iCreatAI News
返回主站
跳到正文
只看一手#Agent
  1. OpenRouter Announcements60

    用 OpenRouter 构建 AI 代码审查器

    OpenRouter 发布教程，用 233 行 Python 脚本 review.py 调用 Responses API 的 Files、Shell 和 Apply Patch 工具，把改动文件放进 Linux 沙箱复现 bug 并返回可应用的 V4A 补丁。

    推荐理由：原文给出完整脚本与四模型实测数据，读者可据此评估沙箱式代码审查的成本与落地方式。

  2. Browser Use Blog60

    Browser Use 上线 BU Ultrafast 浏览器智能体，中位任务 22 秒

    Browser Use 将最快的浏览器智能体 BU Ultrafast 从等待名单开放到美国所有 Cloud 套餐（含免费版），中位任务耗时 22 秒、成本 $0.0064。官方对比默认的 GPT-6 Luna 智能体为 79 秒、$0.0098，速度快 3 倍以上且单任务更便宜。使用时只需把 model 设为 bu-ultrafast，需要更多逐步推理可改用 bu-fast。

    推荐理由：官方给出中位任务耗时与单次成本对比，可据此判断浏览器智能体的速度与费用取舍。

  1. OpenRouter Announcements62

    OpenRouter 教程：用 Agent SDK 构建常驻 AI 智能体

    OpenRouter 发布教程，用 TypeScript 和 @openrouter/agent 0.11.0 构建一个定时监控 Hacker News 的常驻智能体。

    推荐理由：教程给出可复用的定时智能体骨架，包含成本上限、审批暂停与重启续跑的具体实现。

  1. OpenRouter Announcements60

    Claude Code 各模型真实会话成本实测：Opus 5.5 与 Sonnet 5.5 差多少

    OpenRouter 统计截至 2026 年 10 月 18 日 30 天的真实 Claude Code 会话，2 至 9 轮会话中位成本在 Claude Opus 5.5 上为 $0.31、Claude Sonnet 5.5 为 $0.16、Claude Haiku 5.5 不足 1 美分。

    推荐理由：原文用真实会话数据拆解 Claude Code 的成本结构，并给出按模型和会话长度控制开销的具体做法。

  2. Factory Blog78

    Factory 发布 Droid 1.0 智能体 harness

    Factory 发布 Droid 1.0，这是其智能体 harness 迄今最大的一次更新，默认启用程序化工具调用（Script 模式），模型可写一段 JavaScript 在一次请求内发起数百次工具调用。

    推荐理由：原文给出 Droid 1.0 在 Terminal-Bench 4 上与 Codex、Claude Code 等 harness 的同任务对比，以及程序化工具调用带来的成本与上下文变化。

  1. Wiz Research60

    Wiz 研究：智能体攻击的兴起、特征与走向

    Wiz 基于事件响应与威胁狩猎调查，梳理 ARTEX、Hermes 等智能体框架在真实入侵中的使用，包括韩国金融机构约 67,000 人个人信息被窃、ConnectWise Cloud Backup 供应链攻击尝试登录超 2,250 个租户等公开案例。

    推荐理由：Wiz 基于三起真实入侵复盘，提炼出智能体攻击在节奏、自纠错和探测顺序上的可观测特征，可供防御方设计检测规则。

  2. Mistral AI82

    Mistral 发布 1 万亿参数多模态模型 Mistral Large 4 开放权重

    Mistral AI 发布旗舰多模态模型 Mistral Large 4（Le Chonk）的开放权重，参数量达 1 万亿，在 FrontierCode 2.0 上以 19.7% 领先，Terminal-Bench 4.0 提升 13 个百分点至 41%。

    推荐理由：原文给出开放权重、三档推理模式和多项编码与安全基准，可据此判断自托管部署的成本与能力边界。

  3. OpenRouter Announcements65

    OpenRouter 实测 13 类提示词注入攻击：Armor 拦截全部 73 封攻击邮件

    OpenRouter 用自建 13 类加外部模型生成的 12 类提示词注入攻击，在 Claude Haiku 5.5、GPT-6 Luna、DeepSeek V4.1 Flash 和 GLM 5.3 Flash 上测试三层防护。

    推荐理由：OpenRouter 用 13 类攻击在 4 个模型上实测三层防护，给出可复用的规则配置与误拦边界。

  4. OpenRouter Announcements62

    OpenRouter 教程：如何用 LLM 从 PDF 中抽取表格

    OpenRouter 发布教程，介绍用 LLM 从 PDF 抽取表格的方法：把 PDF 作为文件输入，配合描述单行结构的严格 JSON schema，模型直接返回带类型的行数据。

    推荐理由：OpenRouter 用 5 份 PDF、644 个单元格的实测，给出可直接复用的表格抽取代码和两条静默失败检查。

  5. Replit Blog60

    Replit 发布 ViBench 2.0 长周期软件构建基准

    Replit 发布 ViBench 2.0，用于评测智能体从空项目开始逐个功能搭建完整产品的长周期软件开发能力，包含 17 个产品、241 个功能请求和 544 个测试计划。

    推荐理由：Replit 公开了长周期软件构建基准的题目设计、评分方式和多家模型对比，可据此理解现有编码智能体在功能叠加时的失败位置。

  6. Pydantic AI Articles74

    Pydantic AI 基准测试：code mode 让长任务成本降 58%、耗时减半

    Pydantic AI 团队用五个小型 CRUD 应用、八款模型和 5,276 次评分运行对比 code mode 与普通工具调用，长任务上成本降 58%、实际耗时降 51%、成功率提升 16 个百分点。

    推荐理由：作者用 5,276 次自建基准测试对比 code mode 与普通工具调用，给出长任务下成本、耗时与正确率的具体变化。

  7. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长周期任务上达到当前最优，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。

    推荐理由：官方披露了 Carbon 在网络安全与长周期智能体任务上的基准成绩和分阶段开放方式，可据此判断前沿模型的发布节奏。

  8. Artificial Analysis Articles72

    GitHub Copilot Fusion 调度 Anthropic 与 OpenAI 模型以平衡性能与成本

    GitHub 在 GitHub Copilot 中发布 Copilot Fusion，在 Anthropic 与 OpenAI 的多个模型之间做运行时调度，按任务优化性能、成本和延迟。

    推荐理由：Artificial Analysis 用 Coding Agent Index 实测 Copilot Fusion，给出成本、token 用量与三项基准的分项对比。

  1. Artificial Analysis Articles60

    Artificial Analysis 发布 Intelligence Index v5 与 Progress Index v1

    Artificial Analysis 发布 Intelligence Index v5，新增 FrontierCode 2.0 和 Terminal-Bench-Science 两项基准，升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的评测基于私有测试集或留出答案。

    推荐理由：原文给出 v5 的基准构成、权重与各模型得分，可据此比较前沿模型在编码、科研与知识任务上的差距。

  2. Google DeepMind82

    Google DeepMind 发布世界模型 Genie 4

    Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的可交互模拟世界，并支持用自然语言实时修改场景。Genie 4 首次原生生成音频，包含环境声与可随输入变化的角色对话，并借助 Gemini Omni 与 Gemini 3.8 Flash 维持场景连贯与多步事件推理。

    推荐理由：原文交代了 Genie 4 的原生音频、实时可控与 Gemini 协同推理，读者可据此判断世界模型在机器人与内容预演上的用法。

  3. Google Developers Blog67

    Google 为 A2UI 推出可替换推理格式 A2UI Express

    Google 为生成式 UI 协议 A2UI 推出可替换推理格式，新增 A2UI Express 作为默认格式，官方称延迟最多降低 3 倍，生成同类 UI 所需 token 比 Direct JSON 最多少 3 倍。

    推荐理由：原文给出可替换推理格式的接入方式与延迟、token 对比数据，读者可据此判断生成式 UI 的提速路径。

  4. Replit Blog72

    Replit 推出 Cloud Agents，非工程人员可直接向公司代码库提交改动

    Replit 面向所有 Pro 与 Enterprise 客户开放 Cloud Agents，非工程人员用自然语言描述改动后，智能体定位代码、在云沙箱中运行应用验证，并向 GitHub 或 GitLab 提交带截图和视频的 PR 或 MR。

    推荐理由：原文说明了非工程人员如何用 Cloud Agents 向核心代码库提交经测试的 PR，以及共享环境与技能沉淀的具体机制。

  2. NVIDIA Newsroom75

    NVIDIA 与 Meta 扩大 Muse 模型合作，NVIDIA 将向 Meta 投资 30 亿美元

    NVIDIA 与 Meta 宣布扩大在 Muse 及 Muse 系列模型上的合作，以提升推理和训练性能，并应对 AI 智能体的需求增长。双方还将评估 NVIDIA OpenShell 参考架构与 NVIDIA Sentry 在智能体安全部署和行为监控上的合作，Meta 计划扩大部署 Vera Rubin、Vera CPU、Spectrum-X 以太网和 BlueField-4。

    推荐理由：原文披露了双方在 Muse 模型优化、智能体安全与基础设施扩容上的具体分工，以及 NVIDIA 的 30 亿美元股权投资。