开源Agent BitFun:一句话把任务变成桌面小应用
相关推荐
谷歌云发布Gemini Agent:单一通用工作代理,整合Workspace、多模型路由与企业级治理
动察 Beating AI 快讯,谷歌云 CEO Thomas Kurian 在 Gemini at Work 2026 大会上发布 Gemini Agent,定位为单一通用工作代理——用户只需给出目标而非指令,即可完成知识工作、内容创作、图像媒体生成及代码编写与运行。该代理具备统一入口、无处不在的访问(网页、iOS、安卓、Windows、Mac 及 Workspace、Microsoft 365、Slack 等渠道)、持久化执行(云端运行,关闭笔记本后任务继续,记忆与个性化图谱跨设备统一)、多代理编排(可动态创建带独立身份的临时子代理,也可作为长期同事代理拥有专属邮箱与存储)、深度上下文理解及模型选择灵活性——底层模型可跨谷歌 Gemini 系列与 Anthropic 的 Claude 等自由切换,以最佳模型匹配任务、降低成本。目前近 80% 谷歌云客户使用其 AI 产品,近 90% 的财富 100 强使用 Gemini Enterprise。 该代理直接嵌入 Gmail、Drive、Docs、Slides、Sheets、Chat 及日历,并携带相同的记忆、技能与控制;新增数据分析技能让技术与业务用户均可用自然语言在数分钟内获得可执行洞察;同时为金融服务和法律团队提供行业专属工具与知识。安全与治理层面,谷歌提供身份与策略管理、授权与权限控制、安全沙盒、网络网关等机制;成本控制方面则通过多模型编排、智能路由和实时支出上限实现。早期测试客户包括运动品牌 On,其利用动态模型选择加速上市;Shopify 将前沿模型混合用于数百万商户,PayPal 每周路由 1000 万次多模型请求。
微软要把Windows变成Agent工作台:AI能直接操作电脑,还能少花Token
动察 Beating AI 快讯,微软公布 Windows「混合智能」计划,准备让 AI Agent 直接在电脑上执行任务。获得授权后,Copilot 可以读取本地文件和近期活动,还能整理文件、排查故障、编写程序。微软演示中,它自动找齐报税材料,修改文件名、打包附件,并起草了发给会计师的邮件。 这套方案的关键,是让本地 AI 和云端 AI 配合工作。Copilot 负责接收任务,Windows 提供访问文件和执行操作的能力。部分任务可以交给电脑上的模型处理,减少云端 Token 消耗,也让敏感数据留在本地。需要更强推理能力时,再调用云端模型。 为了支撑本地运行,微软将 1370 亿参数的编程模型 MAI Code 1.1 Flash 压缩至 53GB,让它能在搭载 RTX Spark 的高性能电脑上运行。GitHub Copilot 也将通过 HydraFusion 自动选择本地或云端模型,让部分编程任务不再依赖付费的云端推理。 微软还推出 MXC 安全沙箱,限制 Agent 能访问的文件和网络,防止越权操作。目前 MXC 已正式开放。Copilot 读取本地文件、执行电脑操作等新能力,则将在未来几个月陆续登陆 Copilot+ PC。
MiniMax把OpenAI新Agents API做成开源版,Codex、Claude Code都能接
动察 Beating AI 快讯,MiniMax 开源 OpenAgentCore,做了一套兼容 OpenAI Agents API 的自托管实现。开发者可以继续使用 OpenAI 官方 SDK,只需要换掉 API 地址,后台运行的 Agent 可以选择 Codex、Claude Code 或 MiniMax Code。 Agents API 可以理解成一套「调用 Agent 的统一接口」。普通模型 API 主要负责一问一答。Agent 要连续干几个小时甚至几天,还要管理上下文、调用工具、协调子 Agent、保存任务进度。OpenAI 的 Agents API 把这些能力放到一个长期运行的 Session 里统一管理。 OpenAI 官方版本使用 OpenAI 托管的 Codex 执行框架。开发者可以自己选择代码在哪运行,但 Agent 的任务编排、上下文管理和运行状态仍由 OpenAI 负责。OpenAgentCore 则把这套后端也交给开发者自己部署。
Cua Driver给Agent补上「眼睛」:纯像素界面也能识别按钮和文字
动察 Beating AI 快讯,开源 Computer Use 工具 Cua 给 Cua Driver 加入可选的 Perception 视觉扩展。Driver 原本优先通过网页结构和系统无障碍树找按钮。遇到 Canvas、游戏、远程桌面或自绘应用时,这些结构可能为空。Perception 会直接读取截图,把画面拆成带文字、类型和位置的区域,供 Agent 继续操作。 首版用 OmniParser 识别图标和控件,用 PP-OCR 读取文字。整个解析过程在本机 CPU 完成,不需要 GPU,也不把截图发到网络。官方实测单张截图在 macOS 约需 2 至 2.5 秒,Linux 为 3.5 至 4 秒,Windows 为 8 至 9 秒。它主要在页面结构和无障碍树失效时兜底,不会默认每一步都跑视觉解析。 Cua 还限制了视觉操作对旧截图的复用。每次视觉识别都会绑定当前截图的 `capture_id`,随后点击必须来自同一张截图。截图超过 60 秒,或者已经执行过一次操作,Driver 就会拒绝继续使用,避免界面变化后还拿旧坐标误点。 Cua 过去其实已经能通过 `cua-som` 和 OmniParser 做视觉定位。现在这套能力被直接接进 Cua Driver,上层 Agent 可以通过统一接口拿到识别结果。即使模型本身不会看图,也可以根据这些文字和区域信息决定下一步操作。 Perception 不是默认组件,其中 OmniParser 检测器采用 AGPL-3.0;Cua Driver 仍保持 MIT 协议。
42 推出积分体系 42 Points,Agentic Mining 积分加成最高达 1.7 倍
Foresight News 消息,开放市场协议 42 正式推出积分体系 42 Points,以每周积分池为基础,用户可通过自主交易或 AI Agent 参与交易获取积分。42 表示,用户自主交易时,每笔买入和卖出均计入积分,无论盈亏,持有至市场结算还可获得额外积分。此外,即将上线的 42 Agentic Mining 将支持 AI Agent 自动参与交易并获取积分,积分加成最高可达 1.7 倍。 此前积累的 42 Tickets 已全部按照 1:1 比例转换为 42 Points。目前,42 平台累计交易量已超过 5 亿美元,交易者超过 6.5 万名,所有市场均在链上完成结算。
Anthropic 将 Agent Skills 标准捐给 Linux 基金会
火星财经消息,Anthropic 宣布将 Agent Skills 标准捐给 Linux 基金会旗下的 Agentic AI Foundation(AAIF)。该格式由 Anthropic 在开发 Claude Code 时设计,2025 年 10 月推出,12 月开放为跨平台标准,目前已有 ChatGPT、Cursor、GitHub Copilot 等 70 多个 Agent 平台接入。Anthropic 将 Skill 描述为给 AI Agent 准备的可复用工作手册,开发者可将任务步骤写入 SKILL.md,并附上脚本和参考资料,供不同 Agent 按需读取。MCP 负责连接外部工具和数据,Skills 负责说明 Agent 如何完成特定工作。此次捐出的是标准名称、标识、GitHub 组织和官网域名。AAIF 于 2025 年由 Anthropic、OpenAI 和 Block 共同发起,此前已接收 MCP。今后 Anthropic、OpenAI 和 Google 的工程师将以个人身份共同维护 Skills 标准,不再由 Anthropic 单独主导。Vercel 统计,skills.sh 目录已收录约 100 万条技能,累计近 2.8 亿次安装。Snyk 曾在 ClawHub 的技能样本中确认 76 个恶意技能,Anthropic 已提议建立版本管理、正式提案流程和安全指南。