开源Agent框架Pi突破10万星，v2也要来了
相关推荐
给 Agent 克隆 Slack 和 GitHub，Arga Labs 融资 1000 万美元
动察 Beating AI 快讯，Arga Labs 完成 1000 万美元种子轮融资，由 General Catalyst 领投，BoxGroup、Emergence、Gradient 和 SV Angel 等参投。这家只有 4 人的 YC 创业公司，专门给 AI Agent 搭测试沙盒（与真实系统隔开的测试环境）。它会复制 Slack、GitHub、Salesforce、Stripe 等软件，让 Agent 上线前先在里面反复操作。 传统测试通常只是伪造几个 API 返回结果，很多意外情况覆盖不到。Arga 则会连软件里的数据状态、账号权限、Webhook 和报错情况一起复制。比如销售 Agent 可以同时操作测试版 Salesforce 和 HubSpot，看它会不会认出两个联系人来自同一家公司，避免重复发邮件。 目前 Arga 已支持 30 多种软件。官方称，现在最快不到 12 小时就能复制一个 SaaS 的后端行为。过去 16 周，客户已经启动超过 10 万个测试环境，Slash、Monaco、Y Combinator 等团队都在使用。 新融资会继续砸在自动造环境上。Arga 正在开发新的生成系统，想把复制一个 SaaS 的时间从几小时压到几分钟。最终它希望做到，Agent 自己发现一个新 API 后，系统就能自动生成对应的测试环境，让 Agent 先在里面反复试错，再真正接触生产系统。
英伟达给Pi加外挂：Agent自己研究找出4种优化，Token最高省64%
动察 Beating AI 快讯，英伟达 NVLabs 开源 SoL-Pi，给 Coding Agent Harness「Pi」加了一层效率优化。研究团队搭了一套自动研究流程，让多个 Agent 分析 Pi 的运行轨迹、提出优化方案、改代码并自动验证。最初有 152 个候选方向，最后只留下 4 个。 这 4 个优化都在减少重复开销。比如改完代码后直接接着跑测试，少一次模型调用；读过的大文件和长输出先存到本地，需要时再取；子任务结束后判断要不要压缩上下文；超长日志先交给便宜模型筛重点，再核对内容确实来自原日志。 在 EdgeBench 上，SoL-Pi 相比原版 Pi 少用 45%–49% Token，成本低约三分之一；相比 Codex、Claude Code 的原生 Harness，Token 少 35%–64%，按 API 标价计算成本低 50%–54%。 不过省钱会损失一点能力，SoL-Pi 保留了 Pi 约 94% 的平均得分；在 Terminal-Bench 4 的 63 个 CPU 任务里，它解出 15 个，Codex 和 Pi 都是 18 个。
DeepSeek开始模型和Agent一起训：V4.1 Flash为Harness专项优化
动察 Beating AI 快讯，DeepSeek Harness v0.1.5 发布。V4.1 Flash 在训练阶段就针对 Harness 做了专项训练和优化，覆盖标准、PTC 和极简三种模式。Harness 已经直接进入模型训练环节，不再只是模型发布后再接一个 Agent 外壳。 新版还加入实验性的 Agent Teams。父子 Agent 可以双向通信，主 Agent 能给不同子 Agent 指定模型和推理强度；多个 Agent 还能共享任务、互相发消息，最后由主 Agent 汇总。 V4.1 Flash 还有一个很特别的长任务优化：Agent 跑到一半修改系统提示词，也可以尽量保留已有 KV Cache。长任务不用因为前面的规则改了一点，就把后面大段上下文重新计算。 Web 端也加入文件上传和预览，支持 PDF、图片、代码等格式。插件可以往左右 Sidebar 和内容区接入自己的 UI，长会话的加载、恢复和内存占用也一起做了优化。
UU 远程优化手机 Vibe Coding：多 Agent 并行，电脑手机无缝接管
动察 Beating AI 快讯，网易 UU 远程大改终端功能。手机现在能同时创建多个终端会话，分别运行 Claude Code、Grok Build 等 Coding Agent。退出页面不会停掉任务，之后可以随时回来查看进度。此前 UU 终端一次只能开一个会话，多 Agent 并行基本没法用。 移动端也补上了 TUI（终端里的交互界面）支持。Claude Code、Grok Build 这类工具的菜单、选择器、状态栏现在能正常显示，还能直接触屏选择。输入也可以调用手机系统输入法，中文、语音和特殊符号都方便不少。 更实用的是跨端接管。手机上开的终端任务，回到 Mac 后可以用 uuyc-cli lterm attach 直接接着操作；电脑上开的会话，出门后也会出现在手机里。任务和历史记录不用重新开一遍。 UU 还扩展了 uuyc-cli。终端会话可以直接通过命令创建、查询、接入和关闭，设备控制、远程协助等操作也能走 CLI，查询结果支持 JSON。这样不只人能操作 UU，Agent 和自动化脚本也能直接调用它。
CREAO再融千万美元：让Agent从每次失败里自己改Harness
动察 Beating AI 快讯，企业 Agent 平台 CREAO 完成新一轮千万级美元战略融资，累计融资超过 3000 万美元。CREAO 现在重点做的是 Harness 自我迭代，也就是让 Agent 根据真实任务里的错误和反馈，持续调整自己的执行系统。 Harness 是模型外面控制 Agent 怎么干活的一层，包括任务规划、工具调用、记忆、模型选择和出错后的处理方式。CREAO 已经跑通其中一部分自动纠错：Agent 完成任务后，系统会自动检查结果；发现问题后生成工单，AI 再调查原因、写修复、验证结果。新版本先用少量真实流量测试，效果变差就自动回滚。CREAO 官方此前已经公开过这套系统。 下一步，CREAO 准备把这种改进扩大到更多 Harness 环节。例如，同一类 Agent 反复在某个工具或任务流程上出错，平台可以根据大量真实任务的数据调整整套执行方式，新创建的同类 Agent 也能直接用上这些改进。 再往后，CREAO 还准备把一部分经验训进模型。它计划基于开源模型做垂直场景的后训练，让常见任务更多由成本较低的专用模型完成，复杂任务再调用前沿模型。
离真正替程序员还远：Agent进企业私有代码，最高通过率也只有四成
动察 Beating AI 快讯，YC 孵化的 AI 数据公司 Specific Labs 推出编程评测 Real-SWE，专门拿真实公司的私有代码测试 Coding Agent。任务直接来自企业生产环境，包括算税、账单迁移、API 计费和客户数据迁移。代码和答案都没公开在网上，Agent 得自己摸清公司的业务规则和代码结构。 结果 Fable 5.1 排第一，通过率也只有 38.8%；GPT-6 Astra 为 33.8%，Gemini 3.8 Flash 为 31.2%。GLM 5.3 以 28.8% 排第四，高于 Grok 4.6、Kimi K3 和 GPT-5.6 Sol。当前公开的 10 个任务里，有 6 个整体通过率低于 15%，还有一个任务所有模型全部失败。 最让人意外的是 GLM 5.3。Real-SWE 更考验 Agent 在陌生项目里持续读代码、找规则和完成多步改动的能力。智谱研究员 Xiaopu Peng 回应称，他们从 GLM-5.1 起就在训练长程任务，Real-SWE 比公开 SWE 榜更接近这类能力，这也能部分解释 GLM 5.3 为什么在这套榜上表现突出。