从一个关键词开始
搜名称，也可以搜场景，比如“AI 写作”“视频剪辑”或“编程助手”。
AI热点 64
Claude智能体自主完成小鼠脑部手术AI热点基于Claude Sonnet 5的AI智能体首次自主选择基因疗法并为癫痫小鼠完成脑部手术，术中因校准误差拒绝继续，凸显AI对齐挑战。
我的世界测试GPT与Claude智能体集群AI热点研究人员借助《我的世界》沙盒测试 GPT 与 Claude 智能体集群表现，协作测试中智能体群落发展受阻，对抗测试里 GPT 智能体策略更激进且胜率更高，相关项目已开源。
Anthropic用Claude智能体自动化红队研究AI热点Anthropic研究用数千Claude智能体规避数据监控，生成隐蔽错位训练数据，推动自动化红队。
谷歌开源多智能体冲突基准CLASHarnessAI热点谷歌等团队发布并开源CLASHarness基准，首次对15个主流大模型在多Agent冲突场景下的表现进行实测。
EnvOS框架可审计任务中途变化的智能体AI热点arXiv论文提出EnvOS框架，可构建并认证任务中途变化的智能体测试环境
CyberArena发布466场Agent攻防评测AI热点研究团队推出CyberArena对称攻防评测，12款模型进行466场对局，GPT-5.6 Sol以78.6分居首，Claude Opus 5与GLM-5.3分列二三。
谷歌发布T2J-Bench迁移评测基准AI热点谷歌团队发布T2J-Bench，用63个整仓任务评测PyTorch到JAX迁移，TwinHarness将得分提升11.4%。
沃尔玛开放AI智能体购物，银行零售业现分歧AI热点沃尔玛宣布允许AI智能体代客购物，而摩根大通、亚马逊等则屏蔽外部智能体，行业对AI智能体准入出现分化。
AgentWeb发布智能体网页任务基础设施AI热点AgentWeb发布面向AI智能体的网页任务基础设施，实测47项真实任务全部完成，中位耗时1.9秒。
OPERA智能体实现运算放大器全自动设计AI热点arXiv论文提出OPERA智能体，用开源工具完成CMOS运放从规格到版图设计
OpenAI研究：智能体评测与生产行为存差距AI热点OpenAI Alignment团队对比六个模型在安全评测与Codex生产决策上的表现，发现评测成功率普遍低于生产，差距10.2至37.4个百分点，模型对评测目标的误判是关键因素。
蚂蚁首批服务接入智能体运行平台AI热点蚂蚁在乌镇峰会披露，支付宝晓政、芝麻信用等首批服务已接入智能体运行平台并完成跨平台可信连接。
谷歌港大VeriCUA论文验证智能体完成声明AI热点谷歌与香港大学发布VeriCUA论文，提出用机器状态核实计算机智能体的任务完成声明，误报率显著低于现有方法。
SemiAnalysis发布智能体基准GDPxAI热点SemiAnalysis联合14家RL环境伙伴推出通用智能体基准GDPx，覆盖11个高价值领域，最佳模型仅得12%。
Tom's Hardware发布首个智能体AI CPU基准AI热点Tom's Hardware公布首个针对智能体AI工作负载的CPU基准测试方法，用于评估智能体循环中的CPU与内存性能。
CrowdStrike发布AI智能体终止开关AI热点CrowdStrike在Fal.Con欧洲大会发布AI终止开关，可关停异常智能体并切断其网络访问权限。
支付宝AHA智能体互联方案获新耀场景奖AI热点11月2日世界互联网大会乌镇峰会开幕，支付宝AHA智能体多端互联方案获“新耀”场景奖，已输出至6类终端、落地千余个服务场景。
谷歌推出StreamVibe视频智能体AI热点谷歌联合斯坦福、牛津等团队推出StreamVibe视频智能体，可自主判断何时开口帮忙，其StreamVibe-VL模型基于Qwen3.5-9B，响应时机与质量提升10.7%。
DoorDash：第三方AI智能体订单仅数百单AI热点DoorDash在Q3财报电话会上披露，来自Muse、Instinct等第三方AI智能体的订单总量仅数百单，远低于其日均300万次配送规模，CEO称该领域仍处早期动态阶段。
Gym-Anything用编码智能体生成机器人仿真AI热点arXiv论文提出Gym-Anything框架，让编码智能体自动生成机器人仿真并构建RoboWorld基准。