機器之心● 精選AI 評分79
南開阿里等提出 PoS，識別 Belief Trapping 打破 Agent 空轉
南開大學聯合阿里雲、清華大學提出 PoS（Progression of States），把智慧體持續互動卻無實質進展的狀態定義為 Belief Trapping，並用顯式信念狀態、Belief Health 檢測與 Trapping-Aware Recovery 打破它。
搜尋
找到 50 筆
Hacker News front page● 精選AI 評分93
Meta 發布 Muse Wonder 系列兩款模型，主打個人與專業 agent 任務
Meta 發布 Muse Wonder 系列兩款模型 Muse Wonder 與 Muse Wonder Full，稱在個人與專業 agent 任務、記憶與編碼基準上達到當前最優；Muse Wonder 即日起通過 Meta Model API 和 Muse Code 提供，Muse Wonder Full 僅面向 Muse Code 訂閱者。
機器之心● 精選AI 評分78
7B 審計模型 AgentForesight 上線，多智慧體任務失敗前預警
羅格斯大學、得州大學奧斯汀分校與普渡大學團隊提出線上審計模型 AgentForesight，用 7B 模型在任務執行中逐步讀取軌跡字首，在關鍵錯誤擴散成失敗前報警。在 AFTraj-2K 測試集上，其關鍵錯誤步驟識別 Exact-F1 達 66.44，比最強通用基線 DeepSeek-V4-Pro 高 19.88 分，成功軌跡誤報率僅 2.37%。
Gemini API release notes● 精選AI 評分92
Gemini 4 Argon 正式 GA，主攻複雜編碼與 agent 任務
Google 的 Gemini 4 Argon（gemini-4-argon）已正式開放 GA，官方稱其為面向複雜編碼、agentic、數學與科學任務的最強模型。本次發布說明只給出上線狀態，API 變更、定價與遷移指引需另見 What's new in Gemini 4 Argon，未在此列出具體價格或額度細節。
機器之心● 精選AI 評分73
南洋理工研究：Harness 選擇需與模型任務聯合評估
新加坡南洋理工大學安波團隊發布報告《Finding the Right Fit》，用 4 套可配置 Harness（OpenHands、DSH、PI、openJiuwen）交叉 5 個模型、3 個任務集，共得到 66 項結果。結論是 Harness 好壞並非固定屬性，同一模型換 Harness 後排名可能反轉，原生搭配也不一定最優；成本更高未必得分更好。
X @AIatMetaAI 評分41
@AIatMeta: Two things make Muse Wonder suited for long-running, multi-step work an agent faces every day:
Meta AI 公布 Muse Wonder 的兩項核心能力，均面向 agent 每天要處理的長時、多步任務。Active Memory 讓上下文跨對話保留，並在相關時重新調出；Active Focus 讓模型在任務變難時繼續朝目標推進，嘗試替代方案、突破阻塞並堅持到完成。推文未說明上線時間、可用範圍與模型規格。
Kimi blog● 精選AI 評分81
Kimi 推出 Agent Swarm，可排程 100 個子智慧體並行
Kimi 發布 Agent Swarm，基於 Kimi K2.5 可最多部署 100 個並行子智慧體、執行超 1500 次工具呼叫，比順序執行快 4.5 倍。它面向可並行任務，如大規模檢索、批次下載、多檔案處理、多角度分析與長文寫作，官方給出從 40 篇 PDF 生成 100 頁文獻綜述、整理 200 多篇 Paul Graham 文章等範例。
Hacker News front page● 精選AI 評分78
實測刪掉 16.8 萬行註釋，Claude Code 編碼品質不變
作者用 Claude Code（Opus 5.5、high effort）在同一程式碼庫的原版與刪光註釋的副本上各跑三次，完成兩個真實功能任務；所有執行都通過 lint、型別檢查與現有測試，大任務還通過了一個隱藏測試。評分差異在噪聲範圍內，小任務上無註釋版少用約 22% token（1.71M 對 2.18M）。大任務三次執行的 token 在 7.01M 到 10.64M 之間波動，作者據此提醒 agent 輸出不確定，只跑一次可能得出完全相反的結論。
Hacker News front pageAI 評分56
為什麼 coding agent 依然很笨：模型在進步，agent 卻拖後腿
一位開發者認為 AI 程式設計的瓶頸是 agent 而不是模型：模型生成程式碼的能力持續提升，agent 卻停在原地。他區分了模型（GPT Astra、Claude Sonnet、GLM-5.3）與 agent（Claude Code、Codex），並列舉四類問題：OpenCode 把約 1.5k 行的改動拆成 10 個子任務卻逐個序列執行；agent 不會按任務難度切換更便宜或更強的模型；Claude Code 說不清自身功能，只能聯網搜尋；Plan 模式產出的計劃零散、難讀。
X @OpenAI● 精選AI 評分86
ChatGPT 的 GPT-6 Astra Pro 升級，支援多智慧體並行處理任務
OpenAI 為 ChatGPT 中的 GPT-6 Astra Pro 推送升級，回應速度更快，外掛與工具呼叫也有所改進，並新增多智慧體並行能力。多個 agent 可以分別處理同一任務的不同部分，使用者能跟蹤每個 agent 的進度，也可開啟已完成任務檢視其工作結果。該功能現面向 Pro 使用者在 Chat 標籤頁開放。
量子位AI 評分60
魔法原子 EchoPolicy-0 登頂 MolmoSpaces 具身榜單
在 AI2 發起的 MolmoSpaces 零樣本具身評測 Combined 榜單上，魔法原子 VLM Agent 框架 EchoPolicy-0 以 75.4% 的機器人操作平均成功率拿下全球第一，覆蓋全部 4 個 v1 任務，共 3915 局全量評測。同一分組下，自研具身 Agent 框架 MagicBrain 以 3.4B 引數位列全球第四，抓取成功率 94.4%，Pick-v1 與 Pick & Place-v1 兩項任務均為全球第一。
機器之心● 精選AI 評分79
Agent 安全守衛做成可進化 Skill，攻擊成功率降至 0.078
被 NeurIPS 2026 錄用的 Defense-as-Skill 論文提出把 Agent 執行時安全守衛做成一個可進化的 Skill：名為 SkillSonar 的守衛在敏感操作執行前按任務邊界給出 Allow、Replan、Require Confirm 三級裁決，經 9 輪 MCTS 迭代，惡意攻擊成功率從 0.300 降到 0.078。配套資料集 SCOPE-R 含 206 個惡意例項與 43 個良性任務，其中能力管控與隱私資料流兩族不參與訓練；
The Verge AI● 精選AI 評分80
Google 推出跨應用通用 Gemini 智慧體
Google 發布可在後臺跨應用、跨裝置執行任務的通用 Gemini 智慧體，入口為 Gemini Enterprise 應用，使用者可在單一介面與它對話並派發任務。除直接在 Gmail、Drive、Docs、Sheets、Calendar 等 Workspace 應用內工作外，還能通過手機、桌面、網頁以及 Slack、Microsoft 365 等第三方應用呼叫；由於在雲端執行，Gemini 可在各端保持同一上下文。
機器之心● 精選AI 評分78
CodeActionBench 發布：GPT-6 Astra 機器人操作成功率 73.3%
南洋理工大學研究者與合作者發布 CodeActionBench，用 25 個雙臂模擬任務評測通用多模態 Agent 的機器人操作能力。GPT-6 Astra 在 Codex CLI 下嘗試成功率 73.3% 居首，75 次嘗試完成 55 次、22 個任務至少成功一次；Claude Opus 5 在 Reference harness 與 Claude Code 下分別為 49.3% 和 45.3%，Gemini 3.6 Flash 為 20.0%。
releasebot: ChatGPT● 精選AI 評分87
ChatGPT 的 GPT-6 Pro 更新，支援多智慧體並行處理任務
OpenAI 為 ChatGPT 聊天標籤頁中的 GPT-6 Pro 推送更新，新增多智慧體能力：多個 agent 可並行處理同一任務的不同部分，使用者能在對話中跟蹤進度，並開啟已完成任務檢視每個 agent 做了什麼。更新還帶來更快的回應速度，以及外掛和工具呼叫執行任務能力的改進。該更新面向符合條件的 Pro 使用者分批推送，託管工作區是否可用取決於工作區設定與推送資格。
Hugging Face blogAI 評分58
ServiceNow 發布 AutoSynthData，為企業 agent 自動生成訓練資料
ServiceNow CoreAI 團隊發布 AutoSynthData，用目標模型的失敗案例和更強教師模型的成功軌跡定位能力缺口，再自動生成並驗證新任務用於後訓練。任務由系統規範、使用者提示和驗證器三部分組成，需滿足可行性、真實性與難度要求，驗證器則要求一致、可靠且不繫結單一參考軌跡。團隊在 EnterpriseOps Gym 資料集上演示了該流程，模型提升後課程會轉向仍難完成的任務。
X @ollama● 精選AI 評分75
DeepSeek-V4.1-Flash-1017 上線 Ollama Cloud
DeepSeek-V4.1-Flash-1017 已在 Ollama 上線，可通過 Ollama Cloud 呼叫，託管位於美國且承諾零資料留存。該模型在 agentic 任務上表現較強，同時單任務成本更低。
LM Studio blogAI 評分53
LM Studio 的 Bionic 支援 Agent Skills 標準
LM Studio 的 Bionic 代理現已支援使用、安裝和建立 agent skills，採用 Agent Skills 標準（SKILL.md 檔案）。使用者可讓 Bionic 從剛完成的任務或對話中生成 skill，用 @ 語法呼叫，還能在設定中匯入 Codex、Claude Code 等應用已有的 skills，或直接給 URL 讓代理安裝。
量子位AI 評分43
量子位智庫發布企業 Agent 落地報告，拆解六大斷點
量子位智庫發布報告《Agent 驅動的企業智慧化：單點提效到規模化重塑》，把企業 AI 落地受阻歸納為任務定義、資料可信度、判斷可驗證性、行動落地、權限責任、價值衡量六大斷點。報告提出 Agent 需具備貫通任務、上下文、判斷、行動、控制與衡量的全鏈路能力，並建議先選一個高價值場景跑通閉環再規模化複製。報告援引案例稱，三花智控的預算分析由 2-3 小時壓縮至 10 分鐘，空格數智新能源 CRM 開發從 60 人天降至 16 人天，上海企通 BIMS 約 2.5 倍提效、功能首次可用率 78.63%。
OpenAI News● 精選AI 評分67
OpenAI 用 Ironclad 合同任務訓練 GPT-6 Astra
OpenAI 公布與 AI 合同平台 Ironclad 的研究合作，GPT-6 Astra 成為首個用 Ironclad 任務訓練的前沿模型。雙方與 Ironclad 使用者共同定義了 11 項法律、商務與採購任務，如搭建保密協議、採購審批流程和可複用條款，每項任務熟練使用者約需 30 到 40 分鐘，評估標準為 8 到 50 條。
機器之心● 精選AI 評分65
Manifold AI 的 R²SI 登頂 RoboDojo 榜，超越 GPT-6-Astra
Manifold AI 流形空間的 WorldScape R²SI 框架在機器人學習基準 RoboDojo 的 Agent Track 登頂，超過 GPT-6-Astra 與輝達 GR00T-N1.7。該框架由內外雙層 Agent 組成，內層執行任務，外層跨輪次復盤、修訂 Skill 並訓練 reactive model（WSP）。在 push_T 任務中，動作步數從首輪 723 步（超出 600 步預算）降至 596 步，再降至 389 步，降幅約 35%。
Apple Machine Learning Research● 精選AI 評分67
研究質疑自主 MLE agent 是否需要複雜編排框架
一項研究指出，近期自主機器學習工程（MLE）agent 普遍依賴多 agent 編排器、專用檢索子 agent 等複雜框架，但更簡單、僅靠 read、write、bash 原語直接訪問執行環境的 coding agent 路線卻少有人研究。該工作正是要回答：強 agent 做自主 MLE 究竟需要多少這類外圍框架。
releasebot: ChatGPTAI 評分51
Codex Cloud 上線：可在桌面、網頁與手機續跑編碼任務
Codex Cloud 支援從桌面、網頁或手機啟動並繼續編碼任務，任務在電腦休眠時也能繼續執行。每個任務擁有獨立隔離的工作區，環境可複用專案倉庫、工具與依賴配置。託管工作區會沿用該工作區的 Codex 雲端訪問設定，具體可用範圍與用量取決於 ChatGPT 方案，倉庫連線與環境配置見官方文件。
Hugging Face blog● 精選AI 評分75
微軟與 Hugging Face 發布 ThinkingBox，按資料庫狀態給 AI agent 打分
微軟聯合 Hugging Face 推出 ThinkingBox 基準，通過 Hugging Face 提供，不看 agent 的回覆文字和工具呼叫，只檢查它留在後端資料庫裡的最終狀態與副作用，每個任務重複跑 20 次。在 507 個有狀態業務流程、12 個模型、121,680 次有效試驗中，79,853 次未通過可執行檢查，其中 67.24% 仍乾淨收尾且無工具報錯。
量子位● 精選AI 評分77
階躍終端發布首款 Agent 手機 STEPX Neo，3999 元
階躍終端正式發布首款 Agent 手機 STEPX Neo 先行版，售價 3999 元，含連續 12 個月、每月百億 Token 的 STEPX Token Plan。該機搭載智慧體原生作業系統 Step AOS，內建個人智慧體階躍 Amoo，系統層面支援 Loop 迴圈執行與自主 Tool Call，可呼叫 Skill 與 MCP 工具，側邊 AI 鍵與背屏可直接檢視任務狀態。
TechCrunch AIAI 評分58
Natura 推出 99 美元 AI 智慧戒指 Interface，語音呼叫 AI agent
Natura 發布售價 99 美元的 AI 智慧戒指 Interface，按下即可語音讓 Claude、ChatGPT、Grokbot、Meta Muse 等 AI agent 完成任務，同時兼具心率、HRV、睡眠、步數等健康監測。該戒指下月開啟預訂，12 月或明年 1 月發貨；首發 99 美元后計劃漲價，3 至 6 個月免費期後收 9 美元月費。
Cursor changelog● 精選AI 評分76
Cloud Agent 支援生成可分享的互動式畫布，Environments API 進入 beta
Cloud Agent 現在能在執行任務的過程中直接建置互動式畫布，完成後把畫布連結發給團隊即可分享。官方同時開放 Environments API 的 beta 版，可用於以程式設計方式建立和管理 agent 所執行的雲環境。雲環境單個最多支援 300 個倉庫，大型環境的載入速度提升 5 倍；以上更新發布於 10 月 16 日的 changelog。
量子位AI 評分63
APUS AI 開源 Reflex Agent，回應速度達 Claude Code 的 3 倍
10 月 13 日，APUS AI 開源 Personal Agent 產品 Reflex Agent，採用 MIT 協議，提供桌面端、Web 和 SDK。官方實測其在相關場景中回應速度最快可達 Claude Code、Codex 等主流 Agent 的 3 倍。與依賴程式碼和提示片語織 Harness 的方案不同，它由自研決策模型 Reflex 承擔模型路由、技能選擇與執行監督，按「決策—執行—反饋—再決策」迴圈推進任務；
量子位● 精選AI 評分86
Google 發布 Gemini Agent 辦公智慧體，底層可呼叫 Claude
Google 發布通用辦公智慧體 Gemini Agent，可長期雲端執行，自己查資料、寫郵件、做 PPT、分析資料並跨應用規劃任務。它擁有獨立企業身份，配專屬 Workspace 帳號、信箱、日曆和 Drive 空間，可被同事拉進群聊或在文件中 @。底層支援多模型編排與 Smart Routing，能在 Gemini 與 Anthropic 的 Claude 之間按效果、速度和成本動態選擇，未來計劃支援更多閉源與開源模型。
Hacker News front page● 精選AI 評分89
DeepSeek-V4.1-Flash-1017 發布：Agent 與視覺基準提升，MIT 開源
DeepSeek 發布 DeepSeek-V4.1-Flash-1017，是 DeepSeek-V4.1-Flash 的小版本更新，權重以 MIT 許可開放。官方稱其在推理、程式設計、Agent 與視覺基準上均有提升，同時縮短任務執行時間與輸出長度：Terminal-Bench 4.0 從 31.2 升至 42.3，Apex Bench v1.1 從 64.6 升至 72.1，HLE（無工具）從 36.8 升至 42.6。
TechCrunch AI● 精選AI 評分82
Google 為 Gemini 推出統一 agent，先向企業開放
Google Cloud 發布 Gemini 統一 agent，可接受目標而非指令，自主規劃任務並連線企業內部系統，目前先面向企業客戶，之後再推向消費者。該 agent 預設自動挑選模型，也允許手動指定第三方模型，首批接入 Anthropic 的 Claude，未來將擴充套件至開源與私有模型。它擁有獨立的 Workspace 帳號和信箱，操作會留下歸屬 agent 的審計記錄，入口覆蓋 iOS、Android、Windows、Mac、命令列、Slack 等。
X @Alibaba_Qwen● 精選AI 評分69
阿里 Qwen 發布 QwenGyre，為超長週期 agent 訓練引入彈性 RL
阿里 Qwen 發布 QwenGyre，把彈性強化學習引入超長週期（XLong）agent 訓練，核心是彈性排程器與軌跡處理器兩項設計。彈性排程器按需求在 rollout 與訓練間動態重分配 GPU，執行不中斷，相比 Colocate 最高提速 1.85 倍、比 Async 快 1.78 倍；軌跡處理器把分支執行整理成字首共享的軌跡樹，去重並限制訓練樣本量，超時後的部分進度也能評分。
Hacker News front pageAI 評分38
Nagare 上架：把日曆與待辦合成一個列表，並經 MCP 供 agent 使用
面向 iPhone 和 Mac 的待辦應用 Nagare 已在 App Store 上架，它把日曆事件和任務統一成同一種條目、都帶可選時間，可以在一個有序列表裡交錯排列，比如把未定時間的「複習」排在牙醫預約之前。資料通過 iCloud 同步，並藉助 MCP 把計劃與完成記錄作為上下文提供給 agent，讓 agent 主動介入，例如本週沒有社交安排時建議約人、計劃中的鍛鍊反覆未完成時來詢問。
The Verge AIAI 評分53
OpenAI 發布 Dots 智慧體平台，主打企業辦公
OpenAI 本週發布名為 Dots 的智慧體平台，定位企業辦公軟體，同時也能完成訂餐等日常任務。Dots 採用圓潤擬人化頭像並支援自訂名稱，目前每位使用者只能擁有一個 Dots，未來將支援多個。介面為雙視窗設計，一個視窗用於對話，另一個視窗用於跟蹤智慧體的工作過程。
量子位● 精選AI 評分82
螞蟻百靈開源 Ling-3.1-flash，主打真實工作流任務
螞蟻百靈開源 Ling-3.1-flash，主打把真實工作流裡的活幹完，而非刷榜。模型總引數約 560B、每 Token 啟用約 25B，上下文視窗達 1M；混合精度量化後權重佔用從約 534GB 降至 292GB，部署所需 GPU 由 8 卡降至 4 卡。據 Artificial Analysis，其智慧指數 41，輸出速度約每秒 210 Token，混合呼叫價格約每百萬 Token 0.19 美元，辦公任務評測 GDPVal-AA V2.1 的 ELO 為 1673。
TechCrunch AIAI 評分57
研究者發現一支中國 AI agent fleet，疑執行於騰訊、呼叫高德地圖
獨立研究者 10 月 5 日發布初步發現，追蹤到一批並行的 AI agent，疑似執行在騰訊的基礎設施上，目標指向阿里巴巴的高德地圖服務，查詢內容為公園、動物園、醫院等公共場所不同入口的路線。研究者拒絕使用 swarm 一詞，稱應叫 agent fleet：多個 agent 執行同類任務，彼此之間沒有通訊跡象。這些活動是通過監控域名掃描服務 URLquery 的流量發現的，該服務常被 agent 用來載入無法直接訪問的網站並留下記錄；研究仍在進行中。
Hacker News front pageAI 評分35
SaaS 公司將變成圍繞模型的 harness
Shrivu Shankar 在 8 月 24 日的文章中提出，每家 SaaS 公司最終都會變成圍繞模型搭建的 harness，即包裹無狀態 LLM 的基礎設施、介面、上下文與狀態。他給出五階段演進路徑：傳統 SaaS、工程師與 agent 結對、個人執行 harness、個人編排 harness、harness 編排個人，屆時核心任務由 agent 完成，人類只負責提供品味與判斷。
OpenAI NewsAI 評分30
Pollo AI 發布 Pollo Agent，用 GPT-6 Astra 生成影片廣告
Pollo AI 推出影片創作 Agent，呼叫 OpenAI 的 GPT-5.6、GPT-6 Astra 與 GPT-Image-2.5 完成從創意到成片的全流程。系統用 GPT-5.6 做任務路由，GPT-6 Astra 負責敘事與分鏡等複雜推理，影像統一交給 GPT-Image-2.5，官方稱使用者挑選或切換模型的時間減少 50% 以上。平台已有超 2600 萬使用者，30% 的創作會話從模板開始；
X @SpaceXAIAI 評分51
Grok Voice 3.0 發布：語音延遲降低 40%
SpaceXAI 宣布 Grok Voice 3.0 在語音 agent 任務上達到前沿水平，延遲較此前降低 40%。官方給出的落地案例是 SpaceX 內部：該模型能自主處理 70% 的 Starlink 客服來電，無需人工介入。官方本次只披露延遲降幅與自主解決率兩項指標，未說明模型規模、開放渠道、定價與上線時間，也未提供與其他語音模型的對比資料。
LM Studio blog● 精選AI 評分88
Meta 開源 30B 模型 Muse Glimmer，LM Studio 首發支援
Meta 發布 30B 開源模型 Muse Glimmer，採用 Apache 2.0 許可，發布當天即可在 LM Studio Bionic 中下載並本地執行。該模型面向本地 agent 工作流，支援多步任務、工具呼叫與影像輸入，可在 Mac 和 PC 上執行。在 LM Studio 內部評測 BionicBench v0.1 的 18 項任務中完成率 83.3%，高於 Gemma 4 31B 與 Qwen 3.6 27B 的 77.7%。
機器之心● 精選AI 評分79
OpenClaw 發布 v2026.10.1：Agent 可主動檢索 Skills，聊天視窗旁開啟 MCP Apps
OpenClaw 正式發布 v2026.10.1，Agent 現在可在執行任務時主動檢索已安裝的 Skills 並按需讀取完整 SKILL.md，相容的 MCP Apps 也能在聊天區域旁直接開啟互動。該版本彙集 402 位貢獻者的 2425 個 PR、3055 次提交，完整備份新增外接硬碟與 Cloudflare R2 支援，並可定時備份、自動清理舊備份；Mac 桌面應用內建執行環境，新使用者不必再單獨安裝 Node.js。
X @ollama● 精選AI 評分66
NVIDIA Nemotron 3.5 Super VL 上線 Ollama，單卡吞吐提升 5 倍
NVIDIA Nemotron 3.5 Super VL 現已在 Ollama 上線，可用 ollama run nemotron-3.5-super 直接拉取執行。該模型同時具備推理與視覺理解能力，覆蓋多種 agent 工作流。官方稱在單張 GPU 上，它的 agent 任務吞吐量最高可達同尺寸其他開源模型的 5 倍。
OpenAI NewsAI 評分44
Jump Trading 用 GPT-6 Astra 讓 agent 承擔數天級量化研究
Jump Trading 的 LLM 研發負責人 Lucas Baker 表示，引入 OpenAI GPT-6 Astra 後，可交給 agent 的量化研究工作流在規模與複雜度上大幅提升，從日常寫程式碼擴充套件到需要執行數天、跨多資料來源的完整分析。過去需要頻繁人工指導與干預，現在團隊只需定義安全、可監控的環境與明確目標，讓 agent 自行尋找路徑，並在長任務中自我評估、遞迴改進。在受監管的金融行業，agent 產出的交易訊號仍按普通訊號處理，需人工稽核並納入嚴格控制的執行環境。
Hacker News front pageAI 評分50
Talorys：一條命令把個人 AI 助手部署到自己的 Cloudflare 免費帳戶
開源專案 Talorys 發布，可用 npx create-talorys@latest 一條命令把單使用者個人 AI 助手部署進自己的 Cloudflare 帳戶，開發者不運營任何伺服器或資料庫。它提供帶工具呼叫的流式聊天、可檢視編輯的長期記憶、任務/筆記/專案管理，以及靠 Durable Object 定時觸發的提醒和每日摘要，聊天模型為 Workers AI 的 @cf/zai-org/glm-4.7-flash。
量子位● 精選AI 評分65
openJiuwen X-Router 首發，實測減少 50%+ Token 消耗
openJiuwen 團隊發布自演進模型路由技術 X-Router，在 PinchBench 全量 147 個任務實測中，靜態路由得分 66.3%、成本 $8.25，相比全量呼叫 Kimi-K2-Thinking 的 71.36%、$11.11，成本降低 44.6%。該技術基於五檔複雜度分檔路由，用本地 Qwen3-0.6B 做程序內分類器，支援端雲分級與 Bandit 自演進，並已接入 WorkSwarm 的 MoA 多模型協同。
X @AIatMeta● 精選AI 評分91
Meta 發布 Muse Wonder 系列，Full 版面向 Muse Code 訂閱者
Meta 發布 Muse Wonder 系列，包含 Muse Wonder 與 Muse Wonder Full 兩個前沿模型，官方稱是迄今能力最強的模型，面向個人與專業 agentic 任務。Muse Wonder 即日起通過 Meta Model API 和 Muse Code 提供，Muse Wonder Full 即日起面向 Muse Code 訂閱者開放。Muse Wonder 之後還將驅動 Meta 的個人 agent 產品 Muse，首批向訂閱者推出。
X @claudeaiAI 評分20
Claude Code 在 Old Street 通宵執行並連線攝像頭
Claude 官方帳號發布了一條簡短訊息，稱 Claude Code 與一臺攝像頭在 Old Street 被整夜執行。原文未說明具體任務、硬體配置、執行結果或任何資料，僅給出這一場景描述。
X @OpenAIDevsAI 評分37
@OpenAIDevs: If you live in the terminal, this one’s for you.
OpenAI 開發者帳號發布 Codex CLI 演示影片，展示三種終端內用法：用語音啟動任務、跨多個專案管理 agent，以及在獨立 worktree 中並行探索另一條實現方向。推文未提及這些能力的上線時間、版本號或可用範圍。
機器之心● 精選AI 評分80
AA-Robotics 首份榜單發布：GPT-6 Astra 操控機械臂得分居首
Artificial Analysis 於 10 月 14 日發布 AA-Robotics v0.1，首次讓 GPT、Claude、Gemini 等前沿模型藉助程式設計 Agent 操控真實機械臂，零樣本完成倒水、寫字、搭積木等八項任務。GPT-6 Astra 以 69.4 分居首，GPT-6.1 Sol 64.6 分，Gemini 4 Argon 55.3 分，Claude Opus 5.5 與 Fable 5.1 分別為 48.8 和 46.3 分。
機器之心● 精選AI 評分76
復旦與上海創智學院提出 MATE，按規則審計移動智慧體軌跡
上海創智學院與復旦大學團隊提出 MATE，稱其為首個面向移動/GUI 智慧體執行軌跡的規則感知安全審計模型，論文發表於 USENIX Security 2026。MATE 將自然語言安全規則與任務指令、執行軌跡聯合建模，輸出違規判定、14 類風險類別和基於軌跡證據的解釋，提供 0.5B、1.5B、3B 三種規模，規則可編輯、無需重新訓練即可本地部署。