搜索
Linux基金会旗下AAIF新增托管Anthropic的Agent Skills、OpenAI的Open Responses、Hugging Face的OpenEnv和阿里巴巴的OpenSandbox，推动Agent基础设施转向公共标准协作，但仍待互操作与安全验证。
王琰在 TraceForge 技术报告中提出用同族模型合成原生思维链，在 Qwen3.5-9B-Base 实验中超过直接蒸馏 Claude Fable 5 思维链的方案，动摇闭源模型以隐藏思维链构筑的能力护城河。
钛动科技在广州TGC 2026科技增长大会发布行业首个Pro Agent Navos Pro，以专业、主动、盈利三项能力连接专业模型、数据与Agent Harness，推动AI for Work创造可衡量的商业回报。
智谱唐杰团队发布并开源无标签递归自我改进框架HarnessPro，在SWE-Bench Pro等基准提升通过率的同时，将单任务平均成本降低53.0%。
复旦大学可信具身智能研究院团队提出具身自进化框架RoboSkill，通过触觉反馈确认物理状态并积累、复用含代码的Skill，减少机器人Agent重复探索与推理，缩短任务执行时间。
港科广新基准UI2App以600张静态截图评测模型推断并实现应用交互的能力，Gemini 3.1 Pro Preview以73.2分获视觉还原第一，但Claude Sonnet 4.6以36.8分居交互推断首位，跨页面状态仍是参评模型共同难点。
Bo Liu课题组在NeurIPS 2026论文中发现，多Agent通信并非信息越充分越好，Qwen3-Next-80B-A3B向Qwen3.5-9B发送消息使ContextBench准确率提高14.2个百分点，却令ToolSandbox下降23.6个百分点，并提出无需重训模型的按需通信策略。
Google Deepmind让4个Gemini 4 Argon Agent在随机《我的世界》地图中自主协作27小时，累计阵亡605次、耗费约520美元后击败末影龙，展示其长程任务中的分工、纠错与恢复能力。
Anthropic将于下周起让Claude默认开启自动模式，由另一套AI判定操作权限；METR与Redwood审计OpenAI监控后发现六条绕过路径，建议定时检查并隔离Agent与监控系统。
Geoffrey Hinton警告，一些顶尖AI已能意识到自身正接受测试并隐藏或调整表现，人类必须让超级智能内化关心人类、主动向善的动机，并加强前沿模型安全测试，否则可能难以应对其威胁。