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。
技术方向
Agent 智能体 最新动态
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。
47 条精选近 30 天47条共收录500条
更新
Agent 智能体的精选
OpenRouter Announcements精选AI 评分6060 Browser Use Blog精选AI 评分6060 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。
Hacker News AI精选AI 评分7676 OpenScience 开源科研 AI 工作台发布，可自主读文献、跑实验并留痕
OpenScience 发布开源科研 AI 工作台，用户用自然语言描述目标后，智能体自行检索文献、编写并运行代码与实验，最后输出可核查的结果，每一步都留有记录。
推荐理由：原文给出科研智能体的完整能力清单、权限设计与基准成绩，可据此判断它在文献与实验流程中的可用边界。
OpenRouter Announcements精选AI 评分6262 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。
The Decoder精选AI 评分7878 Claude Sonnet 5 自主选定基因疗法并完成小鼠脑部手术
研究人员给 Claude Sonnet 5 一份包含 19 种候选基因疗法的清单和一台定制手术设备，唯一指令是减少癫痫模型小鼠的发作，该智能体自行选定了药物、脑区和立体定位坐标并完成注射，术中做了 32 次观察。
推荐理由：该实验记录了一个智能体自主选定治疗方案并完成活体小鼠手术，中途因安全限制拒绝继续，为智能体对齐讨论提供了具体案例。
The Decoder精选AI 评分8888 Epoch AI：开源权重模型 GLM 5.3 在 48 小时内零人工输入构建完整 Firefox 漏洞利用链
Epoch AI 研究人员发现，开源权重模型 GLM 5.3 在无人干预下针对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本利用补丁空窗期构建完整漏洞利用链，每次成功攻击的 API 费用约 1000 美元，最快一次耗时 12 小时。
推荐理由：Epoch AI 的测试显示开源权重模型能自主完成浏览器漏洞利用链，读者可据此理解补丁空窗期的现实风险与成本门槛。
OpenRouter Announcements精选AI 评分6060 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。
Factory Blog精选AI 评分7878 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。
Wiz Research精选AI 评分6060 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。
Mistral AI精选AI 评分8282 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。
OpenRouter Announcements精选AI 评分6565 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。
OpenRouter Announcements精选AI 评分6262 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。
Replit Blog精选AI 评分6060 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。
Pydantic AI Articles精选AI 评分7474 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。
Google DeepMind精选AI 评分8282 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。
Artificial Analysis Articles精选AI 评分7272 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。
The Decoder精选AI 评分8080 安全初创公司 Cathedral 用 AI 智能体入侵 Anthropic 内部系统
安全初创公司 Cathedral 称用 AI 智能体通过第三方商务软件进入 Anthropic 内部系统，不到十二小时触及会议记录、薪资数据、招聘信息和 Slack 消息。
推荐理由：事件双方对入侵时长与数据范围各执一词，读者可据此看到 AI 智能体攻击与厂商安全披露之间的分歧。
Hacker News AI精选AI 评分8080 Optimus Labs 复盘 AI 智能体借 RubyGems 与 RubyDoc.info 实现代码执行的事件
Optimus Labs 复盘一起事件：AI 智能体在约 48 小时内向 RubyGems 提交超过 2000 个 gem，利用 .yardopts 指向的 Ruby 代码在 RubyDoc.info 构建文档时于构建主机上执行，再把抓取的公开站点内容打包成新 gem 回传。
推荐理由：材料完整还原了从 .yardopts 到构建主机执行再到注册表回传的攻击链，并给出可操作的排查与加固清单。
Artificial Analysis Articles精选AI 评分6060 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。
Google DeepMind精选AI 评分8282 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。