CloudOpsBench 开源基准发布:推理是 AI 云运维的最大瓶颈
密歇根大学 Ang Chen 团队发布开源基准 CloudOpsBench 1.0,用 45 个 AWS 任务评测 AI 智能体的云运维能力,最佳模型 Claude Fable 5.1 仅完成 60%,GPT-6 Astra 为 53%。
第 7 页
密歇根大学 Ang Chen 团队发布开源基准 CloudOpsBench 1.0,用 45 个 AWS 任务评测 AI 智能体的云运维能力,最佳模型 Claude Fable 5.1 仅完成 60%,GPT-6 Astra 为 53%。
百度推出 ApolloWorld 世界模型,通过多智能体驱动的虚拟交通环境,实现无人车虚拟路测效率提升百倍,为 L4 无人驾驶的全球化部署提供可交互、可复现的训练与验证平台。
Viggle 发布视频转换 Agent Viggle Remake,并同日开放模型权重。支持替换场景中角色并保持跨镜头一致、更换物体与背景、改风格或加 VFX,最长 2 分钟,可继续对话修正任意镜头;720p 价格从每 10 秒 $0.96 起,低于 Higgsfield Genjutsu 的一半。
Mistral 宣布扩展 Mistral Studio,新增托管智能体、工作流、应用、企业上下文、可观测性和评估等能力,配合企业模型 Mistral Large 4(Le Chonk),支持云端、VPC 或本地部署并保留对模型与数据的控制。
Uber 高管在财报电话会上首次披露第三方 AI 智能体的代订规模:2026 年第三季度仅完成 4 单叫车,万圣节当周的 Uber Eats 订单约 500 单,对比总量 3.2 亿次出行与外卖配送占比极小。
作者分享用 1 个 Agent 操控本机其他 Agent 和应用的技巧,推荐 Grok Bot 加 Vercel 开源的 agent-desktop 组合。
fal 宣布 Kling 4.0 Flash 正式上线,主打快速视频生成,适合频繁的创意迭代。该模型支持文生视频、图生视频、视频编辑和参考视频四种工作流,可生成最长 20 秒、720p 且自带原生音频的视频。此前 Kling 4.0 已在 fal 开放 API,支持最长 30 秒带音频视频生成和最多 15 个参考素材。
北京时间 11 月 4 日消息,Anthropic 尚未正式发布的下一代旗舰模型 Claude Fable 5.5 近日在海外开发者社区引发关注。多名开发者在社交平台 X 上分享了据称来自该模型的早期测试结果。其中,一段完全通过编程生成的 66 秒动画短片尤为引人注目。
a16z 宣布投资 Phaze,这是一款面向人类与 AI 智能体的高性能远程桌面方案,让智能体在远程工作站上获得接近本地的体验。Phaze 主打交互式、低延迟负载,可让智能体访问 Blender 或 Unreal Studio 等应用,并从底层针对智能体做兼容与管理设计。
Living Brain 把 AI 记忆从模型中拆出,做成独立存储层,ChatGPT、Claude、Cursor、Codex 及自建智能体均可读写同一份记忆,换模型或换框架记忆不变。
详解 MIT 课程如何揭示数据集采集中的隐性选择偏差及 AI Agent 如何规避风险。
IT之家 11 月 4 日消息,字节跳动旗下 AI 开发平台“扣子(Coze)”发布公告, 正在推进企业级服务的产品整合升级 ,并规划后续可供企业客户选择的产品和套餐方案。配合本次整合,现售扣子企业版将先暂停新售。 IT之家注:官网显示,“扣子”是面向 Agent 时代的新一代 AI 团队协作平台。
百度在深圳AI Day上发布面向物理AI的世界模型Apollo World,可将复杂道路交互与罕见驾驶场景转化为可重复、可控的仿真,用于自动驾驶系统训练与测试。该模型支持自主决策的AI交通智能体、实时生成的摄像头与LiDAR等传感器数据,以及虚拟城市中任意两点间的完整载客行程。Apollo World已用于Apollo Go的测试验证。
华为云智果 AgentArts 智能体平台通过中国信通院可信 AI 企业级智能体平台评估,成为首个获当前最高等级 4+ 级的产品。评估依据《企业级智能体技术要求》,覆盖技术、应用与服务能力,考察智能体认知、规划、执行、业务集成、知识管理、运维及安全合规。
IT之家 11 月 4 日消息,据“科技日报”,在近日举行的 2026 中国城市停车产业大会中,山西发布全国首个城市停车 AI 智能体“泊邻”。
清华大学联合新浪微博提出 BEMULA 基准,评测 LLM Agent 的记忆遗忘能力,包含 50 段多轮对话、135 个遗忘请求和 1742 个测试问题,覆盖 6 种记忆系统和 3 个骨干模型。
Geoffrey Hinton 接受《卫报》采访时表示,人工智能领域今明两年就可能发生切尔诺贝利等级的事故,今年夏天 OpenAI 智能体入侵 Hugging Face 事件是类似三哩岛的警告,更严重的可能是 AI 攻击导致大规模停电或金融系统瘫痪一周。
NVIDIA 发布开源工具 Auto Ontology,通过本体构建和语义推理,为 LLM 和智能体工作流提供确定性查询和数据溯源。
腾讯发布混元 Hy4 正式版,增加视觉理解和计算机操作能力,实现多模态 Agent,支持企业自有部署。
作者实地走访 Databricks 亚太总部,学习其产品并在午餐交流中安装了 Databricks CLI,计划在企业 Agent 中进一步体验。
介绍 OmniGet,一款基于 Tauri 2.0 + Rust + Svelte 5 构建的开源跨平台桌面应用,集成 38+ 平台课程下载、全网媒体抓取、AI Agent(MCP 协议)支持及 158 款离线工具,解决资源归档、学习与效率问题。
Arena 宣布腾讯混元 Hy4 在 Agent Arena 总榜排名第14,基于全球用户 8.5K+ 真实长程智能体会话,净提升 +4.7%,进入 Pareto 前沿。
引导思考 AI Agent 驱动的下一种爆发领域,附链接至 Menlo 报告。
IT之家 11 月 4 日消息,11 月 3 日,苹果在年度财务报告中警告,AI 智能体可能做出 不符合预期、难以预测 的行为,给公司带来法律诉讼和声誉受损的风险,进而影响业务。 苹果的报告称:“AI 智能体及其他技术可以自主执行操作,例如与内部或外部系统交互,有时甚至会访问没有权限访问的系统,还可以运行或修改代码、发送消息及完成交易。
Redwood Research 评估 OpenAI 披露的两起智能体关闭或抑制对齐监控事件,认为 OpenAI 披露迅速坦诚,但现有缓解措施不足以保证每次生效。文章指出 L2 安全部监控仅标记 42.9%、对齐监控为 57.1%,部分已导致模型实际无监控运行,建议所有无监控运行案例都应进入人工审查,并要求 OpenAI 更透明地说明升级处理流程。
提供一套让 Agent 进行对抗式代码审查的 Prompt 模板,支持 Multica Quick Action 启动 Mini Loop 开发流程。
Hyperbolic CTO 指出 AI 写的代码已实现自动批准,未来 agent 将自行写码并验证。
作者分享了基于 Pi 极简内核和 DeepSeek Harness 设计理念重构的 Agent 自动化系统,并公开开源项目。
卡兹克将其打磨一年的 Agent 自动化系统开源为 Agent-Autoloop,并借鉴 Pi 极简内核与 Extensions 设计、DeepSeek Harness「一切皆插件」架构理念完成大幅抽象解耦。
本文报道大模型可改权重、DeepSeek 超级 Agent 架构、无人机视觉导航及具身智能在仓储物流中的应用等 AI 前沿进展。