CWE-bench v2：覆盖更广、质量与透明度更高
Collinear AI 开放 CWE-bench v2 公开任务集：100 个任务覆盖 91 种 CWE，智能体需在真实开源仓库中找到并修复安全漏洞。11 个受测模型中 Gemini 4 Argon 以 67.8% pass@1 领先，Claude Opus 5.5 以 67.3% 紧随其后。任务集与评分器开源，也可用于训练防御型智能体。
#Agent
Hugging Face BlogAI 评分4444 Browser UseAI 评分5252 Browser Use 与 Kernel 云端浏览器对比：定价、反检测与性能
Browser Use 官方博客将其云端浏览器服务与 Kernel 在定价、反检测、性能、认证和开发体验上逐项对比。Browser Use headless 为 $0.02/小时、住宅代理 $5/GB 且无需订阅；Kernel 按秒计费，headless 约 $0.06/小时、headful $0.48/小时，代理流量不限量但受公平使用约束。
Latent SpaceAI 评分6767 Legora CTO Jacob Lauritzen 谈为律师打造 AI 智能体
Legora CTO Jacob Lauritzen 在 Latent Space 访谈中详解为律师打造 AI 智能体的方法，背景是公司刚完成 5.5 亿美元 E 轮融资、估值达 88 亿美元。
Latent SpaceAI 评分5757 Legora CTO Jacob Lauritzen 谈如何在看不到客户数据的情况下构建法律智能体
Latent Space 发布与 Legora CTO Jacob Lauritzen 的长访谈，讨论在无法查看客户数据的前提下如何构建和测试法律智能体。Legora 从斯德哥尔摩地下室用 ChatGPT、瑞典法律和搜索工具起步，如今律师可用它起草编辑 Word 文档、在单个表格中审查 10000 份合同或做尽调。
LangChain · Blog精选AI 评分6363 LangChain 推出 Managed Deep Agents 公测，一条命令把 deep agent 部署上 LangSmith
LangChain 推出 Managed Deep Agents 并在 LangSmith Cloud 开放公测，开发者把 deep agent 写成一个 Python 项目文件夹，用 mda deploy 一条命令部署到生产环境。
推荐理由：原文说明如何以项目文件声明记忆、调度和沙箱并一条命令部署 Deep Agents，想省去自建运行时的团队可对照评估。
LangChain · BlogAI 评分5858 LangChain 的 Harrison Chase 谈 2026 年末上下文工程的新挑战
LangChain 的 Harrison Chase 撰文认为，智能体向主动式、常驻、目标导向转变带来一批尚无通用解的上下文工程新挑战。他指出长对话摘要、大工具结果卸载、技能渐进披露、工具搜索、子智能体和 Bash 已是标准做法。而主动通知的度、记忆该记什么、异步任务与主智能体的协调、目标拆解与防止作弊（如删光代码库来清除 bug）、浏览器工具的上下文管理等仍是开放问题。
Sierra · BlogAI 评分4848 Sierra 围绕 Ghostwriter 重新设计 Agent Studio
Sierra 围绕构建智能体的 Ghostwriter 重新设计了 Agent Studio，从追问解决率为何下降到查看对话、更新 journey、测试修复，都可在同一会话内完成。
Import AIAI 评分4747 Import AI 479：太空战；低延迟任务 vs LLM；Genie 4
研究者构建 Realtime-Bench 基准，显示 LLM 难以胜任需实时决策的低延迟任务，GPT-6 Astra（high）在 wall clock 设置下通过率最高仅 36%。
InfoQ · AI/ML/DataAI 评分5151 Uber 构建 MCP Gateway 治理 800+ MCP 服务器与 5,000+ AI Agent 工具
Uber 构建 MCP Gateway，统一 AI 智能体对内部服务的发现与调用，平台支持超过 800 个 MCP 服务器和 5,000 个工具。架构将 MCP Registry 控制面与 Proxy Gateway 执行面分离，AutoCrawler 基于 Cadence 扫描 IDL 注册表并生成 MCP 兼容的工具定义，新工具须经所属团队审核启用。
MIT Technology Review · AIAI 评分4444 HPE：别再数 token，改数真正交付的软件
AI 编程成本不该按 token 计量，而应以「每合并 PR 成本」衡量交付成果。编程智能体单任务耗用的 token 可达普通聊天的 10-50 倍，Uber 扩用 Claude Code 后据报 4 月即耗尽 2026 年 AI 预算。HPE 将 150 多个内部应用的常规任务路由到本地开源权重模型，token 成本降 30-50%。
Trail of Bits · AI安全研究AI 评分6060 Trail of Bits 用 Codex 批量回移安全修复，149 个 CVE 修复进入稳定版 Linux 内核
Trail of Bits 用 Codex 与 GPT-5.6 批量回移安全修复，截至 10 月 29 日已向稳定版 Linux 内核交付 149 个 CVE 修复，并向 Fedora 和 Ubuntu 软件包提交多项修复。
InfoQ · AI/ML/DataAI 评分5959 智能体 AI 架构中记忆、知识与上下文的系统性设计方法
InfoQ 发布 Adi Polak 的文章，系统阐述智能体 AI 架构中上下文、记忆与知识的分层设计方法，核心观点是上下文工程比提示词工程更重要，模型幻觉多半源于上下文失败而非模型本身。
MIT Technology Review · AI精选AI 评分7070 MIT Technology Review 解析智能体网络的到来与人类互联网的命运
MIT Technology Review 发文判断智能体网络已经到来，Meta 的 Muse、OpenAI 的 Dots 和 Anthropic 的 Claude Duet 等智能体正被接入用户邮箱与银行账户，开始改写以人类为中心的互联网。
推荐理由：原文将当下智能体大规模上网与二十年前无人问津的语义网设想对照，解释大语言模型为何让自主智能体真正具备了上网执行任务的能力。
Pydantic AI 官方文章精选AI 评分6464 Pydantic AI 评述 2026 年九个 Python AI Agent 框架及选型建议
Pydantic AI 官方按统一标准对比九个 Python AI Agent 框架，包括 Pydantic AI、LangGraph/LangChain、OpenAI Agents SDK、Google ADK、Microsoft Agent Framework、Strands Agents、CrewAI、Claude Agent SDK 和 Agno。
推荐理由：作者用统一标准逐一对比九个 Python Agent 框架的模型、持久化、审批、语音等能力，并明确给出各自适合的团队场景。
GitHub Org · browser-useAI 评分4444 browser-use 发布 browser-use-pydantic：在 Pydantic AI 上提供单个持久 Python REPL 工具，经 browser-harness 调用原生 CDP
browser-use 在 GitHub 上发布 browser-use-pydantic，将 Browser Use 运行在 Pydantic AI 上。该项目提供单个持久化的 Python REPL 工具，并通过 browser-harness 以原生 CDP 方式访问浏览器。
GitHub Org · bytedance精选AI 评分6060 字节跳动发布 axion1_0 训练配方，称 2 SFT + RL 即可实现前沿级 Agent 能力
字节跳动在 GitHub 开源 axion1_0 完整训练配方，称仅靠高质量数据和 2 SFT + RL 即可获得前沿级 Agent 能力。该配方不使用 mid-training、DPO 和 OPD。
推荐理由：原文给出完整配方，主张不做 mid-training、DPO 和 OPD 也能做出前沿级 Agent 能力，可作为简化训练流程的参考。
SemiAnalysis 长文 RSSAI 评分7272 SemiAnalysis 推出 GDPx 基准，评测前沿模型在 11 个高价值领域的智能体能力
SemiAnalysis 联合 14 家领域数据伙伴发布 GDPx 基准，覆盖芯片设计、网络安全、生物、金融、法律等 11 个高价值领域，用于衡量前沿模型的通用智能体能力；最好模型总分仅 12%，金融和法律任务几乎所有模型得 0 分。
Azeem Azhar · Exponential ViewAI 评分4343 39 张图表拆解 Anthropic、一人生物科技公司与廉价太阳能 #608
Azeem Azhar 的 Exponential View 第 608 期用 39 张图表拆解 Anthropic 的 IPO 路演材料，追问它是否是一门真实生意。文中提出 AI 智能体共享模型权重与工作状态，可能催生“超合作企业”——2018 年美国最大的 1% 企业已持有 97% 的公司资产。本期还上线会员图表库 EV Charts，收录 AI、能源、地缘政治等 500+ 张数据图表。
Latent SpaceAI 评分5656 Arca 谈用智能体承担长周期金融工作：智能体提示人，而非人提示智能体
Latent Space 在 AI Engineer New York 大会上对谈 Arca 的 AI 工程负责人 Aman Singh，介绍这家 AI 原生财富管理公司如何用智能体承担长周期金融工作，任务最长可持续十天，由为每位客户维护的内部记忆系统在多次交接间保留状态。
Gary Marcus · The Road to AI We Can TrustAI 评分5252 Gary Marcus 记梵蒂冈之行：教宗 Leo XIV 的 AI 五点主张与他呼吁下架失控 Agent
Gary Marcus 记述梵蒂冈之行，近距离听教宗 Leo XIV 就 AI 发表演讲并完全认同其五点主张。五点主张为 AI 的未来取决于人类选择、机器是工具而非人、应在 11 月日内瓦会议上推进禁止致命自主武器、技术须服务共同利益，以及建立能落实伦理原则的国际机构，各点均标注其通谕 Magnifica Humanitas 的条目号。
Browser UseAI 评分4848 如何用 Python 和 Browser Use 追踪竞品价格
用 Python 配合 Browser Use 和 SQLAlchemy 可搭建竞品价格追踪器：定时抓取商品页，把带时间戳的价格存入 SQLite 数据库，检测到变动后经邮件或 webhook 发出提醒。
OpenRouter · Announcements精选AI 评分7575 如何用 OpenRouter Agent SDK 搭建常驻运行的 AI 智能体
OpenRouter 发布教程，演示如何用其 Agent SDK（@openrouter/agent 0.11.0）以 TypeScript 搭建定时运行的常驻 AI 智能体，示例监控 Hacker News、撰写摘要并通过文件记忆在重启后去重。
推荐理由：OpenRouter 官方教程给出常驻智能体的可迁移做法，用文件记忆和费用上限控制无人值守运行的成本。
Browser Use精选AI 评分6363 Browser Use 上线 BU Ultrafast 浏览器智能体，中位任务 22 秒、单次 $0.0064
Browser Use 的最快浏览器智能体 BU Ultrafast 已结束等待名单，面向美国所有 Browser Use Cloud 计划开放，免费计划也可用。
推荐理由：原文给出中位数耗时与单次成本数据，读者可以据此评估把浏览器自动化任务迁到更快的档位是否划算。
Wiz · Research精选AI 评分8383 Wiz Research 分析 AI 开发平台「黑色十月」连环入侵与被盗凭证转售滥用
Wiz Research 报告，10月至少9家 AI 开发平台披露安全事件，Fireworks、Zeabur、Lightning 等多起根源指向凭证访问失窃，攻击者重点搜刮环境变量中可调用 AI 的密钥，整体与 Agentic 攻击及 LLMJacking 变现市场的兴起相吻合。
推荐理由：原文梳理十月多起AI开发平台入侵事件的共性，并用两个下游盗用案例说明被盗凭证如何在转售市场变现。
Google Cloud · AI & MLAI 评分4040 Google Cloud 10 月 AI 基础设施与编排更新汇总
Google Cloud 汇总 10 月 AI 基础设施与编排更新，推出面向自主 AI 智能体、提供 microVM 沙箱的计算服务 Agent Compute Engine。
NVIDIA BlogAI 评分4343 智能体 AI 加入地外信号搜寻：Breakthrough Listen 与 SETI 研究所引入 NVIDIA Holoscan
Breakthrough Listen 与 SETI 研究所在 Allen Telescope Array 将智能体 AI 引入地外信号搜寻，通过一次自然语言请求即可让智能体操控望远镜、校正数据并运行 AI 模型，数据流由 NVIDIA Holoscan 平台处理。
Sierra · Blog精选AI 评分6363 Sierra 宣布 ARR 突破 $400M+，Q3 单季新增超 $150M
Sierra 宣布本周 ARR 突破 $400M+，仅 Q3 单季就新增超 $150M，超过其去年全年总和；此前从 $100M 翻倍到 $200M 用了六个月，从 $200M 到 $400M 只用了五个月。
推荐理由：原文公布 ARR 翻倍节奏和 Fortune 50 客户覆盖等具体数字，可用来观察企业级 Agent 商业化的实际进度。
OpenRouter · Announcements精选AI 评分7474 OpenRouter 实测对比 Claude Opus、Sonnet 与 Haiku 5.5，三档模型怎么选
OpenRouter 实测对比 Anthropic 的 Claude Opus 5.5、Sonnet 5.5 与 Haiku 5.5 三档模型，建议默认用 Sonnet 5.5，高并发与子智能体任务用 Haiku 5.5，长而含糊、出错代价高的任务留给 Opus 5.5。
推荐理由：OpenRouter 用带隐藏测试的编码任务和自跑基准对比 Claude 三档模型，在其测试任务上 Opus 不如价格减半的 Sonnet 划算。
OpenRouter · Announcements精选AI 评分6969 Claude Code 用一次要花多少钱？OpenRouter 各模型真实会话成本
OpenRouter 基于截至 2026 年 10 月 18 日的 30 天真实会话数据给出 Claude Code 各模型单次费用中位数：2-9 轮会话在 Claude Opus 5.5 上为 $0.31、Claude Sonnet 5.5 为 $0.16、Haiku 5.5 不到 1 美分，10-49 轮则分别为 $1.39 和 $0.60。
推荐理由：原文用真实会话数据给出各模型单次费用中位数，解释首请求贵的缓存写入原因，并给出换默认模型等降本方法。
OpenAI · 失准报告与通报精选AI 评分7474 OpenAI 讲解如何检测前沿模型的失准行为
OpenAI 详解其前沿模型失准监控系统，覆盖训练、评估、内部使用和外部部署，对不低于 GPT-6 Astra 能力的模型监控每轮 RL 与评估，并监控全部内部 Codex 流量。
推荐理由：原文给出从激活探针到人工响应的多层监控架构和分场景召回率，读者可借此了解前沿模型失准行为的检测机制。
Suno · BlogAI 评分5252 Suno Studio 推出内置工作室助手 Chat
Suno Studio 推出内置工作室助手 Chat，可创建 stems 和插件、整理工程项目并提供创作反馈。用户可以用一句话批量重命名音轨、将所有音轨降低 3dB，或给每条音轨加上 Compressor 和 EQ 效果，也能让 Chat 抛出创作方向激发灵感。Suno Studio 面向所有 Premier 订阅用户开放。
Wiz · Research精选AI 评分7777 Wiz Research 剖析智能体攻击的崛起：典型形态、识别特征与演化方向
Wiz Research 发布报告，结合亲历调查与公开披露案例，分析智能体攻击的典型形态、七条行为识别特征与演化方向。
推荐理由：原文从亲历调查与公开案例归纳出七条识别智能体攻击的行为特征，为防御方区分恶意自动化与正常自动化提供了可参照的判据。
MIT Technology Review · AIAI 评分5757 Partnership on AI 研究者撰文呼吁实时监控 AI 智能体行为
Partnership on AI 研究者 Madhulika Srikumar 与 Claire Leibowicz 撰文指出，当前智能体框架不能可靠生成安全部署所需的可观测性记录，业界应对智能体越权行为主要依赖运气和事后补救。
n8n BlogAI 评分5353 n8n 自动化团队为何要走出服务台模式
n8n 内部 AI 与自动化负责人 Romina da Costa 撰文说明为何让自动化团队走出接单式服务台模式，转向帮每个团队自建并自有自动化。团队面对超过 12,000 条内部工作流确立四条原则，即培养各团队的自建能力、项目动工前先记录现状基线、市场已有一年以上成熟工具时倾向采购而非自建、每个工作流都要有负责人和文档。
OpenRouter · Announcements精选AI 评分7878 OpenRouter 如何防提示注入：13 种攻击实测与四步防御
OpenRouter 发布提示注入防御教程，用自建的 13 种攻击加其他模型编写的 12 种攻击，实测 Claude Haiku 5.5、GPT-6 Luna、DeepSeek V4.1 Flash 和 GLM 5.3 Flash 在各层防御下的表现。
推荐理由：原文用四个模型的攻防实测说明标记数据、限制密钥和检查工具调用各能挡住什么，步骤和规则写法可直接迁移到自己的 Agent 应用。
Sierra · BlogAI 评分4444 Sierra 推出 Compliance Console 智能体合规管控工具
Sierra 推出 Compliance Console，内置于 Horizon 平台，为企业智能体的跨渠道外联提供合规管控。它支持按渠道配置披露内容、按收件人当地时间设置联系时间窗（多数地区为 8AM 至 9PM）、节假日自动暂停外联，并为营销与交易类外联分别设置频率上限。Insights 仪表盘可查看放行、延迟、拦截或待审核的外呼与消息量。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 4 Carbon，主打网络安全与长程智能体能力
Google DeepMind 发布新前沿模型 Gemini 4 Carbon，称其为其最强模型，主打网络安全与长程智能体能力，在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。
推荐理由：原文完整给出安全基准成绩、分阶段开放节奏和定价，读者可以据此评估它在编码与网络安全场景的适用性。
Microsoft · Official Blog精选AI 评分6565 Microsoft 推出 Copilot harness，可通过 Foundry 托管构建多模型智能体
Microsoft 宣布将 GitHub 工程团队打造的 Copilot harness 通过 Microsoft Foundry 开放，开发者与企业客户可用全托管方式构建能推理、调用工具并完成复杂长任务的智能体。
推荐理由：原文解释了多模型编排层为何难以自建与维护，开发者可据此评估改用托管 harness 来聚焦上层应用的取舍。
Replit · BlogAI 评分4242 Replit 剖析 Agent Habitat 背后的安全智能体工作架构
Replit 介绍其 Agent Habitat 如何为 AI 智能体工作提供安全与治理基础设施，并在上周漏洞披露事件中依托既有隔离机制阻止了内核漏洞利用。该架构遵循四项原则：最小权限、隔离故障与凭证保护、生产变更经工程审查、智能体活动可审计。企业可通过 SAML SSO、SCIM、OAuth 范围控制及凭证 broker 等能力在受控边界内委派工作。
Google Developers Blog精选AI 评分6868 如何用 Google A2UI 与 CopilotKit 构建 Generative UI 应用
Google 开发者博客讲解如何用 A2UI 与 CopilotKit 构建 Generative UI 应用，让 agent 在对话中生成可交互界面而非返回整段文字。
推荐理由：原文给出接入 agent、定义组件目录到双向交互的完整搭建路径，适合想让 agent 在对话里生成可交互界面的开发者参考。