Agent
-
一天搭完80%的Agent后，为什么很多团队卡在最后15%？
生成式 AI 让 Agent 原型变得容易，但企业级落地远不止于 Demo。权限、审计、状态管理和长尾场景，正成为最后 15% 的真正瓶颈。
-
GPT-6-Astra 基准测试拆解：OpenAI 称新模型在科学、数学与安全攻防上全面提速
OpenAI 发布 GPT-6-Astra，官方基准显示其在科学工作流、研究级数学、终端任务、临床问答和网络安全攻防等场景较上一代明显提升，其中 ARC-AGI-3 达到 99.9%，ExploitBench 获得满分。
-
OpenAI 推出 GPT-6 Astra：API 定价对齐 Claude Fable，Agent 能力成为新焦点
OpenAI 推出 GPT-6 Astra，定价与 Claude Fable 系列持平，重点强化 Agent 效率、安全任务与长上下文能力，但综合智能指数仍未超越竞品。
-
Meta 新模型把第一梯队 AI 推理成本压到八分之一：Agent 应用迎来成本拐点
Meta Muse Spark 1.3 以 62 分进入 Artificial Analysis 第一梯队，同时把输入输出成本大幅压低。对 Agent 应用来说，前沿模型的竞争开始从“谁更聪明”转向“谁更值得调用”。
-
不靠“看片”剪视频：video-use 把视频编辑变成一道文本处理题
video-use 没有选择让大模型逐帧观看视频，而是将视频转成带时间戳的文本，再交给 Agent 做剪辑决策。这一思路延续了 browser-use 的结构化文本优先哲学。
-
DeepSeek视觉新模型逼近Opus 4.8：多模态Agent竞赛进入工程验证期
DeepSeek-V4-Flash-Vision-Exp 在多个多模态 Agent 基准测试中逼近 Opus 4.8，但榜单分数之外，真正决定落地效果的是工具调用链路、Token 预算与工程架构设计。
-
Agent 反复失败，问题可能不在技能：工程实践中被低估的记忆层
Agent 反复失败时，开发者常习惯继续加工具、改提示词、补 few-shot。但 Dev.to AI 一篇工程文章结合 WikiSkill 论文指出，真正被低估的是记忆层：技能决定当下能做什么，记忆决定能否从经验中学习。
-
Codex 底层换到 Rust：OpenAI 开源 Agent 运行时，重写了 AI 编程工具的基础设施
OpenAI 开源 Codex Agent Harness，并将其底层从 TypeScript 重写为 Rust。本文梳理其三层接口设计、性能收益与 Agent 运行时工程化意义。
-
MCP 公布新路线图：Agent 工具链协议开始走向更轻、更标准的基础设施
MCP 团队发布更新路线图，围绕无状态服务器、Agent 身份、工具发现和 SDK 体验等方向，勾勒 Agent 工具链协议生态的下一步发展。
-
DeepSeek 多模态 API 新模型上线：V4-Flash-Vision-Exp 补齐视觉 Agent 场景
DeepSeek-V4-Flash-Vision-Exp 上线 API 平台，在 V4-Flash 文本能力基础上增强视觉理解，并面向 Agent 工具链提供多模态调用能力。
