千问将推出 Personal Agent「千问 Go!」支持云端代办事务
相关推荐
腾讯秘密开发 Personal Agent 产品 Handy Bot
火星财经消息,据《读佳》报道,腾讯正在秘密开发一款 Personal Agent 产品“Handy Bot”,并计划推出独立 App。目前该产品已在微信端低调上线服务号,简介为“Your Personal AI Agent”。由于产品仍处于内部测试阶段,具体信息以官方口径为准。报道称,当前行业正热议 Personal Agent 叙事,Meta 刚推向市场的 Muse 将消费级智能体热度推至新高。与传统 Chatbot 的会话驱动不同,Personal Agent 以人为核心状态边界,AI 拥有长期存续的运行环境,可接收宏观目标后在后台持续推进任务。Meta Muse 为每位用户分配独立 Secure VM 安全虚拟机,浏览器与网页操作隔离其中,用于比价购物、邮件处理、行程盯守等任务。国内厂商同样进入预研周期。阿里千问团队在云栖大会上提出打造用户自己的 Personal Agent,字节豆包也被曝正在开发个人助理产品,曾用代号“Spell”。行业认为,落地需平衡模型任务规划能力、生态工具开放度与合规隐私边界。
千问升级个人AI助理,推出Personal Agent“千问Go!”
火星财经消息,千问Personal Agent“千问Go!”即将发布。据了解,升级后的千问极大拓展了个人助理的办事范围和能力,需要时,千问可自主查询操作各类授权平台,比较方案、电话联系服务方,完成目标任务。
千问宣布将加速打造Personal Agent
火星财经消息,9月22日,在2026年云栖大会上,千问宣布将加速打造Personal Agent。千问产品负责人郑嗣寿表示,自去年上线以来,让每个人拥有自己的AI助理,始终是千问不变的目标。依托Qwen 3.8系列模型强大的Agentic能力,千问正在构建全新的Personal Agent形态,为3亿用户提供持续、个性化的智能服务。目前,Personal Agent已接入个人健康、理财数据,开放平台覆盖领域超20个。
腾讯元宝将推出“元宝助手”独立 App
火星财经消息,据《读佳》报道,腾讯元宝正在开发 Personal Agent 产品“元宝助手”,并计划推出独立 App,用于承载长周期任务、个人长期记忆等能力。截至发稿,腾讯方面未回应求证。报道称,腾讯内部包括社交在内的多个业务部门也在研发相关产品或功能。报道列举的近期动态包括:9 月 30 日豆包被传将推出个人助手“小豆”App;10 月 10 日蚂蚁灵光 App 被传测试“我的生活”;腾讯云推出 LightVela;2026 年云栖大会上千问公布 Personal Agent 计划。报道还称,多家团队在海外 Muse 发布前数月已启动研发,目前跨 App 调用受限、长周期任务易中断、隐私边界难把握,多数产品仍处灰度或内测。
豆包个人助手产品命名“小豆” 计划推出独立 App
火星财经消息,据《读佳》9 月 30 日报道,字节跳动旗下豆包的 AI 个人助手产品命名为“小豆”,并计划推出独立 App 版本。该名称于今年暑期确定,目前仍处于内部测试阶段,最终对外版本可能调整。新浪科技 9 月 29 日报道称,豆包正加速推进个人助理方向产品落地,计划将内部代号为“Spell”的探索项目与豆包现有产品深度整合,新产品预期较快对外推出。截至发稿,豆包方面暂无回应。从国内 Personal Agent 赛道看,小豆是字节完成赛道补全的一环。豆包主 App 负责通用对话,豆包工作面向企业办公,小豆瞄准消费级个人助理。此前腾讯被曝秘密开发 Handy Bot,阿里千问团队也提出打造用户自己的 Personal Agent。目前国内尚无成熟量产的常驻个人 Agent 产品,多数处于内部测试或灰度筹备阶段。
144M参数就能做Agent决策,Julia-1连安卓平板都能跑
动察 Beating AI 快讯,AI 实验室 Supersonic Labs 发布一款只有 1.443 亿参数的轻量决策模型 Julia-1。它不生成长文本,而是接收上下文、问题和 2 到 20 个候选答案,直接完成分类、打分和是非判断,可以给 Agent 选工具、做路由或决定下一步动作。 Julia-1 基于多语言编码模型 mmBERT-small 开发,模型权重约 550MB,主打低硬件门槛。官方已经在 Apple M4、Intel i5-1235U 和三星 Android 平板上完成测试。M4 单次决策中位延迟约 33ms;三星平板只用 CPU 运行时约 203ms,进程峰值内存约 393MB。 在官方公布的 4 组 Jev 对比测试中,Julia-1 赢了 3 组。Typed Decisions 为 73.15%,Jev 参考成绩为 72.70%;AG News 为 94% 对 91%;情绪分类为 86% 对 48%。但在包含 72 个类别的 Banking77 上,Julia-1 只有 64%,明显低于 Jev 的 87%。官方称,候选类别太多且彼此相似时,目前的分组筛选可能提前丢掉正确答案。 Julia-1 的云端 GPU 训练和实验总成本只有约 104 美元。模型权重、运行代码、完整评测和来源记录均已开放,采用 Apache 2.0 许可。官方还在开发 API,计划按每百万输入 token 0.025 美元收费;由于模型只做判断、不生成长文本,输出 token 不收费。