前豆包PC负责人齐俊元再创业：个人Agent产品Today正式上线国内
相关推荐
Cursor云Agent终于有真Mac了：每个会话都能拉起一台M5
动察 Beating AI 快讯，Cursor 给 Cloud Agents 接上了 Namespace Devboxes。现在运行 Agent 时，可以直接选择 macOS 环境。Namespace 会为每个会话临时拉起一台 Apple M5 Mac，让 Agent 在真正的 macOS 上改代码、编译和跑测试。 这解决了 Cloud Agent 很实际的一个限制。Cursor 默认的云端开发环境一直是 Ubuntu。写 Web、后端问题不大，但碰到 iOS 和 macOS 原生开发，Linux 根本做不了完整构建。此前 Cursor 社区已经有人专门追问，Cloud Agent 什么时候才能跑 Mac。 这次也不是在 Linux 上套一层 Mac 兼容。Cursor 仍负责模型推理和任务规划，真正的 shell 命令、文件修改、Git 操作、编译和测试全部交给 Namespace 的 macOS DevBox。任务结束后，这台 DevBox 会被销毁。
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。
Codex远程控制现在可直接遥控Linux服务器
动察 Beating AI 快讯，OpenAI 的 Codex 已经支持用手机直接控制 Linux 服务器上的 Agent。在服务器运行 codex remote-control start，再用 codex remote-control pair 生成临时配对码。手机打开 ChatGPT 的 Remote 页面输入配对码，就能连接这台机器。Codex 仍在服务器本地运行，手机负责查看任务、发新指令和处理审批。 这对 GPU 集群和无界面的 Linux 服务器尤其有用。研究者 Tanishq Mathew Abraham 就用它从手机管理 Slurm GPU 集群上的自动研究实验和训练任务。社区里也已经有人在 Ubuntu、Arch Linux 等环境跑通。 不过这个功能目前仍被 OpenAI 标成 Experimental。官方文档也还没完全跟上：Developer Commands 已经列出 CLI 配对方法，Remote Connections 主文档却仍写着手机配对需要从 Mac 或 Windows 桌面 App 发起。GitHub 上也还有 Linux 与 Android 配对失败、设备不显示等报告。
开源Agent BitFun：一句话把任务变成桌面小应用
动察 Beating AI 快讯，BitFun 是一个开源桌面 AI Agent。用户可以直接让它改代码、查资料、写文档，也能操作浏览器、终端和桌面软件完成任务。 它比较特别的是 Mini Apps。你给它一个任务，它可以直接生成对应的图表、看板、表单或控制面板。之后继续对话时，Agent 会读取这个小应用当前的状态，不用每次重新解释进度和上下文。 BitFun 支持 Windows、macOS 和 Linux，也不绑定固定模型。用户可以自己接入模型 API，还能扩展 MCP、Skills、Hooks 和自定义 Agent。
Premiere和AE开始被Agent拆掉，Mirage发布Tesseract
动察 Beating AI 快讯，AI 视频公司 Mirage 发布 Tesseract，把 Premiere 和 After Effects 里的核心剪辑、动效和声音能力做成 AI Agent 可以直接调用的工具。GPT-6 Astra、Sol 等 Agent 能直接剪素材、做动效、合成画面和处理声音，不用再操作传统剪辑软件的界面。 Tesseract 的核心是一套运行在本地的视频引擎，再通过 Plugin 或 Skill 接到 Agent。ChatGPT、Codex、Claude Code 等都能使用，目前支持 Mac 和 Windows，视频预览和最终渲染都在本地完成。 用户把素材交给 Agent 后，可以直接说「把标题提前一点」「这段动画慢一点」「背景音乐再小一点」。Agent 会修改对应的镜头、图层、关键帧和音轨，不用重新生成整条视频。工程也会保留下来，之后还能继续修改。
DFlash团队进军Mac，27B模型跑到144Token/s
动察 Beating AI 快讯，Inco AI 开源本地推理引擎 Splash，把 Qwen3.8-27B 在 M5 Max MacBook Pro 上跑到了最高 144 Token/s。LM Studio 随即接入，0.4.25 版本已经可以直接使用。 Inco 此前做出的 DFlash 已经进入 SGLang、vLLM、TensorRT-LLM 和 llama.cpp。Meta、NVIDIA、小米、Poolside 等也给自家模型配了 DFlash 加速小模型。DFlash 会先让小模型并行猜出多个 Token，再交给大模型批量验证，减少逐 Token 生成的计算。 Splash 把这种优化扩到了整个本地推理引擎。它目前只支持 Qwen3.8-27B 和 Qwen3.6-35B-A3B，每个模型都单独配了 GPU kernel、内存方案和 DFlash 2 小模型。覆盖的模型少，但换来了更激进的性能优化。 144 Token/s 是 M5 Max 上的最高演示值。换到 Inco 用来做横向测试的 48GB M5 Pro，Qwen3.8-27B 单路短上下文达到 74 Token/s；4 路并发时总吞吐达到 170 Token/s，是第二名的 3.9 倍。这也是 Splash 更适合 Agent 场景的地方。一个 Agent 同时拉起多个子任务时，并发总吞吐往往比单条对话速度更重要。 Splash 本身开源，不绑定 LM Studio。目前需要 M3 或更新的 Mac、macOS 26.4 以上、至少 36GB 统一内存。