阿里云：Token Plan个人版升级，新增12类Agent Harness工具
相关推荐
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。
Cursor上线Projects：一个Agent当项目经理，下面管数千个Agent
动察 Beating AI 快讯，Cursor 上线 Projects，把一个 Agent 干活升级成了「Agent 管 Agent」。每个项目都有一个协调 Agent，它自己不写代码，只负责拆任务、制定计划，再把活分给数千个子 Agent 并行完成。 Project 会长期保存代码库、研究结果和用户偏好，几个月后也能接着干。任务默认跑在云端，电脑关掉也不会停；需要本机测试时，再自动拉起本地 Agent。它还能盯着 Slack 和 PR，自动修 CI，有新任务就自己开工，不用等人再发 prompt。 这其实是 Cursor 此前多 Agent 实验的正式产品化。今年 1 月，它已经展示过数百个 Agent 同时协作，甚至从零写出一个超过 100 万行代码的浏览器。现在 Projects 已进入 beta，正逐步向所有用户开放。
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。
Qwen27B改成扩散Agent：速度拉到500+Token/s，厂商自测单项超Sol
动察 Beating AI 快讯，专攻超高速大模型的 Celeris 发布一款基于 Qwen3.8-27B 改出来的混合扩散 Agent 模型 Celeris-1 Magnus，官方称在不少场景能跑到 500+ Token/s。 在 τ³-Banking 的 97 个银行客服任务上，Magnus 开启 low reasoning 后完成率达到 41.2%，中位耗时 55 秒。同场的 GPT-5.6 Sol 是 38.1%、79 秒。 传统模型基本一个 Token 一个 Token 往后写，Magnus 能一次生成多个 Token，再反复修正。需要严格按顺序生成的内容再串行处理，因此一次计算可以往前推进更多 Token。
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。
海光信息发布“Agent to Token开放计算架构”
火星财经消息，在2026中国国际大数据产业博览会上，海光信息首发“Agent to Token开放计算架构”，依托CPU与DCU双芯协同及开放互连，为Agent任务执行与词元生产全周期提供系统级计算支撑。在此次数博会上，海光信息牵头成立的围绕国产通用计算平台的产业生态系统联合体光合组织多家成员单位同步亮相。