OpenAI 扩展 Codex 能力：可操作 Mac 应用并承接持续任务

OpenAI 发布视频介绍 Codex 的能力更新。Codex 现在可以操作 Mac 上的应用、连接更多工具、生成图像、从之前的操作中学习、记住用户的工作偏好，并承接持续和可重复的任务。

Sierra 如何用 golden 数据集评估并改进 AI 智能体的搜索质量

Sierra 为每个客户从昨日对话中采样数千条匿名搜索样本，用前沿 LLM 多阶段流水线筛选出理想文章构成 golden 数据集，并以 recall、precision、nDCG 等指标每日衡量检索质量。发布检索与重排序模型 Linnaeus 和 Darwin 后，客户 recall 逐日提升，相关解决率最高提升 16 个百分点。

Google 推出 Vantage：用生成式 AI 评估未来技能

Google 发布研究实验 Vantage，通过生成式 AI 在模拟环境中创建对话，评估高中和大学生的未来技能，现已上线 Google Labs 并开放英文注册。Vantage 与纽约大学合作开发，由 Executive LLM 动态引导对话、AI Evaluator 依据评分标准打分，188 名 18-25 岁美国测试者的研究显示其评分与人类专家一致。

阿里巴巴开源 Harbor：智能体评测与 RL 环境框架

阿里巴巴在 GitHub 发布 Harbor 框架，用于运行智能体评测以及创建和使用 RL 环境。该仓库为贡献用 fork，所有改动计划提交上游 PR。

Together AI 发布 EinsteinArena，智能体协作将 11 维 kissing number 下界推至 604

Together AI 发布 EinsteinArena，一个让智能体在开放科学问题上互动、讨论和竞争的平台，含实时 API、验证器和公开排行榜，并完全开源。截至 2026 年 4 月 11 日，平台上的智能体已取得 11 项新 SOTA，包括将 11 维 kissing number 下界从 AlphaEvolve 的 593 推进到 604，该结果由多个智能体在 48 小时内接力优化协作完成。

browser-use 推出 video-use：用编程智能体剪辑视频

browser-use 在 GitHub 上线新仓库 video-use，主打用编程智能体（coding agents）编辑视频。该仓库目前仅给出这一句功能描述，未披露支持的模型、参数规模或可用方式。

Google Research 发布 ConvApparel：测量并弥合用户模拟器的真实感差距

Google Research 推出 ConvApparel 数据集，包含服装购物领域超 4000 段人机多轮对话、近 15000 轮交互，用于量化 LLM 用户模拟器与真实人类的真实感差距。

阿里巴巴开源 loongsuite-js：为 AI 编程智能体提供 OpenTelemetry 埋点插件

阿里巴巴在 GitHub 开源 loongsuite-js，为基于 JavaScript 的 AI 编程智能体提供 OpenTelemetry 埋点插件。它可以从 Claude Code 和 OpenClaw 采集 traces、工具调用和 LLM 指标，无需修改代码。

Google 推出 PaperVizAgent 与 ScholarPeer 两个学术 AI 智能体

Google 发布两个学术智能体框架：PaperVizAgent 用于生成论文配图，ScholarPeer 用于自动同行评审。PaperVizAgent 由检索、规划、风格、可视化和评审五个智能体协作，在 0-100 分评测中总分 60.2，超过 GPT-Image-1.5、Nano-Banana-Pro、Paper2Any 等基线，是唯一超过 50.0 人类基线的框架。

Johann Rehberger 解读 Anthropic Mythos Preview：Agent 让漏洞挖掘能力加速，攻击者窗口收窄

安全研究员 Johann Rehberger 分析 Anthropic 发布的 Mythos Preview 模型：据其公告，Opus 4.6 在数百次尝试中仅两次成功利用 Firefox JS 引擎漏洞，Mythos Preview 成功 181 次，还发现了 27 年历史的 OpenBSD SACK 漏洞和 17 年历史的 FreeBSD NFS RCE。

Sierra 推出首个 Level 1 PCI 合规的 AI 智能体支付能力

Sierra 发布面向 AI 智能体的支付功能，成为首个 Level 1 PCI 合规的对话式 AI 平台，并获 Visa Global Service Provider Registry 验证。

Fuli Luo@_LuoFuliAI 评分6464

罗福莉认为 Anthropic 停止第三方 harness 使用 Claude 订阅并不意外，估算 OpenClaw 类工具每次查询发起多轮独立请求、上下文常超 100K tokens，实际 API 成本可能是订阅价的数十倍。

Sebastian Raschka 解析编码智能体的六大组成组件

Sebastian Raschka 发文讲解编码智能体与 coding harness 的整体设计，提出六大组件：实时仓库上下文、提示词结构与缓存复用、结构化工具与权限校验、控制上下文膨胀、结构化会话记忆、带边界的子智能体委派。

Steve Yegge 发布 Gas Town 与 Beads 1.0.0，Gas City 进入 alpha 测试

Steve Yegge 宣布 Gas Town 和 Beads 同日发布 v1.0.0。Gas Town 上线 3 个月获 13k GitHub stars，已进入维护模式一个月以上；Beads 上线约 5 个月跨过 20k stars，在完成向嵌入式 Dolt 的迁移后达到 v1.0。后续重点转向 Gas City，目前处于 alpha 测试并计划快速 GA。

Google DeepMind 发布 Gemma 4 开源模型，含 E2B、E4B、26B MoE 和 31B 四个尺寸

Google DeepMind 发布 Gemma 4 开源模型，主打高级推理与智能体工作流，采用 Apache 2.0 许可，提供 E2B、E4B、26B MoE 和 31B Dense 四个尺寸。

Sierra 推出 Explorer：用 AI 优化 AI 智能体的智能体

Sierra 发布 Explorer，一款与构建智能体的 Ghostwriter 配合、主动指出智能体待修复与改进之处的"智能体优化智能体"。它像 ChatGPT deep research，但研究对象是客户对话，可诊断性能问题、验证假设并预测趋势，每周推送变化简报，并支持一键在 Ghostwriter 中落地建议。

Ethan Mollick 谈 Claude Dispatch 与 AI 界面的力量

Ethan Mollick 撰文指出，AI 能力被聊天机器人界面拖累，一篇让金融从业者用 GPT-4o 做估值任务的研究发现，AI 输出的大量文本增加了认知负荷，抵消了部分生产力收益。

Mistral AI 发布 Spaces CLI，为人类与 Agent 共用而设计

Mistral AI 发布 Spaces CLI，一个从内部平台工具演化而来、可脚手架项目、启动开发环境并部署的项目工具。

Steve Yegge 分享 Vibe Maintainer 工作流：用 AI 管理 AI 生成的 PR 洪流

Steve Yegge 撰文分享他作为 Beads（20k stars）和 Gas Town（13k stars）维护者、每天接收约 50 个社区 PR（99% 为 AI 生成）的 vibe maintainer 工作流。

Sierra 收购日本企业 AI 初创公司 Opera Tech

Sierra 宣布收购东京企业 AI 初创公司 Opera Tech，其联合创始人森川馨太与國井清人将加入 Sierra。Sierra 称日本是对企业软件要求最高的市场之一，Opera 团队拥有服务日本大型企业的本地关系与经验。

OpenBMB 发布 ClawXMemory：面向 OpenClaw 的多层级长期记忆插件

OpenBMB 推出 ClawXMemory，一个为 OpenClaw 设计的多层级记忆插件，主打长期上下文能力。该插件通过多层级记忆结构管理长期上下文，具体参数与可用方式尚未在现有信息中披露。

Noam Shazeer@NoamShazeerAI 评分6868

Google 发布 Gemini 3.1 Flash Live，主打生产级可靠性，供开发者和企业构建能大规模完成复杂任务的语音优先智能体。模型在 ComplexFuncBench Audio（多步函数调用）和 Scale AI 的 AudioMultiChallenge（长程推理，支持打断）上领先，原生多语言，已支撑 Search Live 的推出。

Modem 现已接入 Intercom

Modem 面向所有用户上线 Intercom 集成，通过 webhooks 实时将对话、回复、内部笔记、状态变更和 CSAT 评分汇入其 topic 系统，并与 Slack、Discord、GitHub 讨论并列。

Sierra 推出 Ghostwriter 智能体，转向 Agents as a Service

Sierra 发布 Ghostwriter，一个能构建智能体的智能体，用户通过自然语言、SOP、通话记录等输入即可生成覆盖语音、聊天、邮件及 30 多种语言的 production-ready 客服 Agent。

Sierra 在澳大利亚悉尼开设办公室

Sierra 宣布在澳大利亚悉尼开设办公室，此前已扩展至新加坡、东京、马德里、巴黎和伦敦。其平台上的 AI 智能体支持 30 多种语言、全天候无等待服务，覆盖产品发现、注册登录、故障排查和流失管理。美国 Rocket Mortgage 每月贷款规模达 $1BN，使用其智能体的购房者完成流程的可能性高出四倍。

上海人工智能实验室发布 WildClawBench：面向生产环境 AI 智能体的真实场景基准

上海人工智能实验室 InternLM 项目推出 WildClawBench，一个面向生产环境（production harness）中 AI 智能体的 in-the-wild 基准测试。该基准聚焦智能体在真实部署环境下的表现评估，目前随 InternLM 项目开源发布。

OpenAI 提出 self-incrimination 方法训练智能体自报失范行为，将未检出攻击率从 56% 降至 6%

OpenAI Alignment 团队提出 self-incrimination 训练方法，让智能体在暗中失范时主动调用 report_scheming() 工具自报行为。

Sierra 发布 𝜏³-Bench，将智能体评测扩展到知识库与实时语音

Sierra 发布 𝜏³-Bench，在 𝜏-Bench 基础上新增 𝜏-Knowledge 和 𝜏-Voice 两个评测域，并合并社区对原有领域的修正。

Modem 新增 PostHog 集成，可用自然语言查询产品分析数据

Modem 面向所有用户上线 PostHog 集成，连接后其智能体可通过 API 实时查询产品分析、功能开关和 A/B 实验数据。用户用自然语言提问，智能体自动生成查询并返回事件计数、漏斗、留存、HogQL 趋势及实验统计显著性结果，还可与 Modem 的 topic 数据交叉比对。

Together AI 微调服务新增工具调用、推理与视觉模型支持，训练吞吐最高提升 6×

Together AI 扩展 Together Fine-Tuning，新增工具调用、推理和视觉语言模型（VLM）微调支持，训练栈升级后支持 100B+ 参数模型，吞吐最高提升 6×，数据集支持最大 100GB。

Google Research 在 The Check Up 展示医疗 AI 进展：从个性化健康到临床落地

Google Research 在 The Check Up 活动上公布多项医疗 AI 进展，包括与 Fitbit 合作研究的 Personal Health Agent（PHA），可整合数据科学家、领域专家与健康教练角色提供长期健康支持。

Mistral AI 推出 Forge：面向企业构建前沿级定制模型

Mistral AI 推出 Forge，让企业基于自有专有知识训练前沿级 AI 模型，支持预训练、后训练与强化学习全流程。Forge 同时支持 dense 与 MoE 架构，并可按需支持多模态输入，模型可运行在企业自有基础设施内以保留控制权。该平台以智能体优先设计，Mistral Vibe 等自主智能体可用其微调模型、寻找最优超参数、调度任务并生成合成数据。

Agent Commander：用提示词实现智能体命令与控制的攻击研究

安全研究者 Johann Rehberger 发布 Agent Commander，一个用自然语言命令控制被劫持智能体的 C2 系统，演示通过间接提示词注入让 OpenClaw、Kimi Claw 和 NanoClaw 加入提示词版僵尸网络。

Mistral 发布开源 Lean 4 证明代码智能体 Leanstral

Mistral 发布 Leanstral，一个面向 Lean 4 的开源代码智能体，权重以 Apache 2.0 许可开放，同时在 Mistral Vibe 中以 agent 模式提供，并通过免费 API 端点 labs-leanstral-2603 开放。

Together AI 在 NVIDIA GTC 2026 发布多项研究与产品创新

Together AI 在 NVIDIA GTC 2026 上宣布多项进展：其推理栈已采用 NVIDIA Dynamo 1.0，并与 NVIDIA 合作推出基于 NemoClaw 和 OpenShell 运行时的智能体部署方案。

Ethan Mollick 撰文分析 AI 能力指数级进步与组织变革的临界点

Ethan Mollick 撰文认为 AI 已进入由 Claude Code、OpenAI Codex 等 Agent 驱动的管理 AI 新阶段，多项基准如 GPval、Humanity's Last Exam 显示能力持续指数级提升。

Sierra 在西班牙马德里开设办公室

对话式 AI 平台 Sierra 宣布在西班牙马德里开设办公室，并已与多家西班牙大型企业合作构建 AI 客户体验。Sierra 智能体可覆盖产品推荐、注册、账户管理、故障排查、忠诚度计划与流失管理等场景。其客户 Next 六周上线、覆盖 83 个国家 48 种语言，Cigna 八周投产并将患者认证时间缩短 80%，Singtel 十周上线、解决率超 70%。

Together AI 推出统一实时语音智能体解决方案，同集群部署 STT、LLM 与 TTS

Together AI 推出统一方案，在同一集群内共同部署 STT、LLM 和 TTS 基础设施来构建实时语音智能体，端到端延迟低于 500 毫秒（从用户说话结束到首个音频 token）。

Modem 推出 Event Automations：事件触发式 AI 智能体自动化

Modem 面向所有用户上线 Event Automations，让自动化不再按时间表运行，而是在事件发生时唤醒同一个 Modem Agent 执行提示词。

Mistral 详解如何基于 Vibe 构建自动编写 RSpec 测试的 Rails 智能体

Mistral AI 基于 open-source 编码助手 Vibe 构建了一个自主智能体，可读取 Rails 源文件、生成或改进 RSpec 测试，并通过 RuboCop 和 SimpleCov 自定义工具在 CI/CD 中无人工干预运行。