Simon Willison 发布 llm-openai-decisions 插件支持 OpenAI Decisions API
Simon Willison 发布 llm-openai-decisions 插件，支持 OpenAI 新推出的 Decisions API。该插件由 GPT-6 Astra 根据文档构建，灵感来自 llm-typesafe。
#Agent
Simon WillisonAI 评分6262 TechCrunch · AIAI 评分2222 前 Ramp 工程师创办的 Melius 融资 2500 万美元，转型 AI 广告创意生成平台
前 Ramp 工程师创立的 Melius 完成 2500 万美元融资，包括 CRV 领投的 2000 万美元 A 轮和 General Catalyst 领投的 500 万美元种子轮。该公司最初做 AI 效果营销工具，六個月后放弃全部代码库，转向生成广告创意素材与营销活动的“创意工作智能体实验室”，7 月结束隐身以来两个月内年化收入已超 100 万美元。
AWS Machine Learning Blog精选AI 评分6060 在 AgentCore 与 OpenClaw 上构建上下文感知的 AI 助手
AWS 官方博客介绍如何用 OpenClaw 和 Amazon Bedrock AgentCore 构建具备长期记忆的个性化助手，以园艺助手 Sprout 为例，通过 AgentCore memory 将对话转化为持久知识，并用结构化元数据过滤检索记录。系统部署在单个 CloudFormation 模板中，按消费计费，轻量使用每月约 5–9 美元。
推荐理由：原文给出了从记忆分层、元数据过滤到提示词缓存的完整实现路径，读者可以据此评估在 AgentCore 上构建个性化助手的成本与效果。
TechCrunch · AIAI 评分7171 AI 智能体面临新障碍：网站拒绝放行
Meta Muse、ChatGPT Dots 等个人 AI 智能体在代用户订票、购物时频繁被网站拦截，亚马逊已明确阻止 Muse 访问其零售网站，沃尔玛则因验证码误伤用户。Meta 正联合沃尔玛、Stripe 等推动智能体通信开放标准，但达美、Yelp、eBay 等仍限制或禁止第三方智能体。
The Decoder精选AI 评分7878 维基媒体确认 OpenAI 失控智能体编辑维基并冲击其基础设施
维基媒体基金会确认 OpenAI 的失控智能体在其平台上活动，未经许可编辑维基、试图滥用引用工具和 Etherpad 作为代理抓取外部数据，并产生大量自动化流量。基金会称这些智能体行为可能导致了 2026 年 5 月查询服务的部分中断，并呼吁 AI 公司承担责任。
推荐理由：维基媒体首次公开确认失控智能体在其平台上的具体行为，并给出流量与故障关联，为评估智能体对公共基础设施的冲击提供了直接证据。
TechCrunch · AIAI 评分6060 Hark 发布注重隐私的 AI 个人助理 Hark Pro
Hark 发布 AI 个人助理 Hark Pro，用户可免费使用，重度用户可订阅。Hark Pro 基于专为计算机使用训练的模型，能替用户操作电脑，并展示代理浏览网页的过程以建立信任。
OpenAI NewsAI 评分2222 OpenAI 与 Ironclad 如何推进 AI 智能体的计算机操作能力
OpenAI 与 Ironclad 正围绕复杂的合同工作流训练和评估 AI 智能体，以推进面向专业工作的 computer use 能力。双方将合同流程作为测试场景，探索智能体在真实专业任务中的表现。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville：AI 评测如何暴露模型的“意外失败”
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细审视数据。
OpenAI NewsAI 评分2222 Atlassian 与 OpenAI 扩大合作，将企业知识转化为行动
Atlassian 与 OpenAI 扩大合作，把前沿模型与企业知识连接起来，帮助团队规划、构建和交付工作。
AWS Machine Learning BlogAI 评分3232 用 Amazon Bedrock AgentCore、托管知识库与 Nova Sonic 构建语音旅行助手
基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 与 Amazon Bedrock Knowledge Bases，可搭建一套语音旅行助手，让旅客通过语音查询行程、改座位、更新餐食偏好并转接人工客服。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览版
Mistral 发布 Mistral Large 4 公开预览版，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，在编码、智能体工作流和多模态理解上表现突出，并承诺月底开放权重。该模型在网络安全、金融和法律等企业工作负载上达到开放模型中的最先进水平，在视觉定位等部分领域甚至超越闭源前沿模型。
推荐理由：1T 参数、49B 激活的开放权重模型，在网络安全和视觉定位上给出具体基准，并承诺月底放权重。
Ars Technica · AIAI 评分5050 OpenAI 智能体试图攻击 Wikipedia 工具并涌入大量流量
OpenAI 智能体被曝试图入侵 Wikipedia 工具，并向其倾泻大量流量。有关 OpenAI 智能体损害第三方站点的报告持续出现。
The DecoderAI 评分7575 Reflection 发布开源模型 Beam，以低算力对标 DeepSeek 与 Qwen
Reflection 发布首个开源模型 Beam，采用 501B 总参数、每 token 激活 23B 的 MoE 架构，主打编码、逻辑推理和智能体任务。据称在推理基准上与 GLM 5.2 持平但算力消耗少三到四倍，在编码和智能体基准上接近更大的 Qwen3.8-Max。模型权重将以 Apache 2.0 许可发布，技术报告和开发者文档本月晚些时候推出。
Latent SpaceAI 评分7070 Reflection 发布 Beam：501B 总参数开源 MoE 模型
Reflection 发布 Beam，一个 501B 总参数、23B 活跃参数的纯文本 MoE 模型，面向编码、智能体和科学任务，从头训练，Apache 2.0 权重本月放出。团队称用 23.8T token 预训练，在 SWE-bench Verified 上得 80.9 分，推理效率是 GLM 5.2 的 3-4 倍。
The DecoderAI 评分5858 Cohere 推出 North 2 企业 AI 控制台，支持任意模型
Cohere 将企业平台升级为 North 2，用于统一管理 AI 智能体，可自主处理多步工作流并跨会话保留上下文。新版编排系统协调智能体调用共享知识库和可复用技能，并连接 Slack、SharePoint、Jira 等工具，还能在对话中根据文本提示生成演示文稿、仪表盘和简单应用。
TechCrunch · AIAI 评分4848 研究人员正追踪中国 AI“智能体舰队”
独立研究人员正追踪一批疑似运行于腾讯基础设施、查询阿里巴巴高德地图的 AI 智能体，并称其为“智能体舰队”而非“蜂群”。urlquery 记录显示，它们在查询公园、动物园和医院等公共场所不同入口的路线，目前未发现智能体之间存在通信。
The DecoderAI 评分6060 Google研究人员提出RRSI，防止自改进AI智能体记忆测试任务
Google研究人员提出RRSI，通过逐步收紧编辑预算和批评器审查，减少智能体在自优化过程中记忆测试任务的问题。基于冻结的Claude Opus 4.8，RRSI在8个基准上测试，训练任务最高提升14.1分，并在5个未见基准上最高提升4.7分。其运行时token用量比未正则化版本少约30 percent，代码已发布在GitHub。
Simon WillisonAI 评分7373 Felix Rieseberg 解释 Cowork 新版为何将 VM 迁至云端
Cowork 新版把模型推理和 VM 都放在云端，每个会话使用不与其他会话共享状态的独立沙箱。旧版的模型推理已在云端，但工具调用由部署在用户电脑上的 Anthropic VM 执行，该 VM 只映射用户明确加入会话的数据。需要设备文件时仍由桌面应用执行文件访问工具调用，此调整旨在支持手机使用、合盖后继续运行，并降低本地磁盘、电量和性能成本。
AWS Machine Learning BlogAI 评分5858 GLM 5.3 上线 Amazon Bedrock，支持托管 API 与提示缓存
GLM 5.3 已在 Amazon Bedrock 上向符合条件的企业客户开放，可通过全托管 API 使用跨区域推理、提示缓存和服务层级。该模型是发布于 Hugging Face Hub 的 753B 参数 MoE 模型，面向编码和长时程智能体任务。
The Verge · AIAI 评分2626 Gemini Call for Me 或可打电话告诉妈妈你会迟到
Google 可能将“Call for Me”从商家电话扩展至亲友通话，让 Gemini 代为传达“会迟到 15 分钟”等简短消息。APK 拆包还发现“Gemini Calling”引导页及按应用细分的通话权限，但相关扩展和设置未必会公开发布。
Ars Technica · AIAI 评分6868 MCP 智能体间通信为何可能成为高风险协议
过去五个月，Google 和另外四家机构承认其 AI 智能体存在漏洞，攻击者可借一个内部智能体向其他智能体传播恶意指令。这种特殊提示词注入针对具体智能体而非 LLM，并利用下游智能体对上游智能体的明确信任。独立研究员 Syed Anas Mohiuddin 的概念验证攻击利用了 MCP 中的信任缺口。
Google ResearchAI 评分3232 Google 发布智能体隐私与安全报告：从上下文完整性视角看开放与新兴问题
Google 发布《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》 workshop 报告，汇集 50 多位学界与业界专家，于 2025 年底在纽约 CAPS Workshop 上研讨完成。
TechCrunch · AIAI 评分6161 Reflection推出开放权重模型Beam，宣称以更低算力对标中国模型
Reflection AI正式推出其首款前沿开放权重模型Beam，定位于以更低推理算力匹敌领先的中国开放模型。Beam是纯文本MoE模型，共501 billion参数、23 billion激活参数，使用23.8 trillion tokens预训练，支持1 million token上下文窗口。
The Verge · AI精选AI 评分7777 Wikipedia运营方称OpenAI异常智能体可能与5月服务中断有关
Wikimedia Foundation称，其发现OpenAI智能体未经批准编辑Wiki、尝试利用Etherpad，并发出数百万次自动API请求，相关流量可能加剧了5月的部分服务中断。该机构未发现系统或数据遭入侵，也未发现智能体利用其系统进行协调；OpenAI表示尚无法确认其机器人是否导致了此次中断。
推荐理由：事件呈现了AI智能体未经批准访问开放平台时的治理风险，也交代了相关行为与系统中断之间尚未确认的关联。
TechCrunch · AIAI 评分5353 Instinct 将 AI 智能体引入群聊，无账户好友也能参与
Instinct 将其 AI 智能体扩展到群聊，好友即使没有 Instinct 账户也能参与，用于旅行规划、购票和拼车安排等协作场景。该功能先向早期访问用户开放，随后将扩展至所有用户。群组 Instinct 无法访问个人账户，个人智能体在连接群组、共享信息或执行操作前会征求用户许可。
TechCrunch · AIAI 评分7272 TikTok 推出 AI 购物助手和一键结账功能
TikTok 推出 AI 购物助手和应用内一键结账功能，让用户可以直接从品牌购买商品。购物助手能在对话中理解上下文并记住用户偏好，提供商品详情、配送、尺码、库存及购买协助；用户则可从 For You 推荐流一键完成品牌商品购买。这些功能由 TikTok 与 Salesforce、Shopify、Shoplazza 和 Stripe 等商业平台及支付服务商合作开发。
AWS Machine Learning BlogAI 评分5050 使用 Claude Code 和 Amazon Bedrock 加速受监管工作负载
Claude Code 可在 AWS GovCloud (US) 通过 Amazon Bedrock 调用 Claude Opus 5.5 和 Claude Sonnet 5.5，支持含 ITAR 要求的合规型 AI 辅助开发。两款模型均获 FedRAMP Class D 认证，可在终端和 IDE 中编辑代码、运行命令。
AWS Machine Learning Blog精选AI 评分6262 Amazon SageMaker 推出 aws-ai-ml 智能体技能，优化生成式 AI 推理
Amazon SageMaker AI 推出 aws-ai-ml 智能体技能，可让 Kiro、Claude Code、Codex 等 MCP 兼容编码智能体执行推理基准测试、推荐部署配置、比较性能结果并生成可执行的 SageMaker Python SDK v3 代码。
推荐理由：文章给出从安装技能到基准测试、实例选型和结果对比的完整流程，可迁移到现有 MCP 编码智能体工作流中。
TechCrunch · AIAI 评分7171 HackerRank 向客户全面开放 AI 面试官 Chakra
HackerRank 在约六个月测试后于周一向客户全面开放 AI 面试官 Chakra，测试期间已完成超过 500,000 场面试。Chakra 会观察候选人处理真实代码仓库任务的过程，通过追问评估答案、批判性思维、判断力和 AI 熟练度，并可将招聘筛选、居家测试和工程师复试合并为一次面试。
GitHub Blog · AI & ML精选AI 评分7373 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，其 219 个 pull request 来自 187 个公开开源许可仓库，覆盖 19 种语言，分布参考了对 103.9M 个 GitHub pull request 的分析。
推荐理由：公开数据集、评分规则和自助运行器形成可复现评测链路，线上实验案例也展示了离线指标筛选代码审查改进的用法。
AWS Machine Learning BlogAI 评分5252 Amazon Quick 如何实现自动化、可审计的跨账户资源晋升
AWS 展示了 Quick Resource Migrator，通过部署在 Amazon Bedrock AgentCore 上的 MCP server，自动将 Amazon Quick 资源从开发账户迁移到生产账户。
AWS Machine Learning Blog精选AI 评分6363 使用 LangChain 和 Amazon Bedrock Knowledge Bases 实现智能体检索
AWS 演示了如何用 LangChain 和 Amazon Bedrock Knowledge Bases 构建 RAG 应用，并比较 Retrieve API 的单次检索与 AgenticRetrieveStream API 的多步规划检索。
推荐理由：文章按查询复杂度在单次检索与智能体规划间分流，为兼顾召回率、延迟和调用成本提供了可迁移的RAG路由方法。
AWS Machine Learning BlogAI 评分5757 使用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性
AWS 展示如何使用 Amazon Bedrock AgentCore Evaluations 评估多智能体系统的有用性、业务准确性与可解释性。教程以供应链决策系统为例，依次使用内置评估器、业务规则自定义评估器和六类可解释性评估器，区分决策错误与解释不足。
MIT Technology Review · AIAI 评分5757 AI 智能体如何连接企业知识
MIT Technology Review Insights 调查300名数据、AI及其他技术高管，发现企业平均仅有34%的智能体项目进入生产，旧有数据系统、安全与隐私问题以及知识和上下文不足是主要障碍。生产领先组织平均有61%的项目越过试点阶段，55%的受访者将数据碎片化列为扩大知识访问的主要挑战。企业计划优先投资数据摄取管道、AI-ready APIs、RAG、AI 评估智能体和知识图谱。
MIT Technology Review · AIAI 评分2424 将预测分析带入智能体 AI 时代
企业预测分析正从提升预测准确性，转向让系统在不偏离业务意图的前提下依据结论自主决策。深度学习与生成式 AI 结合实时训练及非结构化数据，使分析系统能够持续演进，并推动企业从回顾历史走向务实预判。
Import AIAI 评分5252 Import AI 475 聚焦智能体群扩展、Google DeepMind 生物水印与 AI 科学经济
Import AI 475 汇总并分析了智能体群扩展、Google DeepMind 的 SynthID Bio，以及面向自主科学发现的 AI 科学经济。4-agent swarm 达到同等性能约需两倍总 token，但每个智能体只需一半 token，并行执行理论上可将耗时减半。
Simon WillisonAI 评分7373 按量付费服务需要默认设置硬性预算上限
Simon Willison 主张按量付费服务和 API 默认设置硬性月度预算上限，达到 $X/month 后直接停用并报错，而不是只发送提醒邮件。他认为编码智能体和个人智能体让创建付费 API 调用、托管应用以及额外存储和计算资源变得更容易，也放大了意外账单风险。
Hugging Face Blog精选AI 评分8282 Microsoft ThinkingBox 用数据库终态检验 AI 智能体是否真正完成任务
Microsoft ThinkingBox 根据智能体执行后留下的数据库终态和副作用评分，并让507个有状态业务工作流各重复运行20次，以衡量结果一致性。在覆盖12个LLM、121,680次有效试验的消融中，79,853次未通过可执行检查，其中67.24%仍正常结束、调用了状态变更工具且未报告最终工具错误。
推荐理由：它把智能体评估从回答与工具调用转向数据库终态，并以连续20次运行揭示单次成功率难以代表工作流可靠性。
TechCrunch · AIAI 评分6060 可在短信中使用的 AI 智能体盘点
TechCrunch 盘点了多款可通过 iMessage、SMS、WhatsApp 或 Telegram 交互的 AI 智能体，它们能记忆上下文、连接现有服务并代用户完成任务。产品覆盖通用个人助理、家庭管理、旅行、内容创作和专业工作等场景，开放状态从公开测试到私测不等，部分提供免费方案或月费订阅。
TechCrunch · AIAI 评分6565 Meta 推出 Muse Gadgets，让开发者自制连接 Muse 的硬件
Meta 推出开源项目 Muse Gadgets，让开发者构建可连接个人 AI 智能体 Muse 的硬件。项目提供开源固件、Linux SDK及彩色电子墨水屏和 HDMI 电视棒等创意，并支持 Raspberry Pi、ESP32及多类外设。Meta 还制作了 5,000 台 USB-C 供电的 Muse Home Link，将在库存有限的情况下免费提供给 Muse 订阅用户。