SGLang 如何用 Score API 与共享上下文加速 JEV 类决策模型
SGLang 团队介绍用 /v1/score 接口为 JEV 类决策模型做标签打分，调用方通过 label_token_ids 显式指定标签，无需依赖生成结果的 top-k logprobs。
#Agent
#Agent
今日 191 条LMSYS：Blog（Chatbot Arena 团队）AI 评分4747 Meta AI：Blog（网页）AI 评分7171 Meta Superintelligence Labs 发布 Muse Spark 1.1 多模态推理模型并开放 Meta Model API 公测
Meta Superintelligence Labs 发布 Muse Spark 1.1，一个面向智能体任务的多模态推理模型，在工具与计算机使用、编码和多模态理解上较 Muse Spark 有明显提升，支持 100 万 token 上下文管理和多智能体编排。
LlamaIndex：产品、工程与评测AI 评分1919 LlamaIndex 行政运营方案：用 LlamaParse 与智能体自动化发票、合同和表单流程
LlamaIndex 推出面向行政运营的文档智能与智能体工作流方案，宣称可消除手动流程、为更高阶任务释放 80% 时间。方案包含发票评估器、合同数据智能体、表单处理器、政策文档智能体、员工入职助手和合规报告器六类组件，基于 LlamaParse 解析含图表和表格的复杂文档，并提供引用溯源与置信度分数。
LlamaIndex：产品、工程与评测AI 评分1616 LlamaIndex 如何将产品研发周期加速 80%
LlamaIndex 面向研发场景推出文档智能与智能体工作流方案，宣称可将产品研发周期加速 80%。方案包含 R&D assistant、System design navigator、Technical spec comparator 等 6 类智能体，基于 LlamaParse 解析图表与表格等复杂文档，并提供引用溯源与置信度分数。
Baseten Base Labs：模型研究AI 评分6565 Z.AI 发布 GLM-5.3：智能体编码能力大幅提升，Terminal-Bench 3.0 从 4.6% 升至 28.3%
Z.AI 发布面向智能体工程的新模型 GLM-5.3，沿用与 GLM-5.2 相同的 744B-A40B MoE 底座，能力提升全部来自在更多样真实任务环境上的规模化后训练。
Goodfire Research（网页）AI 评分4141 Goodfire 推出可解释性智能体 Silico，面向团队提供前沿模型机制分析
Goodfire Research 发布可解释性智能体 Silico，可围绕研究目标自主制定实验计划、并行运行并监控进度，支持任意规模模型。它集成 auto-interp、探针与 SAE 训练、模型对比、因果分析、数据归因、神经几何和激活 verbalizer 等可解释性方法与库，用于解释模型行为、调试回归问题、构建多阶段护栏以及复现对齐研究。Silico 已提供 macOS 版本下载。
Every：最新文章（网页）精选AI 评分8080 OpenAI DevDay 2026 发布20多项产品，作者实测 Dots 与 Decisions API
OpenAI DevDay 2026 发布20多项产品和功能，包括 ChatGPT 内常驻智能体 Dots、类 Google Drive 的 Space 与原生文档套件。
推荐理由：作者基于亲手测试梳理 DevDay 二十多项发布，给出 Dots、Decisions API 等功能的实际体验细节和与竞品的初步对比。
Every：最新文章（网页）AI 评分5858 Every 评测 OpenAI 常驻智能体 Dot：主动读取 Slack 并预警日程冲突
Every 的 Dan Shipper 发表对 OpenAI 今日发布的主动式常驻智能体 Dot 的使用评测。他用 Dot 改签旧金山航班时，Dot 从他未读的 Slack 讨论中察觉拟定的周三上午录像安排并主动提醒冲突。文章目前仅对付费订阅者开放。
Fireworks AI（网页）AI 评分5959 Fireworks AI 分析：前沿不是单个模型，而是路由器
Fireworks AI 基于 DeepSWE v1.1 的 113 个任务分析称，按任务选模型的 oracle 路由在 18 个模型上可达 97.6% 通过率、每任务 $1.88，比最佳单模型 GPT-6 Astra（74.1%、$6.52）高 23 分且成本不到三分之一；仅用开源权重模型也能达 90.3%、$1.45。
Fireworks AI（网页）AI 评分5454 Fireworks AI 推出 Specialized Intelligence Index 覆盖七大领域模型评测
Fireworks AI 发布 Specialized Intelligence Index（SII），汇集开放、闭源和专用模型在医疗、法律、网络安全、金融、客服、生产力、软件七个领域的从业者设计基准上的表现。
Fireworks AI（网页）精选AI 评分6868 Fireworks Research 发布 Ember-1：以 Kimi K3 为基础实现同等质量下更省 token
Fireworks Research 发布专用模型 Ember-1，基于 Kimi K3 训练，在保持质量的同时减少约 35–50% 推理 token。团队做了 50 多次训练实验和 200 多次评估，在 Terminal Bench 2.1、SWE-bench Verified 等 7 个基准和两家客户生产流量的 A/B 测试中质量持平，每任务 token 约省 35%。
推荐理由：原文给出多组基准和生产 A/B 数据，读者可以据此评估用更低 token 成本跑 Kimi K3 级质量的可行路径。
Eugene Yan：WritingAI 评分7575 Eugene Yan 详解如何与 AI 协作并让工作复利
Eugene Yan 分享与 AI 高效协作的工作流与复利方法，提出五条原则：提供良好上下文、把品味编码为配置、让验证变得简单、委托更大任务、闭合反馈循环。具体做法包括用 INDEX.md 注解组织上下文、将 CLAUDE.md 当作入职文档、把每周任务沉淀为 skill 并通过会话记录迭代、用 hooks 和 evals 左移验证、用 tmux 并行 3-6 个会话并挖掘过往会话记录更新配置。
Eugene Yan：WritingAI 评分5454 Eugene Yan 解析构建网络安全评测的模式并对比七大基准
Eugene Yan 撰文解析如何评估模型发现与利用安全漏洞的能力，归纳出沙箱目标、难度输入、工具和评分器四个通用组件，并提出按攻击链分级的部分给分方式。
NVIDIA Technical Blog：Agentic AI / Generative AIAI 评分4545 用 AI 智能体和 NVIDIA Isaac ROS 加速 ROS 2 节点
NVIDIA 为 ROS 2 Lyrical 贡献了 CUDA buffer backend，配合 rosidl::Buffer 抽象，让 ROS 2 节点在满足同主机、同 CUDA 设备、同 Linux 用户及受支持 RMW 实现等条件时以零拷贝方式交换 GPU 常驻数据，否则自动回退 CPU 路径。
Cursor BlogAI 评分5656 Firetiger 团队加入 Cursor
Cursor 宣布 Firetiger 团队加入 Cursor。Firetiger 由 Rustam Lalkaka 和 Achille Roussel 于 2024 年创立，构建的智能体可在软件上线后监控发布、发现回归、调查事件并将发现反馈给编程智能体。
Cursor BlogAI 评分5959 Cursor 介绍 Git 存储系统 Continuity 与 Origin 平台的设计
Cursor 工程师 Vicent Martí 撰文介绍其 Git 存储系统 Continuity：以 S3 中兼容对象存储的预写日志（WAL）作为唯一事实来源，本地副本为 NVMe 上的普通 Git 仓库，通过 S3 CAS 与 UDP gossip 实现乐观复制，无需路由表和共识选举，所有 push 线性化且完全持久化前不确认。
Cursor Blog精选AI 评分6969 Cursor 推出自托管机器，云端智能体可在自有基础设施上执行工具
Cursor 发布云端智能体自托管机器功能，工具执行可迁移到团队自管的基础设施，智能体循环、推理和规划仍留在 Cursor 云端。
推荐理由：原文给出了自托管机器的适用场景、worker 机制和沙箱合作生态，读者可以据此判断是否把智能体执行迁回自有环境。
Cursor Blog精选AI 评分7474 Cursor 推出 Projects：用协调智能体承接大规模开发工作
Cursor 推出 Projects，让开发者以项目为单位承接功能开发、迁移和长期维护等工作，可维持数月上下文、向数千个子智能体委派任务并自动处理周期性工作。每个 Project 默认在云端运行并同步共享上下文，协调智能体只负责委派而不写代码，还可订阅 Slack 频道、按计划运行或跟踪 PR。
推荐理由：官方介绍了 Projects 的协调智能体机制和内部使用数据，读者可以对照自己的多 PR 工作流评估是否适用。
Cursor Blog精选AI 评分6161 Cursor 推出软件开发 Bots：Rollouts 与 Security Reviewer
Cursor 推出两款软件开发 Bots，Rollouts 全程监控变更从 PR 到生产环境、自动标记回归并支持回滚，Security Reviewer 在每个 PR 上像安全工程师一样审查代码并支持一键修复。
推荐理由：原文来自官方，详细说明了两个 bot 的工作机制和适用场景，读者可对照自身部署与安全审查流程评估可用性。
Cursor Blog精选AI 评分6161 Cursor 详解智能体 harness 效率优化，token 成本降低 7%
Cursor 团队发布文章，介绍过去几个月为提升长时间智能体运行的 token 效率所做的 harness 改动，整体将用户 token 成本降低 7% 且智能体质量未下降。
推荐理由：Cursor 团队逐项拆解了降低智能体 token 成本的 harness 改动，给出系统提示精简、动态工具加载与缓存断点等可借鉴的做法。
Cognition 模型 / Devin 博客（网页）精选AI 评分6767 Cognition 完成 2B+ 美元 E 轮融资，估值 480 亿美元
Cognition 宣布完成逾 20 亿美元 E 轮融资，估值达 480 亿美元，由 Andreessen Horowitz 和 Accel 领投，Founders Fund、General Catalyst、Avenir 等跟投。
推荐理由：融资公告附上营收增长和 Devin 新功能细节，读者可以据此了解这家智能体公司的业务进展。
Cognition 模型 / Devin 博客（网页）精选AI 评分7878 Cognition 研究员用 Devin 构建 GPU 格子筛分解 RSA-260，成本较此前公开最优低约 10 倍
Cognition 研究员 Eric Lu 带领多个 Devin 会话构建了目前性能最高的 GPU lattice siever，用修改版 CADO-NFS 在约 4,900 GPU 天、约 $400k 的成本上完成 RSA-260 分解，创下公开解决的 RSA Factoring Challenge 最大规模纪录，超过 2020 年 2 月的 RSA-250。
推荐理由：原文详细披露 GPU 格子筛实现、成本估算和人机分工，读者可以了解 Agent 驱动大型科研工程的实际工作流。
Cognition 模型 / Devin 博客（网页）AI 评分6464 Cognition 发布 SWE-2 编码模型，以更低成本逼近前沿性能
Cognition 发布 SWE-2，其最强编码模型在 FrontierCode 1.1 Main 得分 50.0%，与 Fable 5.1 差距不到 1 分且便宜 64%。
Cognition 模型 / Devin 博客（网页）精选AI 评分7171 Cognition 将 Fusion 双智能体 harness 引入 Devin Desktop 和 CLI
Cognition 在 Devin Desktop 和 CLI 中开放 Fusion，一个由前沿模型主导规划审查、高性价比模型执行编码的双智能体 harness，官方称在主要编码基准上最高节省 39% 成本。
推荐理由：原文给出双智能体架构、实测成本数据与模型配对调优经验，读者可据此理解按任务定价与多智能体分工的设计取舍。
Cognition 模型 / Devin 博客（网页）AI 评分4747 Cognition 与 AWS 达成多年战略合作，推动 Devin 自主工程师在企业落地
Cognition 与 AWS 签署多年战略合作协议，帮助企业将 Devin 自主工程师部署到生产环境，并加速遗留工作负载迁移上 AWS。客户已可通过 AWS Marketplace 购买 Devin，并在 Devin 内直接使用 Agent Toolkit for AWS。
Cognition 模型 / Devin 博客（网页）AI 评分4141 Cognition 携 Devin 拓展拉丁美洲市场，首站落地圣保罗
Cognition 宣布拓展拉丁美洲业务，首站设在圣保罗，此前已与 Itaú、Nubank、Santander 等区域大型机构合作使用 Devin。Itaú 超 75% 技术团队使用 Devin，完成 30 万+ 代码库文档化、.NET 迁移 Java 提速 6 倍、自动修复约 70% 安全漏洞，工程吞吐量提升 20-30%。
Cognition 模型 / Devin 博客（网页）精选AI 评分6969 Cognition 宣布年化收入运行率突破 10 亿美元
Cognition 宣布年化收入运行率突破 $1B。公司成立于 2024 年 1 月，Devin 正式开放不到两年，已在 GE Aerospace、Rivian、Rohlik、Exa 等公司的工程团队中协作使用，官方称这一里程碑属于客户。
推荐理由：Cognition 官方宣布 ARR 突破 10 亿美元，并列出 GE Aerospace、Rivian 等客户，可据此了解 Devin 的商业化进展。
Claude：Blog（网页）精选AI 评分7272 Claude 合并 Cowork 与聊天，并推出 Claude Docs、Slides 和 Design 集成
Anthropic 宣布 Claude Cowork 与聊天合并为一个 Claude，任务不再需要用户选择入口，可在合上电脑后继续完成。同时发布 Claude Docs 和 Claude Slides，Claude Design 也可在对话中直接使用，三者均在付费计划上处于 beta。
推荐理由：官方说明了 Cowork 与聊天合并的原因和落地方式，读者可以据此判断现有工作流会受哪些影响。
Claude：Blog（网页）AI 评分2121 Anthropic 客户案例：Notion、Slack、Figma、HubSpot 如何用 Claude
Anthropic 客户案例页汇集了 283 个企业使用 Claude 的故事，覆盖金融服务、医疗、法律等行业。其中 Notion 用 Claude 打造面向团队与智能体的工作空间，Slack 用它做 AI 搜索与摘要，Figma 将想法转化为交互式软件，HubSpot 则借 Claude 释放创意时间。
Claude：Blog（网页）AI 评分2727 Anthropic 推出 Claude 平台 Console：Messages 直连模型，Managed Agents 托管智能体
Anthropic 上线 Claude 平台 Console，提供两种开发方式：Messages 为直连模型，需自行构建每轮对话、管理会话状态并编写工具循环；Managed Agents 提供全托管智能体基础设施，支持有状态会话与持久事件历史。平台同时提供 Claude 模型家族选型指引，涵盖研究、编码、写作等场景，Haiku 4.5 主打最快速度与最低成本。
Claude：Blog（网页）AI 评分4444 Claude Code 开发者文档：入门指南
Anthropic 发布 Claude Code 入门文档，该智能体编程工具可读取代码库、编辑文件、运行命令，支持终端、IDE、桌面应用和浏览器四种使用界面。终端 CLI、VS Code 和 JetBrains 插件还支持第三方模型提供商，多数界面需 Claude 订阅或 Anthropic Console 账户。
Claude：Blog（网页）精选AI 评分7373 Claude 桌面与移动端应用提供 macOS、Windows、Linux、iOS、Android 下载
Claude 提供桌面与移动端应用下载，覆盖 macOS、Windows（含 arm64）、Linux（beta，支持 Ubuntu 和 Debian）以及 iOS 和 Android，所有套餐（Free、Pro、Max、Team、Enterprise）均可使用，部分功能仅限付费计划。
推荐理由：原文汇总了 Claude 桌面与移动端应用的下载入口、各平台支持范围和付费限制，读者可据此判断是否迁移工作流。
NVIDIA AI BlogAI 评分4747 NVIDIA 与 CrowdStrike 发布 SafeMind 智能体安全系统
NVIDIA 与 CrowdStrike 在 Fal.Con 2026 上发布智能体网络安全系统 SafeMind，其防御模型基于 NVIDIA Nemotron 开放模型并用 CrowdStrike 威胁数据后训练。
NVIDIA AI BlogAI 评分6666 NVIDIA 在 IFA 2026 推进本地 AI，RTX Spark 电脑十月上市
NVIDIA 在 IFA 2026 宣布与 Microsoft 及伙伴合作加速本地 AI，包括 Hermes Agent、OpenClaw 和 Perplexity Portable Computer 的简化本地模型配置，llama.cpp 与 vLLM 带来最高 1.9x 推理提升，并推出开源工具 NVIDIA PAIR 在局域网内分发推理请求。
NVIDIA AI BlogAI 评分5555 Perplexity Portable Computer 登陆 Windows，由 NVIDIA RTX 加速
Perplexity 在 Windows 版应用中推出 Portable Computer，可在兼容的 NVIDIA GeForce RTX PC 和 RTX PRO Workstation 上本地运行，此前已支持 DGX Spark 和 Linux RTX PC。
Trail of Bits：AI安全研究精选AI 评分7474 Trail of Bits实测：GPT 5.6-Cyber三次逃出QEMU/KVM虚拟机，VM沙箱不再可靠
Trail of Bits作者在Patch the Planet项目中获得GPT 5.6-Cyber预览权，让它在CTF任务中逃出自己Debian 12机器上的QEMU/KVM虚拟机，结果它三次成功逃逸。
推荐理由：作者以一手实验展示GPT 5.6-Cyber三次逃出VM的具体漏洞链，指出单靠虚拟机隔离AI智能体已不可靠。
Trail of Bits：AI安全研究精选AI 评分7070 Trail of Bits 批评 1Password 的 AI 补丁基准有误导性，并发布两个补丁验证 Agent 技能
Trail of Bits 发文批评 1Password 2026 年 8 月 6 日报告的 26% 干净修复率有误导性，指出其样本被挑选为复杂修复、22% 数据使用故意指示错误修复的提示词、36% 试验禁止编译测试，并披露评分规则与人工审查的分歧。
推荐理由：作者用自有的 Patch the Planet 合并率和开发者首次修复失败率作对照，说明该基准在样本、指令和评分上的问题。
Trail of Bits：AI安全研究精选AI 评分6868 Trail of Bits 复盘 Miden zkVM 审计：用智能体自建工具链与 Lean 形式化模型
Trail of Bits 在审计 Miden zkVM 前，用智能体在六个月内从零构建了 MASM 的 LSP 服务器、反编译器、静态分析引擎和 Lean 形式化模型。
推荐理由：作者复盘如何让智能体在审计前自建 LSP、反编译器、静态分析和 Lean 形式化模型，方法可迁移到其他安全审计场景。
Cloudflare BlogAI 评分4848 Cloudflare User Insights 新增模型过度使用识别功能
Cloudflare 为 AI Gateway 的 User Insights 新增模型过度使用（Overkill）视图，可识别所选模型能力超出任务需求的情况，并展示关联用户、智能体与应用。
Cloudflare BlogAI 评分6363 Cloudflare 推出 Pay Per Use beta，让 AI 按实际使用向出版方付费
Cloudflare 发布 Pay Per Use beta，AI 公司为内容的具体使用出价，出版方在 dashboard 中决定是否接受，Cloudflare 负责记录使用、向买方计费并按月付款给出版方。