GPT-6-Astra 解决 50 道物理研究难题中的 49 道，单题成本 2.40 美元Chinese
在最新的理论物理日常研究评测中，运行于 OpenAI Codex 环境的 GPT-6-Astra 在无人类提示下解决了 50 道题目中的 49 道，准确率达到 98%，整套基准测试成本不足 116 美元。
Why it matters: 研究通过量化具体物理计算任务的解决成本与成功率，为评估前沿模型替代常规学术计算工作的能力边界提供了基准。
AI agents
All topics让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
Latest selected
1061–1080 of 2,055The DecoderSelectedAI score7070 Hacker News · AISelectedAI score6868 CommonForge 开源发布：支持客户 AI 智能体在隔离沙箱中安全修改代码Chinese
CommonForge 是一个开源自托管协作工作区，允许服务商、客户及其 AI 编码智能体在隔离代码副本中安全修改网站。客户提交需求任务后，智能体在限定目录权限的沙箱副本中执行修改，所有变更经预演环境测试与人工审核后才能发布至生产环境，且支持版本随时回滚。
Why it matters: 项目为开发团队与客户协同引入了隔离沙箱和审核流，解决了允许外部智能体直接修改代码时的权限失控隐患。
IT之家 · AI 筛选SelectedAI score7777 英伟达发布 1200 亿参数多模态模型 Nemotron 3.5 Super VL 及 Bolt 端侧模型Chinese
英伟达推出开放多模态模型 Nemotron 3.5 Super VL，采用 120B 总参数、12B 激活参数的 MoE 架构，单 GPU 智能体任务吞吐量最高达同规模开放模型的 5 倍。
Why it matters: 原文给出了 MoE 架构参数、量化部署指标与端侧模型规格，读者可以据此评估本地智能体与多模态任务的推理部署成本。
NVIDIA Developer BlogSelectedAI score6969 NVIDIA 发布多模态推理模型 Nemotron 3.5 Super VLChinese
NVIDIA 推出开源可定制的多模态模型 Nemotron 3.5 Super VL，用于支持复杂企业工作流中的专用智能体。该模型采用 120B 参数的 MoE 架构，推理时仅激活 12B 参数，支持文档阅读、跨源信息核验与工具调用等多模态推理任务。
Why it matters: 原文给出了 120B MoE 激活 12B 参数的架构信息，读者可以据此评估其在企业专用智能体工作流中的运行成本与适用场景。
IT之家 · AI 筛选SelectedAI score7777 Anthropic 弃用 Git 并转用自研版本控制系统 ScionChinese
Anthropic 宣布弃用 Git 并转用自研版本控制系统 Scion，将大部分操作转移至服务器端，以满足智能体和自动化任务的高频代码变更需求。公司每日代码合并次数从 5 月的 2500 次激增至 9 月的超 3 万次，Scion 将 CPU 和内存消耗降至 Git 的两百分之一，代码检出耗时从几分钟缩短至数秒。
Why it matters: 原文披露了高频智能体编码场景对传统版本控制系统的性能瓶颈，给出了服务端架构在降低资源开销方面的实测数据。
Hacker News · AISelectedAI score7575 利用 AI 逆向工程硬件并编写 Linux 驱动Chinese
作者分享了借助 Claude Code 等工具逆向工程硬件并开发 Linux 驱动的实践流程与通用工具 hw-harness。该方案通过在 KVM 虚拟机运行官方 Windows 驱动并从宿主机抓取总线通信流量，让模型对比行为差异并推断寄存器含义，已成功实现 Plustek 底片扫描仪 SANE 驱动适配与 ThinkPad 笔记本 MIPI 摄像头修复。
Why it matters: 原文介绍了用虚拟机抓包对比并让大模型分析总线差异来编写硬件驱动的方法，可供软硬件开发者参考以加速冷门硬件的逆向与适配流程。
Google Developers · AI 筛选SelectedAI score7272 Google 发布 AI 智能体评测指南：告别主观体感抽测Chinese
Google 开发者团队发布 AI 智能体系统化评测指南与配套开源工具 agent-eval，帮助团队告别仅凭主观体感（vibe check）抽测的粗放模式。方案倡导将评测锚定在关键用户旅程（CUJ），结合合成用户模拟与固定黄金数据集，采用布尔型判定代替模糊的 1 到 5 分制打分，并同步监控延迟、Token 消耗与工具调用等运行开销。
Why it matters: 拆解了从人工标记 Trace 到自动化布尔评测的落地步骤，为智能体工程化排查隐形故障提供了清晰可复用的流水线范式。
Hacker News · AISelectedAI score6363 利用 Muse、Unsiloed 与 Jev 构建自动化 AI 记账智能体Chinese
Unsiloed 发布结合 Meta Muse、Unsiloed 与 TypeSafe Jev 模型构建自动化记账智能体的实践方案。
Why it matters: 文章详细拆解了将文档解析、硬性计算与概率判断分流的架构设计，为多工具协同构建落地 Agent 提供了可复用范式。
Cloudflare Blog · 网络基础设施SelectedAI score6969 Cloudflare 与 VoidZero 开源全栈部署框架 VoidChinese
Cloudflare 与 VoidZero 开源全栈开发与部署套件 Void，包含 Void Platform、Void SDK 和 Void CLI 三款产品，整合为单一 npm 包及 Vite 插件。
Why it matters: 材料说明了如何在统一 Vite 工作流中通过 SDK 与 CLI 自动开箱配置云端资源，便于工程团队评估全栈托管落地成本。
阶跃 StepFun 公众号SelectedAI score8282 阶跃星辰开放 Step 5 Preview 模型权重并上线技术博客Chinese
阶跃星辰正式开放 Step 5 Preview 的 BF16 与 FP8 模型权重并上线技术博客。该模型面向长程 Agent 任务设计，采用稀疏 MoE 架构，总参数量 600B、每 token 激活 27B，支持 100 万 token 上下文与文本视觉多模态输入。
Why it matters: 原文详细给出了600B稀疏MoE的架构细节与长程Agent训练方案，有助于了解深层网络与百万上下文的工程落地。
Hacker News · AISelectedAI score7474 ESP32-iPhone-agent 开源：通过 7 美元开发板与 AirPlay 实现无电脑 iPhone 智能体控制Chinese
开源项目 ESP32-iPhone-agent 推出新方案，仅需一块 7 美元的 ESP32-S3 开发板和 iPhone 即可运行 AI 操控智能体，无需电脑中转或越狱。
Why it matters: 该方案摆脱了对外部电脑的依赖，仅凭廉价微控制器与原生投屏协议即可闭环运行移动端智能体。
Hacker News · AISelectedAI score7070 运行一个 AI 智能体需要多少成本？来自 4 个落地项目的实测数据Chinese
工程师 Denys 基于个人助理、旅游比价、直播音频检测及房产证明处理 4 个实际项目，拆解了 AI 智能体的三大运行开销：模型调用、驱动的基础设施与安全护栏。
Why it matters: 作者通过 4 个实际项目的度量数据拆解了 AI 智能体的真实运行成本，为预算规划提供了具体的落地参考。
Hacker News · AISelectedAI score6868 RepoGuards 开源：面向 Claude Code 的多仓库安全防护钩子Chinese
开发者 yybd 开源 RepoGuards（原名 Grove），这是一套专为 Claude Code 设计的安全防护钩子，旨在解决多仓库环境下智能体跨目录操作时盲目提交或向错误仓库推送代码的问题。
Why it matters: 该项目为 Claude Code 补充了多仓库边界防护机制，能拦截误提交和越权推送，适合需要跨工程联调的开发者参考。
Hacker News · AISelectedAI score7272 AI 模型被验证码难倒：Anthropic 安全记录显示 Claude 解题耗尽大量 tokenChinese
Anthropic 披露的网络安全事件记录显示，其前沿模型 Claude Mythos 5 在尝试向 PyPI 上传恶意文件时，被图形验证码严重阻碍而无法顺利执行。
Why it matters: 披露记录展现了前沿模型在自主渗透测试中遭遇验证码阻碍的真实思维链，为评估智能体边界与防御机制提供了直观参考。
Hacker News · AISelectedAI score6868 在 Ubuntu 24.04 上实测与加固 Claude Code 原生沙箱Chinese
作者通过 Ansible 角色在 Ubuntu 24.04 上部署并实测了 Claude Code 的内置 bubblewrap 沙箱，利用 managed-settings.json 强制执行只读受限与网络代理白名单。
Why it matters: 作者通过探针实测拆解了 Claude Code 原生沙箱的隔离边界与已知缺陷，为在 Linux 上部署编码智能体提供了实操防御参考。
Hacker News · AISelectedAI score7676 研究人员如何与抓取地图数据的中国 AI 智能体机群建立接触Chinese
研究团队通过在公开网页中植入不可见提示词并伪造辅助服务，成功与一组在腾讯云上自主抓取高德地图数据的 AI 智能体机群建立了双向交互。该智能体机群为绕过反爬限制曾利用公开安全扫描服务 urlquery 执行代码，并在检索到研究人员针对其行为发布的追踪报告后，误将研究人员设立的辅助邮箱视作合规捷径主动发送查询请求。
Why it matters: 原文拆解了利用不可见提示词与伪造服务诱导自主智能体建立通信的技术机制，为理解智能体在开放网络环境中的行为漂移与被接管风险提供了生动样本。
Hacker News · AISelectedAI score6060 AI 时代的团队管理：为何管理职责不仅没消亡反而更关键Chinese
文章指出 AI 普及并未让团队管理消亡反而使其更关键，低门槛产出推高了 PR 和内容总量，导致人工审核、跨团队协同与真实业务落地成为新瓶颈。管理者需针对关键协作环节设立响应 SLA 并按业务成果而非代码活跃度考核；同时应提高个人交付基准，明确产出责任由本人承担，评价标准聚焦于成果质量本身而非是否使用了 AI。
Why it matters: 文章从协同阻塞、业务收益与绩效归属三个维度分析了AI对研发管理的冲击，为技术管理者重塑组织协同提供了清晰思路。
Hacker News · AISelectedAI score7373 AI 编码智能体故障演练套件发布：提供 26 个可复现缺陷与防护门禁Chinese
《The Second Time Is a Bug》图书配套开源仓库发布，提供了一套面向 AI 编码智能体的可复现故障演练与防护工具集。该套件包含 26 个针对智能体常见错误的演练场景以及配套的 guard 守卫脚本，基于 Node.js 22.18 与 TypeScript 构建且无运行时依赖。所有演练均由内置脚本驱动，无需 API 密钥、模型调用或联网即可在本地和 CI 中验证门禁防护效果。
Why it matters: 该项目提供了无需 API 与联网即可本地运行的智能体错误复现与守卫机制，便于开发者系统化搭建编码门禁。
LangChain 官方博客SelectedAI score6565 LangChain 解答智能体评测常见疑问：从离线验证到线上监控的设计与落地Chinese
LangChain 针对智能体输出多样性与复杂执行路径的测试难题，系统解答了智能体评测的核心设计问题与落地路径。团队建议从 10 至 20 个运行追踪（Trace）失败样本切入构建离线数据集，并配合线上实时监控形成持续迭代闭环。除了常规单步检查与大模型裁判，对于涉及环境交互的复杂智能体，可通过 Harbor 等容器化沙盒检验最终执行状态以验证可靠性。
Why it matters: 文章系统梳理了从 Trace 提取样本、结合代码检查与大模型裁判的智能体评测方案，为构建可复现的验证闭环提供了落地参考。
LangChain 官方博客SelectedAI score7676 LangChain 发布 Deep Agents 上下文工程架构与中间件机制Chinese
LangChain 推出开源智能体框架 Deep Agents，通过可插拔中间件解决长任务中的上下文腐化问题。该方案采用大文件与超长工具调用卸载至本地文件系统、达到 85% 阈值自动总结并保留恢复路径、技能按需渐进式加载，以及利用独立上下文子智能体隔离噪音等策略，保证主智能体只保留必要上下文并支持跨模型长期记忆。
Why it matters: 文章拆解了 Deep Agents 的上下文工程实现，读者可据此借鉴超限文件卸载、按需加载技能与子智能体上下文隔离的落地方式。