代 75.7% 及对比模型；出声延迟 0.70s，转录准确率较 Deepgram Nova 3 和 ElevenLabs Scribe v2 提升 1.5–2.0×，推理 token 效率为上代 0.4×。

    推荐理由：原文给出 Artificial Analysis 对比数据和价格迁移细节，读者可据此评估它在语音智能体场景的替换成本。

  22. xAI：News（网页）73

    xAI 发布 Grok Bot：可长期自主工作的云端 Agent 队

    xAI 发布 Grok Bot，一组可全天候工作的 AI 智能体，拥有自己的云端计算机，能登录用户已有工具和应用中端到端完成任务，仅在需要审批时回报。产品处于 beta 阶段，面向 SuperGrok 和 Cursor 多档订阅用户开放桌面与 iOS 端，使用量与现有 Grok 和 Cursor 套餐分开计算；企业用户可加入等待名单。

    推荐理由：xAI 官方发布，读者可以据此了解 Grok Bot 的运行方式、订阅范围和与现有 Agent 产品的差异。

  24. xAI：News（网页）70

    Grok Build 全量开放：网页与移动端所有套餐可用

    xAI 宣布 Grok Build 在网页、iOS 和 Android 上向所有套餐开放，用户在 Grok 对话中描述应用、游戏、网站或仪表盘即可生成可运行版本。

    推荐理由：原文列出了从 Early Beta 到全量开放的发布与分享、Remix、自定义域名等具体变化，读者可据此判断是否纳入自己的应用搭建流程。

  25. xAI：News（网页）44

    Grok 4.6 上线 Amazon Bedrock

    xAI 的旗舰模型 Grok 4.6 现已在 Amazon Bedrock 正式可用，面向长时间运行的智能体及交互与视觉任务，支持 500k 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度。定价为输入 $2 / 百万 tokens、缓存输入 $0.50 / 百万 tokens、输出 $6 / 百万 tokens，已在支持的 AWS 区域向所有开发者开放。

  26. xAI：News（网页）43

    Grok 4.6 上线 Gemini Enterprise Agent Platform

    xAI 的旗舰模型 Grok 4.6 现已在 Gemini Enterprise Agent Platform 的 Model Garden 中开放给开发者使用。该模型面向长时间运行的智能体及交互与视觉任务，提供 500k 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度。定价为输入 $2、缓存输入 $0.50、输出 $6 每 100 万 tokens。