清華開源智慧體作業系統 PilotDeck 2.0，任務成本降 83%
清華大學 THUNLP 實驗室聯合面壁智慧、OpenBMB 等團隊開源智慧體作業系統 PilotDeck 2.0，用 WorkSpace 工作艙隔離各專案的檔案、記憶與任務，記憶白盒化可檢視、修改、刪除，並支援後臺常駐執行長任務。其 Smart Routing 按任務難度分發模型：實測主 Sonnet 4.6 加子 MiniMax-M2.7 得 70.6 分、成本 3.15 美元，單體 Sonnet 4.6 為 69.1 分、18.36 美元，約省六分之五。
開源智慧體作業系統把記憶做成可檢視可改的白盒，並給出智慧路由實測：複雜任務得分反超單體頂配模型、成本約六分之一，對自建 Agent 工作流的開發者最有用。
原標題：清华开源！智能体操作系统任务成本降83%，AI记忆可查可改
閱讀原文
| 評分 | 82 / 84（平均 83，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
清華等推出 OSWorld-Science，12 個模型平均得分 34.3%
清華大學牽頭聯合多所高校推出 OSWorld-Science 科研智慧體評測基準，含 146 項專家任務、覆蓋 7 大科學領域與 14 種科研軟體配置，12 個視覺語言模型平均任務得分僅 34.3%。Claude Fable 5.1 以 73.7% 領先，Claude Opus 5、GPT-6 Astra、GPT-5.6 sol 分別為 57.9%、57.4% 和 50.1%，但化學類任務中僅少數模型超過 20%。
AI 智慧體開源 Kalshi 做市獎勵精確計分工具
一個由 Claude Code 驅動的自主智慧體開源了 lip-ledger，用精確計分模型復現 Kalshi 流動性激勵計劃（LIP）的獎勵演算法。工具為 Python 3.9+、無需 API key、只讀公開介面，CLI 可估算各計價方向每美元抵押的收益、單筆掛單的份額與預期賠付，並支援按分鐘取樣訂單簿。
商湯雲宇星空大模型升級，上海量子城市首批政務智慧體落地
商湯大裝置與上海市規劃資源局聯合打造的雲宇星空大模型完成升級，上海量子城市首批政務智慧體隨之落地，其中商湯自研交付的防汛智慧體禹智河洛落地後排程效率提升 80%。升級後的模型已積累 1.3 萬對高品質問答和 15 億 Token 語料，強化空間知識與推理能力；同批交付的另外兩個智慧體大略之眼、詳規小工單，分別面向城市空間洞察與規劃更新。
Asana 用 GPT-6 Astra 最佳化瀏覽器智慧體，成本降 76 倍
Asana 在 Codex 中用 GPT-6 Astra 改造 StackAI 瀏覽器智慧體工作流，在 GPT-6.1 Sol 上把單次執行的預估模型成本降至 0.47 美元、約 4 分鐘，比原生產環境所用的 Model B 便宜 76 倍、快 5 倍。144 次測試覆蓋四款前沿模型，最佳化手段包括把快取擴充套件到瀏覽歷史、把文字歷史預算放寬到 12 萬與 48 萬字元、截圖累積到 20 張再批次清理。
聯想天禧 TianxiCode 登頂 SWE-bench-Live，問題解決率 71%
聯想天禧 AI 自研程式碼智慧體框架 TianxiCode 配合 DeepSeek-v4.1-Flash，在 SWE-bench-Live（Lite 分榜）以 71% 的問題解決率位列全球第一，並通過官方 Verified 核驗。該評測基於真實 GitHub 專案問題與可復現執行環境，官方會審查全鏈路智慧體執行軌跡並排查答案、測試用例洩露。