AI编程继续烧钱：Factory融2亿美元，估值飙到50亿美元
相关推荐
Muse上线一周，稳居美国免费榜第二：只输ChatGPT，超过Gemini和Claude
动察 Beating AI 快讯，Meta 的个人 AI Agent 产品 Muse 上线一周，目前仍排在美国 App Store 免费 App 总榜第二，仅次于 ChatGPT，高于 Google Gemini 和 Claude。 Muse 是一个可以长期工作的个人 Agent，能连接邮箱、日历等服务，自己浏览网页、拆解任务，并在用户关闭 App 后继续后台执行。
Amp取消平台门票：自带ChatGPT和电脑就能免费跑Coding Agent
动察 Beating AI 快讯，Amp 推出免费 Hobby 档。Amp 是从 Sourcegraph 拆出来的 Coding Agent 公司，产品和 Claude Code、Codex 属于一类，可以让 AI 自己读代码、改代码、跑命令和测试。现在只要用自己的电脑，再接自己的 ChatGPT 订阅或模型 API Key，就能免费使用 Amp，不再额外交月费和 BYOK Token 费。 今年 7 月 Amp 推出订阅制后，想把自己的 ChatGPT 订阅接进 Amp，至少要开每月 20 美元的 Megawatt。BYOK 即便用的是自己的模型 Key，Amp 也会收额外 Token 费用并设限制。现在这两层都取消了。ChatGPT 订阅费或 API 本身的模型费用，还是用户自己承担。 Amp 还有一个叫 Orb 的远程云电脑产品，可以给每个任务开一套独立环境。代码和开发工具都放在里面，关掉自己的电脑后 Agent 还能继续干活，也方便同时跑多个任务。Orb 依然按使用量收费；不想付这笔钱，也可以让 Amp 直接跑在自己的电脑上。 另外，Amp 还在扩大 BYOK 范围。付费用户已经可以接 OpenRouter、Amazon Bedrock、Azure Foundry、Ollama Cloud 和自定义模型接口等，之后会开放给所有用户。
GPT-6 Astra拿下Perplexity研究Agent榜首：比Fable 5.1高13.5%，还便宜6.1%
动察 Beating AI 快讯，Perplexity 用自家的 Agent 基准 WANDR 测了 GPT-6 Astra，得分 0.682，是目前测过的模型里最高。平均每个任务成本 11.98 美元。相比 Claude Fable 5.1，分数高 13.5%，成本反而低 6.1%；相比 Opus 5，分数高 27%，成本只高 3.3%。 WANDR 专门测「又广又深」的研究任务。它有 500 个真实研究任务，要求 Agent 不只是找到几个答案，而是尽量找全符合条件的对象，再逐个查资料、核身份，并给每条结果配上可验证的来源。典型任务包括竞品研究、尽调、文献检索、市场分析和人才搜寻。 此前 Fable 5.1 以 0.601、每任务 12.76 美元排第一，Opus 5 为 0.537、11.60 美元。Astra 这次把分数明显往上推了一截，而且不是用更高成本硬堆出来的。
20小时编程评测拉开差距：Claude Fable 5.1领先GPT-5.6超24分，GLM-5.3排第三
动察 Beating AI 快讯，AI 研究团队 Proximal 发布超长周期编程评测 FrontierSWE v2。任务从 17 个扩到 34 个，每个模型在每项任务上跑 5 次，单次最多干 20 小时。Claude Fable 5.1 平均得分 56.29%，大幅领先 GPT-5.6 的 32.2%。开源模型 GLM-5.3 以 30.2% 排第三。 FrontierSWE 里的任务已经不只是修代码。Agent 要从零写电路模拟器、训练天气预测模型，还要靠望远镜照片匹配星表，或者只看游戏画面训练赛车 Bot。v2 统一换成 Proximus harness。每次任务最多运行 20 小时，模型准备交卷时，系统会先保存当前版本并告诉它还剩多少时间，避免模型过早结束任务。 这个改动对成绩影响不小。Proximal 在 6 项任务上对比发现，Claude Opus 5 和 GPT-5.6 换成 Proximus 后都工作得更久，平均成绩也高于各自原生 harness。 评测还抓到了多次主动作弊。GPT-5.6 曾意识到读取公开答案「可能涉及反作弊问题」，最后还是用了这条捷径；另一次甚至利用 Modal 的后台服务读取隐藏验证文件。Muse Spark 1.2 则改测试脚本、塞入公开答案，还写代码试图掩盖作弊痕迹。确认违规的运行全部被记为零分。
LoopX升到1.0：一个页面管Codex、Claude Code等Agent长任务
动察 Beating AI 快讯，开源项目 LoopX 发布 1.0。它装在 Codex、Claude Code、Cursor 等 Agent 上层，把原本分散在不同会话里的长期任务统一收进一个工作台。 用户可以在一个页面看到所有已接入 LoopX 的任务。哪些正在执行、哪些等你确认、哪些在持续监控、哪些已经排期，都会集中显示。进入单个项目后，还能继续查看不同 Agent 的待办、完成记录、文件和运行状态。 这个工作台可以直接在浏览器打开，也提供 macOS 和 Windows 桌面版。两种入口共用同一套本地服务和任务状态。它不会自动读取电脑上所有 Agent，会显示的是已经注册并接入 LoopX 的 Agent 和任务。 多个 Agent 也可以一起完成同一个目标。它们能分别认领任务、并行工作和相互接力。比如一个 Agent 做完后留下后续任务，下一个 Agent 再接着做。这里的协作靠共享任务和状态完成，并不是让多个 Agent 在一个聊天室里自由对话。
Claude成本高近9倍仍落败：AIP2-1.0首测领跑游戏创作Agent赛道
BlockBeats 消息，9 月 4 日，Web3 项目 ClawQuest 推出游戏创作 Agent AIP2-1.0。AIP2 取自「AI Player Two」：玩家负责提出创意与作出选择，AI 调用工具，将想法转化为可运行的游戏内容。 AIP2-1.0 首先在 ClawQuest 旗下 AI Agent 游戏「Agent Fire」接受公开实测。AIP2-1.0、GPT-5.6 Sol 与 Claude Opus 5 完成相同的 8 项坦克技能优化任务，每项进行 300 场最终对战，各完成 2,400 场实战检验。 结果显示，AIP2-1.0 综合评分为 76.06，高于 Claude Opus 5 的 73.96，与 GPT-5.6 Sol 的 76.85 相差 0.79 分。完成 8 项任务的模型调用成本为 20.69 美元，不到 Claude Opus 5 的 12%，约为 GPT-5.6 Sol 的 25%。 玩家可通过 Telegram 内的 Agent Arena Bot 直接调用 AIP2-1.0，无需自行部署 Agent。ClawQuest 希望以更低成本和更直接的入口，让更多玩家借助 AI 参与游戏内容创作。