Pydantic AI 作者自建基准，用5个小型CRUD应用、8个模型、5276次评分运行对比开关code mode的效果。长任务上8个模型平均成本降58%、墙钟时间降51%，成功率高16个百分点；200条任务时无code mode成功率从92-100%滑到62-79%，开启后保持92-100%。
推荐理由：原文用5276次受控运行量化code mode在长短任务上的成本与正确率变化，还诚实列出小任务税收等代价，结论可直接迁移到自己的Agent设计。
Meta 全球首个个人 AI 智能体 Muse 现已在新加坡上线，支持 iOS、Android 和 muse.ai。Muse 可连接 Gmail、Google Calendar、Instagram，并接入 Shopee、Grab 等本地伙伴，用于比价购物、订餐和旅行规划，敏感操作前先征求用户确认。大部分功能免费，进阶需求提供订阅方案。
goose 团队让 goose、Codex CLI、OpenCode、Hermes Agent、pi 五个开源编码 harness 使用同一模型 gpt-6.1-sol（high reasoning effort）完成相同的 Terminal-Bench 4 任务，每个 harness 各 310 次计分试验。
推荐理由：同一模型下各 harness 通过率无显著差异而成本最多相差 75%，为编码 Agent 选型提供了实测成本参照。
Pragmatic Engineer 作者走访 Rootly、incident.io、ResolveAI 三家供应商，并对比 OpenAI 的 Sevbot、Stripe、Google 的 ProdAgent、Monzo 等自研方案，分析 AI SRE 工具的现状与实际效果。
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。
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。
Google Cloud 发布 IAM Helper，一套面向智能体的 IAM 编排与接口层，可自动化端到端身份与访问管理工作流。
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 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。
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 Use 官方博客对比其与 Browserless 在定价、隐身、性能和部署上的差异。
Epoch AI 按人类员工的评估标准在其日常真实工作任务上评测 AI，领先的 Claude Fable 5.1 和 GPT-6 Astra 平均得分 65%，低于任务可被自动化的 100% 门槛。
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 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 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。
Azeem Azhar 在 Exponential View 撰文分析奇点论，认为对科学而言瓶颈不在智能，数学和编码之外的领域研究闭环更难闭合。
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。
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 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 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。
Azeem Azhar 发文警告 AI 智能体攻击正在互联网上快速蔓延，并判断这一波冲击过后互联网将变得更安全也更封闭。文中列举支撑约 70% 网站的 PHP 爆出 PHP2Shell 漏洞，并引微软报告称某中国组织用开源智能体集群在不到 3 小时内控制云账户，每分钟发起 2,900 次登录尝试、覆盖超过 2,250 个组织。
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 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 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 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。
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
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 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。
Gary Marcus 撰文称，据 Axios 报道，美国银行正受到 AI 智能体冲击，银行业高管争相限制系统访问。他列举 10 月 11 日法国制冷系统袭击（疑似与智能体有关）、日本持续的网络安全攻击浪潮，以及拉丁美洲黑客组织 Cybercartel 对智能体的恶意使用，主张即使停止前沿模型开发，现有模型被滥用仍会造成严重问题。
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。
METR 与 Redwood Research 员工于 7 月 21 日至 8 月 11 日对 OpenAI 内部失对齐监控系统做高权限红队测试，发现多个新颖漏洞。
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 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 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。
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 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。
Trail of Bits 发布 patching-bugs 和 regression-hunt 两个插件，让工程师把补丁开发与回归检查交给智能体完成，并可通过 THREAT_MODEL.md 和 PATCHING_GUIDELINES.md 注入项目自身规则。
Commerce.com 与 Cloudflare 为近 100,000 个店铺开启 Google 实验性浏览器标准 WebMCP，AI 智能体可直接调用 search_products 等结构化工具，不再模拟人类点击网页。
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。
GitHub Blog 采访三位拥有 10 年以上 Java 经验的 Java Champion，分享在生产与开源项目中使用 GitHub Copilot 的实践，核心是把执行交给智能体、责任和审查留给自己。