Manus 2.0正式发布：全新架构、Studio专业工具与个人Agent应用Cue同步上线
相关推荐
Ando融资2000万美元：重做Slack，让Agent直接当同事
动察 Beating AI 快讯，Ando 结束隐身并融资 2000 万美元，要从头做一个给人和 AI Agent 共用的「新 Slack」。本轮资金来自 Accel、Index Ventures 和 Emergence。 Ando 仍然有频道、私信、群聊和语音通话，但 Agent 有自己的身份、权限和收件箱。它们可以自己浏览和加入频道，不需要人类每次 @ 才工作，也可以主动找其他同事沟通。Codex、Claude、Grokbot、Devin 等不同 Agent 都能接入，没有现成 Agent 的团队也可以直接使用 Ando 托管的版本。 Ando 自己已经完全停用 Slack。比如有人在聊天里报 Bug 后，Agent 可以自己接单、把移动端任务转给另一个 Agent，再由第三个 Agent 审查代码；不同频道同时讨论同一个问题时，Agent 也能主动把相关人员拉到一起，并补齐上下文。 目前已有软件、房地产和金融等行业的团队在 15 个国家使用 Ando。
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。
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。
给 Agent 克隆 Slack 和 GitHub，Arga Labs 融资 1000 万美元
动察 Beating AI 快讯，Arga Labs 完成 1000 万美元种子轮融资，由 General Catalyst 领投，BoxGroup、Emergence、Gradient 和 SV Angel 等参投。这家只有 4 人的 YC 创业公司，专门给 AI Agent 搭测试沙盒（与真实系统隔开的测试环境）。它会复制 Slack、GitHub、Salesforce、Stripe 等软件，让 Agent 上线前先在里面反复操作。 传统测试通常只是伪造几个 API 返回结果，很多意外情况覆盖不到。Arga 则会连软件里的数据状态、账号权限、Webhook 和报错情况一起复制。比如销售 Agent 可以同时操作测试版 Salesforce 和 HubSpot，看它会不会认出两个联系人来自同一家公司，避免重复发邮件。 目前 Arga 已支持 30 多种软件。官方称，现在最快不到 12 小时就能复制一个 SaaS 的后端行为。过去 16 周，客户已经启动超过 10 万个测试环境，Slash、Monaco、Y Combinator 等团队都在使用。 新融资会继续砸在自动造环境上。Arga 正在开发新的生成系统，想把复制一个 SaaS 的时间从几小时压到几分钟。最终它希望做到，Agent 自己发现一个新 API 后，系统就能自动生成对应的测试环境，让 Agent 先在里面反复试错，再真正接触生产系统。
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。
阿里云：Token Plan个人版升级，新增12类Agent Harness工具
火星财经消息 9月11日，阿里云Token Plan个人版升级。据介绍，原有价格及Credit额度保持不变，Standard和Pro套餐新增Agent Harness工具权益与用量，覆盖搜索、网页解析、图像生成、语音处理、代码执行等12项Agent开发常用能力。（广角观察）