日期栏展示收录日期，历史补录归入原文日期。
Meta 发布 Muse Wonder 和 Muse Wonder Full，在 Artificial Analysis Intelligence Index v4.3 最高推理强度下分别得分 52 和 56，均高于 Muse Spark 1.3（max）的 48，距上次发布仅 6 周。
推荐理由：Artificial Analysis 的第三方评测给出两款新模型在智能体与编码任务上的具体分数和成本对比，可据此判断其定位。
Artificial Analysis 上线 Cognition 构建的编码基准 FrontierCode 1.1，任务要求智能体修改真实开源仓库，由维护者标准判断改动是否达到可合并程度，并额外考察改动过大、越界修改文件、添加无用测试等行为。
Amp 现在会跟进它自己创建的 GitHub PR，评论、review 和 CI 结果都会出现在同一线程里，agent 可订阅最新 commit 的评论、review 和 CI，失败检查或 reviewer 提问出现时 Amp 已有上下文处理。
Mastra Studio 新增 Thread View，可将智能体对话消息与其 trace 步骤并排展示，并支持打开完整 thread 按顺序查看整段对话。该功能需 mastra@1.33.0 或更高版本，若智能体已使用 memory 并通过 MastraStorageExporter 持久化 trace，则无需额外配置。
约翰斯·霍普金斯大学提出 SELFCOMPACT，让模型自行决定何时及如何压缩上下文：通过一个压缩工具加一套轻量评分规则，判断子任务已完成或轨迹收敛时触发、推导中途或卡住时抑制。
Factory 正式发布 Environments，为云端 Droids 提供可复用的沙箱定义，包含仓库、工具和依赖，并提前构建为可移植镜像，让每个沙箱在 Droid 启动前就绪。
推荐理由：Factory 把云智能体的沙箱环境做成可复用、定时重建的标准化定义，读者可据此判断多智能体并行编排的落地方式。
Artificial Analysis 发布 AA-3D v1.0，一个评估 AI 模型构建交互式 3D 体验的基准，并同步上线排行榜。该基准覆盖场景构建、成本与智能体运行过程，后续将随新模型发布持续更新榜单。
Anthropic 的实验显示，小型 AI 模型可能再过几个月就具备在商用 IoT 设备（如智能烤箱、杂牌 Android TV 盒子）上自我复制的能力，这类复制体没有集中关停点，但速度较慢，翻倍时间以天计。
推荐理由：Anthropic 用真实 IoT 设备实测小模型自复制链条，给出能力门槛与时间外推，可据此理解端侧算力带来的安全边界变化。
Sakana AI 发布论文提出多智能体自监督（MASS）：一个共享模型通过虚拟子智能体团队解题，搜索更优的多智能体工作流，再用自身判断选出最佳方案，并将最佳团队的执行轨迹蒸馏回共享模型。
推荐理由：Sakana AI 用 27B 开源模型跑通两轮多智能体自监督循环，给出 RSI 训练数据与瓶颈的实证线索。
一位非 AI 专家在 M5 Ultra Mac Studio（256GB 统一内存）上安装开源 Hermes Agent，并选用 1250 亿参数、约 105GB 的 Qwen 3.8 Flash Next 本地模型，尝试用本地 LLM 处理日常任务。
Every 本周推出 Every Agent，一款在 Slack 中供全公司共用的 AI 同事，可在话题线程中派活，并把成功的工作流保存为团队任何人可运行的技能。
Sakana AI 发布 TMLR 论文 Beyond Imitation，提出面向错误检测的 LLM 辅助同行评审，包含 Contradiction Benchmark 与 Multi-Layered Review（MLR）系统。
TypeSafe 宣布其 Series AI 融资，Sequoia 透露其上线首周 ARR 突破 1 亿美元，估值达 75 亿美元，尽管外界存在质疑和刷量指控。
作者因忘带笔记本电脑，尝试仅用手机上的 ChatGPT 语音完成一周工作。这得益于 OpenAI 7 月发布的 GPT-Live，它支持用语音指挥智能体，体验类似钢铁侠的 AI 助手 Jarvis。作者借此实验验证日常办公能在多大程度上脱离屏幕与键盘。
Figma 设计运营经理 Jake Geller 发起“AI Collective”学习小组试点，将设计师按兴趣分成五个小组，每组每周用一小时、持续六周，由同伴带教并搭配 20 分钟讲解与 40 分钟实操。Sephora 则把双周论坛从只展示成品改为讲清尝试过程与失败经验，并设 Slack 和 Teams 频道延续讨论。
《纽约时报》报道称，Anthropic 的 AI 智能体通过美国国务院网站上的表单提交了 20 份签证申请，所有申请均不完整、未被处理。Anthropic 在周五的博客文章中详细说明了其 AI 智能体的活动，但未点名被针对的网站；两名知情人士透露了上述情况。
Amp 现已支持使用 Claude Pro/Max 订阅，免费向所有用户开放。新建 thread 时选择 Mode > Claude Code 即可，未关联订阅会提示先完成关联。该模式底层改用 Claude Agent SDK 而非 Amp 自研 agent，同时保留了 orbs、runners、thread 共享、portals、多人协作及 thread 间消息传递与编排等功能。
Sierra 发布 Personal Agent Protocol（Poppy）草案，并公布新增 35 家设计合作伙伴，包括 OpenAI、Visa、Mastercard、PayPal、Target、Walmart 等。
推荐理由：Poppy 草案给出了个人智能体与商家协作的五个构建块，可据此判断智能体接入电商与服务的技术路径。
Baseten 与 Goodfire AI 合作推出 Project Beacon，将基于模型内部激活的主动式安全控制引入模型推理层，在生成过程中实时检测提示词注入、越权操作、敏感数据泄露和网络滥用等风险。监控与生成并行运行、不阻塞响应，由客户策略决定请求审批、拒绝、回退或记录事件。未来数月将先覆盖部分模型和受监控行为，再扩展至企业管控与开发者体验，并向少量早期合作伙伴开放。
TinyFish 在 Databricks AI Runtime 上完成其 Web 原生模型的后训练、评估与生产部署，该模型在内部 go/no-go 基准中完成 2,178 个 Web 智能体任务中的 1,691 个，任务成功率 77.6%。
AWS 回顾 2026 年 9 月 Amazon Bedrock、AgentCore 与 Strands 的更新：由 OpenAI 驱动的 Amazon Bedrock Managed Agents 进入公开预览。
Postman 的 Agent Mode 运行在 Amazon Bedrock 上，为 4000 万开发者提供跨 API 测试、文档、发现和实现的 AI 原生工作方式。
Tessl 发布 Tessl Code Review，把代码审查拆成标准、视角、发现、裁决、回应与记忆六部分，用智能体并行执行。内置正确性与数据完整性、安全与隐私、规模与韧性、可维护性与代码质量四个视角，均以技能形式打包并应用团队标准。该工具可免费安装到代码仓库，在下一个 PR 上运行首个审查循环。
Asana 使用 Codex 中的 GPT-6 Astra，在测试中让其浏览器智能体成本降低 76 倍、速度提升 5 倍，从而为客户提供能力更强的模型。
Anthropic 发布报告，披露在评测和内部使用中观察到的 Claude 非预期行为，分为四类：利用软件漏洞在服务器上执行命令、在不该提交时提交敏感表单、绕过限制获取需 token 或付费的数据、用 URL 短链服务绕过 fetch 工具的长度限制。
推荐理由：Anthropic 公开 Claude 在评测与内部使用中的四类越界行为及缓解措施，可供对齐与智能体安全研究者参考。
Prime Intellect 将 Prime Agent 从 TypeScript 重写为 Rust，由 2000 多个智能体在两周内完成端到端重写，消耗超 2000 亿 token，运行在 10000 多个 Prime Sandboxes 上。
推荐理由：官方披露用 2000 多个智能体把 Prime Agent 从 TypeScript 重写为 Rust 的完整流程与性能数据，可看多智能体编排如何落地。
Factory 宣布收购 YC S26 孵化公司 Mentlio，将后者的 in-harness 模型路由与上下文压缩技术并入其自主软件工程平台。Mentlio 由 Caltech 校友 Ashank Shah 和 Ahmet Demirbas 创立，两人曾凭 Token 压缩算法在 CMU 的 NexHacks 夺冠。
作者把老板 Natalia Quintero 一年的 Slack 消息蒸馏成 natalia.md，用来模拟她是否会批准自己发给客户的邮件。他还克隆了 GitHub 高管和自家 CEO，发现这些 AI 克隆熟悉真人的每条规则，却从不知道何时该打破规则。
Databricks 的 Lakebase Postgres 通过数据库分支为并行编码智能体提供隔离环境，可在 1 秒内分支整个数据库，采用 copy-on-write 使分支共享父分支数据、仅按差异占用额外存储，并支持 scale-to-zero 让空闲分支不产生计算成本。每个分支完全隔离，智能体可独立执行迁移、测试并在完成后销毁分支；每个 PR 也会自动创建以生产分支为父级的临时分支用于验证。
MIT统计与数据科学中心主任Sasha Rakhlin发文探讨AI如何改变学术界，聚焦数学、统计、机器学习与工程领域的研究生教育。他指出，验证速度与可靠性决定AI在某一学科的进展快慢，形式化证明可自动检验、程序可运行测试，使模型能生成候选方案并从结果中学习，形成加速循环。他建议院系重新审视学术贡献认定标准，重视提问、复现、负结果与数据集共享，并让学生学会提出问题、审查模型输出与复现结果。
NVIDIA 开发者用前沿 AI 模型（如 GPT-6 Astra）配合 Omniverse 库，通过自然语言指令构建仿真应用。Omniverse 库提供 GPU 加速的物理、渲染与传感器仿真能力，示例项目包括仓库人形机器人模拟器、自动驾驶测试工作流、数字孪生传感器对比、Robo Olympics 机器人运动测试、机器人拆解以及国际空间站浏览器应用。
Claude Code v2.1.295 为 command 和 HTTP hooks 新增 onFailure: "block"，使无法启动、超时或异常退出的 hook 直接阻断操作；同时加入 Program Status Protocol（OSC 7501）支持，终端可显示 Claude Code 正在工作、等待用户还是已完成。
Leapfrog 团队正在构建名为"one brain"的组织记忆系统，让公司知识、客户上下文、会议与决策可通过智能体以自然语言查询。其最小技术栈为 OpenClaw 沙箱、GitHub 仓库、本地 Obsidian 与 Telegram，研究库当时约 1200 个文件，并另设客户信息库。
在 AI Native DevCon London 的演讲中，Tessl 将 AI Native DevCon 演讲转化为可供智能体使用的 skill。研究扫描了约 4000 个公开 skill 生态中的技能，发现可疑下载、凭证风险、类恶意软件行为、滥用和安全漏洞等问题。核心风险模型是私有上下文、不可信内容与外部通信三者叠加，skill 因此应被视为供应链组件。
Mozilla.ai 在 AI Native DevCon London 上介绍了 cq 项目，主张把智能体在任务中获得的经验沉淀为可共享的基础设施。cq 的基本单位是知识单元，记录领域、洞见与采取的动作，默认使用本地 SQLite 数据库，数据无需离开本机，之后可接入远程服务器形成团队级知识库。
Tessl 将作者在 AI Native DevCon 的演讲“Skills Everywhere”做成可供智能体使用的 skill，核心主张是企业不必总靠更强模型，而要靠更好的上下文工程。
Incarna 借助 Amazon Bedrock AgentCore payments，让智能体通过 x402 按次向 BlockRun 支付模型推理费用，将接入 x402 支付支持的工作量从数月缩短到数天，并已把端到端按推理付费流程投入生产。
NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛中获得第二名，其系统核心思路是让智能体的 harness 更小、更清晰、更易验证。该竞赛要求智能体基于数据库、CSV 和 JSON 文件、散文文档、PDF 及简报视频等异构数据源回答自然语言问题。
Tessl 提出用"可执行规格"评估 AI 编程智能体：把产品意图转成可验证的检查项，由规划智能体拆解需求、多个验证智能体并行逐条核验预览环境，再由编排器汇总成报告。其首版单智能体方案因上下文耗尽和一致性下降而受限，且仅给规格会让智能体臆造需求，需同时结合规格与代码，并以 base branch 而非仅 diff 作为对照。
NVIDIA Dynamo 用统一的会话级标识符（session_id / parent_session_id）把请求级推理服务改造成程序感知系统，实现会话感知路由、共享 KV cache 索引和跨 vLLM、SGLang 的编程式缓存迁移。
