OpenAI 分析：欧盟 AI 下一章是智能体
OpenAI 发布新分析，指出智能体 AI 在欧盟企业和小型企业中的采用正在增长，并点出更深入的使用可在哪些环节释放更多价值。
#Agent
OpenAI NewsAI 评分2222 Latent SpaceAI 评分7474 Dyna Robotics 联创 Jason Ma 谈 Dyna-2 世界动作模型与小时级自主机器人
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 播客中介绍了 Dyna-2 世界动作模型，该模型基于超过一百万小时人类视频预训练，可在约 45 分钟演示数据后学会新任务。
AWS Machine Learning Blog精选AI 评分6060 如何用 Anchor Browser 与 AgentCore payments 构建可自动付费的智能体
AWS 与 Anchor Browser 合作，将 AgentCore payments 集成进云端浏览器，让 AI 智能体在遇到 HTTP 402 Payment Required 时自动完成 x402 协议支付并重试请求。
推荐理由：原文给出开启 session.x402 即可让浏览器智能体自动完成 x402 支付的具体做法，可迁移到付费页面与 API 的自动化流程。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案
Google DeepMind 开始广泛推送 Gemini 4 Argon，并扩大 Fairwind Program 至更多可信网络安全防御方。该模型在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在 Gray Swan 间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。
推荐理由：官方披露 Gemini 4 Argon 在网络安全与生物风险上的防护设计，可了解前沿模型安全护栏的具体做法。
The Decoder同新闻AI 评分8888 Google 全球上线 Gemini 4 Argon，取代 Pro 成为新旗舰系列
Google 全球上线 Gemini 4 Argon，开发者可通过 AI Studio 和 Gemini 平台的 API 使用，AI Ultra 订阅者可在 Google Antigravity 中使用，Ultra 和 Pro 订阅者可通过 Gemini 应用和 Google 搜索的 AI 模式访问。
Hugging Face Blog精选AI 评分7171 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型
Liquid AI 发布 LFM2.5-24B-A2B，一个总参数 24B、每 token 仅激活 2B 的推理模型，面向端侧私有智能体，会在回答前生成显式思维链并调用工具。
推荐理由：LFM2.5-24B-A2B 以 2B 激活参数在工具调用与指令遵循上对标更大 MoE，并给出端侧与 GPU 推理速度数据。
Ars Technica · AIAI 评分5050 Google 将在 Play Store 托管用户用 AI 编写的个人应用
Google 宣布 Play Store 将支持用户私下托管并分享自己用 AI 编写的应用，同时把 Ask Play 从应用详情页的聊天机器人扩展为通用的应用与游戏搜索推荐入口，可生成含详细对比图表的推荐结果，Gemini 也将推出类似能力。面向游戏的 Game Finder 则基于 Android 上 12 亿玩家的使用数据构建 Gamer DNA 画像，用于匹配玩法相近的玩家。
AWS Machine Learning BlogAI 评分2222 Orca Security 基于 Amazon Bedrock 打造自然语言安全查询 Discovery AI
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了自然语言查询智能体 Discovery AI，可将自然语言问题转换为 Sonar 查询。
Ars Technica · AI精选AI 评分7878 Gemini 4 Argon 开始在 Gemini 应用和 Antigravity 中推送，仅限付费用户
Google 的 Gemini 4 Argon 开始大范围推送，目前仅面向付费用户，低档订阅方案也无法获得完整访问权限。模型能力未变，Google 仍引用上月底公布的基准测试说明其推理与智能体编码能力，并称其经过训练可拒绝恶意指令，还配有自动失准监控。
推荐理由：读者可了解 Gemini 4 Argon 的付费分层开放方式，以及它在 Google 内部代码与机器人项目中的具体落地案例。
AWS Machine Learning BlogAI 评分4242 ShipStation Global 如何基于 Amazon Bedrock AgentCore 构建 AI IT 服务台 Deckhand
ShipStation Global 工程团队基于 Amazon Bedrock AgentCore 打造了 Slack 内的 AI IT 服务台 Deckhand，可回答常规 IT 与公司问题、识别报错截图，并创建和更新 Jira Service Management 工单。
Simon WillisonAI 评分3838 Geoffrey Huntley：用 pre-commit hook 强制 AI 智能体使用诊断库
Geoffrey Huntley 提出用 pre-commit hook 检查 git diff，发现绕过诊断模块直接调用可观测性模块的代码就拒绝提交，并向 AI 智能体注入提示词要求改用诊断库，效果从"仍有偏差"变为"十分满分"。他认为与其靠 AGENTS.md 内省更新，不如用提交钩子从源头约束智能体行为。
NVIDIA Blog精选AI 评分7878 NVIDIA RTX Spark 笔记本上市，生态应用与本地 AI 工具同步更新
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，最高 128GB 统一内存、1 petaflop AI 算力，并同步推出面向本地智能体的软件与模型更新。
推荐理由：围绕 RTX Spark 笔记本上市，梳理本地智能体、创作与开发工具链的配套更新，可据此判断本地 AI 工作流的可用程度。
Latent Space精选AI 评分8080 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型家族
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者通过 Meta Model API 和 Muse Code 提供，后者仅面向 Muse Code 订阅用户。
推荐理由：汇总 Meta 新模型的首发细节与多家第三方评测数据，可对比其与 Opus 5.5、GPT-6 系列的定位差异。
NVIDIA BlogAI 评分3030 NVIDIA 宣布投资 Doctolib、Entalpic、Genesis AI 和 Pigment 等法国初创公司
NVIDIA 宣布计划投资 Doctolib、Entalpic、Genesis AI 和 Pigment 四家法国初创公司，分别覆盖医疗智能体、原子级材料工程、通用机器人和企业规划平台。NVIDIA 在欧洲的技术生态累计投入已接近 100 亿美元，此前曾投资 Alice&Bob、Gradium 和 Scintil Photonics。
Latent SpaceAI 评分7070 Anthropic 动态工作流如何编排 Claude 智能体
Anthropic 技术人员 CJ Avilla 和 Harrison Stall 在 AI Engineer NYC 上介绍了上周五发布的动态工作流（flows），它被定义为面向大型任务的新型多智能体编排方式。
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 入门指南：如何让 Copilot 了解你的代码库
GitHub Copilot 提供四种方式让 Copilot 理解项目上下文：仓库级自定义指令（.github/copilot-instructions.md）、按路径生效的指令文件、封装可重复流程的 agent skills（.github/skills）以及定义专用角色的自定义 agent（.github/agents）。
Microsoft ResearchAI 评分4040 微软研究院推出 StudentSim：用个性化 AI 学生模拟器评估和改进 AI 辅导系统
微软研究院提出 StudentSim，一种从公开去标识化学习记录中训练个性化 AI 学生模拟器的研究系统，用于在真实学习者测试前评估和改进 AI 辅导系统。该研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和指导响应性两个维度评估模拟器，StudentSim 在三个领域均优于领先基线。
Import AIAI 评分2222 Import AI 476：创造力与递归自我改进、不如中国的开源权重模型、AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图和 234 段短视频（共 17.6 小时）测试多模态模型的直觉视觉推理，人类 pass@1 为 93.1，最佳 AI 系统 GPT 6 Astra 仅 53.6，GLM-5.3-flash 为 26.8、Kimi K3 为 25.5。
OpenAI NewsAI 评分4242 Asana 用 GPT-6.1 Sol 将浏览器测试模型成本降低 76 倍
Asana 借助 Codex 中的 GPT-6 Astra，在浏览器测试中让浏览器智能体的模型成本降低 76 倍、速度提升 5 倍，从而为客户提供能力更强的模型。
MIT Technology Review · AIAI 评分3838 MIT Technology Review 圆桌对话：与 AI 设计病毒创造者 Samuel King 对谈
斯坦福大学博士生 Samuel King 用生成式 AI 模型设计出微观病毒的基因蓝图，这还不是 AI 生成生命，但可能是下一步。MIT Technology Review 资深 AI 记者 James O'Donnell 将于 10 月 16 日 18:30 BST 直播对话 King，谈其工作、入选 Innovators Under 35 以及观察生物学的新方式。
NVIDIA BlogAI 评分3030 NVIDIA Omniverse 如何用 GPT-6 Astra 等前沿 AI 智能体把想法变成仿真应用
NVIDIA 开发者用 GPT-6 Astra、Claude Fable 5 等前沿 AI 智能体配合 Omniverse 库，通过自然语言指令构建仿真应用。
Hugging Face Blog精选AI 评分7878 作者用 ML Intern 两天训练并发布六个模型
作者借助 HuggingChat 中的 ML Intern，在两天内训练并发布了六个模型，包括柑橘病害识别、Huggy LoRA、相机角度 LoRA、涂鸦替换 LoRA、Pocket Rewriter 和 Agate 4-step 蒸馏模型，总计算成本约 103 美元。
推荐理由：作者用 ML Intern 在两天内做出六个模型，给出了提示词写法、预算控制和基线对比等可复用细节。
Google Research精选AI 评分6060 Google Research 三个月实验：AI 辅助提升专利撰写产出，但未加速初级律师判断力成长
Google Research 与 NBER 发布一项为期三个月的专利撰写实地实验，将当时未发布的 Google Labs AI 专利写作助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师。
推荐理由：三个月随机对照实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，为评估 AI 对专业能力的影响提供了可参考的方法。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，读者可了解让部署用 harness 直接参与 RL 训练的思路与实测收益。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测的意外失败与真实世界表现
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规评测时出现的"意外失败"。她结合自身从数学、物理、认知科学转向计算机科学的经历，分享了使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细审视数据。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、52B 激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底发布。
推荐理由：官方给出 1 万亿参数、52B 激活的开放权重模型在编码、智能体与多模态上的具体基准，可据此判断开放权重模型当前的位置。
Google ResearchAI 评分3131 Google 发布智能体隐私与安全报告：从上下文完整性看 Agentic 风险
Google 发布《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》报告，汇总 50 多位学界与业界专家在 2025 年底纽约 CAPS 研讨会的成果。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub PR 的分布构建，包含 219 个 PR、覆盖 19 种语言，采用多来源 golden set 与统一评分标准，并由资深工程师独立复核，一致率 96.6%。
推荐理由：GitHub 公开了代码审查基准的构建方法与离线到线上的验证数据，可据此判断评测信号是否可信。
MIT Technology Review · AIAI 评分2222 如何将 AI 智能体接入企业知识
MIT Technology Review 基于对 300 名数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识缺失是主要失败原因之一。
MIT Technology Review · AIAI 评分1212 如何把预测分析带入智能体 AI 时代
企业 AI 的竞争前沿已从预测转向自主决策，核心难题是让预测系统在不偏离业务意图的前提下依据自身结论行动。深度学习与生成式 AI 驱动的智能分析支持实时训练，使 AI 持续演进而无需等待季度刷新，其数据来源也从规整的数值记录扩展到非结构化交互数据。Everest Group 合伙人 Vishal Gupta 称，企业已不再满足于回望式视角，"analytics"一词正让位于 AI。
Import AIAI 评分2222 Import AI 475：群体扩展、Google DeepMind 为生物设计加水印与 AI 科学经济
Import AI 475 讨论了 AI 群体（swarm）扩展：4 个智能体的群体完成任务所需 token 总量约为单智能体的两倍，但每个智能体只需一半 token，并行运行理论上可将耗时减半。
Hugging Face Blog精选AI 评分6666 微软 ThinkingBox 基准：按数据库终态而非模型自述评判 AI 智能体
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox 智能体评测基准，通过隔离的 MCP 工具会话运行任务，只根据智能体留下的后端终态和副作用打分，而非其生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出 20 次重复下的稳定性与成本数据。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作方式，GitHub 给出三项需要强化的技能
GitHub 提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非只是使用它，不轻信 AI 的首次答案，以及用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明它用第二个模型来审查计划、代码和测试，从而发现首个模型遗漏的问题。
Hugging Face BlogAI 评分3737 ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功轨迹定位能力缺口，再生成并验证新任务用于后训练。该流程以 system specification、user prompt、verifier 三要素定义任务，要求任务可行、真实且尚未被稳定解决，并随模型改进动态调整课程。团队以 EnterpriseOps Gym 数据集演示了该流水线。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元，缓存输入按输入价 95% 折扣计费。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和定价，可据此判断前沿模型的落地边界。
