跳到正文

#Agent

今日 19 条
10月20日周二
  1. 钛媒体52

    阶跃发售智能体手机STEPX Neo,3999元全栈价含12个月百亿Token额度

    阶跃终端首款大模型原生智能体手机STEPX Neo先行版在多平台首销,全栈定价3999元,搭载第五代骁龙8、16GB+256GB存储。

    决策要点

    STEPX Neo把智能体接管任务流从演示推向可售卖实物,3999元实质是模型公司以硬件贴换Token订阅和交互习惯的获客投入。

    • 影响硬件让利绑定12个月Token额度,模型公司把手机变成模型订阅入口;MCP路线换取应用方配合但让渡入口独立性;AI付费率9.8%叠加40个月以上换机周期,大众市场转化有不确定性。
    • 参考可考虑评估向MCP开放接口对企业流量入口与数据边界的影响;开发者团队值得以3999元试水端侧智能体开发;先算清12个月Token用尽后的按量付费成本再决定采购。
  2. 人人都是产品经理54

    AI 两次帮我做出爆款,却没能替我做成一门生意

    一位内容创作者复盘四年 AI 使用经历。2023 年 ChatGPT 代写的一篇文案让做两年多不温不火的抖音账号冲上 100 万播放;后来他自学 RAG、LangChain 等技术。

    决策要点

    AI 把内容生产的执行成本压到一个人可承担,但选题是否成立、需求真伪的验证仍只能靠人完成。

    • 影响用 AI 做内容营销的门槛被拉低,批量生成带来的同质化会稀释单条内容的价值;爆款播放量只说明内容被看到,不能当作产品需求成立的证据;AI 参与商业推演时容易顺着决策者预设强化假设,投入越多可能偏得越远。
    • 参考可考虑把 AI 内容项目的考核指标从播放量换成下单转化等真实交易数据;在批量生产前先设计小成本的真实需求测试,例如小规模预售或投放;值得盘点现有 AI 流程中哪些环节缺少人的独立判断。
  3. 人人都是产品经理49

    作者用 ChatGPT 的 dot 每小时盯推特动态,中文摘要自动推送到微信

    作者给 ChatGPT 的 dot「小若」安排每小时检查推特账号 @thsottiaux 的任务,重点盯 Codex 额度重置,中文摘要经 Server酱(https://sct.ftqq.com)推送到微信,10月5日凌晨 04:38 实收「未来28天每天改进或重置」通知,并与原推核对一致。

    决策要点

    盯推特这类重复的信息监控行为,已经可以交给云端智能体定时执行并主动推送,不再依赖人工刷新和本机常开。

    • 影响固定信息源的监控可由智能体定时完成,省去人工反复刷信息流;接入第三方推送通道前要想清楚能送出哪些内容;云端授权存在掉线风险,需要有人负责验收和补救。
    • 参考可考虑挑一个最在意的信息源先试点,写清检查频率、筛选条件和去重规则再交给智能体;值得把推送密钥存进加密 Secret,并定期手动验收定时消息是否真的送达。
  4. 36氪·AI65

    MiniMax发布M3.1 Flash对标DeepSeek V4.1 Flash,输出200+ TPS,价格约为对方高峰期一半

    MiniMax正式发布Coding/Agent优化轻量模型M3.1 Flash,拥有100万token上下文,此前以匿名模型Space Bunny在开发者社区走红。

    决策要点

    两款国产Flash模型相隔48小时接连发布并互相压价,旗舰级Agent能力正滑向低价档,轻量模型从平替变成可当主力调度的选项。

    • 影响Agent与自动化任务的推理成本基数下移,此前受价格压制的场景值得重算预算;两家能力互有胜负且价格透明,模型选型与议价空间变大;按任务分流调用两家Flash在成本上开始可行。
    • 参考可考虑选一个长程Agent或编码场景做小样本实测,用自家真实任务对比两家的耗时与账单;值得按缓存命中率重算成本,两家缓存价差会直接影响选型。
  5. 36氪·AI66

    智能体云时代云厂商面临资本效率大考,阿里腾讯百度单季资本开支同比增114%

    Agent规模化落地正推动云计算向Agentic Cloud阶段迁移,2026年二季度阿里、腾讯、百度资本开支合计1318.52亿元,同比增长114%。阿里云CEO吴泳铭宣布2032年数据中心规模将超20GW,高盛测算未来数年每年资本开支约2000亿-3000亿元;同期三家自由现金流合计净流出664.24亿元,腾讯自由现金流历史首次转负。

    决策要点

    Agent规模化推理负载倒逼云厂商全栈重写架构,云计算从卖资源转向按Token和产出计费,胜负手从拼规模转向拼资本回报效率。

    • 影响按Token计费与结果化交付会改变企业用云的成本核算方式;云厂商现金流承压,算力供给与定价的稳定性成为采购新变量;Gartner调研预警到2027年底超40%Agentic AI项目可能被取消,内部智能体投入需要预设回报口径。
    • 参考可考虑把用云成本模型从按卡时租赁改为按Token消耗和结果交付两种口径重新测算对比;选型评估值得加入GPU利用率、自由现金流等经营指标;内部Agent试点先算清单个任务成本与回报周期,再决定扩量节奏。
  6. 36氪·AI71

    MiniMax 发布 M3.1 Flash,匿名处理超 200 万亿 Token 的 Space Bunny 为其早期版本

    MiniMax 更新 MiniMax M3.1 Flash,并确认此前匿名处理超 200 万亿 Token 的 Space Bunny 是该模型的早期版本。官方称线上推理速度提升近 3 倍,Agent 类任务综合使用成本较前代降低 70%,输入每百万 Token 1 元、输出 4 元。

    决策要点

    M3.1 Flash 主打的不是单项跑分领先,而是把 Agent 单任务成本压到几毛钱量级,用性价比换规模化调用量。

    • 影响高频 Agent 场景的推理预算多了一个低价选项,单任务成本可低到几毛钱量级;但各模型性价比随任务而变,DeepSeek 在 DeepSWE 中同时给出更高成绩和更低费用;模型选择需按具体任务测算。
    • 参考可考虑先整理现有 Agent 业务的真实单任务成本与成功率,再对照官方给出的每任务 0.18 至 0.30 元档位测算差距;值得等开源权重放出后,在自有任务上复测再决定是否切换。
  7. 36氪·AI69

    Manus的生存悖论

    Manus不训练基础模型,靠调用Claude、Qwen等外部模型做智能体,上线八个月年化经常性收入突破1亿美元,2026年10月完成超5亿美元融资,估值约40亿美元。

    决策要点

    依附式创新把Manus送上年化1亿美元的位置,也把它放在模型公司的主航道上,窗口变短和按用量付费同时发生,越成功越早面对直接竞争。

    • 影响建在大模型上的应用公司增长越快,离模型公司核心产品的竞争就越近;token按用量计费让规模扩张直接推高成本,缓存和调度成为利润关键;不随模型更换而消失的用户身份与记录,是少数可积累的资产。
    • 参考可考虑先算出自家智能体产品的token成本占收入比例和缓存命中率,再判断增长质量;选型时值得把多模型切换和数据可迁移列入考察清单;沉淀邮箱、任务记录这类用户资产可优先于堆功能。
  8. 人人都是产品经理66

    DeepSeek 发布 V4.1-Flash-1017,称单任务成本约为 GPT-6 的四十分之一

    DeepSeek 发布 V4.1-Flash-1017 小版本更新,ProgramBench 从 20.3 升至 29.1,主打性能与成本的帕累托改进。官方图表显示单任务成本约 0.2 美元,约为 GPT-6 的四十分之一,但文中指出对比表所列闭源模型并非最新版本。

    决策要点

    这次小版本更新的实质是把性价比竞争从 Token 报价推进到单任务成本与轨迹效率,但对比基准并非最新旗舰,结论要按任务拆开看。

    • 影响Agent 与代码自动化场景的预算结构可能被低成本模型改变,但实际账单取决于重试和工具调用开销;服务中断记录提示生产链路需要预留降级与备份;接口兼容两大生态降低了切换底层模型的迁移成本。
    • 参考可考虑把典型任务拆成代码生成、仓库修改、工具调用等类别,在固定提示词与预算下和现用模型对照实测;上线前先算出重试率和工具调用占比;搜索需求可先用免费期小规模验证再决定采购。
  9. 36氪·AI56

    OpenCode遭黑客连续攻击48小时,用于调查入侵的AI中途拒答

    10月18日,开源AI编程工具OpenCode联合创始人Dax Raad确认,团队用前沿模型调查网络攻击时遭遇中途拒答,攻击者的攻击尝试已持续48小时。类似情况此前也出现过,Hugging Face官方复盘称,今年7月调查入侵时Claude Opus与Fable拒绝了大量分析请求,连查看攻击日志都会触发限制,团队随后改用自部署开源模型继续分析。

    决策要点

    AI安全护栏在实战攻防中会误伤防守方,应急场景下的可用性正在成为模型能力之外的新变量。

    • 影响用AI排查入侵可能在关键时段被拒答,拖慢取证和修复;防守专用通道依赖事前申请,没申请过的团队事发时还要分出精力走审核;护栏误拦风险应纳入模型与应急方案选型。
    • 参考可考虑把模型拒答写入安全应急预案,准备可自部署的开源模型作为备用调查工具;值得了解Daybreak Blue这类防守通道的申请条件,评估是否提前提交;也可在演练中测试哪些分析请求会触发护栏。
  10. 36氪·AI72

    MiniMax发布M3.1 Flash,Agent基准成绩居首、官方称综合成本较前代降70%

    MiniMax正式发布M3.1 Flash,官方称Agent任务综合使用成本比前代降70%,每百万Token输入1元、输出4元,已上线MiniMax API、M Plan和MiniMax Code。

    决策要点

    Flash档国产模型把旗舰级跑分打到十几分之一到几十分之一的价格,Agent任务的能力溢价正在被重算。

    • 影响跨SaaS的Agent长流程单任务成本降到几毛钱量级,批量自动化在预算上变得可行;高频调用企业的模型账单可按新价目重算;编程与Agent任务可按类型在DeepSeek与MiniMax之间拆分选型。
    • 参考可考虑挑一条跨系统的业务流程,用medium档实测成功率与单任务账单;值得按90%到95%缓存命中率把两家价目各算一遍;先算出自己任务的单次成本,再决定哪些活先交给Flash档模型。
  11. 36氪·AI43

    哈佛、英伟达等团队推出开源框架RAX,让机器人智能体自主探索写代码学技能

    哈佛大学、英伟达、加州大学伯克利分校、麻省理工学院和斯坦福大学的研究团队近日推出开源框架RAX,让会写代码的智能体在真实或仿真环境中自主探索,把有效经验转化为可反复运行的程序,论文称仿真实验中平均表现比最强基线高37.4%。

    决策要点

    RAX代表的探索式路线试图用智能体写代码替代遥操作示范数据采集,为机器人技能获取提供示范训练之外的选项。

    • 影响机器人相关企业若走示范数据路线,可能多一条减少遥操作采集的备选路径;目前成绩集中在仿真环境,真机效果与探索成本原文未给出部署数据;框架已开源,技术团队可低成本跟进试验。
    • 参考可考虑让机器人或自动化团队在仿真环境复现RAX,对比自家任务与既有策略的表现;值得盘点产品线中依赖遥操作数据采集的环节,评估这条路线的替代空间。
  12. IT之家·人工智能66

    微软推出守护智能体防护方案,警示前沿 AI 模型不可信、智能体堪比内部威胁

    微软于当地时间周一推出守护智能体(Guardian Agents)等多项安全功能,用于监控企业内部正在使用的 AI 智能体,该功能隶属于其 6 月上线的感知项目。

    决策要点

    微软把智能体视为不可信内部威胁并做成产品线,管控权与智能体供给分离正在成为企业安全的新采购原则。

    • 影响企业部署的智能体手握高权限、可访问敏感数据,威胁模型从外部攻击扩展到内部失控;员工自带智能体进入工作环境已被纳入检测范围;安全采购需考虑独立于模型供应商的监控工具。
    • 参考可考虑先盘点组织内已在运行和员工带入的智能体清单,评估其数据与系统权限;值得参照审计独立原则,检验现有管控工具与智能体供应商是否分离;高风险场景可先设置人工审批。
  13. TechCrunch · AI45

    Hugging Face 政策负责人称派驻第三方评估者难成 AI 安全简单解法

    Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示,在 AI 机构内派驻第三方评估者难成安全问题的简单解法,当前 AI 评测方法复杂且不成熟,评测之间难以有效比较,结果可信的前提是可复现,开放权重有助于此。

    决策要点

    AI 基准评测仍是不成熟且难以互相比较的领域,选型若只依赖公开跑分,参考价值正在下降。

    • 影响只看公开跑分选型可能误判模型在自家工具链中的真实表现;评测随模型迭代快速失效,验证需持续重做;第三方评估与治理标准尚未统一,合规参照有限。
    • 参考可考虑把公开跑分降级为初筛,用自家 harness 和真实任务复测再定采购;值得盘点在用的智能体应用,把工具链单独纳入评估范围。
  14. TechCrunch · AI69

    微软推出 Guardian Agents 监控 AI 智能体,称前沿模型不可信

    微软发布 Guardian Agents 等智能体安全功能,CEO Nadella 与安全负责人 Hayete Gallot 均表示前沿模型不可信,企业需要独立于模型提供商的系统来监控智能体。

    决策要点

    微软把智能体定位成类似内部人的安全威胁,Agent 治理正在从模型商的口头承诺转向企业自建的独立监控层。

    • 影响能接触敏感数据、执行关键操作的智能体需按特权内部人管理;员工私自引入的智能体会成为影子 IT 风险点;安全投入可能要为智能体监控单列预算。
    • 参考可考虑先盘点已部署和员工私自接入的智能体清单;值得对高风险操作设置人工审批;选购智能体时把可监控、可限权列入供应商评估项。
  15. TechCrunch · AI30

    Replika 创始人发布个人 AI 助手 Wabi 2.0,主打多线程多人共用

    Replika 创始人 Eugenia Kuyda 创办的 Wabi 正式向所有用户开放,这是一款多线程、可多人共用的个人 AI 助手,以类即时通讯的形式管理不同任务和长期目标。

    决策要点

    消费级个人 AI 助手开始分化,Wabi 以多线程加多人共用切入,把个人软件的搭建交给了智能体。

    • 影响个人助手产品的差异化集中在交互形态与数据接入深度;这类产品允许接入邮箱、日历乃至银行账户,个人数据授权范围成为主要风险点;免费且无商业模式,产品存续存在不确定性。
    • 参考可考虑试用其按线程拆分任务、按聊天范围授权数据的机制,评估是否适用于企业内部 Agent 的权限设计;消费端相关布局可待其商业模式明朗后再做预算。
  16. GitHub Blog35

    如何在 VS Code 中继续 GitHub Copilot 应用会话

    GitHub 官方教程讲解如何把 GitHub Copilot 应用的智能体会话在 VS Code 中直接打开继续,任务、对话与代码改动等上下文完整保留。开发者可在编辑器内逐行审查 diff、手动修改并本地运行测试,推送分支即可更新会话已关联的 pull request。教程建议像对待人工代码一样验证智能体生成的改动。

    决策要点

    Copilot 应用会话与 VS Code 打通后,智能体承担大体量改动,开发者保留审查与本地验证,分工边界由产品流程固定下来。

    • 影响大体量或重复改动可交给智能体完成,审查、微调和本地测试保留在编辑器内;会话与 worktree 连续,省去重建分支和搬运上下文的开销;官方教程把人工测试与验证写进流程,人工把关仍是默认步骤。
    • 参考可考虑让团队用 Copilot 应用发起改动、在 VS Code 审查后推送,选一两个场景记录交接耗时;值得把逐行审查 diff、本地跑通测试再推送写进团队的智能体协作规范。
  17. The Decoder:AI News58

    可灵(Kling)发布 4.0 视频生成模型,新增立体声与多语言唇形同步,另推 Flash 轻量版

    可灵(Kling)发布 4.0 版 AI 视频生成模型,单次最长可生成 30 秒视频,提示词理解扩展到 8000 tokens,升级后的 Omni Reference 单次最多接受 15 个参考素材,并新增双声道立体声与十余种语言唇形同步。

    决策要点

    可灵 4.0 把重点放在素材可控性与工作流接入上,第三方对比显示头部视频模型差距收窄,能力提升节奏开始放缓。

    • 影响多语言唇形同步和立体声让带配音的营销视频可直接生成,广告与本地化素材可先小规模试产;参考素材机制利于保持角色与产品一致性;API 定价未公布,接入成本要等公布后再核算。
    • 参考可考虑用同一组提示词与素材在 Kling 4.0、Wan 3.0、Seedance 2.5 上各跑一轮对比再选型;值得先测算 Flash 版在草稿与内部素材场景的省费空间;等 API 定价公布后再评估是否用 MCP 搭自动化流水线。
  18. TechCrunch · AI31

    用户用 AI 给智能电视去广告去预装,dumbtv 等开源方案走红

    用户正用 Claude Code 等 AI 编程智能体清除智能电视的开机广告、预装软件和观看追踪,GitHub 上出现 dumbtv、cleanyourtv 等方案,均无需获取 root 权限且可恢复出厂状态。

    决策要点

    AI 编程工具把破解消费电子的门槛降到普通用户可自行操作的程度,动摇的是电视厂商靠系统内广告和观看数据变现的模式。

    • 影响电视厂商与广告业依赖预装软件、系统内广告和 ACR 观看数据变现,此类破解普及会削减可售数据与广告库存;用户对广告的不满也给更干净的电视产品留出差异化空间。
    • 参考可考虑先测算自家业务对电视端广告和观看数据的收入依赖,评估用户批量关闭 ACR 后的敞口;消费电子厂商值得重新审视预装策略对品牌口碑的影响。
10月19日周一
  1. TechCrunch · AI53

    Nvidia 发布 Nemotron 3.5 Super VL 与 Bolt 开放模型,面向企业智能体和 PC 本地运行

    Nvidia 发布面向常驻智能体和边缘计算的开放权重模型,旗舰 Nemotron 3.5 Super VL 为 120B 参数,官方称在指令遵循和工具使用任务上精度接近 Nemotron 3 Ultra。

    决策要点

    Nvidia 以开放权重模型同时押注企业数据中心和本地 PC 两端,用模型生态绑定芯片需求,对冲前沿实验室自研和多元化芯片带来的分流。

    • 影响想在自有数据中心运行智能体的企业多了一个开放模型选项,可用自有数据后训练并保留对成果的控制;文档智能、财务记账、医疗理赔等场景被官方列为适配方向;本地小模型让涉及敏感个人信息的智能体有机会不依赖云端。
    • 参考可考虑在文档智能、财务记账等官方点名场景用自有数据后训练 Super VL,与现有闭源 API 做同任务的成本和时延对比;为知识工作者采购电脑时,可把能否本地运行智能体纳入配置评估。
  2. IT之家·人工智能45

    谷歌四个 Gemini 4 Argon 智能体 27 小时通关《我的世界》击败末影龙

    谷歌研究人员发布论文称,四个 Gemini 4 Argon 智能体在 27 小时内通关《我的世界》并击败末影龙。智能体只拿到最终目标,靠游戏内聊天框自行分工协作,全程发送 229 条消息、运行 2783 个程序、死亡 605 次,其中 13.5 小时抵达末地。

    决策要点

    多智能体在无人类策略下自主完成长时程任务的一次能力演示,自主分工与纠错可行,但千美元级成本和高失败次数距生产可用仍有差距。

    • 影响长时程自主协作任务有了可参照的真实案例;单次任务 1,620 美元的 Token 成本意味着上线前要先算清单次任务的经济账;605 次死亡表明复杂自主任务仍需设计监控与容错机制。
    • 参考可考虑先按 13.5 亿 Token 约 1,620 美元的量级估算自家场景的单位任务成本,再定试点范围;值得为自主智能体保留仪表板式暂停与终止权限,参考谷歌仅观察不介入的边界设置。
  3. 量子位32

    北京通研院孵化的通衍灵智入局Personal AI,研发递归自我改进(RSI)技术

    北京通用人工智能研究院(BIGAI)孵化的通衍灵智公布技术方向,聚焦递归自进化的Personal AI,通过共享基础模型加轻量Personal LoRA让企业和个人在使用中沉淀专属模型能力。

    决策要点

    个性化正从提示词和RAG等外挂机制走向模型参数层,企业AI能力的沉淀路径可能从查资料转向积累可训练的专属参数。

    • 影响若可行,企业无需自训通用大模型即可沉淀专属能力,业务数据、反馈和评测体系成为可迁移资产;但Personal LoRA不能直接跨底座复用,更换模型仍需重新适配;系统仍在工程化阶段,短期内难以直接投入生产使用。
    • 参考可考虑先盘点业务数据、任务轨迹、人工反馈和评测标准中哪些属于长期资产,评估更换底座时的复用路径;对持续学习方案,值得先算清训练、更新与在线服务的综合成本,再选一个反馈密集的内部场景试点。
  4. 36氪·AI63

    Manus个人AI助理Cue实测,拿到独立身份却难进国内生态

    Manus于9月28日发布Manus 2.0和个人AI助理Cue,每个Agent配有独立邮箱、电话号码、数字钱包和专属电脑,即使用户退出登录也能继续运行。

    决策要点

    Personal AI的竞争焦点已从模型能力转向身份设计与生态接入,Cue的实测落差说明脱离用户日常应用的Agent难以成为随时可用的助理。

    • 影响Agent代办的误操作会直接作用于用户或企业账户,授权范围和确认环节要先于部署明确;免费与限量体验意味着成本分担方式未定,按补贴价做长期预算有风险;任务执行能力正被模型厂商并入自家产品,独立Agent产品建立入口的成本在上升。
    • 参考可考虑先在邮件总结、日程提炼等低风险场景试用代办类产品,把电话和支付环节保留人工确认;值得盘点员工常用应用清单,评估候选Agent能否接入企业既有信息流;选型时可要求厂商说明Token成本与后续定价机制。
  5. 36氪·AI35

    实测 Muse 与 Dot 两款个人 Agent 处理中文互联网任务,各有胜负

    作者将日程、邮件、发帖、找餐厅、做账本等真实任务交给个人 Agent Muse 与 Dot 对比实测。Muse 在手机端日历和健康数据任务上更顺手,Dot 无法直接操作苹果日历需借 Mac,但在发现邮件疑点和完成可共享旅行账本上略胜,Similarweb 估算 Muse 在 10月5日的日活跃用户约218万。两者的共同短板是第三方网站登录和验证码,电商挑鞋任务耗时超过一小时且需全程人工盯守。

    决策要点

    个人Agent在中文环境的实用分水岭在系统权限和本地接入深度,云端浏览器只能兜底,登录与验证码的摩擦让复杂任务仍难省心。

    • 影响日历、邮件等权限打通的琐事已能实际减负;依赖网页登录的自动化任务实测花了一个多小时且全程需盯守,省时有限;独立应用与宿主入口的产品形态差异也会直接影响使用习惯。
    • 参考可考虑先在日历管理、邮件整理这类有现成接口的场景小范围试用并记录耗时对比;对需登录第三方网站的流程,值得先估算人工接管和盯守的时间成本再决定。
  6. The Decoder:AI News53

    Stripe 称 AI 智能体经 Link 购物交易大增,但未披露具体数字

    Stripe 称 AI 智能体正通过其支付服务 Link 为用户购物,9 月交易笔数增长 38 倍、支付金额增长 20 倍,但未披露背后的绝对交易量和金额。

    决策要点

    智能体购物在主流支付通道出现真实增长信号,但倍数建立在小基数上且缺少绝对量,实际规模仍难判断。

    • 影响零售和旅游已占智能体消费的主要份额,做电商或旅行业务的企业多了一个潜在购买入口;支付工具竞争格局未定;Link 的发卡和限额机制说明智能体消费可以设置风控边界。
    • 参考可考虑让电商或旅游团队评估接入 Link 这类智能体支付方式的成本和流程;值得先核对自家客单价与约 $100 的单笔消费水平是否匹配,再决定是否小范围支持。
  7. 36氪·AI63

    开源项目REA登顶GitHub热榜,AI逆向复刻冲击传统软件护城河

    开源项目REA(Reverse Engineer Anything)在2026年10月登顶GitHub热榜,它通过MCP中间层把Ghidra、IDA等逆向工具接入Claude Code、Codex等AI智能体,让不具备逆向专业能力的开发者也能一句话拆解闭源软件并复刻功能。

    决策要点

    软件的实现门槛正在贬值,靠难以复刻维持定价的产品最先承压,但功能复刻与真正替代之间仍有明显差距。

    • 影响差异化靠实现门槛的单机工具类产品,用户付费意愿会受心理冲击;云端数据、兼容性与生态迁移成本仍构成护城河;安全团队与独立开发者获得低成本理解闭源软件的能力。
    • 参考可考虑盘点自家产品中依赖实现门槛而非持续运营壁垒的功能,评估其被复刻后的定价空间;值得把核心逻辑向云端和服务侧沉淀;安全团队可参照公开案例,在攻击者之前排查自家设备漏洞。
  8. 36氪·AI60

    GPT-6-Astra 具身能力遭大考,传统基准拿满分,真机频碰壁

    商汤联合大晓机器人、Ropedia、南洋理工大学和东京大学发布技术报告,用 12 项仿真评测和 8 个真机平台检验 OpenAI 上月发布的 GPT-6-Astra 的具身能力。

    决策要点

    仿真评测的满分说明基准已经考不出差距,具身智能的瓶颈正从模型规划能力转向真机可靠性、纠错验证和推理成本。

    • 影响仿真高分与真机失误的落差说明榜单分数不能作为采购或试点依据;精细接触、长程和不可逆操作短期内难落地,可用的多是抓放类简单场景;大模型逐步调用的 Token 和时间开销会直接推高单任务成本。
    • 参考可考虑要求供应商用真机限时实测替代仿真分数,先在容错高、动作可逆的场景小规模试跑,记录成功率、耗时和调用费用;值得盘点现有流程里哪些任务失败不可挽回,插拔装配、柔性物体操作应先避开。
  9. TechCrunch · AI39

    Laplace Intelligence 在机器人和自动驾驶汽车上路前用 AI 做红队测试

    Laplace Intelligence 为机器人和自动驾驶等物理 AI 提供自动化红队测试,用 AI 智能体在高保真仿真中主动寻找故障点和极端场景。其仿真环境基于 Nvidia Cosmos 后训练改造,可结合街景、地图数据和实时路况重建真实场景,并用语言提示实时改动。

    决策要点

    用 AI 测试 AI 正成为物理 AI 安全测试的一条新路线,Laplace 把人工找边缘场景换成智能体在仿真中主动施压,并已有付费客户。

    • 影响部署自动驾驶或机器人的企业多了一个测试供应商选项,极端场景测试可以搬进仿真完成;卖方目标是让仿真证据获得客户、保险和监管信任;赛道上已有 Applied Intuition 这类融资 12 亿美元、投后估值 150 亿美元的对手。
    • 参考可考虑把仿真压力测试列入机器人或自动驾驶上线前的验收清单;值得对比 Laplace 与 Applied Intuition 的场景生成方式和项目制计费差异;先算清目前人工设计边缘用例花费的时间和成本。
  10. 36氪·AI71

    开源编程工具 OpenCode 遭入侵,用户 API 密钥泄露被刷爆账单,官方归因蒸馏攻击遭质疑

    开源 AI 编程工具 OpenCode 承认一套正在停用的旧系统遭未授权访问,1.4% 云端 Console 用户的第三方模型 API 密钥可能泄露,多名开发者深夜遭盗刷,单日最高损失超过 1700 美元。

    决策要点

    把 API 密钥托管给第三方云端工具,等于交出绑定信用卡、可无底限扣费的授权,事故本质是凭证失窃而非蒸馏攻击。

    • 影响团队共享密钥集中托管的平台一旦失守,损失直接落在模型账单和云账号风控上;已停用系统若仍保留凭证库高权限,会成为整批泄露的入口;依赖商用大模型做安全排查,可能被其护栏中断。
    • 参考可考虑盘点托管在第三方控制台的 API 密钥,优先移回本地环境变量;值得先给各服务商账户设消费预警和额度上限,再清查内部已停用系统是否还保留凭证库访问权限。
  11. 36氪·AI63

    DeepSeek 发布 V4.1-Flash-1017,并以三笔投资布局具身智能

    DeepSeek 于本周末发布 DeepSeek-V4.1-Flash-1017,官方称通过基于自反馈的强化学习强化从零构建项目的能力,实现性能与成本的帕累托改进,API 调用方式和价格不变,开发者仍用 deepseek-flash 访问。

    决策要点

    这次升级把筹码压在工程执行与成本效率而非知识广度上,同时 DeepSeek 以三笔投资买下具身智能大脑、小脑、身体三层能力。

    • 影响API 单价和调用方式不变,成本下降来自输出更短、耗时更少,企业核算 AI 支出时 token 用量变成主要变量;编程任务有了新的性价比参照;具身智能上半年国内融资超 900 亿元而下半年监管提醒防盲目跟风,赛道分层在加速。
    • 参考可考虑选几个高频编程任务在新旧 deepseek-flash 上各跑对比,记录通过率、耗时与 token 用量;值得按输出长度重算按 token 计费场景下的实际账单,再决定是否切换。
  12. 36氪·AI61

    AI没有杀死SaaS,却照出了中国智能体生态的软肋

    AI 正在把企业软件的价值从界面和账号席位转向数据、规则与权限,Salesforce、Workday 等美国 SaaS 巨头主动开放入口后收入仍在增长。

    决策要点

    AI 入口之争的实质不是替代 SaaS,而是把企业软件的价值锚点从界面和账号转向可被调用的数据、规则与权限。

    • 影响席位收费的采购逻辑会随岗位精简而松动,账号预算需要重算;按任务和结果计费处于早期,责任与计费口径尚存争议;国内跨厂商可调用的标准化业务能力不足,会限制智能体在核心流程的落地范围。
    • 参考可考虑把 API、MCP 开放能力和权限审计机制纳入软件采购评估项;值得测算客服等岗位的智能体替代比例以重算账号采购预算;先梳理自身业务中可标准化、可授权调用的能力清单。
  13. 36氪·AI67

    DeepSeek 自研搜索 API 定价每千次成功请求 5 元,11 月 1 日起收费,价格约为 Tavily 十分之一

    DeepSeek 公告 Search 和 Fetch 两个 API 的定价,每 1000 次成功请求收费 5 元(约 0.75 美元),失败、无结果、超时均不计费,11 月 1 日起正式收费。

    决策要点

    DeepSeek 把联网搜索从模型免费附赠的能力变成按次计费的独立产品,用约一折于海外方案的价格切入 Agent 基础设施。

    • 影响已有工作流 11 月 1 日起新增按次搜索支出,重度联网的编程 Agent 场景需要重算预算;搜索质量指标未公布,能否替代 Google 等成熟引擎要自行检验;数据管道绑定单一厂商,多云团队需评估依赖风险。
    • 参考可考虑先统计现有 Agent 工作流的联网调用频次,按 5 元/千次估算新增成本;值得在编程场景做小规模对比测试,检验其对文档和 issue 类查询的返回质量,再决定是否替换第三方搜索 API。
  14. 36氪·AI48

    谷歌开源Harness²框架,不动模型权重让智能体自我改写外壳,单步优化最高涨11.5分

    谷歌研究院开源了Harness²框架,配套论文10月9日提交至arXiv,让智能体不改模型权重,通过两层递归在执行任务中自行改写系统提示词、护栏、记忆、工具指南、子智能体、技能、脚本、插件中间件等八个组件,以Apache 2.0协议上线GitHub。

    决策要点

    智能体优化的重心正从模型权重转向模型外的执行外壳,为算力有限的团队提供了一条不依赖微调的改进路径。

    • 影响企业优化智能体多了一条不依赖训练数据和算力的路径,弱模型配好外壳可能逼近强模型的默认表现;每次优化要多跑任务,token成本和延迟翻倍;框架会自动改写执行环境文件,沙箱隔离由使用方自行负责。
    • 参考可考虑选一个流程固定、可反复评测的智能体任务做对照试点,记录优化前后的得分与token开销;引入前值得评估沙箱隔离的配置能力,并权衡编辑器模型的选型和调用成本。
  15. 36氪·AI39

    00后华人创企Conway Research推出本地AI助手Underdog,获a16z和Anthropic联合体投资

    美国创企Conway Research发布首款个人AI助手Underdog,完全在用户设备上本地运行、离线可用,目前处于邀测阶段,并官宣获a16z和Anthropic与Menlo Ventures组成的投资联合体Anthology等投资,具体金额未公布。

    决策要点

    个人智能体赛道主流走云端虚拟机路线,Conway押注本地运行,用隐私差异化对冲性能落后,属早期探索。

    • 影响本地方案若跑通,涉密数据和内网场景使用Agent会多一条合规路径;免订阅加交易分成的模式说明不采集用户数据也可能变现;但产品仅邀测、性能不及Muse和Dot,短期更多是方向信号。
    • 参考可考虑盘点现有云端AI助手的Token开销与数据上传范围,作为评估本地方案的基准;涉敏感数据的会议纪要、邮件处理等场景值得申请邀测试用对比。
  16. 36氪·AI58

    融资千亿的DeepSeek年内第18次宕机,扩容与招聘仍在路上

    DeepSeek于10月15日早8点后出现大面积服务中断,网页、APP、开放平台对话服务与V4.1 Flash API受影响近五小时;官方状态页记录9月以来13起故障,全年粗略计算至少宕机18次。

    决策要点

    宕机频发的实质不是缺钱,而是Agent式复杂任务推高单用户算力消耗,扩容和招人的速度暂时跟不上需求增长。

    • 影响把核心流程建在单一模型API上的企业将直接承受服务中断风险;Agent式任务让一条指令背后触发多轮模型调用,容量不能按用户数线性估算;头部厂商融资千亿,资源到位前稳定性短板仍会暴露。
    • 参考可考虑为关键业务配置备选模型通道并预设降级流程;值得按实际任务的Token消耗重算用量与成本预算;新流程上线前可在业务高峰时段做稳定性压测。
  17. 钛媒体40

    腾讯混元用阿里Qwen3.8-27B基座实现Terminal-RSI,Terminal-Bench 4.0从0%升到19.84%

    腾讯混元Frontier团队发布Terminal-RSI方法,用阿里Qwen3.8-27B作基座训练终端Agent,使其在Terminal-Bench 4.0上从0%升至19.84%,论文称与GPT-5.6 Terra、Gemini 3.8 Flash齐平。

    决策要点

    Terminal-RSI用27B级小基座把终端自我改进跑通,同时腾讯把前沿研究并入主模型团队,指向Agent能力向小模型下沉。

    • 影响终端Agent在27B模型上拿到论文自报成绩,若成立,调试、系统管理这类多步任务的模型成本有机会下探;目前仅单模型三次评测、无独立验证,企业效果预期应保守;混元研究与产品合并后,其编程类能力会持续补强。
    • 参考可考虑把调试、系统管理这类多步推理加工具调用的任务列为Agent试点候选场景;值得跟踪27B级模型跑终端任务的成本,评估私有化部署与API调用的边界;先算出自身运维和编程流程里可被自动验证的任务占比。
  18. 钛媒体54

    Manus个人AI助理Cue一周实测:配了独立身份,却还做不到随时可用

    奇点研究社开通Cue Pro会员实测一周,发现其邮件代收代回最顺畅,电话与支付因需绑定国际账号在测试环境中未能跑通。Cue是Manus 9月28日随Manus 2.0一同发布的个人AI助理,为每个Agent配备独立邮箱、电话号码、数字钱包和专属电脑,用户退出登录后仍可继续运行。

    决策要点

    Cue实测显示,Personal AI的瓶颈已从模型能力转向生态准入,独立身份设计换不来平台接口开放。

    • 影响个人AI助理正被各厂当作潜在新入口竞逐,但代办任务直接触碰用户账户与资金,授权范围和出错兜底规则尚不清晰;Token成本涨速快于收入,免费或限量体验背后商业化模式未稳。
    • 参考可考虑在邮件这类低风险链路先试点AI代办,涉及支付和电话的环节保留人工确认;若选型Agent助理,先列出团队日常依赖的应用与信息流清单,验证产品能否接入。
  19. 钛媒体58

    DeepSeek为自研搜索接口定价:每千次5元、失败不计费,11月1日起收费

    DeepSeek公布Search和Fetch两个自研搜索接口的定价:每1000次成功请求收5元(国际定价约0.75美元),请求失败、无结果或超时均不计费,11月1日零点起正式收费。

    决策要点

    DeepSeek把联网搜索从模型附赠变成按次计费的独立生意,沿着Agent技术栈向搜索基础设施层下沉。

    • 影响编程智能体的高频联网调用将从免费转为按次计费,自动化任务的搜索支出需要重新入账;搜索质量尚无公开指标,每秒5次限速对企业级高并发是硬约束;数据管道进一步向单一厂商集中,多云团队多一层依赖。
    • 参考可考虑在11月1日前盘点现有Agent工作流的搜索调用频次,估算计费后的月度成本;值得对查文档、看报错等场景做一轮结果质量抽测,再决定保留默认接入还是配置备选搜索源。
  20. 钛媒体43

    实测 Muse 与 ChatGPT 内 Dot:洋 Agent 逛中国互联网的日常任务对决

    字母AI用真实任务实测对比个人智能体 Muse 与 ChatGPT 内的 Dot,Muse 在手机端日常事务更顺手,Dot 在复杂任务交付上更完整。邮箱任务中 Muse 精准识别191封指定邮件并删除、对2封存疑邮件先行确认,Dot 则主动发现简报附件与邮件时间的矛盾并代拟定时回信。

    决策要点

    个人智能体已能接手日历邮件这类细碎日常,但跨网站操作仍被登录和验证码卡住,省时间的前提是人愿意盯着。

    • 影响手机端日常事务可先交给个人智能体并较快形成使用习惯;涉及第三方网站登录的委派任务仍需全程人工值守,时间节省有限;权限接入的广度直接决定体验差距,正成为这类产品的分化点。
    • 参考可考虑先在日历、邮件整理和简单小工具场景试用个人智能体并记录耗时;需要登录电商、点评类网站的任务暂缓委派,先算清人工接管和验证码拖累的时间成本。
  21. 36氪·AI61

    Anthropic 工程主管 Felix Rieseberg 谈如何更有野心地使用 AI

    Anthropic 工程主管 Felix Rieseberg 发文称,多数人用 AI 仍停留在问首都、改邮件,最大瓶颈是不够有野心。他把有野心的用法拆成速度、高度、深度、广度四个维度,用季度业务回顾等例子给出具体做法和一条可复用提示词,并说明这类用法需要给模型接入可安装软件的电脑和数据权限。

    决策要点

    文章把 AI 用得好坏的差距归因于使用者的目标设定,而非模型能力,主张把逐个派任务升级为对准终极目标。

    • 影响同一模型在不同用法下产出差距明显,员工用法的差异会放大团队间的能力差距;高度和深度用法要求给模型接入数据和软件权限,数据边界与外部验证需要先安排。
    • 参考可考虑挑一个固定复盘或报告场景,按四个维度把任务改写为目标再对比产出;值得先盘点哪些数据能安全接入模型,并给模型输出设置外部验证环节。
  22. 量子位32

    阿里达摩院玄铁出席RISC-V中国峰会,首发车规产品路线图

    阿里达摩院在10月19日深圳举行的RISC-V中国峰会上发布车规增强处理器玄铁E908A,并首次发布面向自动驾驶和具身智能的处理器产品路线图,下一代C950A目标性能为现有RISC-V车规产品的5倍。

    决策要点

    达摩院以车规安全认证为切入点把RISC-V推向自动驾驶和具身智能,高性能RISC-V正从可用走向量产落地。

    • 影响车载电子与具身智能团队多了一个带安全认证的CPU IP选项;Arm和X86之外的高性能架构选择增多;GCC与OpenJDK生态贡献数据可降低迁移适配顾虑。
    • 参考可考虑让车载或嵌入式团队把玄铁E908A纳入IP选型备选,核对其工具链与操作系统支持;值得先测算现有产品对Arm或X86架构的替换成本。