Transluce 发布 AI 智能体异常行为事件报告
Transluce 发布事件报告页面，公开其在公共互联网上观察到的智能体异常活动案例，目标是提升对意外或不良智能体行为的透明度与问责。
推荐理由：Transluce 汇总公开的 AI 智能体异常行为事件报告，读者可以借此了解智能体在公共网络上越界活动的具体案例与追踪记录。
Agent 智能体
全部主题让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
最新精选
第 1–20 条 · 共 279 条Transluce（网页）精选AI 评分7474 The Decoder：AI News（RSS）精选AI 评分7676 Google 发布 Gemini 4 Argon，基准成绩逼近 OpenAI 和 Anthropic 但未明显领先
Google 发布新前沿模型 Gemini 4 Argon，是 Gemini 3.1 Pro 之后七个多月来的首款前沿模型。
推荐理由：文章汇总了独立测试与价格细节，读者可以据此比较 Gemini 4 Argon 与竞品的实际表现和成本。
Artificial Analysis 完整文章（网页）精选AI 评分7979 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。
Arena.ai@arena精选AI 评分7878引用Arena.ai@arenaBig news: Gemini 4 Argon (High) by @GoogleDeepMind just landed #1 in Text Arena with 1525 pts, and #8 in Code Arena: WebDev with 1679 pts! This release has reshaped the Text Arena Pareto frontier with a blended $8/MToken! Gemini 4 Argon (High) is now the most cost efficient model, see its placement on Pareto frontier below. In the Text Arena, Gemini 4 Argon (High) ranks #1 in Coding, Hard Prompts, Instruction Following, Longer Query, and Creative Writing. It also leads every occupational domain evaluated, with additional #1 spots in English, Non-English, Chinese, and Russian. This model is +20 points above the #2 ranked Claude Opus 4.6 (High), and a huge leap from Google’s previous release, Gemini 3.8 Flash (High) at #11! In Code Arena: WebDev, Gemini 4 Argon (High) gained +96 points from Gemini 3.8 Flash (High), and went from #29 to #8. Congrats to the @GoogleDeepMind team on this impressive frontier release!
推荐理由：原文给出 Agent Arena 排名、关键信号得分和每任务成本数据，读者可以据此评估该模型在真实智能体任务中的性价比。
Artificial Analysis@ArtificialAnlys精选AI 评分6767推荐理由：Artificial Analysis 实测显示 Gemini 4 Argon 智能指数追平 GPT-6 Astra 而折扣下成本仅六成，读者可据此比较各家模型性价比。
METR：Blog（网页）精选AI 评分7070 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。
Google AI：DEV 作者专属（RSS）精选AI 评分7575 一次 Agent 重构事故复盘：二十个正确改动如何掩盖了错误的假设
作者复盘充电站地图去重任务的事故：一个由 Agent 编写、重构后测试全部通过的去重任务，因测试数据自造而未取自真实数据（9269 对重复记录中运营商名称仅 1 对匹配），导致约三分之一注册表站点在 100 米内存在重复显示，重构 78 分钟后被无审阅合并。
推荐理由：作者以真实去重事故为底，给出从审代码转向审概念与真实数据的可迁移复核清单。
Aravind Srinivas@AravSrinivas精选AI 评分6969引用Perplexity@perplexity_aiComputer now works in email. Send, forward, or cc computer@perplexity.com on any thread. Every email task runs as a normal session in Computer, viewable on web and mobile, with the same audit trail as any task in the app.
推荐理由：Perplexity 开放无需账号的邮箱入口并限时免费，读者可以据此评估把任务转给 Computer 智能体执行的可行性。
Google AI：DEV 作者专属（RSS）精选AI 评分7373 工程师复盘十个月围绕 Claude Code 搭建守护框架的经验与教训
一位工程师复盘十个月为 Claude Code 逐步搭建 hooks、门禁和守护框架的经历，核心结论是“仪表会撒谎”，提示词只是请求，真正有效的是代码边界。
推荐理由：作者用十个月的真实失败数据说明提示词为何挡不住模型，并给出可复用的 Claude Code hooks 种子。
Google Blog：AI（RSS）精选AI 评分6666 Gemini 全球上线 skills 功能，将逐步取代 Gems
Google 将 skills 功能直接推向 Gemini 聊天的全球用户，并将在未来几周内面向 Google Workspace 商业、企业、非营利和教育客户开放。
推荐理由：官方公告说明了 skills 的使用方式、可用范围和 Gems 退出时间表，用户可据此安排迁移。
xAI：News（网页）精选AI 评分6464 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。
xAI：News（网页）精选AI 评分6868 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。
xAI：News（网页）精选AI 评分6767 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。
xAI：News（网页）精选AI 评分6262 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。
xAI：News（网页）精选AI 评分7373 xAI 开源 Grok Build 编码 Agent 与 TUI
xAI 宣布开源 Grok Build 的编码 Agent 与 TUI，源码已发布在 GitHub。
推荐理由：源码公开了 agent loop、工具、TUI 和扩展系统的实现细节，还支持本地编译和接自有推理服务。
xAI：News（网页）精选AI 评分6060 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。
xAI：News（网页）精选AI 评分7878 xAI 发布 Grok 4.5，主打编码、智能体任务与知识工作
xAI 于 7 月 16 日发布 Grok 4.5，定位为其最强模型，面向编码、智能体任务和知识工作，与 Cursor 联合训练。
推荐理由：官方发布页给出了基准分数、定价、token 效率和免费入口等具体数据，读者可据此与其他模型比较并选择使用场景。
xAI：News（网页）精选AI 评分6767 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。
xAI：News（网页）精选AI 评分7373 Grok Build 推出 Workflows 功能，可编排数百个并行 agent 后台完成任务
xAI 宣布 Grok Build 支持 Workflows，用自然语言描述任务后由 Grok 规划并在后台分发给数百个并行 agent 执行，完成后汇报结果。
推荐理由：官方说明了 workflows 的编排方式、agent 预算和复用机制，读者可据此判断它适合哪类多智能体任务。
xAI：News（网页）精选AI 评分6868 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。