Qwen3满血版上线，第一件事就是把搜索按钮干掉了。
Qwen3-max满血版终于发布了！我打开chat.qwen.ai，准备玩一下新模型，一眼看到搜索按钮不见了。我第一反应：这是Bug吧？结果查了下，这是他们故意删的，因为模型能力已经不需要了。说实话，
阅读全文50个Agent分工干活，Kimi K2.5的Agent“军团”把我看呆了。。。
Kimi K2.5今天下午发布并开源了，万众期待的多模态能力终于来了。我录了一段15秒的屏幕操作视频。视频是一个很酷的博客网站 https://flo-bit.dev/，我随便点了点。然后我把这段操作
阅读全文Claude Code杀进VSCode，我可能要退掉Cursor会员了。
2026年了，Anthropic终于想通了。Claude Code 的命令行界面只适用于很多极客用户，上周推出了桌面版cowork。但是其实还有个很重要的插件，可能被大多数人错过了。他们同时还推出了V
阅读全文8万个Agent Skills不知道选哪个？Vercel悄悄上线了一份精选排行榜。
Skills这玩意儿，现在是真的太多了。我刚刚在看了一眼，号称全网最全的Skills聚合平台，SkillsMP，已经8万多个skills了。Skills很强，但是到底哪些Skills好用呢？ 然后这张
阅读全文Agent的沙箱（sandbox）大乱斗, Anthropic、Google、字节... 方案有什么区别？ 给Agent一个隔离环境，太重要了，想必大家用国产模型接cc，肯定遇到过 rm -rf 当前目录了.... 项目需要，调研了一下。但是内容太硬了，所以今天非常简单的梳理一下，做个记事本，没准以后用得着呢？ 从manus开始，底层是 E2B + Firecracker microVM。 启动时间比较快，可以做到150ms以下，对比docker冷启动需要几秒，Firecracker快一个数量级。 关键是持久化，付费用户可以留14天，相当于工作现场保留着，可以随时续上。 Anthropic 去年开源了一个sandbox-runtime，很轻量。 https://github.com/anthropic-experimental/sandbox-runtime 他们走的另外一条路，不用容器，直接调os原生隔离。 linux用bubblewrap， macos用sandbox-exec。 优势是本地运行，0延迟，官方说启用后权限弹窗减少了 84%。 但是，前不久爆了一个cve漏洞，如果没显式配置网络规则，默认是全放通的。 Anthropic才推出的cowork，面向非面向非技术用户，底层用了Apple Virtualization Framework，跑的是真VM。 但是也有一些人发现，通过prompt injection，可以让ai把文件传到外网。 沙箱可以隔离系统，但是防不住ai被骗~ Google和K8s社区搞的是Agent Sandbox，面向企业级集群。 核心是：Warm Pool（预热池）。 提前开好一批空闲沙箱，请求来了直接领一个走。 底层支持gVisor（用户态内核，隔离强但 I/O 慢）和Kata Containers（轻量 VM，更安全）。 典型的用空间换时间，只有大厂玩得起。 字节的anygen，没有技术细节，但是从多Agent并行+浏览器自动化的体验看，大概率自研了类似 Firecracker 的设施。 aio sandbox，all in one 的思路，一个docker里塞了VSCode Server、浏览器、VNC、终端，但隔离性就是普通容器水平，公有云服务还得在套一层。 bolt.nex是个异类，用WebContainer，直接在浏览器里跑 Node.js。零延迟，但只能跑 Node。 cursor本质上就是docker容器，去年出过cve，已经修复，本地开发够用，但是隔离强度不如 VM。 最后在说一句。 从模型层到基础设施层，感觉做最前沿的agent应用， 短期内沙箱一定是个必选项了~
Agent的沙箱（sandbox）大乱斗, Anthropic、Google、字节... 方案有什么区别？ 给Agent一个隔离环境，太重要了，想必大家用国产模型接cc，肯定遇到过 rm -rf 当
阅读全文cursor翻车了，Anthropic：来，我教你怎么做long running Agent。
这2天是不是密集且雷同的被一些新闻轰炸了。比如：2天复刻anthropic的cowork。用几百个智能体并发，2周从0写一个浏览器。long running下 researcher是会最先被替代的。.
阅读全文你那上万行Agent代码都是垃圾！Browser Use作者骑脸输出，开源了Manus级内核。
Browser Use表示最近要发布他们的manus ： BU.app，但他们提前把驱动BU的Agent内核开源了。它的核心设计理念，简单到近乎是一种嘲讽。作者Gregor Zunic直接在x上骑脸输
阅读全文Anthropic融了250亿，却说：AI时代的学习，只剩下这3件事了。
Anthropic 又有钱了。今天新闻估值3500亿，融超250亿。周末他们组了个局，拉了几个哈佛、伯克利的学生，聊了一个很现实的话题： 在这个啥都可以AI一键生成的时代，我们到底还在学什么呢？看完全
阅读全文用数百Agent并发，连续跑数周，耗费数万亿token，我们能收获什么？ Cursor做了一个很有意思的实验，做了个让很多Agent并发工作很长时间，分享了他们发现的经验。 最开始，尝试用一个去中心化的机制，就是通过一个共享文件协调Agent的工作，利用锁避免冲突。 但是结果比较灾难。 死锁的情况经常出现，效率很低（20个Agent并发，甚至不如2~3个Agent）， 而且为了规避风险，Agent只想做一些小的、安全的改动，没人承担端到端的复杂模块责任。 最后，还是用 planner- worker的模式。 在模型选项上，gpt5.2表现远优于别的模型，opus 4.5比较滑头，喜欢快点结束，把控制器给人，走捷径。 最后，他们分享了3个结果。 1. FastRender 一个浏览器，一周的时间，100万行代码。 2. cursor自身的solid 到 react的迁移，+266k / -193k的代码重构 3. java lsp， 55万行代码，7.4k提交。 感觉很牛？ 不不不，我还真去看了。 感觉期望最高的是那个浏览器？ 其实并不好，CI一直失败，很多pr没过测试就合并了，根本编译不了。 代码结构也特别的碎片化，各种深层嵌套，readme跟内容也不太符合，像是一次性的产物，没有agent维护他。 相比之下，另外2个项目反而还不错。可能agent 更擅长处理逻辑定义明确，有严格协议约束的工程。 这让我想起了。sonar 发布的，26代码开发者调查报告，96%的开发者表示不完全信任AI生成的代码，53%的表示，ai经常生成一些看起来对，实际上有误的代码。 当然，cursor这个实验，一方面其实可能是一个Agent长时间自主编程的里程碑，数量本身就是一种质量，通过堆叠Agent，我们可以突破单模型的上下文限制，构造复杂系统。 成本也不容小觑，花了数万亿的token，这个成本的量级已经非常恐怖了。 数百万行的代码，对人来说，意味着，代码价值的贬值，只有对系统的更深刻理解，才是人的责任。 博客地址：https://cursor.com/cn/blog/scaling-agents AI负责把代码填满，人负责把软件做好~
用数百Agent并发，连续跑数周，耗费数万亿token，我们能收获什么？ Cursor做了一个很有意思的实验，做了个让很多Agent并发工作很长时间，分享了他们发现的经验。 最开始，尝试用一个去中
阅读全文千问APP迈出重要一步：打通阿里生态业务，这可能是AI应用最坚固的护城河。
前两天，看到个大新闻。Google宣布Gemini将联手沃尔玛，搞了个大动作，用户可以通过对话，让AI帮你买东西，最后用Google Pay支付。然后X都在说，这是AI Agent的落地时刻。但，我只
阅读全文Cursor 重新定义 Agent：脑子再大，不如会翻书。
动态上下文，最近一个月这个词出现的越来越频繁。过去，我们追求long context，128k，1M 2M。所有的RAG、Memory系统，都在往Prompt塞更多的东西。Cursor分享了一篇博客，
阅读全文刚刚，苹果官宣iphone搭载最强AI，每年给Google 10亿，不愿在信ChatGPT。
早上，苹果Google官宣的新闻刷频了。下一代苹果基础模型，将直接基于Gemini构建。初代iphone发布，是17年前，Google也是苹果的盟友，提供地图，youtube。17年后，当Apple
阅读全文Google 新论文离谱到家了，0延迟0成本通用，提升大模型准确率最简单的方法。
Google最近这篇论文有点火。一个很简单的提升大模型准确率的方法。 这么多年了，竟然没人发论文。非常离谱，就是重复提示词。 中文来说，就是 重要的话，说三遍。从 <Query> -> <Query>
阅读全文Anthropic万字长文，把很多Agent没法落地的真正原因说明白了。 他们分享了内部踩坑无数后，总结的一套Eval方法论，讲透了4件事情。 所有的Agent系统，在交付之前，一定要把Eval体系想清楚，把评什么、怎么评、谁维护，想清楚！ Agent Eval本质上是集成测试： Task ： 具体的是什么活？ Transcript: Agent的执行轨迹，调用工具，报错，重试全过程。 Outcome： 最后的结果。 不要只看结果，Transcript也非常重要，它可以看出来，Agent是真的聪明，还是在蒙。 Eval里有个特鸡贼的数值。 Pass@k（尝试k次，至少成功一次的概率） 很多论文都喜欢吹Pass@k，这个在头脑风暴、写代码辅助的时候可能很有用，给个能用的方案就行。 但是很多场景，客户要的是 Pass^k（尝试k次，全部成功的概率）。 比如，Pass@1是75%，但是跑3次都对的概率可能到了42%，跑10次，可能就接近0了。 所以Agent面向C端的交付，Pass^k非常重要，衡量稳定性，这也是为什么很多Agent没法大规模落地的原因。 做Eval最有意思的地方是，AI会作弊。 他们用Opus 4.5 跑tau^2-bench做一个机票改签任务，模型发现了一个政策漏洞，用更便宜的方式解决了问题。 但是Benchmark会觉得这个任务失败了。 所以目前行业最大争议：测智能还是测听话？ （很多人认为Agent必须遵守SOP,不然可能存在重大风险。） 这个也解释为什么swe-bench都卷到80+%了，但很多时候还是写不出复杂项目，Benchmark饱和了，甚至过拟合了，真实世界复杂度永远在benchmark之上。 在做具体的打分上，具体怎么评呢？ 代码>LLM>人 代码就像单元测试，大模型评分比较灵活，但是可能幻觉，人评分最精确，但是最贵。 所以可以考虑用代码做基础筛选，大模型评测复杂逻辑，人做抽检。 ！！如果只用大模型评测，最后可能得到的是2个商业胡吹的模型。 那Eval从0到1，如何开始呢？ 从真实的bug里边，挑出来20~50个任务开始，就够了。 区分Capability和Regression，前者是能力爬坡允许失败，后者是底线，必须通过。 多看Transcript，不要只看分数，是理解模型边界的唯一途径。 如果Eval到了100分，不要自嗨了，还是换些更复杂的题目把。 最后 2026年的agent，更拼工程落地能力。 没有Eval的项目，本质还是再把生产当实验环境，迟早要用线上事故还债。 原文地址：https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents
Anthropic万字长文，把很多Agent没法落地的真正原因说明白了。 他们分享了内部踩坑无数后，总结的一套Eval方法论，讲透了4件事情。 所有的Agent系统，在交付之前，一定要把Eval体
阅读全文先说个暴论：不懂代码的人，才最喜欢 Vibe Coding。
最近被CC刷频了，Vibe Coding，Skills太强了。CC刷频了，Vibe Coding太强了。先说个暴论：不懂代码的人，才最喜欢 Vibe Coding。LinkedIn 上出现了一个新的职
阅读全文这可能是，全球最强开源Agent模型，走了一条反Scaling Law的全新范式！
30B的小模型，竟然在重量级Agent benchmark上，干翻了万亿参数的Kimi K2T？早上刷到 MiroThinker v1.5 开源的消息，参数规模的神话喊了这么久，难道行业共识正在被悄然
阅读全文Anthropic 重新定义智能体终局： Bash Is All Agent Need！
A社的新年小课堂开课了。工程师 Thariq Shihipar ，提出了一个主要观点。最强大的 Agent 工具，不是无数个定制的 API，而是 Bash 和文件系统。基于Unix思想构建Agent的
阅读全文Google说，2026年AI Agent会有这五大趋势！
Google Cloud刚发布了2026年的Agent趋势报告，有49页PDF。他们认为与其谈什么时候AGI，其实可以看一下，能改变业务的转折点已经在发生了，它就是Agentic AI。报告总结了26
阅读全文claude code也过气了？opencode+插件彻底火了~
opencode也火了~主要是因为这个开源插件，真的太强了~https://github.com/code-yeongyu/oh-my-opencode/tree/devopencode是一个开源的C
阅读全文比RAG强4倍？这个开源项目要重新定义Agent记忆系统。
最近发现个很有意思的Agent Memory项目-Hindsight，主要是性能很强~开源上有很多Memory项目，Memo0、langmem...，但是一开始吸引我的，是Hindsight有个很有意
阅读全文Claude Skills彻底火了，真的比 MCP 简单太多了。
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~Claude Skills在中文社区彻底火了（仅中文社区）。Anthropic 10月底推出这个功能，12月底爆发。原因很具体，它解决了一个很真实的
阅读全文2025：在参差不齐的智力中，重塑世界 最近很多大佬的年度总结都出来了，比如 karpahty ... ，结合最近的思考，基本都是围绕几个关键变化。 karpathy 说， 我们不是在培养一个持续进化的动物，而是在召唤幽灵。 1. 从scaling到RLVR 今年最大的变数是RLVR，可验证奖励的强化学习 。 以前靠pre-training堆知识，现在靠test time compute 换智商。 通过在数学、代码... 可验证下的强化学习，模型学会了思考。 2.智力参差不齐 现在的模型是jagged intelligence。 即知晓万物，又会被简单的越狱策略骗到。 通用的benchmark越来越不可信，都在针对考试刷题。真实落地的关键，不是榜单第一。 而是需要mid-train，post-train，让模型在真实业务中快速对齐长尾能力。 3.vibe coding & Agent agent是从learning到doing的跳跃。 vibe coding，让代码免费、易用的一个东西了。 claude code给agent指了一条新路：Localhost。openai想在云端搞swarm。 但现实，Agent最好的归宿不是云端，而是在你的电脑里，操作你的环境，碰你的数据。 这才是最具体感的AGI。 4.应用的第一性原理 Cursor的崛起展示了新的应用层：Orchestration。 AI 应用的本质不是做一个新 App，而是替代工种。 要么旧软件AI化，要么创造AI员工。如果一个AI产品不能帮人干活，不能产生实际价值，它就没有生命力。 领域大模型，长期看是个伪命题。本质是想用know-how构建护城河，不想向AI巨头认输。 但最终，领域数据和流程最终都会汇入主模型。 5.下一步：在线学习与记忆 现在的模型最大的痛点是记性和进化 。人类记忆分层（短期、中期、长期），模型也得跟上（Context、RAG、参数）。 更重要的是在线学习（Online Learning）。 模型得有自我评估的能力，知道自己错了，然后自我迭代，而不是每次都回炉重造。 最后： 2026 年会怎样？ 多模态可能会让 GUI 消失，模型直接生成界面。具身智能还在等着数据规模的爆发。 但有一点是确定的：路还很长。
2025：在参差不齐的智力中，重塑世界 最近很多大佬的年度总结都出来了，比如 karpahty ... ，结合最近的思考，基本都是围绕几个关键变化。 karpathy 说， 我们不是在培养一个持续
阅读全文总是收藏从未停止，学习从未开始?这个提升效率100%的免费工具太适合你
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~这段时间，除了Gemini外，飞书多维表格的这个AI功能，已经成为我做内容最高频使用的工具了。👉 模板链接：https://xurl.run/Ze9
阅读全文170次搜索+50次反思：用GLM-4.7盘点2025 Agent行业趋势，结果太震撼！
170+次搜索，50次反思，100多家企业的详细信息。这是昨天晚上，我给智谱新开源的GLM-4.7布置的一个任务，深度调研过去一年Agent哪些行业/企业赚到钱了（通过融资来筛选），第二天，它给我的答
阅读全文Agent元年结束，智能体反而不火了，从飞书、钉钉AI、企微，看AI落地姿势。
今年3月，Manus刷屏了。全球首款通用AI智能体，能自己上网、自己写代码、自己交付完整任务。当时所有人都在说，Agent元年来了，通用智能体要颠覆一切。但是25年要过去了，大家发现没有？聊通用智能体
阅读全文智谱、MiniMax 都在IPO，争夺 全球大模型第一股，你们怎么看？ 再不上市，就来不及了， “六小虎”的故事，正在变成“美腾米字巴”。 六小虎已经变成流浪猫。 > 内容转载@Trisimo崔思莫 五大厂，个个都自带干粮，如狼似虎，不仅有卖模的野心，还有做云计算的野心。 云计算是连环套生意。卖模型，卖数据，卖SaaS，还能租卡，卖卡… 对于大厂来说，这笔账是立体的，如果卖模没有利润，利润可以从其他板块中来，大厂有更多方式进行平账。 现在卖模的生意可以分为： to C（消费者）没有超级入口，或者无法把Chatbot打造成超级入口，就是个赔钱玩意儿。 to B（政企）这种单子需要专门的团队伺候，维护难度很大，最后一算账，可能赔本刷存在感。 to D （开发者）这是目前的黄金生意，来钱事少，但这也是每家都盯着地盘。SWE-bench/ Pro，已经快被刷烂了。 最近的模型小米MiMo V2 Flash，豆包1.8，就是专门来干to D市场的。（小米做了AI Studio，就没做APP，豆包也没更新to C端的体验，这些新模下场就直接抢黄金地盘。） 智谱和MiniMax，当前的重心也转移到了to D，但很明显，没有独特的优势。 不仅没有护城河，甚至可以说，自己可能才是攻城一方，你要趟别家的护城河，这对Startup就有点尴尬了。一旦大厂发动极限价格战，Startup可能颗粒无收，赔本陪跑。 要成为Anthropic，这种Google都啃不动角色哪有那么容易，这个难度和成为OpenAI几乎是等量的。——不仅要好，还要好到大厂望尘莫及。所以，IPO，可能是唯一出路了。 趁着还有故事可讲，赶紧上市，拿到粮草，才有可能在这场持久战中活下来。
智谱、MiniMax 都在IPO，争夺 全球大模型第一股，你们怎么看？ 再不上市，就来不及了， “六小虎”的故事，正在变成“美腾米字巴”。 六小虎已经变成流浪猫。 > 内容转载@Trisim
阅读全文25年用智能体发顶会可太容易了！
看到网友说：“AI智能体在2025年注定失败？”好像还真不是危言耸听。CMU最新研究显示，即便是Claude Sonnet 3.5这类顶尖模型驱动的智能体，在真实任务中的完成率也仅24%，长对话的To
阅读全文价值十万，数字生命卡兹克的内容方法论，被AI化了？
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~今年3月份的时候，晚点对数字生命卡兹克做了一期访谈。卡神说自己做内容，80%的时间不是在写，是在找选题。为了提高效率，他开发了一套自动化系统，每天抓
阅读全文Langchain年终总结：调研1000人后，Agent最大的敌人终于浮出水面了
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~元旦了，Langchain的年末总结来了，调研了1000多位一线人士。结论很简单：Agent已经过了炒概念的阶段，大家在意的不是要不要做，而是怎么做
阅读全文