跳到正文

Agent 智能体

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。

1,790 条精选相关主题MCP 与工具调用AI 编码推理能力

最新精选

第 781–800 条 · 共 1,790 条

7月2日星期四

Ben's Bites

Fable 5 重新上线,同时来了个新的 Claude Sonnet 5

Anthropic 把 Fable 5 又放出来了,付费用户能用,但只到 7 月 7 号,而且用量上限砍半。官方说这次加了更强的安全护栏。Scale 的跑分显示它能完成 16% 的远程工作任务,是 Opus 4.8 的两倍。

推荐理由:Anthropic 同时放出 Fable 5 的限时回归和 Sonnet 5,两条消息叠在一起。Scale 的跑分给了可对比的硬数字,不是纯宣传稿。Fable 5 的 16% 任务完成率虽然翻倍但绝对值还低,所以重要性没推到 90 以上。

AI HOT 精选

Fable 5 在远程劳动基准测试中能搞定 16% 的自由职业项目,八个月前这个数字是 2.5%

远程劳动指数(RLI)用 240 个真实付费项目(总价值 14.4 万美元)来测 AI 智能体能不能干出客户愿意买单的活。最新结果里,Fable 5 的自动化率冲到 16.1%,比第二名 Opus 4.8 的 8.3% 高出一大截,GPT-5.5 只有 6.3%。八个月前最好的成绩才 2.5%,进步确实快。

推荐理由:远程劳动指数用 240 个真实付费项目测智能体能否交付客户买单的活,Fable 5 自动化率 16.1%,高于第二名 Opus 4.8 的 8.3%,八个月前最好成绩仅 2.5%。

AI HOT 精选

千问朱达聊C端Agent:执行快3倍、Token成本只要海外产品十分之一,但“情商”最难做

千问App今年1月上线了一个通用复杂任务Agent,藏在胶囊入口里。团队负责人朱达把工程思路总结成“多快好省”:能跑信息搜集、研究分析这类活;执行时间砍到了初版的三分之一;靠改进搜索方式和上下文管理把交付质量拉上来;Token消耗只有同类海外产品的十分之一。

推荐理由:千问团队朱达拆解C端Agent的工程取舍,给出执行时间降至初版三分之一、Token消耗为海外同类十分之一的具体数字,并指出情商是当前最难的一环。

Latent Space

AIEWF 第三天:自动研究站上舞台,但讲者们对全自动泼了冷水

AI 工程师世界博览会第三天,主题是“自动研究”——让 AI 智能体自己维护和改进系统。Introspection 的 Roland Gavrilescu 把它描述成一个“外循环”,让智能体去研究和维护内循环。

推荐理由:AI 工程师世界博览会第三天聚焦自动研究,Introspection 的 Roland Gavrilescu 将其描述为让智能体维护内循环的外循环,而多位讲者对全自动路径提出保留。

AI HOT 精选

蚂蚁阿宝在支付宝里开放公测,不用邀请码了

支付宝里的 AI 助手“阿宝”现在直接搜名字就能用,iOS 和安卓都行。右滑进入新版后是一个对话界面加资产页,你可以打字或说话让它办事,比如查公积金,它会自动找到对应的小程序入口,把原来要点好几步的流程缩成一句话。支付宝说所有转账和付款最后那一下还是得你自己确认,阿宝只负责跑流程、摆窗口。正文没提它背后用的是什么模型、接了多少服务,也没说以后会不会收费。

推荐理由:蚂蚁把 AI 助手阿宝放进支付宝公测,无需邀请码,iOS 和安卓都能搜到,原本要跳转多个小程序的办事流程被压缩成一句对话,转账付款仍由用户确认。

AI HOT 精选

腾讯混元发布 Hy3 模型,参数量只有旗舰模型的 1/5 到 1/2,但效果能打平甚至超过

腾讯正式开源了 Hy3 模型,采用 Apache 2.0 协议。这个模型最狠的地方在于,它的参数量只有其他家旗舰模型的 1/5 到 1/2,但在推理、智能体(让模型进业务流程干活)和长文本任务上的跑分却能打平甚至超过。在内部 270 人的盲测里,Hy3 均分 2.67 分,赢了 GLM5.1 的 2.51 分。

推荐理由:腾讯开源 Hy3 模型,参数量仅为其他旗舰模型的五分之一到二分之一,推理、智能体和长文本跑分却打平或超过,内部 270 人盲测均分 2.67 胜过 GLM5.1 的 2.51。

AI HOT 精选

Emil Kowalski 把 UI 动画审美做成了 AI 编程工具的 Skill,让模型学会“什么该动、怎么动”

Emil Kowalski 发了三个给 Codex、Claude Code、Cursor 用的设计工程 Skill,把 UI 动画的硬规矩直接写进 AI 编码流程里。规矩很具体:高频操作(一天点上百次那种)不加动画;UI 动效控制在 300 毫秒以内;只动 transform 和 opacity 两个属性,别碰会触发重排的属性。

推荐理由:Emil Kowalski 把 UI 动画的工程经验做成 Codex、Claude Code、Cursor 可用的 Skill,把高频操作不加动画、动效控制在 300 毫秒内等硬规矩写进 AI 编码流程。

Computing Life · Share · 鸭哥调研

Claude Science 不赌灵光一现,先当科研民工的算力搬运工

Anthropic 6 月 30 日发了桌面应用 Claude Science,没去碰“AI 科学家”那种提新假说的活,而是盯上了占科研人员 80% 时间的脏活累活。

推荐理由:Anthropic 6 月 30 日发布桌面应用 Claude Science,定位在科研人员耗时 80% 的数据处理等基础环节,而非提出新假说。

Computing Life · Share · 鸭哥调研

Fable 5 被禁 18 天,Anthropic 丢掉的份额被 GLM 吃掉了

Anthropic 发布最强编码模型 Fable 5 三天后,被美国出口管制强制下线 18 天。OpenRouter 的逐日 token 数据显示,这期间平台总流量从 24T 涨到 32T,但 Anthropic 的份额从 20.7% 跌到 17.6%,绝对流量也缩水了。最大的赢家是 GLM,份额从 1.8% 飙到 7.4%。

推荐理由:Fable 5 被出口管制下线 18 天期间,OpenRouter 逐日 token 数据显示 Anthropic 份额从 20.7% 降至 17.6%,GLM 从 1.8% 升至 7.4%。

7月1日星期三

TechCrunch · AI

Google 的桌面 AI 助手 Gemini Spark 现在能在 Mac 上用了

Google 把 Gemini Spark 带到了 Mac 上,这是一个能帮你整理文件、跨应用干活的 AI 助手,相当于让模型直接进你的电脑里操作。它能读取本地文件,比如把一堆发票自动转成预算表格。目前还是测试版,只对 Google One AI Premium 订阅用户开放。文章提到后续还会支持从手机远程指挥电脑干活,但具体什么时候上线没说。

推荐理由:Google 将 Gemini Spark 带到 Mac,可读取本地文件并跨应用操作,把发票自动转成预算表格,目前以测试版向 Google One AI Premium 订阅用户开放。

MIT Technology Review · AI

Anthropic 发布 Claude Science,专攻科研;加州牛粪碳补贴的账算不平

Anthropic 昨天在一场面向药企高管和生物技术创始人的活动上发布了 Claude Science。它跟 Claude Code 的工作方式类似,但把战场换到了科研领域:你给它几句简短指令,它能自己跑计算生物学和药物开发的任务。Anthropic 自己也会用它来研究罕见病药物。

推荐理由:Anthropic 在面向药企高管和生物技术创始人的活动上发布 Claude Science,把 Claude Code 的指令执行方式搬到计算生物学和药物开发任务,公司自身也用它研究罕见病药物。

AI HOT 精选

美团 LongCat-2.0:1.6 万亿参数 MoE 模型,全程跑在国产芯片上

美团放出了 LongCat-2.0,一个总参数 1.6 万亿、每次推理只激活约 480 亿参数的混合专家模型。它从训练到上线全跑在 5 万张国产芯片上,喂了超过 35 万亿个 token,训练过程没翻车,没出现救不回来的 loss 飙升。

推荐理由:美团发布总参数1.6万亿的MoE模型LongCat-2.0,每次推理激活约480亿参数,训练到上线全程使用5万张国产芯片、消耗超35万亿token。

AI 群聊日报

Claude Code 被曝内置中国用户检测,Fable 5 出口管制同日解除

Reddit 有人逆向发现,Claude Code 从 2.1.91 版开始会偷偷检查你的时区是不是北京时间或乌鲁木齐时间,还会看代理域名是否跟中国有关。检测结果不直接上传,而是把系统提示词里一个撇号的 Unicode 字符换成四种长得几乎一样的变体,用这种隐写方式标记用户类型。

推荐理由:Claude Code 从 2.1.91 版起检测用户时区与代理域名,并用系统提示词中撇号的 Unicode 变体隐写标记中国用户,这条逆向发现披露了检测与标记的具体实现方式。

AI HOT 精选

AWS 成立新部门,砸 10 亿美元派工程师驻场帮客户把 AI 跑进业务流程

AWS 新设了一个部门,专门派工程师直接进驻客户公司,每次驻场 45 天,帮他们把 AI 智能体(能自主干活的 AI 应用)真正用在实际业务里。亚马逊先期投了 10 亿美元,计划把团队扩到几千人,但没公布具体人数。首批客户是 NBA 和理光。

推荐理由:AWS 新设部门并投入 10 亿美元,派工程师驻场 45 天帮客户把 AI 智能体接入实际业务,首批客户为 NBA 和理光。

Latent Space

Anthropic 发布 Claude Sonnet 5,但大家更关心 Fable 5 去哪了

Anthropic 今天推出了 Claude Sonnet 5,官方说这是他们最能干活的 Sonnet 模型,能自己做计划、用浏览器和终端,上下文窗口给到了 100 万 token。价格没涨,还是输入 3 美元/百万 token、输出 15 美元,8 月底前有促销价 2 美元/10 美元。

推荐理由:Anthropic 发布 Claude Sonnet 5,支持自主规划与浏览器终端操作,上下文扩至 100 万 token,价格维持输入 3 美元、输出 15 美元每百万 token 不变。

AI HOT 精选

美团开源 LongCat-2.0:1.6 万亿参数,用五万张国产卡训练,月调用量已冲到 OpenRouter 全球前三

LongCat-2.0 是个总参数 1.6 万亿、每次推理只激活约 480 亿参数的大模型,原生支持 100 万 token 上下文。它全程在五万张国产 GPU 集群上训练和跑推理,架构上用了稀疏注意力、零计算专家、ScMoE 以及把 Agent、推理、交互三组专家揉在一起的 MOPD 融合方案。

推荐理由:美团开源总参数1.6万亿、每次推理激活约480亿参数的LongCat-2.0,全程在五万张国产GPU集群上完成训练与推理,其国产算力训练万亿参数模型的路径可供参考。

AI HOT 精选

库克与欧盟主管视频通话,想为 Siri AI 进欧洲找条路

苹果 CEO 库克和欧盟科技主管维尔库宁开了视频会,聊的是新版 Siri 怎么在欧洲上线又不违反《数字市场法》。新版 Siri 会变成能读用户个人数据的聊天机器人,但欧盟要求苹果把类似的设备数据权限也开放给竞争对手的语音助手,苹果不干。

推荐理由:苹果 CEO 库克与欧盟科技主管维尔库宁视频会谈,讨论新版 Siri 如何在遵守《数字市场法》的前提下进入欧洲,涉及设备数据权限向竞品语音助手开放的争议。

MIT Technology Review · AI

Anthropic 发布 Claude Science,把 AI 代理正式塞进实验室

Anthropic 把 Claude Science 定位成跟 Claude Code 同级别的旗舰产品,专门帮科学家写代码、在计算集群上跑实验,并且强调结果可复现。产品主要瞄准计算生物学和药物发现,现场演示了让它自主寻找苯丙酮尿症的药物候选分子。

推荐理由:Anthropic 将 Claude Science 列为与 Claude Code 同级的旗舰产品,面向计算生物学和药物发现,现场演示了自主寻找苯丙酮尿症候选分子的过程。

TechCrunch · AI

Anthropic 发布 Claude Sonnet 5,主打用更低成本跑 AI 智能体

Anthropic 推出了中杯模型 Claude Sonnet 5,核心卖点是让模型自己规划步骤、调用浏览器和终端这类工具去干活,而且比之前的大杯模型便宜。公司说,这种能自主执行任务的智能体能力,几个月前还得靠更大更贵的模型才能跑。

推荐理由:Anthropic 推出 Claude Sonnet 5,主打用更低成本让模型自主规划步骤并调用浏览器、终端等工具执行任务,这类智能体能力此前依赖更大更贵的模型。

6月30日星期二

Hacker News 首页

Claude Code 偷偷在系统提示词里藏了隐形标记,用来识别 API 代理和时区

有人逆向 Claude Code 2.1.196 后发现,它会根据你的 API 地址和系统时区,悄悄修改发给模型的系统提示词。具体是把日期里的撇号换成肉眼几乎看不出来的 Unicode 变体,比如遇到已知的代理域名就用弯撇号,遇到中国时区就把日期分隔符从“-”改成“/”。

推荐理由:一手逆向分析,带代码和域名清单,不是猜测。隐写、技术细节、隐私信任三条全中。因为是个人博客、没有 Anthropic 官方回应,上限压在 85 以下。