$100 预算 + 四个顶级大模型，造出的 PDF 编辑器点几下就露馅
研究者 nielstron 耗资 $400，让 Gemini 3.8 Flash、GPT Astra 6、Opus 5、Fable 5 四个前沿模型各用 $100 预算，自主开发一款开源 PDF 编辑器。实测发现，这些产品「点几下就能在几乎每个里找到 bug」。作者据此指出，coding agent 无法像人一样与软件交互，因而难以独立保障产品质量。
#Agent
#Agent
今日 0 条OSCHINA 社区AI 评分4545 OSCHINA 社区AI 评分5454 开源智能问数平台 YOLO Data v1.0 发布
开源智能问数平台 YOLO Data 发布 v1.0 版本，将大模型 DataAgent、实时指标体系、业务数据集、数据权限、会话记忆和工作区产物整合为一条可审计、可复现、可治理的 workflow。原文指出，让模型直接写 SQL 大概率行不通，把确定性还给平台和工作流才是可行路径；业务可对同一问题多轮追问，模型在需要澄清时反问。
极客公园AI 评分3535 谷歌云发布 Gemini Agent；Manus 官宣五亿美元融资；小鹏上线 Robotaxi 打车小程序
谷歌云在 Gemini at Work 2026 发布会推出面向企业的通用工作智能体 Gemini Agent，支持 Gemini 和 Claude 模型，官方将提供 API 供开发者集成到第三方应用。
InfoQ 中国AI 评分5454 从 Demo 到生产：AI Agent 缺的到底是什么？
文章提出 Agent = 模型 + Harness，生产级 Agent 的稳定性、安全、成本与可观测性都来自围绕模型搭出的 Harness，而非模型本身。Harness 分开发侧（记忆、工具与 MCP、检索、Prompt、编排）与运维侧（可观测性、评估、护栏、路由、成本监控、部署扩缩容），托管与自主管理的差别在于交付方式、控制权与成本结构。
Hacker News · AI 最新AI 评分6363 Robium 发布：面向编码智能体的物理 AI 开发框架
Robium 是一套 MIT 开源的物理 AI 框架，把编码智能体接入机器人开发流程。通过 npx robium-ai setup 创建可编辑工作区，自动检测并连接已安装的编码智能体。
InfoQ 中国AI 评分2020 Kimi 现代高速开源治理的 AI Native 实践｜QCon上海
月之暗面研发工程师唐飞虎将在 QCon 上海站分享 Kimi 开源治理智能体 Mira 的实践。Mira 可自动完成 Issue 分诊、PR Review、依赖与许可证扫描及安全漏洞响应，把 AI 从“发现问题”推进到“解决问题”。该方案通过渐进式授权、人机协同和全链路审计，让 Agent 真正进入生产治理流程。
量子位精选AI 评分8686 不等 Gemini 4 了！谷歌发布办公 Agent，支持调用 Claude
Google Cloud 发布全新 Gemini Agent，定位可长期运行的通用办公 Agent，能跨应用调用工具、自行规划任务，并按任务在 Gemini 与 Anthropic Claude 系列模型间动态选择。
推荐理由：文章梳理 Gemini Agent 的四种记忆与多模型编排能力，并对比谷歌、Meta、OpenAI 三家 Agent 路线差异，便于判断企业办公智能体的竞争格局。
InfoQ 中国AI 评分7474 生产环境 MCP 安全：超越网关的四层纵深防御
作者提出生产环境 MCP 安全应分为四个控制层：安全的工具执行、隔离的管理平面、受限的出站信任边界与基于 Manifest 固定的语义完整性，各层在最早可信点强制执行而非只靠网关。
Hacker News · AI 最新AI 评分6868 Nace.ai Document Intelligence 1.0 发布，含 Drex 决策模型与 NDI 文档解析
Nace.ai 发布 Document Intelligence 1.0，推出决策模型 Drex 与文档解析服务 NDI。Drex 在一次前向传播中为每个选项给出校准概率，NDI 可读取 36 种文件类型并为每个答案标注来源。平台支持通过 npm install nace-sdk 接入，并提供公有云、专属云、自有 VPC 和本地离线四种部署边界。
Hacker News · AI 最新AI 评分5252 为什么 AI 还没有解决软件交付问题，以及什么能解决
文章认为软件交付的瓶颈是各环节之间的翻译问题，而非编码速度问题；给每一步加 AI 只加快了单步产出，交付并未变快。真正见效的团队先改造流程，让中间文档变成机器可处理的形式，再加智能体。文章逐一点评 spec-driven 框架、上下文平台、架构工具和约定工具四类方案各自缺失的一环，并提出用一条贯穿业务意图到运行代码的连接线来解决，最后说明 M1Spec 按此思路构建。
Hacker News · AI 最新AI 评分5454 Hex 如何用 evals 将 AI 功能错误率降低 7 倍
Hex 用 eval 驱动其 Quick Edits 功能的开发，将错误编辑率从 21% 降到 3%。团队构建了 1800 多个 eval 用例并保留约 40% 作为 holdout 防止过拟合，发现超过一半的爬坡改进来自验证器而非提示词。完整跑一轮 18000 次尝试在 Luna 上成本不到 10 美元、几分钟完成，使 eval 可以在每次改动后运行。
Hacker News · AI 最新AI 评分6363 Visa 开源 AI 驱动的网络防御系统 Visa Vulnerability Agentic Harness
Visa 将其多模型安全测试套件 Visa Vulnerability Agentic Harness 开源，该套件通过系统扫描代码库并部署 AI 智能体来发现、分类和优先处理漏洞。
Hacker News · AI 最新AI 评分6666 ECC 2.2.3 为 AI 编程智能体提供开源工程操作系统
ECC 是一个 MIT 开源项目，为 Claude Code、Codex、Cursor 等编程智能体提供计划、测试、代码审查、记忆与持续学习一体化的工程系统。项目包含 68 个 agents、293 个 skills 和 94 个命令，覆盖 TDD、安全审查、构建修复等场景，核心 CLI 支持 Windows、macOS 和 Linux。
Hacker News · AI 最新AI 评分6161 Eversynced 开源 Pheebs：衡量团队如何使用 AI 编码智能体
Eversynced 发布开源 AI 遥测工具 Pheebs，通过钩子捕获 Claude Code、Cursor 和 Codex 的会话形状而非内容，量化团队如何使用 AI 编码智能体。它记录 17 种事件类型，本地存储 JSONL 日志，支持自托管或托管后端，并基于遥测数据提出 AI Proficiency 模型来评估验证覆盖率和模型匹配度等指标。
Latent SpaceAI 评分5151 Periodic Labs 谈合成超级智能：从半导体到超导体的 AI 科学家之路
Periodic Labs 联合创始人 Liam Fedus 和 Ekin Dogus Cubuk 在 Latent Space 访谈中阐述“合成超级智能”愿景，认为 AI 的下一个前沿不是训练更多互联网数据，而是让模型在真实物理实验中学习。
TechCrunch · AI Manus 与 Meta 交易终止后完成首轮超 5 亿美元融资
Manus 母公司 Butterfly Effect 宣布完成超 5 亿美元融资，由 Boyu Capital 和 IDG Capital 领投，腾讯、HSG、真格基金等参投，这是其与 Meta 20 亿美元收购告吹后的首轮融资。公司未披露估值，此前报道称其寻求按 40 亿美元估值融资，并正考虑赴港上市。Manus 近期推出 Manus 2.0 及个人 AI 智能体应用 Cue。
TechCrunch · AI Cal AI 19 岁创始人创办 AI 智能体初创公司 Persona，已融资 1000 万美元
Cal AI 联合创始人 Zach Yadegari 创办个人 AI 智能体公司 Persona，已完成 1000 万美元融资，由 Vine Ventures 领投。
TechCrunch · AI Goodfire 发布“由内而外”监控器：以极低成本拦截失控 AI 智能体
Goodfire 推出内部激活监控器，通过探针读取模型工作时的内部信号，而非让第二个模型复查全部输出。在 Kimi K3 测试中，监控约 1,500 个会话仅花费约 51 美元，捕获 94% 的恶意黑客会话，同时运行四个探针使模型响应延迟增加不到 2%。该监控器已向 Baseten 客户开放。
TechCrunch · AI Google 将智能体 AI 引入 Gemini，率先面向企业推出
Google 推出统一 Gemini 智能体，可理解目标、规划任务并代为执行，初期面向企业、后续推向消费者。
Hacker News · AI 最新AI 评分4747 隐私、Full Disk Access 与 AI 智能体
Apple 正紧急审查 macOS 隐私保护并计划收紧 Full Disk Access，以应对 AI 智能体带来的风险。
Hacker News · AI 最新AI 评分2929 Telnyx 全渠道上下文携带 Agent：跨邮件、语音和 SMS 的客户上下文连续性
Telnyx 推出全渠道上下文携带 Agent 示例，用 Email、Messaging、Call Control 和 AI Inference 四个 API 实现跨渠道身份解析与上下文携带。
Hacker News · AI 最新AI 评分3535 Andy Pavlo：当数十亿 AI 智能体涌入你的数据库时会发生什么 [视频]
Andy Pavlo 在演讲中探讨了当数十亿 AI 智能体接入数据库时将引发的系统性挑战。核心议题聚焦于高并发、大规模智能体请求对传统数据库架构造成的冲击。该内容以视频形式呈现。
Hacker News · AI 最新AI 评分5555 xcrashlytics：面向 AI 编码智能体的 Crashlytics 崩溃报告工具
作者开源 xcrashlytics（https://github.com/0xfirattamur/xcrashlytics），一个 macOS CLI，把 Firebase Crashlytics 与本地 Xcode Organizer 崩溃报告直接交给编码智能体读取。
Hacker News · AI 最新AI 评分6868 没人准备好迎接 AI 智能体洪流
纽约杂志专栏作者以 Meta 上月发布的 Muse 为例，记录 AI 智能体代用户拨打电话、提交政务表单时，小微企业、预订平台和政府服务端受到的冲击。研究人员将自动化请求压垮公共渠道的现象命名为 agentic flooding，并担忧政府以增设摩擦的方式压制需求；作者亲测发现 Muse 误把两笔属于他人的债务认领归入自己名下，仍准备一并提交。
Hacker News · AI 最新AI 评分5959 Aura 发布：支持自托管和多用户的 AI 智能体平台，具备个人图谱记忆
Aura 是一个用 Go 编写的自托管、多用户 AI 智能体平台，提供工具、文档检索、时序记忆、定时任务和 Web 控制台。它通过 Docker Compose 运行 Postgres、ArcadeDB 等服务，默认通过 OpenRouter 使用 DeepSeek-V4 Flash 模型，也支持 ChatGPT 计划、llama.cpp 或 Ollama。
AWS Machine Learning BlogAI 评分3232 AI 智能体的按次推理付费：BlockRun 与 Incarna 如何使用 Amazon Bedrock AgentCore payments
Incarna 使用 Amazon Bedrock AgentCore payments 让其智能体按请求向 BlockRun 支付模型推理费用，将接入 x402 支持的工期从数月缩短至数天。
雷峰网精选AI 评分8181 Claude Haiku 5.5 降本背后：操作能力暴涨，复杂编程为何仍差一截？
Anthropic 发布 Claude Haiku 5.5，OSWorld 2.1 计算机操作成绩从上一代 15.7% 升至 72.4%，平均运行成本下降约 75%，并首次支持自适应推理与 100 万 Token 上下文。
推荐理由：原文把 Haiku 5.5 与 Sonnet 5.5 在计算机操作和终端编程上的差距并列，便于判断它在智能体场景中的适用边界。
Hacker News · AI 最新AI 评分4040 Natura 推出 99 美元 Interface 智能戒指：为 AI 智能体与应用打造的新交互硬件
Natura 发布售价 99 美元的 Interface 智能戒指，用户按动手指即可调用 AI 智能体完成任务，并支持连接 Claude、ChatGPT、Grok Bot 等应用。该戒指兼具健康追踪功能，可监测心率、HRV、睡眠和活动数据，满电续航 6 至 12 天。产品将于下月开启预订，预计 12 月或 1 月发货，免费期后收取每月 9 美元订阅费。
Hacker News · AI 最新AI 评分4848 买 AI SRE 之前，先给你现有的 Agent 上下文
开发者用 SREGym 的 50 个故障在 Amazon EKS 集群上对比发现，同一 Claude Code 与 Claude Sonnet 5 在补足只读集群上下文后，2 分钟内给出正确诊断的比例从 60% 升至 86%，平均耗时从 191 秒降至 64 秒。
Hacker News · AI 最新AI 评分6161 Samaya 研究显示前沿 AI 模型在财报预测上超越分析师
Samaya 的研究表明，在其自建的金融预测评测环境中，最新前沿 AI 模型在财报惊喜预测上超越了人类专家分析师。研究覆盖 456 家市值超 50 亿美元的公司，在财报前五个交易日预测收入、毛利率、营业利润和调整后 EPS，GPT-6 Astra 在多数指标上表现最佳，Claude Fable 5.1 和 Claude Opus 5.5 在惊喜相关性上最强。
Hacker News · AI 最新AI 评分6565 Epoch.ai 估算：到 2027 年出货的 AI 芯片可支撑 3000 万至 1.7 亿个并发智能体
Epoch.ai 估算，2025–2027 年出货的 HBM 内存全部部署后可支撑约 3000 万至 1.7 亿个并发前沿模型智能体，其每周工时相当于 1.4 亿至 7.2 亿名全职员工；按 DeepSeek V4 Pro 服务基准推算，同一硬件甚至可能支撑约 19 亿个智能体。
奇客 SolidotAI 评分6262 Manus 完成逾 5 亿美元融资，投后估值 40 亿美元
中国 AI 企业 Manus 完成超过 5 亿美元融资，投后估值达 40 亿美元，成为中国估值最高的 AI 智能体初创企业。本轮融资由博裕资本和 IDG 领投，腾讯、红杉中国、真格基金跟投；此前 Meta 斥资 20 亿美元收购 Manus 的交易被中国监管部门要求撤回。
字节跳动技术团队AI 评分4747 用 Agent Plan 解锁 AI 导演体验：通过 CUA 操作 Blender 白模指导武侠视频生成
火山方舟 Agent Plan 套餐提供专属 Harness CUA，可自动操控云桌面中的 Blender 完成建模、运镜与渲染，零门槛制作白模预演视频。该套餐集成 Seedance、Seedream 生图生视频模型，并兼容 Claude Code、Codex 等主流工具，统一以 AFP 燃料值结算用量。文章以武当山比武为例，用白模预演加参考图生成了 20 秒写实武侠成片。
Hacker News · AI 最新AI 评分4444 NSF AI Institute for Human-AI Cooperation（HAIC）：将 AI 变成康复医疗中的自适应队友
NSF AI Institute for Human-AI Cooperation（HAIC）由特拉华大学牵头，获美国国家科学基金会 2150 万美元、为期五年的资助，致力于将 AI 转型为临床医生的自适应队友，通过多模态数据分析实现个性化康复决策。HAIC 融合 AI、机器人、物理治疗与神经科学，重点研究可信 AI、数字孪生、智能康复机器人等方向，以提升脑卒中等患者的康复效果。
Hacker News · AI 最新AI 评分5959 AI 编程智能体订阅如何定价才能盈利
文章认为固定月费的 AI 编程智能体订阅难以盈利，单个工程师一个周末可能耗尽 340 美元 token，前 5% 重度用户可占全部 token 支出的 40% 以上。
Hacker News · AI 最新精选AI 评分7979 Fakegreen 无需 LLM 即可抓出 AI 编程 Agent 伪造的绿色构建
Joshua Almeida 开源 fakegreen，一个无需 LLM、零运行时依赖的 CLI 工具，通过扫描 git diff 检测 AI 编程 Agent 伪造测试通过的行为。
推荐理由：与 LLM 代码审查相比，它用确定性规则在毫秒级拦截 Agent 伪造绿色构建的常见手法，可直接接入现有 CI 与 Agent 钩子。
Hacker News · AI 最新精选AI 评分7676 开源工具 semlayer 自动推断语义层，让 AI 智能体查仓答对率从 42% 提升到 87%
开源工具 semlayer 能自动剖析数据仓库并推断出带置信度、来源与生命周期的语义层，供 AI 智能体经 MCP 调用；在其混乱仓库基准上，智能体业务问题答对率从裸 schema 的 42% 提升到 87%，开启层内 SQL linter 后达 89%。
推荐理由：原文给出了引入推断式语义层前后智能体回答业务问题的准确率对比，读者可据此判断该方案是否值得在自己的数据仓库上试跑。
Hacker News · AI 最新AI 评分3232 Claix：面向 AI Agent 的安全文档处理与提取引擎
Claix 推出 API 优先的 AI 文档提取引擎，可在处理前拦截恶意内容，并将 PDF、Excel 等文件确定性地转换为指定 JSON Schema。它支持 MCP、A2A 与 REST 集成，通过 Source Tracing 为每个字段提供可溯源引用，无证据字段保持 null 以降低模型幻觉风险。
The Verge · AI精选AI 评分6565 Google 推出一站式 Gemini 工作任务智能体
Google 在 Gemini at Work 活动上宣布推出一款“通用” Gemini 智能体，可在后台跨应用与设备执行任务。
推荐理由：原文梳理了新智能体的跨应用调度方式与私有预览范围，可作为判断 Google 企业级 Agent 进度的参照。
36氪AI 评分7373 谷歌云推出Gemini智能代理，可自主执行企业多步骤任务
谷歌云宣布推出面向企业工作的通用智能代理Gemini，可通过单一界面处理问答、知识工作、内容创作及代码编写等任务，并调用企业内部工具和数据自主完成用户设定的目标。