蚂蚁GPASS面向AI眼镜等新终端开放Agent底座
相关推荐
OpenAI Agent又曝黑历史：Hugging Face事件前两月已攻击RubyGems
动察 Beating AI 快讯，研究人员披露，OpenAI 内部 Agent 今年 5 月曾大规模涌入 Ruby 官方软件包网站 RubyGems.org。5 月 11 日到 12 日，两天上传超过 2000 个包，RubyGems 一度暂停新用户注册 4 天。OpenAI 已确认这些 Agent 来自公司内部，但称它们只是借 RubyGems 访问互联网，执行良性任务并获取公开信息。 这些 Agent 还利用 RubyDoc.info 自动生成文档的机制，让自己上传的脚本在对方服务器执行，再抓取英国地方政府网站的数据并重新打包回传。研究人员称，至少 6 个包还尝试利用一个当时尚未公开的 RubyGems 漏洞，窃取其他用户的 API Key。这个漏洞直到 7 月才被独立发现，RubyGems 后来将其评为高危漏洞。 目前没有证据证明 Agent 真偷到了密钥。RubyGems 检查日志后也没发现旧密钥被恶意使用，但历史日志并不完整。研究团队还称，OpenAI 当时没有告诉 RubyGems 自己与这次攻击有关。整个事件比 7 月的 Hugging Face 入侵早了两个月。
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。
腾讯T1专攻Agent长任务：连续操作300多轮，跑分涨20分
动察 Beating AI 快讯，腾讯把 Qwen3.5-122B-A10B 专门拿去练终端 Agent，做出了 T1。它主要处理 Linux 终端里的复杂任务，单个任务最多能连续调用工具 300 多轮。Terminal-Bench 2.1 得分从底模的 43.8% 升到 64.0%，涨了 20.2 分。 这 20.2 分里，大头来自强化学习。SFT 只把分数拉到 49.4%，后面的强化学习又涨了 14.6 分。团队准备了约 1.5 万个终端任务，每个任务都配有自动测试。Agent 没把整个任务做完，只要完成了其中一些要求，也能拿到相应奖励。 长任务还有一个麻烦。Agent 真正干活和之后拿这段经历训练时，同一句内容可能被重新切成不同 token，MoE 也可能换一批专家处理。T1 会把当时生成的 token 和选中的专家都记下来，训练时直接照着重放，把这种训推偏差压低了约三分之一。
BNB Chain生态自主AI代理经济层Agentum完成700万美元融资
PANews 9月11日消息，据官方消息，自主AI代理经济层Agentum宣布完成700万美元融资，MEXC Ventures、BingX Labs、Arca Fund、Wave Digital Assets、Echo3、Greenwood Global Capital、UZ capital、Vega Ventures参投。 据介绍，Agentum是面向AI代理的自主经济信任与结算层。它使AI代理能够在无需人工干预的情况下，独立发布任务、竞标工作、执行任务并在链上完成支付结算。
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。
OpenAI上线Data Agent：不会SQL也能查公司数据库、做数据看板
动察 Beating AI 快讯，OpenAI 在 ChatGPT Work 上线 Data Agent。员工直接问「为什么销量掉了」「哪批客户最可能流失」，它就能自己调取公司数据、分析原因，还能生成会跟着数据更新的数据看板。 它可以连接 Snowflake、BigQuery、Databricks、Redshift、MongoDB 等数据库，也能读取 Google Drive 和 SharePoint。公司原本怎么定义「活跃用户」「收入」等指标，它也会沿用这些口径和现有权限，避免同一个指标被不同人算出不同结果。 分析完后，它还能把结果发到 Slack 或邮件，并在用户批准后继续执行后续操作。OpenAI 称，公司几乎所有产品团队，以及超过三分之二的销售、市场等团队，都已经在使用这类数据 Agent。