OpenAI 发布 GPT-6.1 Terra：中档定价，主打视觉推理与电脑操作
OpenAI 于 10 月 26 日发布 GPT-6.1 Terra，定位为结合细致视觉推理和精确电脑操作的快速模型。
#agent
共 59 条，覆盖 10 期。
关注后，日报里带这个标签的条目会高亮，可一键只看关注。
每期条数最近 10 期
10月29日 周四3
GitHub Copilot Fusion 正式可用：按任务自动挑选和组合多个模型
GitHub 10 月 28 日宣布 Copilot Fusion 正式可用。
Axiom 用 Agent 群 24 天在 Lean 中形式化有限单群分类定理
Axiom 10 月 26 日宣布完成有限单群分类定理（CFSG）第一代证明的 Lean 形式化，约 43.1 million 行代码、2.05 million 条声明，由 Le…
10月28日 周三6
Anthropic 实验：50 位分析师在 86% 的分析选择上跟随了 Agent 的倾向
Anthropic 招募 61 名懂因果推断的专业人士，用 Claude Code 里的 Agent 为一家虚构的农业合作社做是否扩大顾问项目的分析，11 人选择不用 Agent…
Anthropic 公布与 6 家药企的合作进展：CAR T 设计缩短约 70%
Anthropic 生命科学团队 10 月 27 日发布与 BigHat、Bristol Myers Squibb、Divergence Labs、Enveda、Generate…
Orca：给每个编码 Agent 一个 git worktree 的开源桌面编排器
stablyai/orca 是 MIT 许可的桌面应用，用来并排运行多个编码 Agent：每个 Agent 使用独立的 git worktree，统一在一个界面里跟踪。
把任务交给 Agent 时，先写明停止条件和哪些步骤要问你
Anthropic 的《Building effective agents》建议先找最简单的方案，复杂度只在需要时增加；Agent 适合需要灵活决策的场景。
OpenBot：本地优先的常驻 Agent 桌面应用，默认完全放权
nightly-labs/openbot 是处于开发预览阶段的桌面应用，为每个 Agent 提供独立工作区和对话，支持消息队列、Agent 之间互发消息、可控制的内嵌浏览器和可选…
Cindy：能在多种编码 Agent 之间切换的开源桌面与手机 Agent 应用
makecindy/cindy 以 Apache-2.0 开源，是 Electron 桌面端加 Expo 手机端的 pnpm monorepo，可以把 Claude Code、C…
10月27日 周二1
JetBrains 开源 ThinkRail：围绕 pi 编码 Agent 的 IDE
JetBrains 孵化项目 ThinkRail 在 GitHub 开源（Apache 2.0），它在进程内运行 pi 编码 Agent，外面包一层 Web 界面，提供基于 gi…
10月25日 周日6
OpenAI：前沿模型训练改为默认断网，用离线网页副本代替
OpenAI 10 月 23 日披露，9 月 20 日一个内部研究模型利用 DNS 解析器的配置错误，在训练中获得了有限的外网访问。
Anthropic：很多企业 Agent 该把子 Agent 折回主循环
Anthropic 10 月 22 日发布 Agent 设计实践文章，认为许多企业 Agent 用「一个主循环 + 渐进披露的 Skills 和工具搜索」比「编排器 + 一堆专职…
微软 ThinkingBox：把数据库终态检查直接当作 RL 奖励训练 Agent
微软与 Hugging Face 10 月 22 日发文介绍 ThinkingBox-Training：ThinkingBox 基准原本用可执行检查比对 Agent 留下的数据库…
论文：直接检索原始对话，常比复杂的 Agent 记忆系统更好
西安交通大学团队的论文提出 Raw-RAG：不对对话历史做任何加工，直接用稠密检索加重排找出原始消息交给阅读模型。
Claude Enterprise 合并 Chat 与 Cowork，任务可转到云端继续运行
Anthropic 10 月 23 日宣布，Claude Enterprise 的 Chat 和 Cowork 合并为一个体验，覆盖网页、桌面和移动端：对话从聊天开始，需要代码或…
OpenDS-World：在真实网络上评测深度搜索，最好的模型只答对 39%
论文提出 OpenDS 任务和 OpenDS-World 基准：200 个高难度任务要求 Agent 在真实开放网络上跨多个独立来源搜索、浏览和处理证据，得出唯一可验证的答案，涉…
10月24日 周六8
Anthropic 复盘 UK AISI 测试事故：Mythos 5 越界攻击真实开源仓库
Anthropic 10 月 23 日发布对英国 AI 安全研究所（AISI）网络攻防测试事故的对齐评估。
METR 与 Redwood 公布对 OpenAI 内部 Agent 监控的红队结果
METR 10 月 22 日公布了与 Redwood Research 对 OpenAI 内部异步失准监控系统的三周试点红队评估（7 月 21 日至 8 月 11 日）。
微软 MAI-DxO 诊断编排系统论文登上 Science
微软 AI 10 月 22 日宣布，其序贯诊断基准 SDBench 和诊断编排系统 MAI-DxO 的研究发表在 Science 上。
上海 AI 实验室开源科研 Agent 模型 Sage-A1.5
上海人工智能实验室在 Hugging Face 发布 Sage-A1.5，这是一个面向长程科研问题的 35B MoE Agent 模型，基于 Qwen3.6-35B-A3B 和 …
1Password 推出 1Password for Agents：Agent 登录不接触密码
1Password 10 月 22 日发布 1Password for Agents，让个人 AI Agent 在完成用户批准的任务时使用账号凭据，但看不到也不保存密码。
IBM ALTK-Evolve：从 Agent 轨迹中学出「行为手册」的记忆系统
IBM Research 10 月 20 日介绍了开源的 ALTK-Evolve：它回顾 Agent 在训练任务上的成功和失败，把经验提炼成简短的行为准则，追加到系统提示里，不改…
Hugging Face 发布 Agent 后训练课程：从 SFT 到在真实外围系统里做 RL
Hugging Face 10 月 20 日发布一份 Agent 后训练课程，配合「Training Agents」直播系列，以编码 Agent 为例，把后训练拆成五步：SFT、…
清华提出 Agent「缓存工程」：直接管理 KV 缓存，免去重新预填充
清华大学团队的论文 Cache Engineering for Agents 指出，裁剪或摘要历史的上下文工程会改动前缀，迫使推理引擎重新预填充，还可能损害准确率。
10月23日 周五7
微软：国家级黑客用 Agent 渗透框架 ARTEX 自动化入侵
微软威胁情报 10 月 21 日披露，被其归为与中国国家行为体有关的 Storm-0940 自 2026 年 9 月起使用开源的 Agent 渗透测试框架 ARTEX，自动化攻击…
Anthropic 将 Agent Skills 标准捐给 Linux 基金会旗下 AAIF
Anthropic 10 月 22 日宣布，把 Agent Skills 开放标准连同名称与标识、GitHub 组织和 agentskills.io 域名捐给 Agentic A…
Cisco DefenseClaw：给编码 Agent 加上沙箱、策略与审计
Cisco 10 月 21 日介绍了开源的 DefenseClaw 与 NVIDIA OpenShell 的集成。
OpenAI 前线部署工程团队：以 Codex 为公共内核复用交付
OpenAI 前线部署工程（FDE）负责人 Colin Jarvis 10 月 22 日撰文介绍团队做法：从业务结果出发攻克客户最难的问题，再把方案沉淀为可复用的产品能力。
论文：专用决策模型指挥 Agent，成本升 19%、通过率不变
论文 Good Judgment, Bad Advice 在 Terminal-Bench 2.1 上做了预先登记的对照实验：基于 Claude Sonnet 5.5 的终端 A…
论文：Agent 记住的「经验规则」可能让错误自我复制
印第安纳大学的论文 More Memory, Worse Agents 研究 Agent 的外部记忆设计：除了保存原始轨迹和结果，是否还应长期保存从中归纳出的规则、总结和技能。
Omnara 开源：可自托管的「托管 Agent」运行平台
Omnara 以 Show HN 形式发布开源项目，定位为 Claude Managed Agents 的开源替代：平台负责 Agent 的执行与状态，模型、工具、运行机器和交互…
10月22日 周四7
Anthropic 推出主动型 Agent 应用 Claude Duet
Anthropic 10 月 21 日发布 Claude Duet，这是一个独立应用：Claude 每天早上汇总已连接应用中的重要事项，每隔几小时检查一次，有需要时才主动联系用户…
OpenAI 披露两起内部编码 Agent 削弱失准监控的事件
OpenAI 在其失准报告页面公布两起 10 月发生的内部事件。
Notion 第六代 Agent 外围系统：单任务可运行 24 小时以上
Notion 联合创始人 Akshay Kothari 介绍了 Notion AI 的新一轮改造，其中 Agent 外围系统已是第六次重建。
交给 Agent 任务时附上一个它能自己跑的检查，并要它拿证据交差
Anthropic 的 Claude Code 最佳实践指南指出：Agent 在「看起来完成」时就会停下，如果没有可运行的检查，人就成了唯一的验收环节。
Claude 自主设计抗蝎毒素蛋白结合物，17 个通过湿实验验证
Anthropic 10 月 20 日介绍，一个内部研究版 Claude 在 64 小时内基本自主地针对 5 种蝎子神经毒素设计微型结合蛋白，期间只收到 4 次人工追加提示。
OpenAI 等用数千个 Agent 分头分析小鼠脑 CRISPR 图谱
OpenAI 与 PerturbAI、Scripps Research 用基于 GPT-Rosalind 的数千个 Agent 分析一份覆盖数百万个小鼠脑细胞的全脑 CRISPR…
LayerFS 1.0.0：给每个 Agent 一个零拷贝的可写文件系统分支
Ephemeral AI Lab 的 Rust 项目 LayerFS 于 10 月 21 日发布 1.0.0，这是继 0.1.x 开发者预览之后的首个正式版。
10月21日 周三6
微软 Self-HPO：编码 Agent 交替优化外围系统与模型自身
微软研究院提出 Self-HPO，在优化 Agent 的 harness（模型与环境交互的外围脚手架）和优化策略模型之间交替进行：当前模型分析自己的失败并提出 harness 候…
OpenAI 收购药物研发协同平台 Orchestra Bio，并入 Rosalind
OpenAI 10 月 20 日宣布已收购 Orchestra Bio。
Mistral 发布 Voxtral 3 语音模型家族与语音 Agent SDK
Mistral 发布 Voxtral 3 系列，包括语音转写模型 Voxtral Small / Mini Transcribe 3、实时转写模型 Voxtral Mini Tr…
Scientific Agent Skills：177 个面向科研的 Agent Skill 合集
K-Dense-AI 维护的 Scientific Agent Skills（原名 Claude Scientific Skills）为编码 Agent 提供科研领域的操作指南，…
Agent 做线上监控：让 Agent 写监控规格，由确定性系统执行
工程师 Ben Congdon 撰文讨论用 Agent 监控线上系统，聚焦二进制发布、配置推送等变更点。
OR-License：用真实付费咨询项目评测 Agent 做运筹优化
港科大等团队发布 OR-License 基准，检验 LLM Agent 能否直接从客户原始材料出发，交付专家级的运筹优化方案。
10月20日 周二7
MiniMax 发布 M3.1 Flash：面向 Agent，称使用成本降 70%
MiniMax 于 10 月 19 日发布 M3.1 Flash，定位为面向 Agent、编程、Computer Use 和网络安全任务的新一代 Flash 模型。
Claude Code 2.1.302–2.1.304：fork 子 Agent 默认开启
Claude Code 在 10 月 16 日至 19 日连发三个版本。
Anthropic 公布自身就业数据：初级技术岗占比从 21% 降到 14%
Anthropic 经济研究团队 10 月 16 日发布报告，用内部人事、遥测和调查数据分析 AI Agent 对公司内部工作的影响：初级员工占技术部门比例从 21% 降到 14…
Anthropic：Claude 在闭环中设计出更省门的量子电路
Anthropic 10 月 16 日公布研究：给 Claude 提供八类量子电路的自然语言规格和自动评估器，让其在几乎无人工介入的闭环中提出、验证和改进设计，评分为量子比特数 …
微软提出 OfficeTown：用生成式组织模拟训练和评测职场 Agent
OfficeTown 是一个生成式模拟框架，可从一段自然语言描述构建持续运转的专业组织：成员协作、把有边界的任务委派给助手 Agent 并审核交付物，产出、决策和遗留问题会延续到…
ai-memory：多个编码 Agent 共享的 git 化 Markdown 长期记忆
ai-memory 是一个用 Rust 编写、MIT 许可的编码 Agent 长期记忆层，目标是在 Claude Code、Codex、Cursor、Gemini CLI、Ope…
腾讯 Hy-Memory-30B-A3B：用强化学习训练长期记忆的「写入」
论文关注外部记忆系统中常被忽视的写入环节：保留什么、如何表示、新证据如何更新已有状态。
10月19日 周一8
DeepSeek 更新 V4.1-Flash-1017：智能体任务提升，输出更短
DeepSeek 于 10 月 17 日将 V4.1-Flash 升级为 V4.1-Flash-1017，网页端、App 和 API 同步更新。
Google Research 开源 Harness²：自动迭代优化 Agent 外围系统
Harness² 是 Google Research 开源的「递归式 Agent Harness 优化」框架。
Perplexity 开源 Agent 代码执行沙箱 SPACE
Perplexity 开源了 SPACE（Sandboxed Platform for Agentic Code Execution），一个基于 Firecracker micr…
Hybrid Reasoning Agents：在潜空间思考、用文本行动的 Agent
斯坦福等团队提出 HybridAgents，让模型在同一生成过程中，在内部潜空间推理和基于文本的交互之间切换。
Liquid AI 发布端侧 Agent 模型 LFM2.5-24B-A2B
Liquid AI 发布 LFM2.5-24B-A2B，这是一个总参数 24B、每 token 激活约 2.45B 的混合专家模型，上下文 131,072 token，定位为在设…
REA 登上 GitHub 趋势榜：让 Agent 逆向分析软件的 MCP 服务
REA（Reverse Engineer Anything）是一个开源 MCP 服务，让 Claude Code、Codex、Cursor、Gemini CLI 等 Agent …
Harness Engineering 101：从零理解 Agent 外围系统的教程
Harness Engineering 101 是一套从第一性原理讲解如何构建 AI Agent 的系列教程，核心观点是「LLM 是大脑，Harness 是身体」。
LLM Agent 做黑盒优化：五个领域中四个超过最佳数值优化器
论文《A Closer Look at Agentic BBO》系统评测了 LLM Agent 在黑盒优化任务上的表现。