跳到正文

#Agent

今日 19 条
10月20日周二
  1. 36氪·AI49

    记忆张量发布 MemT 1.0:让记忆成为模型内生能力,迈向递归自我改进

    记忆张量 10 月 20 日发布并开源记忆原生基座模型 MemT 1.0,提供 MemT-1.0-Flash(288B 参数、17B 激活、336M 动态记忆)与 MemT-1.0-Nano(36B 参数、3B 激活、10M 动态记忆)两个版本。

    决策要点

    记忆从外挂文本与检索转为模型内部可训练状态,MemT 1.0 把这条路线做成了开源可复现的预览版。

    • 影响长会话智能体的状态大小与历史长度解耦,成本结构可能不再随对话增长而恶化;记忆绑定部署方后,企业自有交互数据可沉淀为模型资产;产品仍处预览版阶段,各项指标均为官方口径。
    • 参考可考虑用自有长会话任务复测其开源版本,核对官方声称的加速与召回数字;值得盘点现有智能体外挂记忆方案,与参数化记忆路线做对照评估。
  2. TechCrunch · AI39

    Yelp 推出 Check for Me 功能,AI 语音智能体代用户致电餐厅查等位时间

    Yelp 推出 Check for Me 功能,用户在餐厅页面输入用餐人数和手机号后,由 AI 语音智能体代为致电查询等位时间,并以短信返回结果。Yelp AI 助手同时新增 OpenTable 集成支持应用内订位,可记住用户此前提到的偏好、设置自定义提醒、访问近 30 天聊天记录,并支持建立和分享个人清单,下月起将基于收藏内容推送每周个性化推荐。

    决策要点

    AI 代打电话正从初创产品试验进入大众消费应用,平台还把同类语音能力打包成面向商户的订阅服务。

    • 影响餐饮等服务商户会接到更多用户侧 AI 来电,需准备应对机器问询的接待口径;小商户可用 $30 月费把线索回复外包给 AI,客服自动化的使用门槛进一步降低。
    • 参考可考虑先核对店铺的营业与等位信息能否被语音应答清楚传达;客服人手紧张的商户值得测算 Smart Lead Reply 的 $30 月费与人工回复线索的成本对比。
  3. 36氪·AI30

    OpenAI上线厨房节目《COOKED》,Codex口述开工做拉面游戏,网友只喊reset

    OpenAI开发者账号今天凌晨上线厨房节目《COOKED》,嘉宾对口述需求,Codex以Ultrafast极速档当场写出一款8位像素拉面游戏并装进ModRetro掌机。

    决策要点

    OpenAI用综艺化演示推进Codex生态,社区刷屏reset说明Agent真替人干活后,额度供给已取代新功能成为开发者最关心的资源。

    • 影响口述需求一次生成的开发模式若逐步成熟,业务侧参与软件制作的门槛会继续降低;Agent持续运转会放大用量,额度与订阅成本需要当作日常运营开支来规划。
    • 参考可考虑让开发团队试用Codex云端与Ultrafast档位,记录口述生成的质量与耗时;值得先估算自家Agent场景的额度消耗,再判断200美元订阅是否够用。
  4. 36氪·AI64

    DeepSeek全面开源推理框架DeepInfer,兼容英伟达与华为昇腾,单集群日吞吐155万亿Token

    DeepSeek全面开源内部推理框架DeepInfer及Token编解码组件deepseek-recipe,兼容英伟达与华为昇腾平台。官方披露基于该框架的DeepSeek V4.1 Flash单集群日吞吐达155万亿Token,按谷电价计算每卡每小时收入38美元。

    决策要点

    DeepSeek把自家生产级推理系统开源,AI服务竞争重心进一步转向推理成本控制,且同时覆盖英伟达与昇腾两套算力生态。

    • 影响企业自建或私有化推理服务可参考其开源实现降低技术门槛;英伟达与昇腾双平台兼容为国产算力上的大模型部署提供现成框架选择;KVCache管理与负载均衡未开源,完全复刻其成本水平仍有缺口。
    • 参考可考虑先测算现有推理服务的每卡吞吐与单位成本,再评估DeepInfer在自有负载上的适配空间;使用或计划采用昇腾算力的团队值得验证该框架的迁移可行性。
  5. 36氪·AI57

    澳大利亚创企Apate用35万个AI机器人假扮受害者,累计消耗诈骗分子17年时间

    澳大利亚AI创企Apate用约35万个AI机器人假扮潜在受害者与诈骗分子交谈,累计消耗对方相当于17年时间。其Agent已完成250万次对话,收集超25万条诈骗信息,客户澳大利亚联邦银行公开报告诈骗损失下降76%,电信运营商TPG已转接近59万通电话。Apate今年8月完成815万美元种子轮融资,累计融资近1000万美元,资金将用于产品开发及伦敦、美国市场扩张。

    决策要点

    Apate把反诈从事后拦截推向事前干预,用AI占用骗子时间并在受害者转账前套取账户情报,攻防两侧同步自动化。

    • 影响银行和电信机构的反诈窗口可前移到转账之前,有合作银行公开报告诈骗损失下降76%;诈骗分子同步用AI行骗,FBI口径2025年AI相关犯罪损失约8.93亿美元,对抗升级会推高双方投入;文中成效数据多出自公司口径。
    • 参考可考虑把此类主动式反诈与现有事后监测做互补评估,先盘点自身拦截环节的时间差和损失结构;引入前值得要求供应商提供可独立验证的成效口径,而非只看其披露的对话量。
  6. 36氪·AI61

    MiniMax 发布 M3.1 Flash,输入每百万 Token 1 元对标 DeepSeek

    MiniMax 于 10 月 19 日发布低价模型 M3.1 Flash,输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元,官方称推理速度提升近 3 倍、Agent 任务综合使用成本较上一代降低 70%。

    决策要点

    国产 Flash 模型的竞争正从单价便宜转向同等预算下能完成多少复杂任务,M3.1 Flash 把 Agent 调用成本做成主打卖点,但跑分并非领先。

    • 影响代码生成、自动化流程等高频调用的预算口径需从每百万 Token 单价改为单任务成本;官方宣称的降本幅度尚无独立验证,选型要按本业务任务实测成功率和总费用;多家国产模型表现接近,可切换和议价空间在变大。
    • 参考可考虑把现有 Agent 或代码类用例的预算从 Token 单价改算为单任务总成本,再用真实业务场景实测对比 M3.1 Flash 与 DeepSeek V4.1 Flash 的成功率和费用;值得保留两家以上模型的接入以便切换。
  7. 钛媒体58

    OpenCode陷入密钥泄露风波,AI时代如何守住安全红线

    10月18日,AI编程智能体OpenCode被曝遭遇安全事件,通过其Console服务托管第三方大模型API密钥的用户密钥面临被盗刷风险,有开发者称OpenAI账户一夜之间被盗刷1700美元。

    决策要点

    事件暴露的不只是单点漏洞,而是模型通道类服务用便捷换安全、Agent权限边界缺失带来的系统性风险。

    • 影响通过第三方通道托管API密钥的团队面临直接的资金损失风险;开发流程向Agent开放系统权限会同步放大攻击面;以监控人的动作为基础的传统数据防泄露工具对Agent自动搬数存在盲区。
    • 参考可考虑盘点托管在第三方模型通道的API密钥并核对账单异常调用;值得评估开发流程中各Agent的系统权限与密钥授权,先划出高权限场景的行动边界再扩量。
  8. 36氪·AI43

    港科大(广州)等三校团队提出 HeLa-Mem,让 Agent 找回长对话中失联的记忆

    香港科技大学(广州)、吉林大学与香港中文大学的研究团队提出 HeLa-Mem(Hebbian Learning Associative Memory),把 Agent 长期记忆组织为带权关联图,让反复共同被唤起的记忆逐渐建立连接,论文已被 ACL 2026 Main 接收,代码开源于 https://github.com/ReinerBRO/HeLa-Mem。

    决策要点

    Agent 长期记忆的研究重心正从保留多少历史转向历史之间如何形成关系,论文结果显示检索质量与 token 开销可以兼得。

    • 影响做个性化服务、长期陪伴或多轮任务类 Agent 的团队,记忆架构选型会直接影响回答完整度;检索上下文从全对话约 16910 tokens 降到平均 1010,推理成本差距明显;冷启动和底座模型能力是采用前要评估的现实约束。
    • 参考可考虑让客服或个性化助手团队先测算现有记忆方案的检索 token 开销,再对照 LoCoMo 指标评估是否引入关联记忆类方法;值得盘点自家场景中是否存在多跳回忆失败的真实案例。
  9. 36氪·AI33

    大疆影石启元寻影加码AI影像,摄影机器人能否成为具身智能落地路径

    影石公布Cameraman摄影机器人长期愿景,妙动科技Beni完成众筹、早鸟价549美元(约合人民币3674元)起并计划11月发货,大疆、哈浮、启元、荣耀、寻影等也已通过无人机、机器狗、手机云台等形态实现自主跟拍。

    决策要点

    摄影机器人是影像设备自主化与消费机器人两条路线在具体场景的交汇,厂商用先做好一件事替代等待万能人形机器人。

    • 影响具身智能多了一个可先落地的具体消费场景,能避开灵巧手等未解难题;影像厂商与机器人厂商将在跟拍场景交叉竞争,产品形态尚未收敛;手机和无人机已覆盖大量拍摄需求,新品类能否成立取决于是否真正降低使用负担。
    • 参考做影像或消费硬件的企业可考虑评估跟拍场景的交叉竞争与接口合作机会,启元T1外挂运动相机的分工模式可作参考;相关业务值得先测算用户在现有设备之外为新品类付费的意愿。
  10. 钛媒体58

    昨天还在互撕的产品经理,今天全被REA逼成了战友

    REA爆火后,各App的产品经理从互相对立转为统一应对,做法是不在客户端放密钥和隐藏接口,把付费、权限等信任决策和核心逻辑搬回服务端,无法上云的嵌入式和游戏则靠加壳混淆拖延逆向,Thales也发布了针对AI逆向的Sentinel Envelope Plus。

    决策要点

    REA本身被专家指为炒作,同类工具2025年已有,但它把逆向成本压到分钟级,客户端不能再当可信边界。

    • 影响客户端写死密钥、靠前端判断付费和权限的做法基本失效;关键逻辑上云会推高后端开发与运维投入;嵌入式和游戏等无法上云的场景,只能靠加壳混淆增加逆向成本,防护开支随之上升。
    • 参考可考虑先盘点客户端里写死的密钥与前端权限校验,把付费和访问判断挪到服务端;无法上云的场景可测试混淆加壳方案并记录逆向耗时变化;团队安装热门开源工具时只认官方README列出的入口。
  11. 钛媒体62

    具身智能卡在哪,王兴兴的一两年承诺与真实数据差距

    王兴兴在上海工博会圆桌称,具身智能的ChatGPT时刻快的话一两年内就有可能,因为明年GPT-7出来可能直接把问题打穿(据中国证券网、澎湃新闻报道)。钛媒体作者韩工观察撰文拆解认为,模型是概率系统、Agent是行动系统,GPT-7升级不了具身智能真正的卡点,即真机数据、物理反馈验证器和由人掌握的标准主权。

    决策要点

    王兴兴的一两年承诺实际针对模型层升级,具身智能真正的瓶颈在真机数据、物理验证器和各行业标准主权,这些不随模型进步自动解决。

    • 影响厂商演示的成功率口径混杂,阈值型与容错型任务要分开验证,采购评估不能只看发布会数字;当前出货近七成流向科研表演和数采,真实作业落地案例仍稀缺;高质量真机数据是稀缺资产,掌握场景和回流的行业方在合作中有筹码。
    • 参考可考虑把供应商成功率按任务类型拆开,重点要求阈值型任务的失败统计;值得在自有产线小规模试跑并先算出数据采集成本,在合作条款里写明数据回流和验收标准。
  12. 36氪·AI46

    美团打造大众点评版Skill平台DeepSkill,收录超37万个技能工具

    美团AI团队搭建了AI Agent技能平台DeepSkill,已收录超37万个经真实任务跑通验证的Skill工具,9月初这一数字为13万。平台不设目录翻找,用户告知完整任务需求即可自动匹配候选Skill,并扫描Skill全部内容输出含数据安全审查的分析报告;每个实际使用的用户都能成为点评官,评分与真实任务案例全部公开供选型参考。

    决策要点

    技能平台的竞争点不在收录数量而在可信度,美团用大众点评式真实评价机制解决Agent技能选型难题

    • 影响企业选型第三方Agent技能时多了带真实使用记录的参考,可降低试错成本;简历等敏感数据的上传泄露仍是引入前的主要顾虑;平台属美团对外输出能力的新尝试,文中称其效果需经市场检验
    • 参考可考虑在客服、面试准备等流程固定场景试点时,优先挑选带公开真实运行记录的Skill;值得把是否上传用户输入、是否调用外部工具列入技能引入前的审查清单
  13. IT之家·人工智能62

    深度求索 DeepSeek V4.1 Flash-1017 登顶 Agent Arena 开源榜,总榜第 11

    AI 竞技场 Arena 宣布,深度求索最新发布的 DeepSeek-V4.1-Flash-1017 登顶 Agent Arena 与 Code Arena: WebDev 开源模型榜,总榜排名第 11。

    决策要点

    国产开源模型在基于真实会话的 Agent 评测中同时拿下开源性能第一与低位单任务成本,模型选型的性价比参照发生了变化。

    • 影响选型智能体模型时多了一个有第三方榜单数据支撑的低成本开源选项;榜单含任务成功确认、工具幻觉等细分维度,可按业务场景对照;0.18 至 0.19 美元的单任务成本中位数为预算测算提供参照。
    • 参考可考虑把内部 Agent 试点的单任务成本和任务成功率先算出来,再与该榜单口径对照;值得在涉及工具调用的场景里为工具幻觉率设计校验环节。
  14. 人人都是产品经理53

    Grok Bot 工程师 Lee Robinson 在斯坦福新课分享 always-on agent 搭建方法

    前 Cursor 工程师、现职 SpaceX 的 Lee Robinson 在斯坦福 CS146S 课程分享 Grok Bot 这类 always-on agent(永远在线智能体)的搭建方法,核心思路是一切皆电脑,agent 跑在云端服务器和 Firecracker 虚拟机上,可睡眠唤醒,记忆、日志和技能都以文件形式保存。

    决策要点

    永远在线 agent 的实现路径正在收敛为云端电脑加薄客户端,agent 正从产品的一个功能变成新一代软件的基础设施层。

    • 影响流程固定、可中断恢复的长任务可以按交接同事的方式交给 agent,人从逐条审批转向引导和验收;模型每隔几个月出现能力跳跃,产品界面投入宜克制,评测体系比功能堆叠更值得保留;邮件、webhook 等外部输入可能被注入指令,接入 agent 前要把不可信内容挡在模型指令之外。
    • 参考可考虑挑一个流程固定、能中断恢复的长任务做试点,记录 agent 的打扰频次和完成质量;值得建立自己的评测清单,在模型升级时验证旧任务不回退;选型时可优先比较沙箱隔离、任务持久化和缓存命中这些工程指标。
  15. 数英 DIGITALING29

    2026金投赏国际创意节10月20日开幕,将发布AI时代营销能力地图

    2026第十九届金投赏国际创意节(ROI Festival)将于10月20日至21日在复旦大学管理学院举行,主题为“AI时代,长期主义”。本届共收到1919件参评作品,80余位评委将决出8项全场大奖;10月20日晚将发布《AI时代营销能力地图》,CREESS AI平台首次公开亮相,21日晚颁奖典礼还将首次颁发AI营销能力体系奖。

    决策要点

    金投赏把AI应用纳入评审维度并发布能力地图,营销行业的AI能力框架与评估标准正由行业组织定调。

    • 影响品牌可用奖项的AI评审维度对照自身营销能力现状;GEO与决策智能体进入主流行业议程,搜索投放和营销团队分工面临重新评估;行业将多一套可引用的AI能力标准。
    • 参考可考虑留意10月20日晚发布的能力地图,对照盘点自家团队在GEO和AI组织治理上的现状;有AI营销成果的企业值得评估参评AI营销能力体系奖的曝光价值。
  16. 36氪·AI46

    记忆张量开源MemT 1.0,为AI自我改进补上记忆拼图

    记忆张量开源记忆原生模型MemT 1.0系列,含36B参数的MemT-1.0-Nano(基座Qwen3.6-35B-A3B)与288B参数的MemT-1.0-Flash(基座DeepSeek-V4-Flash)。

    决策要点

    记忆原生把经验的保留与复用做成模型可训练的能力,为外部记忆之外的选型增加了新变量,但两者目前各有优劣而非替代关系。

    • 影响重复性工作流中经过验证的经验可复用,有助于减少返工,长会话的状态预算也更容易估算;但记忆原生的任务质量并非必然优于外部记忆,文本记忆在长历史细节召回上仍占优;是否切换需要按自身任务实测。
    • 参考可考虑把验证经验的复用次数与模型单次表现并列纳入AI选型标准;对代码修复、客服等重复流程,值得用同一批任务对比无经验、文本经验与记忆原生三种设置的成功率、稳定性与成本。
  17. 人人都是产品经理66

    LLM wiki 实战:用20篇管理文章做一个管理数字分身

    作者用 LLM wiki 方法把20篇管理文章编译成知识摘要、实体页和概念页,搭建了一个能回答团队管理问题的数字分身。案例基于腾讯开源知识库产品 Weknora 本地部署,共生成20份摘要、13个实体页、128个概念页,作者实测回答质量好于向量切分方案,代价是 Agent 运行时响应偏慢。

    决策要点

    LLM wiki 把知识整理前置到编译阶段,为业务规则推理类问答提供了介于向量 RAG 与知识图谱之间的第三条路线。

    • 影响复杂业务规则的客服问答多了一条比知识图谱更低成本的验证路径;知识库规模变大后编译与检索的 Token 成本会上升;全自动编译会丢失关键细节和生效条件,人工审核成本省不掉。
    • 参考可考虑选一个规则判断多的客服场景,用开源工具小成本试点,对比向量 RAG 的回答质量与响应耗时;值得先列出哪些知识必须经人工筛选后才能入库。
  18. 人人都是产品经理41

    开源提示语管理skill「老爷爷」,让Agent按场景自动挑选25条思考提示语

    作者开源提示语管理skill「老爷爷」,把25条思考类提示语做成路由,让Agent根据场景自动挑选合适的一条,安装命令为npx skills@latest add LearnPrompt/laoyeye。

    决策要点

    提示语收藏闲置的瓶颈在检索而非存储,把挑选交给Agent按场景路由,比依赖人脑记忆更可行。

    • 影响个人和团队的提示语资产常因检索负担被闲置;把高频提示语skill化可降低复用门槛;直接改写成工程流程会破坏原有约束设计,迁移时需要谨慎。
    • 参考可考虑先盘点团队收藏夹里高频却闲置的提示语,选一个场景做成带路由的skill试点;改造时保留原句约束,避免压缩成短指令。
  19. OpenAI:官网动态30

    OpenAI 发布 Terminal X,搭配 GPT-6.1 与资深投资人判断吻合度达 88.6%

    OpenAI 发布 Terminal X,官方称其用 GPT-6.1 时与资深投资人判断的吻合度达到 88.6%。产品内置 Eval Agent,按 54 项评分标准对输出打分,官方称搭配 GPT-6.1 Sol 可多捕捉 25% 的基金投资授权偏离。以上数字均为官方口径,暂无独立验证。

    决策要点

    把资深投资人的判断标准固化为 54 项可自动执行的评分规则,AI 开始承担投资输出质检环节。

    • 影响投研与风控类输出可交给按规则打分的智能体做前置质检,减轻资深人员逐份复核的压力;88.6% 的吻合度同时说明仍有一成以上偏差需人工兜底。
    • 参考可考虑先把机构内资深判断标准整理成评分清单,选一条投研或风控质检流程小范围试用;值得同步测算智能体检出偏差与人工复核结果的重合度。
  20. IT之家·人工智能35

    思科总裁用 AI 智能体盘点并取消无用订阅服务,一年省下上千美元

    思科总裁兼产品主管吉图·帕特尔向《商业内幕》透露,他授权个人 AI 智能体读取邮箱后发现每年订阅总开销约 9,000 美元,取消两项无用订阅后每年省下 1,000 到 1,200 美元,而该智能体每月订阅费 20 美元;智能体还帮他取消了误开的每月 11.95 美元 Dropbox 套餐。

    决策要点

    订阅审计这类低风险杂务已能交给智能体完成,真正值得企业花力气的是划定个人智能体与工作资源的边界。

    • 影响低风险重复事务可由智能体代劳,帕特尔案例年节省 1,000 美元以上;越权执行与误读指令的用户反馈已多次出现,接入范围失控会带来数据与操作风险;员工私人智能体接触企业资源的场景会越来越多,边界规则宜提前明确。
    • 参考可考虑先从订阅账单盘点这类可撤销、可核对的任务试点智能体,并记录节省金额对比订阅成本;值得参照帕特尔的做法,明确禁止个人智能体接入工作邮箱、日程与核心代码库。
  21. 人人都是产品经理46

    Fotor Agent 实测,一句话生成可商用 4K MG 动画,改稿只改单个素材

    作者实测 Fotor Agent,用自然语言提示词生成原生 4K 高清 MG 动画,文字、数据等动画元素可直接修改并导出可商用成片。文中用一份发布说明、3 张界面图和 LOGO 生成 90 秒功能讲解视频,从脚本到成片约 20 分钟,改数字换字体只需调整单个素材。工具采用代码生成视频技术,8 月在海外发布并获 Product Hunt 当日最佳产品榜第一(官方口径),国内版已上线。

    决策要点

    代码生成视频路线把 MG 动画从逐帧像素生成变成可编辑的工程文件,视频改稿的成本结构随之改变。

    • 影响功能讲解、数据汇报、品牌演绎这类视频可由非专业团队低成本自产,外包单价与 AE 工时预算可重算;成本与成效数据主要来自作者实测和官方口径,引入前应按自家素材复测。
    • 参考可考虑挑一个高频场景如版本功能讲解或季度数据汇报,用文中提示词结构复测成片质量,先算出自家现行外包单价和改稿周期再决定是否替换。
  22. 人人都是产品经理40

    字节系创业者押注视频 Agent,极致上下文获超千万美元天使轮融资

    视频 Agent Pexo 母公司极致上下文完成超千万美元天使轮融资,达泰资本、松禾创投、视觉中国等参投,此前曾于 2025 年 10 月获 HT Investment 与 BV 百度风投数百万美元投资。

    决策要点

    资本按 Coding Agent 的剧本押注内容赛道,赌的不是又一个视频生成工具,而是从生成能力走向完整任务交付的模式切换。

    • 影响广告、教育和品牌内容的部分外包预算可能流向任务交付型 Agent,制作成本结构面临重算;营销与培训团队会多出代理商之外的制作选项;相关收入与留存数据均为公司自述,采用前需自行验证。
    • 参考可考虑选一支原计划外包的视频任务做对比试点,记录单条成本、交付周期和修改轮次;值得先盘点年度内容外包预算,作为衡量这类产品能否省钱的基准。
  23. 人人都是产品经理37

    「豆包工作」案例拆解个人 Agent 健康管理流程,重新思考垂直 App 的价值

    Google Health 将 AI 教练纳入 Premium 订阅,文章借「豆包工作」以健康管理为例拆解个人 Agent 的落地路径。案例中 Agent 将饮食照片与份量说明核对估算后写入飞书多维表格,周计划调整和周报生成的方法分别保存为 Skill(技能),周报基于 6 条运动记录和 55 条饮食记录,六天训练合计 285 分钟,自述体重下降约 0.75 公斤。

    决策要点

    通用 Agent 开始把记录、整理和报告接成可持续使用的流程,垂直应用的比较重点从功能清单转向数据积累与日常使用细节。

    • 影响个人记录类场景可先用现成表格加 Agent 试跑,不必先开发专用应用;对垂直应用企业而言,数据采集入口和专业服务沉淀成为功能之外更重的留存依据;工具的交付结果能否延续到下一次使用,会影响持续留存。
    • 参考可考虑选一条从记录到复盘的流程,用飞书多维表格加 Agent 小规模试跑并记录耗时对比;值得把高频整理步骤固化成 Skill 之类的可复用方法,再评估是否需要专门开发应用。
  24. 人人都是产品经理56

    第三方盲测显示 DeepSeek Harness 反超 Claude Code,同款 DeepSeek-V4.1-Flash-1017 单次账单贵 82%

    独立开发者 Paweł Huryn 的第三方盲测 Bug Hunt Bench 显示,同一 DeepSeek-V4.1-Flash-1017 换用 DeepSeek Harness(DSH)后在 Max 档拿下 42.7 分,反超 Claude Code 的 39.1 分,代价是单次任务账单从 $1.01 升至 $1.84,高出 82.2%。

    决策要点

    编码智能体的比拼单位正从单看模型转向模型加 Harness 的组合,同款模型换运行框架即可改变成绩排名,而能力提升直接体现为更高的 Token 账单。

    • 影响AI 编码工具的选型已同时影响修复质量与单次成本;深水区排障能力可用约 82% 的账单上浮换取,预算需按框架分别测算;轻量任务沿用低消耗框架即可,不必全量切换。
    • 参考可考虑按任务复杂度分流,日常小修复沿用 Claude Code,复杂重构与排障再评估 DSH 并单独记账;值得先选一个真实项目复跑,用自家代码验证 82% 的成本差与得分差是否成立。
  25. 人人都是产品经理58

    MiniMax 发布 M3.1 Flash,编码成绩逼近 DeepSeek 且价格较上代减半

    MiniMax 正式发布 M3.1 Flash,官方评测 DeepSWE 得 73.7%,紧咬两天前发布的 DeepSeek-V4.1-Flash-1017 的 77.0%,Automation-Bench 则以 62.8% 超过 DeepSeek 的 60.5%(均为官方口径)。

    决策要点

    Flash 档位从低延迟阉割版转为主力工程模型,国内竞争焦点正从代码能力转向 Agent 执行与单任务成本。

    • 影响高频 Agent 与编码调用的价格继续下探,按单任务总成本而非百万 Token 标价比价更贴近真实账单;文中各基准成绩均为官方评测口径,直接照搬选型有偏差风险。
    • 参考可考虑把业务里一条固定的自动化流程在 M3.1 Flash 与现用模型上各跑一轮,算出单任务成本再决定是否切换;值得盘点现有 Agent 的调用量与账单结构。
  26. 人人都是产品经理60

    澳大利亚 Apate.ai 用 35 万个 AI 反向消耗诈骗电话,澳洲联邦银行称诈骗损失降 76%

    澳大利亚公司 Apate.ai 造了 35 万个 AI 假装普通人接听诈骗电话,先答应转账、填银行卡号,到执行时再装傻拖延,有的电话能耗两个多小时;按其自述已与骗子聊 250 万次、耗掉约 17 年时间,今年 8 月获 815 万美元种子轮融资。

    决策要点

    AI 把反诈从拦截止损变成消耗骗子时间的新打法,攻防之间的成本不对称开始可以被反向利用。

    • 影响银行、电信等机构已愿意为 AI 反制诈骗付费,诈骗损失高的行业多了一种采购选项;同一技术也把行骗门槛进一步拉低,面向中老年客群的品牌要面对 AI 生成卖惨内容带来的信任与舆情风险。
    • 参考可考虑先测算自家风控与客服体系处置诈骗和冒充话术的成本,评估是否值得接入此类 AI 反制服务;面向中老年客群的企业,值得排查带货渠道里 AI 生成人设内容的合规风险。
  27. 人人都是产品经理65

    WorkBuddy住进企业微信,实测AI同事几分靠谱

    10月14日WorkBuddy宣布与企业微信深度融合,以机器人形态嵌入聊天列表,作者从零实测日常办公场景。打通消息、文件、会议、邮件、日程、通讯录数据后,实测总结约1小时直播录像用时14分钟,企业微信升级至5.0.12可限量免费领取试用。

    决策要点

    企业微信把AI助手嵌进聊天入口并开放消息等数据,想把AI变成组织内的数字同事,但实测稳定性还撑不起无人值守的自动化。

    • 影响企业微信用户试用门槛低,办公消息与文件可直接交给AI处理;但定时与推送类任务存在算力拥堵、时间幻觉和通知漏发,关键流程暂时离不开人工核查;消息权限支持分级管控,导入前可先划定数据边界。
    • 参考可考虑让IT或行政先领限量试用,选日报推送这类低风险场景小范围试点并记录失败率;值得先在管理后台配好消息与文档的分级权限和模型额度;写提示词时明确完整日期,可规避实测中出现的时间错误。
  28. 极客公园58

    设计师的第一个个人智能体,可能就是 Lovart 2.0 的 Arti

    Lovart 2.0 推出个人设计智能体 Arti,文中称其为全球首个个人设计 Agent,并称使用过 Lovart 的专业创作者已达数千万。Arti 通过询问行业、身份与审美偏好并导入旧设计稿来学习设计师个人风格,可主动调研找参考、在画布层检查风格一致性并自动汇总多方改稿意见。

    决策要点

    设计类 AI 的竞争点正从出图质量转向承接完整流程,对设计师个人风格与习惯的记忆成为 Lovart 2.0 的差异化押注。

    • 影响设计团队的调研找参考、多尺寸批量出图等案头与重复工作可以交给 Agent 承接;按积分和档位计费使设计产能可直接折算为预算;团队风格与流程会逐渐沉淀在工具记忆里,更换工具的迁移成本随之上升。
    • 参考可考虑选一个大促多 SKU 物料的批量出图场景做委托试点,先跑少量确认效果再放量并记录积分消耗;值得整理品牌规范与常用设计稿作为记忆素材,让工具更快对齐团队风格。
  29. 36氪·AI50

    记忆张量发布并开源记忆原生大模型 MemT 1.0

    记忆张量正式发布并开源 MemT 1.0 记忆原生大模型,将记忆内化进底层架构,由模型经训练自行读写、更新和调用记忆。

    决策要点

    MemT 1.0 把长期记忆从外挂模块变成模型底层能力,主打长周期陪伴场景,目前成绩单主要出自官方技术报告。

    • 影响若能力属实,编程助手可沉淀团队规范与排错经验,减少每次新会话重复教学的成本;固定体积记忆可压低长周期交互的推理与存储开销;模型刚发布,生态与工具链成熟度需纳入选型评估。
    • 参考可考虑在团队编程任务上做小规模复测,核对写入经验对成功率的影响;值得先算一笔长会话场景的推理与存储账,与现有外挂检索方案对比后再定试点对象。
  30. 爱范儿55

    记忆张量发布并开源记忆原生大模型 MemT 1.0

    记忆张量发布并开源记忆原生大模型 MemT 1.0,将记忆状态内化进模型架构,由模型通过训练学会读写、更新和调用记忆。

    决策要点

    记忆从外挂检索搬进模型底层的路线,试图让经验沉淀变成模型内生能力,而不是越用越重的补丁方案。

    • 影响长周期陪伴与高频记忆读写场景的推理和存储开销有望被固定体积记忆压平;团队规范和排错经验可沉淀为复用资产;各项成绩均出自官方报告,替换现有方案前应先自测。
    • 参考可考虑在内部代码助手场景做小规模对比试点,复测写入经验后的成功率变化;值得先盘点现有向量库方案在长会话下的延迟与显存账单,再决定是否引入。
  31. 人人都是产品经理70

    MiniMax 发布 M3.1 Flash 预览版,称速度提升近 3 倍、成本降 70%

    MiniMax 发布 M3.1 Flash 预览版,即 OpenRouter 上匿名运行、处理超 200T token 的 Space Bunny,官方称线上推理速度提升近 3 倍、使用成本降 70%。

    决策要点

    低价快模型的竞争焦点从对话能力转向跨系统执行和电脑操作等实用任务,单任务成本被压到几毛钱量级。

    • 影响跨系统自动化与电脑操作场景的模型成本选项进一步下探;MiniMax 与 DeepSeek 都按高峰闲时和缓存命中率计价,输入预算的算法需要跟着重算;权重稍后开放,自部署多一个可能选项。
    • 参考可考虑挑一条销售或客服的跨系统流程做试点,按每任务成本与速度和现有模型实测对比;值得先按自家缓存命中率重算输入 token 预算,再决定接入哪家。
  32. 人人都是产品经理42

    美团推出大众点评式智能体技能平台DeepSkill,收录超37万个技能工具

    美团AI团队的智能体技能平台DeepSkill已收录超37万个经真实任务跑通验证的Skill工具,比9月初的13万翻倍。平台不做目录翻找,由Agent拆解任务需求后自动匹配候选技能,并扫描Skill内容输出分析报告,标注能力边界、潜在风险及是否会上传简历等隐私材料。

    决策要点

    Agent技能平台的核心卖点正从收录规模转向真实任务验证与信任机制,美团以点评式众包切入技能分发。

    • 影响企业选第三方技能时,开发者简介不足以判断适配性,能力边界与数据安全需单独审查;真实使用反馈可降低试错成本;开放社区正成为获取Agent能力的一条供给路径。
    • 参考可考虑为引入第三方技能建立内容审查步骤,明确敏感材料是否会上传;值得选型时参考真实任务运行记录而非简介;先列出计划交给Agent的敏感场景清单再筛工具。
  33. 钛媒体68

    WorkBuddy住进企业微信,实测AI同事几分靠谱

    10月14日WorkBuddy宣布与企业微信深度融合,以机器人形式进入聊天列表,用户可直接对话、派发任务并接收结果推送。官方称打通了企业微信的消息、文件、会议、邮件、日程、通讯录数据,成员上下文权限支持分级管控。

    决策要点

    企业微信与WorkBuddy的融合把AI助手推进到组织数据上下文层,但算力排队与时间幻觉表明它仍是需要人盯交付的半成品。

    • 影响AI助手可直接处理企业消息、邮件、日程等上下文,办公自动化门槛下降;权限分级和统一采买额度决定数据边界与成本;算力排队与幻觉问题意味着时效敏感任务仍需人工复核。
    • 参考可考虑先选日报汇总、资讯筛选等低风险场景试点定时任务,提示词中写明具体日期等参数;值得先梳理企业微信数据开放的权限配置,再决定向哪些部门开放。
  34. 钛媒体60

    双十一,豆包与千问借大促推广AI购物助手,拉新之后考验留存

    抖音和阿里借双十一为AI助手拉新,消费者可在豆包领取平台消费券,千问开放个人智能体千问Go的体验申请并展示退款案例。QuestMobile数据显示千问春节30亿元补贴曾把日活从706.6万推至7352万后回落至3245.3万;阿里披露累计2.5亿用户经千问App首次体验AI购物,抖音生活服务称豆包订酒店假期下单量环比增长超56%。

    决策要点

    双十一的实质是AI助手花钱买C端入口的尝试,胜负不取决于拉新规模,而在于无补贴时用户是否回头。

    • 影响商家获得低成本试用AI经营工具的窗口,但需区分渠道订单是转移还是增量;依赖推广获客的品牌可能面临AI筛选后的曝光缩减;平台要重新安排广告收入与商家、作者的回报分配。
    • 参考商家可考虑用罗盘豆包专区和千问办公电商版试跑,先算清渠道订单增量与人工成本变化;品牌方值得评估大促投放结构,并按平台招商要求补齐材质规格等商品属性,以进入AI推荐的依据范围。
  35. 钛媒体56

    Werner Vogels谈亚马逊的AI理念,在做与不做之间

    亚马逊CTO Werner Vogels在深圳访谈中给出一份AI减速清单,主张先教育再上车、先护栏再行动、模型够好即可,反对恐惧或FOMO驱动的转型决策。

    决策要点

    亚马逊CTO给出的不是加速路线图而是一份减速清单,成本可控与Agent护栏正在成为头部云厂商的差异化主张。

    • 影响企业选模型可按够用标准重算预算,不必默认最贵方案;Agent从试点走向生产时,护栏与责任归属要先行;监管敏感行业的自动化动作需预留人审环节。
    • 参考可考虑让工程团队测算现有任务换用更小或开源模型的成本差;值得在Agent上线前先写清允许动作清单与人审触发条件;先问自己的开发者技术能做什么,再定转型节奏。
  36. 钛媒体44

    智象元一称AI视频竞争将转向交付能力,押注模型与智能体工作流协同

    智象元一(HiDream.ai)联合创始人兼COO王科在云栖大会期间表示,AI视频生成已完成商业化验证,正从能用走向好用,未来1至2年核心竞争点将从模型能力比拼转向工作流闭环能力,交付成功率决定商业化。

    决策要点

    AI视频生成的竞争重心正从单镜头质量转向交付确定性,厂商开始用智能体工作流承接专业制作中的重试与返工成本。

    • 影响抽卡式生成让镜头重试工作量难以预估,专业制作存在隐性成本;若交付成功率成为商业化关键,内容团队可按新的人机分工调整编制,标准化程度高的执行环节受影响更明显。
    • 参考可考虑在AI视频进制作流程前,先统计单镜头平均重试次数和返工工时,把抽卡成本计入预算;评估厂商时,值得要求对方出示交付成功率或帧赞短剧这类案例的可核验数据。
  37. 36氪·AI57

    QuestMobile发布2026年三季度AI应用市场报告,AI原生App月活5.46亿、三大入口格局走向收敛

    QuestMobile发布2026年三季度AI应用市场发展报告,数据显示截至2026年9月AI综合助手用户规模达11.57亿、同比增长44%,AI原生App月活5.46亿、同比增长82.1%,豆包、千问、DeepSeek分别为4.19亿、1.58亿、1.23亿。

    决策要点

    AI应用市场正从入口争夺转向交付力竞争,生活与办公分化为两条主线,增长逻辑由拉新改为承接真实履约与深度经营。

    • 影响用户交互正从搜索和多级中转入口迁向独立AI形态,搜索类App人均使用次数和时长同比分别降21.7%和17.2%,依赖搜索的获客结构面临重估;AI办公进入免费引流加分层变现阶段,企业端已出现组织采购与私有化切入点,办公工具预算面临重新分配。
    • 参考可考虑把AI原生App与超级App内AI入口纳入渠道盘点,重算搜索获客成本;值得对照免费到企业的分层定价测算办公工具预算,并选信息分散、流程固定的场景试点办公Agent。
  38. 36氪·AI58

    全球Personal Agent 15家公司盘点,Instinct五个月估值涨至100亿美元

    潮涌AI发布全球15家Personal Agent(个人AI智能体)公司名单,覆盖Instinct、Manus、Genspark、Today AI等,核心判断是资本正在为AI时代的C端超级入口提前定价。

    决策要点

    这轮估值的实质是资本给下一代C端超级入口的位置提前定价,买的是品类期权而不是现有报表。

    • 影响入口若成立,商家获客和交易要先经过agent一层,旅行、医疗预约等代办高频场景最先被改写;平台已在收紧,亚马逊封禁Muse说明巨头不会让出交易位置;抽佣模式一旦替代订阅,交易链路会多出通道成本。
    • 参考可考虑盘点自家预订、退订、客服电话等环节被agent代办的现状,先测主流agent能否顺畅完成一笔交易;值得在评估模型供应商时把自然对话能力单列出来,并预留抽佣模式下的渠道成本测算。
  39. 36氪·AI59

    澳大利亚公司Apate.ai训练35万个AI假身份拖住骗子,累计消耗其约17年通话时长

    澳大利亚创业公司 Apate.ai 训练了约35万个AI虚拟身份,伪装成普通人接听诈骗电话、发短信与骗子周旋,据TechCrunch已完成约250万次对话、累计消耗骗子约17年时间。

    决策要点

    电信反诈正在从关键词和黑名单拦截,转向用AI蜜罐主动拖住骗子并采集情报,攻防两端同时自动化。

    • 影响银行、运营商等诈骗高发行业多了一个按反诈情报付费的AI风控选项;实时换脸、批量对话工具让视频面试和客服环节的身份冒充成本降低;这类主动防御依赖运营商分流高风险话务,企业难以单独复制。
    • 参考风控和客服团队可评估将可疑来电交给AI交互消耗方案的接入成本与合规边界;值得排查视频面试、客服回访和转账确认流程对实时换脸、拟声通话的核验薄弱点。
  40. 人人都是产品经理53

    别把手机 Agent 搬上车,从零到一构建车载个人 Agent

    产品经理糠糠鸡发文提出,车载个人 Agent 不能照搬手机 Multi-agent 逻辑,车规芯片、安全冗余和 10~15 年生命周期决定了先 Job 再模型的设计顺序,身份、记忆、授权三件套是地基。文章给出第 0~5 步构建法、六层产品架构与能力地基、端侧闭环、云端认知、数据飞轮四阶段落地顺序,并以 GPT-Live、Gemini Live、豆包座舱助手等公开方案作对照。

    决策要点

    座舱 Agent 的竞争重点不在模型多聪明,而在把安全约束、身份授权和降级策略做成可执行的产品工程,手机逻辑平移会水土不服。

    • 影响对车企与座舱供应商,能力注册表、状态回读和 ODD 框架要先于模型选型,协议换一次疼一次;评测集与授权强制层比再堆参数量更值钱;跨端身份与记忆尚未拼完,留出产品判断空间。
    • 参考可考虑先圈定 V1 场景清单并写明不做什么,列出断网时端侧也能办成的核心意图;值得先建红线评测集覆盖越权与危险车控;落地顺序可参考能力地基到数据飞轮四阶段。