Notion升级AI Agent，支持电脑与浏览器操作及最长24小时任务
相关推荐
Hermes模型榜上线，Opus 5.5第一，Astra第二却最贵
动察 Beating AI 快讯，Nous Research 给 Hermes Agent 上线模型排行榜 Hermes Index，主要用来比较不同模型在 Hermes 里的表现。所有模型都使用同一套 Hermes Agent 运行框架，支持调节推理强度的统一设为 high。榜单取 Hermes Bench、Terminal-Bench 4、Terminal-Bench Science 和 SkillsBench 四项测试的平均分，同时统计平均每任务成本。 其中 Hermes Bench 是 Nous Research 自己新做的测试，共有 150 个任务、25 类场景，覆盖 Skills、研究、图表与创作、记忆、工具调用和安全。Agent 会直接处理工作区和真实文件，最后根据生成的文件、任务状态和工具使用记录评分。 首版共测试 14 个模型。Claude Opus 5.5 以 63.31 分排第一，GPT 6 Astra 以 56.25 分第二，Claude Sonnet 5.5 以 53.14 分第三。Astra 平均每个任务花费 11.61 美元，是全榜最高。Opus 5.5 为 4.99 美元，Sonnet 5.5 为 2.82 美元，两者部分数据仍被官方标为暂定。 低价模型中，DeepSeek V4.1 Flash 得到 36.91 分，平均每任务花费 0.259 美元；GPT 6 Luna 为 33.89 分，每任务 0.141 美元。两者都进入成本与性能的 Pareto 前沿，也就是不存在价格更低、同时分数更高的模型。
OpenScience自测75.7%超过Codex：科研Agent开始自己循环跑实验
动察 Beating AI 快讯，Y Combinator 2026 冬季批次（YC W26）公司 Synthetic Sciences 正式发布开源科研 Agent OpenScience。它能查论文、处理数据、写代码和调用科研数据库，新加入的 Autoresearch 还能让 AI 自己连续跑实验。 比如训练一个模型，研究者只需要告诉它「把验证集 loss 降下来」。OpenScience 会先跑基线，再自己提出修改方案，一轮轮执行实验。结果变好就保留，变差就回退，再根据前面的结果决定下一步试什么。用户也可以提前限制运行次数、总时长和停止条件，或者规定「接下来只改优化器」。 OpenScience 把原本需要研究者反复盯着做的实验迭代自动化了：提出方案、执行实验、比较指标、淘汰失败方案，再继续下一轮。实验可以在本机运行，也可以交给远程 GPU、SSH 服务器和 Slurm/PBS 集群。每轮实验的代码、结果和判断都会留下记录，方便后续检查。 它还支持直接登录 ChatGPT/Codex 订阅，也可以接入自己的 API Key、本地模型，或使用官方按量付费的 Ace。 官方自测中，OpenScience 在 70 道 Terminal-Bench Science 任务中完成 53 道，得分 75.7%。作为对比，Codex + GPT-6 Astra 的公开成绩为 68.1%。
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。
OpenAI个人助理Agent再泄露：这次名字可能叫Dots
动察 Beating AI 快讯，OpenAI 新一代个人 Agent 可能叫 Dots。M1Astra 和 ChrisGPT 放出的未发布文案显示，它可以自己执行任务。用户能通过消息、电话、Slack 和邮件联系它，经批准后还能直接替用户买东西。 Dots 还能自己判断什么时候直接行动、什么时候先向用户申请批准，用户也可以提前设置规则。每个 Dot 都有独立 VM，界面叫「Your dot's computer」。它还可以获得用户电脑的访问权限，用户能随时撤销，再通过桌面 App 重新授权。 同一批文案还出现了浏览器安全保存密码的能力，让 ChatGPT 可以自动登录网站。每个 Dot 还会有独立 3D 形象，首发仅面向 Pro。 几天前 ChatGPT Pro 升级页曾短暂出现「o, your always-on assistant」，客户端配置里也出现过 `o` 和 `-o` 邮件后缀；此前泄露的代码中，Dots 又和 Orbit、Aeon 等内部名称存在关联。OpenAI 还没正式公布这款产品，所以 `o`、Dots 和 Aeon 究竟是不同产品、内部代号，还是同一产品不同阶段的名字，目前还无法确认。
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。
一夜两条路线：Opus5.5冲到第一，GPT-6把同档成本砍半
动察 Beating AI 快讯，Artificial Analysis 完成对昨夜几款新模型的第三方实测。Claude Opus 5.5 max 在 Intelligence Index v4.3 拿到 58 分，目前排名第一。GPT-6 Astra 和 Fable 5.1 都是 53 分，Opus 5 为 51 分。Opus 5.5 在 10 项评测里拿下 6 项最高分。 但这个最高分也用了更多 token。Opus 5.5 max 每项任务平均输出约 11.9 万 tokens，比 Opus 5 的 7.3 万多约 60%。靠 API 降价 20% 和缓存读取降价 60%，单任务成本最终为 5.98 美元，和 Opus 5 的 5.86 美元基本持平。更实用的 medium 档拿到 51 分，已经追平 Opus 5 max，单任务成本只有 1.34 美元。 OpenAI 走的则是另一条路。GPT-6 Sol 和 Luna 的 Intelligence Index 表现与 GPT-5.6 前代接近，但价格明显下降。Sol max 每项任务成本从 1.99 美元降到 1.06 美元，Luna 从 0.18 美元降到 0.07 美元。编码 Agent 评测里，Sol 从 55 分升到 57 分，成本也下降约一半；Luna 从 43 分降到 41 分，但单任务成本低约 60%。 两家的路线已经开始出现分化：Opus 5.5 用更多推理把能力上限推到新高，GPT-6 Sol 和 Luna 则主要把原有能力做得更便宜。 在 Artificial Analysis 的性能/成本图上，两家的新模型都占据了新的 Pareto 前沿。