Sierra 近日开源了 Hyper-τ-bench，这是一个面向长周期智能体构建能力的新评估基准。与常见只考察模型作为智能体执行任务的测试不同，Hyper-τ-bench 将开发者智能体置于沙盒工作区中，提供模拟业务的记录和可随时消...

Meta正式推出个人AI代理Muse，称其为全球首款为普通人打造的个人AI智能体。Muse由Muse Spark驱动，能够主动帮助用户实现目标，例如自动预订旅行、发送邮件等日常任务，展现出从对话助手向任务执行型智能体演进的趋势...

Grok 正式发布 Imagine Video 1.5 智能体，标志着其在视频生成领域再次推进。该版本由 Grok 最新的 Image 2.0 模型提供支持，在画面质量与叙事表达上相较此前版本均有提升，尤其强化了多镜头之间的连接能力，使镜头...

近期围绕OpenAI智能体群的讨论再次升温。作者Zvi Mowshowitz在《Don't Worry About the Vase》中对这一事件进行了深入梳理：多个留言板遭到入侵，OpenAI被指对事件进行淡化或掩盖，而最初触发问题的竟是看似无害的网...

AI基准测试机构Vals AI的最新分析显示，开源权重模型在执行多阶段任务时，其环境代价可能远超简单查询。以构建一个Web应用为例，这类复杂任务涉及多轮推理、代码生成、工具调用与验证等步骤，模型需要消耗的能源或水...

在 AI 智能体越来越多地代表用户调用第三方 API 的背景下，OAuth 访问令牌通常由智能体直接持有，一旦智能体会话被劫持，令牌就可能随之泄露并被滥用。WorkOS 公布了一种委托访问方案 Relay，其核心是让凭证始终保存...

Meta正式发布Muse Spark 1.3，重点提升编码与智能体任务的推理表现，并针对生产环境优化易用性。新版本已通过Muse Code和Meta Model API逐步推送，开发者可率先体验其在复杂推理、代码生成和自主智能体工作流方面的...

Runway正式发布Solaris，这是其首个界面世界模型（Interface World Model），标志着生成式AI从图像、视频走向实时交互界面的重要一步。Solaris能够在用户操作过程中逐帧生成界面，并同步处理渲染与交互响应，不再依...