Microsoft 以平台化方式迈向 Frontier Transformation：Copilot、Microsoft IQ 与 Agent 365
Microsoft 以平台化方式推进 Frontier Transformation：Copilot 赋能人类抱负，Microsoft IQ 平台放大智能，Agent 365 在各层级提供信任与可观测性。
#Agent
Microsoft · Official BlogAI 评分4141 Google Developers Blog精选AI 评分6161 Google Agents CLI 如何用评估闭环爬升智能体质量
Google 开发者博客发布 Agents CLI 评估实战教程，演示从首次评估、回归对比、换模型实验到定时告警的智能体质量爬升闭环，覆盖 eval generate、eval grade、eval compare、eval analyze 和 eval optimize 五个命令。
推荐理由：原文给出从基线、回归对比到定时告警的完整评估闭环命令和脚本，并用换模型实验说明只看均分容易误判换模型的真实得失。
Replit · Blog精选AI 评分6363 Replit 推出 Cloud Agents 代码库功能，全员可直接向公司核心代码库提交变更
Replit 推出 Cloud Agents 代码库功能，团队里任何人都能用自然语言描述想要的变更，智能体会找到相关代码、在隔离云沙箱中运行应用并模拟客户操作测试，再向 GitHub 或 GitLab 提交附有截图和视频证据的已测试 PR，现已向所有 Pro 与 Enterprise 客户开放。
推荐理由：原文说明非工程成员如何以带视频证据的已测试 PR 参与核心代码库，工程师保留审批权，读者可对照自家协作流程评估适用性。
IBM Research · AIAI 评分5757 IBM 与 Kaggle 推出 ScarfBench 排行榜，评估编码智能体的 Java 框架迁移能力
IBM 与 Kaggle 合作推出 ScarfBench 排行榜，评估编码智能体能否把企业级 Java 应用在 Jakarta EE、Quarkus、Spring 间迁移并保持可运行行为。
Browser Use精选AI 评分6262 卡内基梅隆大学与 Browser Use 发布长程网页智能体基准 Odysseys2
卡内基梅隆大学与 Browser Use 合作发布长程网页智能体基准 Odysseys2，包含 100 个真实网页长任务，每项按 8 到 12 条 pass/fail 检查评分。
推荐理由：同一模型在不同 harness 和评分器下成绩差距明显，正文用数据说明读 agent 榜单时要把这些变量一并考虑。
Browser UseAI 评分5252 Browser Use 对比 Browserless：价格、隐身能力与功能选型指南
Browser Use 官方博客对比其与 Browserless 在定价、隐身、性能和部署上的差异。
Google Developers Blog精选AI 评分6161 Google A2UI 推出可切换推理格式，A2UI Express 延迟最高降 3x
Google 为生成式 UI 协议 A2UI 推出可切换推理格式，新增 A2UI Express 作为默认格式，生成同类 UI 延迟最高降 3x、token 最多省 3x，配合 TypeSafe 的 Jev 这类决策模型做布局决策时延迟最高可降 80x。
推荐理由：原文给出四种推理格式在同一评测下的对比结果，读者可按屏幕是否有固定布局，在 Express 与决策模型两条路径之间做选型。
Google Developers BlogAI 评分4747 Google 用 LangGraph 与 Gemini 在 GCP 上构建多智能体会话式电商原型 HappyDelivery
Google 开发者博客演示了在 GCP 上基于 LangGraph、Gemini、FastAPI 构建的多智能体会话式电商原型 HappyDelivery，落实此前提出的三层架构（Ingress、Memory、Cognition）。
Replit · BlogAI 评分4848 自动驾驶公司的崛起：Replit 推出 Replit for Business 助企业围绕 AI 转型
Replit 提出「自动驾驶公司」概念，并推出面向企业的 Replit for Business，帮助每家公司围绕 AI 完成转型。文中预测到 2030 年底，财富 500 强企业都将成为自动驾驶公司。Replit 自身实践显示，2026 年上半年工程师代码产出接近增至三倍，评审时长、回滚与产品事故保持持平。
Sarvam AIAI 评分4646 Sarvam AI 解析如何为企业 Agent 构建知识编织层（knowledge fabric）
Sarvam AI 介绍其为企业 Agent 构建的 knowledge fabric 架构，把分散的企业文档和数据预先整理成可查询的知识层，包含知识树和领域本体两层。
Wiz · ResearchAI 评分8181 Agent：Gheist: Attempted Scaled Abuse of Stolen GitHub Tokens Stumbles
原文摘录：Wiz Sign in Under attack? Get a demo Since September 15, 2026, Wiz Research has been tracking Gheist: a new campaign performing mass abuse of compromised GitHub tokens. … " Greg Poniatowski Head of Threat and Vulnerability Management Get a demo
Google Developers Blog精选AI 评分6666 Google Docs 与 Drive 原生支持预览、编辑和协作 Markdown（.md）文件
Google 宣布 Google Docs 与 Drive 现已原生支持预览、编辑和协作 Markdown（.md）文件，无需手动转换文件格式。文档顶部显示 .md 徽标标识原生 Markdown 文件，团队成员与 AI 智能体可共同编辑同一文件并使用行级评论、建议修订和完整版本历史，Drive 内可渲染预览表格与超链接并切换到原始文本。
推荐理由：原文说明 .md 文件无需转换即可在 Google Docs 中直接编辑协作，开发者可据此判断文档与 git 仓库工作流的衔接方式。
Redwood Research · BlogAI 评分5454 Redwood Research 发布模拟控制评测（SCEs）论文，检验监控能否发现模型故意实施的攻击
Redwood Research 发布论文提出模拟控制评测（SCEs），以 gpt-6-astra 作模拟器伪造工具响应、gpt-5.6-sol 作攻击策略和成功裁判，在不实际执行工具调用的情况下检验部署监控能否发现故意作恶的模型。
Moonshot AI / Kimi Research精选AI 评分7575 月之暗面发布 Kimi K3.1 Pro 与 Highspeed 版，模型权重将于 2026 年 11 月 4 日前开放
月之暗面发布 Kimi K3.1 Pro，称其为 K3.1 系列首款模型、迄今最强的 3T 级开放权重模型，完整权重将于 2026 年 11 月 4 日前发布。
推荐理由：除基准成绩外，原文还披露了开放权重版移除网络攻防数据的前后评测对照，可帮助读者理解发布决策背后的安全考量。
n8n BlogAI 评分5555 AI Agent 记忆：LLM 智能体在生产环境中如何管理状态
n8n 博客发布由 Cognee FDE 负责人 Veljko Kovac 撰写的客座文章，讲解 LLM 智能体在生产环境中如何管理状态：模型每次调用从零开始，记忆必须放在模型外部，由外部层存储、检索并拼回提示词。
Browser Use精选AI 评分6464 11款浏览器自动化工具对比评测，覆盖智能体、脚本与云端浏览器方案
Browser Use 官方博客刊出11款浏览器自动化工具的对比指南，将方案分为智能体、脚本库和云端浏览器三类，逐项给出能力、部署方式与定价。
推荐理由：原文按智能体、脚本和云端浏览器三类对比11款浏览器自动化工具的场景与定价，方便读者按任务类型选型。
n8n BlogAI 评分5555 n8n 拆解 AI 智能体工作流的幻觉检测方法
n8n 团队发布指南，拆解 AI 智能体工作流的幻觉检测方法，将幻觉分为事实性、上下文性、虚构和自相矛盾四类，并指出每类失败模式需要不同的检测手段。
n8n BlogAI 评分5353 Agent：API Versioning Strategies for Stable Workflow Integrations
原文摘录：An API integration can work perfectly for months. Then the provider decides to improve its endpoints, change response formats, and retire old version behavior. … Try n8n Cloud for a hosted setup, or explore self-hosting in n8n if you prefer managing your own environment
n8n BlogAI 评分4141 有状态 vs 无状态：AI 智能体构建中的上下文管理
AI 智能体构建中，有状态架构在交互间保留对话历史等上下文，无状态架构则独立处理每个请求，这一设计决定系统的扩展性与容错性。LLM 本身不会跨推理请求自动保留对话，智能体需在模型外存储状态并注入后续请求来实现记忆。n8n 提供 memory nodes 与 state stores 两种方式，工程团队可按需选择智能体状态的存放位置。
Redwood Research · Blog精选AI 评分7070 Redwood Research 与 METR 公开对 OpenAI 内部智能体监控系统的红队测试结果
Redwood Research 与 METR 的员工于 7 月 21 日至 8 月 11 日对 OpenAI 内部未对齐监控系统开展了三周高权限红队测试，产出 61 页内部报告并发布公开版。
推荐理由：这份报告把外部深度红队测试发现的监控缺口和一组监控设计原则一并公开，搭建智能体安全监控时可作参考。
Pydantic AI 官方文章精选AI 评分6565 Pydantic AI 接入 E2B 原生沙盒，编码智能体命令隔离运行
Pydantic AI 新增 E2B 原生沙盒支持，智能体加上 E2BSandbox() 能力后，每条 shell 命令和文件操作都在隔离的 E2B microVM 中运行，不触及用户本机环境。
推荐理由：原文展示编码智能体命令如何在隔离沙盒中运行，并给出多轮任务间暂停恢复与进程崩溃后继续的完整示例。
MiniMax Research Blog精选AI 评分6565 MiniMax Code 推出 Mini App，让 Agent 工作留在常驻页面而非散落各会话
MiniMax 在 MiniMax Code 桌面应用中推出 Mini App，一种带前端和后端、以插件形式安装的长驻应用，可与 Agent 互相调用，让 Agent 的工作留在常驻页面而不是散落在各会话中。
推荐理由：原文讲清 Mini App 与插件的区别，是在 Agent 之上构建带前后端的常驻应用，读者可据此判断是否把任务流从聊天会话迁出。
Browser Use精选AI 评分6565 2026 年最佳浏览器智能体 MCP 服务器横评
Browser Use 作者 Gregor Zunic 发文横评 2026 年浏览器智能体 MCP 服务器，把工具分成逐步驱动与一步委托两类，覆盖自家 Cloud 与开源版、Hyperbrowser 和 agent-browser chat。
推荐理由：按委托与驱动两种模式对比多款浏览器 MCP 服务器，附定价、安装命令和配对评测数据，便于按任务类型选型。
Anthropic News / Research精选AI 评分7070 Anthropic 将 Agent Skills 开放标准捐赠给 Agentic AI Foundation
Anthropic 宣布将 Agent Skills 开放标准捐赠给 Linux Foundation 旗下的 Agentic AI Foundation（AAIF），包括名称、logo、GitHub 组织和 agentskills.io 域名。
推荐理由：原文交代了捐赠范围、维护者安排和后续治理路线，读者可以据此判断这个开放标准走向社区化后的发展方式。
GitHub Org · CopilotKitAI 评分4343 CopilotKit OpenDuet：主动式 AI 智能体开源模板
CopilotKit 的 OpenDuet 是一个开源模板，用于构建主动式 AI 智能体：它能替用户完成工作，同时让用户随时知情、保持参与。项目托管在 GitHub 上。
Microsoft Research精选AI 评分7878 Microsoft Research 证明悬置 31 年的数学难题 KLS 猜想
Microsoft Research 研究员 Xinzhi Zhang 与 Zhao Song 证明了 1995 年提出的 KLS 猜想，表明对数凸分布中最优平面切割与任意形状切割的差距不超过与维数无关的通用常数。
推荐理由：原文讲清了证明如何通过递归精化消除维度依赖，同日出现的独立证明和随后的 Lean 4 形式化让结果不依赖单一推理链。
Google AI BlogAI 评分5454 Google 与淡马锡、贝恩联合发布 e-Conomy SEA 2026 报告，预测东南亚数字经济达 3680 亿美元
Google、淡马锡与贝恩联合发布第 11 版 e-Conomy SEA 报告，预测东南亚数字经济 2026 年 GMV 同比增长 17% 至 3680 亿美元，2035 年前有望突破 1 万亿美元。
Google Developers BlogAI 评分5757 Google Agents CLI 扩展系统实战，从 ADK 到 LangChain 跑通智能体开发全流程
Google Agents CLI 自 1.5.0 起内置扩展系统，开发者无需分叉工具即可覆写或新增命令，1.8.0 附带第一方 LangChain 扩展。
Microsoft Source · AIAI 评分4141 切实的愿景：Saint-Gobain 与 Microsoft Discovery 共建未来
Saint-Gobain 与 Microsoft 合作，用面向科研人员的 AI 智能体平台 Microsoft Discovery 寻找低碳水泥添加剂，数小时建成研究人员原本需一年的 62,000 项专利、44,000 篇摘要知识库。
Mistral AI精选AI 评分6060 Mistral 发布 Voxtral 3 语音模型系列与语音代理 SDK
Mistral 发布 Voxtral 3，包含新一代语音转写与语音合成模型系列和一个语音代理 SDK，今日起可通过 Mistral API（欧洲、美国和全球端点）使用，并支持自部署以控制音频数据。
推荐理由：原文附定价表和多组转录、TTS 对比基准，想搭建语音代理的读者可据此估算成本并权衡 API 与自部署。
Cursor Changelog精选AI 评分7070 Cursor 发布 Agent SDK，Agent 以代码文件夹定义并评测后部署到 Cursor 或自有基础设施
Cursor 宣布 Agent SDK 正式可用，开发者可将 Agent 定义为一个代码文件夹，用 evals 测试后部署到 Cursor 或自有基础设施。
推荐理由：原文给出从初始化、评测到部署的完整命令链，开发者可以照此在本地与 CI 里跑通一个 Agent 项目。
Microsoft · Official BlogAI 评分4444 Microsoft：如何保障企业内部智能体的安全
Microsoft 指出，企业内部智能体常被过度授权，不能因来自内部就默认可信，需要 24/7 持续监控。7 月宣布的 Project Perception 可约束这类智能体：为其分配身份与权限、动态计算风险，并由 Guardian Agents 监督每项操作。思维链等模型透明化不会取代遏制，但会让遏制更智能、更强。
MiniMax Research Blog精选AI 评分6868 MiniMax 发布 M3.1 Flash，在线推理提速近三倍、使用成本降 70%
MiniMax 正式发布新一代 Flash 模型 M3.1 Flash，此前匿名运行并处理超 200 万亿 token 的 Space Bunny 是其早期版本。
推荐理由：原文同时给出多组基准分数和百万 token 定价，读者可以据此衡量这款模型在智能体任务上能力与成本的平衡。
Google Developers Blog精选AI 评分7171 Google ADK 教程：构建永不沉默的语音智能体
Google 开发者博客发布 ADK 教程，讲解用流式工具、非阻塞 FunctionTool 和 response_scheduling 构建慢工具运行期间不冷场的语音智能体。
推荐理由：原文提供流式工具和后台执行两种模式，让语音智能体在慢查询运行时保持对话不断线，方法可直接迁移复用。
Google Research 博客精选AI 评分6464 Google Research 让 AI 智能体落地湿实验室，三项研究打通自主分子设计闭环
Google Research 展示三项研究，将 AI 智能体接入湿实验室机器人运行闭环分子设计，并发现个位数纳摩尔亲和力的 FAP 蛋白结合剂。
推荐理由：原文给出智能体操作真实湿实验室的框架与闭环设计结果，可看到实验反馈如何跟上计算设计的步伐。
Redwood Research · BlogAI 评分5656 Redwood Research 提出 Screwtape，对抗性改写智能体运行记录以红队测试监控器
Redwood Research 提出 Screwtape 管道，把真实智能体运行记录改写成能绕过只看动作、不看思维链监控器的现实攻击，并由 LLM 验证器把关攻击的真实性、危害与可行性。
Cursor ChangelogAI 评分4545 Cursor 云端 Agent Canvas 与环境升级
Cursor 云端 Agent 现可构建交互式 Canvas，成品可通过链接与团队分享。Environments API 开启 beta，能以编程方式创建和管理 Agent 运行的云端环境。云端 Agent 环境最多支持 300 个仓库，大型环境加载速度提升 5x。
Google DeepMindAI 评分4545 Google Antigravity 如何加速抗菌肽搜索
Google DeepMind 展示生物学家如何用其智能体开发平台 Google Antigravity 搜索新型抗菌肽（AMP），将分散在多个数据库的检索压缩到单一会话中完成。
Anthropic · Claude.dev 开发者博客精选AI 评分8080 Claude Code 团队如何做代码审查
Anthropic Claude Code 团队公开其代码审查流程，把大部分代码阅读交给机器，按变更风险决定人工审批人数，目标是在回退和事故率不上升的前提下压缩人工审查时间。
推荐理由：原文拆解 Claude Code 团队把大部分代码阅读交给机器、按风险分层安排人工审批的完整流程，文末给出其他团队可直接照做的落地步骤。
Apple Machine Learning ResearchAI 评分4444 Selection-Based Structured Reasoning：迈向高效多模态搜索智能体
Apple 研究团队提出 Selection-Based Structured Reasoning（SSR）框架，将多模态搜索智能体的逐步推理从开放式生成改为从预置候选中选取。在 2B 和 4B 模型、七个多模态搜索基准上的评估显示，SSR 平均成功率与同规模领先搜索智能体相当，单轮推理延迟降低逾 90%，每题总模型推理延迟降低 28–54%。