智能体
智能体落地:评测、可靠性、工具调用与成本。 这一页按时间倒序收录简报里所有与 智能体 相关的条目,并保留每条的一手来源。
时间线 128 条
-
10-22 · 周四 · 2 条
- NVIDIA 开放 Kumo Relational:不训练、直接在关系数据库上预测流失与欺诈,在 15 个数据库的 41 项任务上胜过有监督方案
视角 · 小团队最缺的就是给每个预测任务单独搭特征和训练流水线的人手。智能面试的订阅流失、AI 云盘的容量增长这类问题,我会先拿它在自己的库上跑一个基线,和规则或简单模型比一比再决定要不要投入;成绩来自厂商自测,要以自己的数据为准,权重许可证也要先让法务看一眼。
出自 10-22 简报 · 第 08 条 →
- NVIDIA 开放 Kumo Relational:不训练、直接在关系数据库上预测流失与欺诈,在 15 个数据库的 41 项任务上胜过有监督方案
-
10-21 · 周三 · 3 条
- 模型发布 mistral.ai ↗Mistral 发布 Voxtral 3 语音模型与语音智能体 SDK:4B 转写模型每分钟 0.0035 美元,TTS 每百万字符 13 美元
视角 · 对智能面试这类以语音为主的产品,我最关心的是说话结束检测和可私有部署:打断判断不准,面试体验会很差,而候选人的录音最好不出自己的环境。我会先拿一批真实面试录音对比现有转写的中文错误率和端到端延迟,再决定换不换。
出自 10-21 简报 · 第 02 条 → - Amazon Bedrock 为全部 Claude 模型支持结构化输出:JSON Schema 输出与严格工具调用
视角 · 走 Bedrock 的团队终于能删掉那层「解析失败就重试」的胶水代码了。AI 云盘的文件元数据抽取正是这种场景,我会先把 schema 收紧到只留必需字段,再对比输出 token 和失败率;但约束解码只保证格式,不保证内容对,抽样校验不能省。
出自 10-21 简报 · 第 06 条 → - IBM ALTK-Evolve:不改权重、只往提示里加学来的规则,GPT-4.1 客服智能体在 τ²-bench 零售上 Pass^4 达到 67.5%
视角 · 这和我在《在智能体系统中设计回退机制与人工确认:一份实践清单》里的思路一致:先把失败案例变成明确规则,比换更贵的模型划算。我会给每个上线的智能体留一份失败记录,定期提炼成规则写回提示,同时盯住 Pass^4 这类「每次都对」的指标,而不只看平均分。
出自 10-21 简报 · 第 09 条 →
-
-
10-20 · 周二 · 2 条
- Cloudflare 发布抽取模型 Clairic:一次前向计算直接输出类型化字段,只按输入 token 计费,在 Workers AI 预览
视角 · 这和 10-06 OpenAI 的 Decisions API 是同一个方向:把「填字段」从生成模型里拆出去。AI 云盘给上传文件抽日期、金额、合同方这类元数据,正是这种场景;我会拿几百份真实文件对比 Clairic 和现在的大模型方案,看字段准确率,权重放出来之前先别把它放进主链路。
出自 10-20 简报 · 第 02 条 → - AWS 给 vLLM 贡献双向 KV 传输,多轮智能体对话的首 token 延迟最多降 3.3 倍
视角 · 自建推理做智能体的,这是今年最实在的延迟优化之一:智能体对话天然是长历史、多轮次,重算历史正是首 token 慢的主因。前提是已经做了预填充和解码分离;还没分离的团队先别为它改架构,先把会话粘到同一节点、开好前缀缓存,收益更便宜。
出自 10-20 简报 · 第 03 条 →
- Cloudflare 发布抽取模型 Clairic:一次前向计算直接输出类型化字段,只按输入 token 计费,在 Workers AI 预览
-
10-19 · 周一 · 2 条
- Anthropic 公布内部用工数据:到 8 月,交互式 AI 智能体的工时是员工的 6 倍,初级技术岗招聘占比下降
视角 · 对做产品的人,最值得记住的不是 6 比 1,而是「读完输出要半个工作周」。我在 PandaClaws 上也碰到同样的墙:生成不缺,缺的是有人看。与其再加一个智能体,不如先做一个按风险排序、只把需要人判断的输出推给人的审阅队列;我在博客《当一个人拥有全部服务:最先崩溃的环节是什么》里写过,先崩的是注意力,不是技术栈。
出自 10-19 简报 · 第 01 条 → - Claude Mythos 5 在评估器闭环里自主设计量子电路,8 项任务都比已发表最优设计更省比特和门,一项关键步骤便宜约 12 倍
视角 · 我关心的不是量子,而是它的工作方式:任务能被程序自动判对错、能给出一个客观分数,模型就能自己跑几十小时。做产品时值得把这类问题挑出来,比如 AI 云盘里的检索召回率、提示词在固定题集上的得分,先把评估器写好,再让智能体去迭代,比人盯着调参省得多。
出自 10-19 简报 · 第 04 条 →
- Anthropic 公布内部用工数据:到 8 月,交互式 AI 智能体的工时是员工的 6 倍,初级技术岗招聘占比下降
-
10-18 · 周日 · 3 条
- DeepSeek 搜索与抓取 API 向所有人开放,每个端点每千次调用 0.75 美元,经 Claude Code、Codex 调用 10 月 31 日前免费
视角 · 智能体联网这一步终于有了明码标价的国产选项。PandaClaws 这类要查资料的内容后台,可以趁 10 月 31 日前的免费期拿它和现有搜索方案对比命中率与时延;正式接入前先按「每次任务调几次搜索」算清成本,这个数在智能体里很容易失控。
出自 10-18 简报 · 第 02 条 → - 腾讯混元以 Apache 2.0 开源 Hy-Memory-30B-A3B:约 3B 激活的记忆写入模型,四个记忆框架平均 55.49,高于 Claude Opus 5 的 54.62
视角 · 记忆写入是后台高频调用,用旗舰模型做最贵也最不划算。AI 云盘的「记住用户偏好」这一环我会先用它在 Mem0 上替换一周对比;我 10-17 那篇 aipan 成本账单里也提到过,长期成本主要压在这类反复执行的后台步骤上。注意它的分数来自 20% 子样本,换成自己的数据再下结论。
出自 10-18 简报 · 第 03 条 → - Google OAuth 支持 DPoP:刷新令牌与客户端密钥对绑定,被盗后无法重放
视角 · 让智能体代用户调 Google Drive、Gmail 的产品,最该先改的就是刷新令牌的存放方式。AI 云盘如果接 Google Drive 导入,我会把刷新令牌改成 DPoP 绑定、私钥不出服务端;「只绑刷新令牌、访问令牌保持短期」这个取舍也值得在自己的网关里照搬。
出自 10-18 简报 · 第 07 条 →
- DeepSeek 搜索与抓取 API 向所有人开放,每个端点每千次调用 0.75 美元,经 Claude Code、Codex 调用 10 月 31 日前免费
-
10-17 · 周六 · 2 条
- Cloudflare 给已验证机器人加上持续考核:按是否遵守 robots.txt、收到 429 后是否降速打出「信任区间」
视角 · 做浏览器智能体或抓取工具的,这条比任何模型发布都更直接:以后被网站放行靠的是行为记录,不只是签名。我会检查自己产品里的抓取代码,确保读 robots.txt、对 429 做指数退避,这些以前是礼貌,现在会被计分。和 10-16 那条 Cloudflare 与 OpenAI 的发现试点连起来看,Cloudflare 正在把自己做成 AI 流量的规则制定方。
出自 10-17 简报 · 第 07 条 → - AWS 公开内部销售智能体的评估闭环:三个月把通过率从 93% 提到 96%,每万次回答的纯幻觉从 138 次降到 52 次以下
视角 · 「410.08 美元报成 410.08 百万」这种错误最可怕:语气笃定、格式漂亮,人工抽查很难发现。我会照它的做法给 AI 云盘的数据驾驶舱问答建一套固定题集,每次改提示词或数据管道都跑一遍再发布;数据、工具和提示词的改动要一起上线,不然中间那段错配期就是事故窗口。
出自 10-17 简报 · 第 08 条 →
- Cloudflare 给已验证机器人加上持续考核:按是否遵守 robots.txt、收到 429 后是否降速打出「信任区间」
-
10-16 · 周五 · 1 条
- NVIDIA 开放 120B 的 Nemotron 3.5 Super VL,连同权重放出数据集和训练配方;74B-A9B 的 Bolt 原生 2-bit 装进 24GB
视角 · 10-14 那期还只是预告,今天 Bolt 真的上了 Hugging Face,24GB 显存就能跑一个 74B 的智能体模型。我会先拿 Bolt 在 PandaClaws 的批量改写任务上做本地对照,看 2-bit 量化在中文长文上的掉点;Super VL 带数据集和配方一起开放,更适合想自己微调的团队。许可证没写清楚之前,只做评测不上生产。
出自 10-16 简报 · 第 04 条 →
- NVIDIA 开放 120B 的 Nemotron 3.5 Super VL,连同权重放出数据集和训练配方;74B-A9B 的 Bolt 原生 2-bit 装进 24GB
-
10-15 · 周四 · 1 条
- Claude API 推出 OpenTelemetry 导出(beta),可追踪 Messages API 请求和 Managed Agents 会话
视角 · 我一直是在自己的代码里包一层日志来记模型调用,这层现在可以交给标准链路了。我会先在 AI 云盘的文档问答上接一个 OpenTelemetry 目的地,把一次提问从上传解析到模型回答串成一条链路,定位慢在哪一步;上线前确认清楚 span 里带了哪些内容,再决定发往哪个后端。
出自 10-15 简报 · 第 01 条 →
- Claude API 推出 OpenTelemetry 导出(beta),可追踪 Messages API 请求和 Managed Agents 会话
-
10-14 · 周三 · 4 条
- 模型发布 about.fb.com ↗Meta 发布面向智能体任务的 Muse Wonder 与 Muse Wonder Full,Muse Wonder 已可通过 Meta Model API 调用
视角 · Meta 也成了前沿模型的 API 供应商,但这次发布没有给价格、没有给基准分数,安全报告也还没出。我会先申请 API,挑一个长链路智能体任务试一下;但在安全报告和价格公开之前,不会把用户数据接过去,跨对话记忆这种能力恰恰最需要先看清数据政策。
出自 10-14 简报 · 第 03 条 → - Liquid AI 开放 LFM2.5-24B-A2B 权重:每 token 只激活 2B 参数的推理智能体模型,M5 Max 上解码 184 token/秒
视角 · 看表格,别只看标题:它在工具调用和指令遵循上占优,在编码和网页任务上明显落后。所以它适合 PandaClaws 里本地做工具路由、填表这类步骤,不适合当编码智能体。结合 10-13 那篇自我复制研究,自己部署的话,推理端点不要暴露在公网。
出自 10-14 简报 · 第 04 条 → - Copilot 遥测可把智能体活动归属到具体用户而不采集提示词,五类内容采集默认全部关闭
视角 · 把身份和内容分开采集是对的默认值:出事时能回答「是谁的智能体执行了这条命令」,又不必存下所有人的提示词。我会打开身份和工具参数用于审计,提示词和回复保持关闭;自家产品里的智能体日志也照这个思路拆开。
出自 10-14 简报 · 第 07 条 → - NVIDIA 为 10 月 16 日上市的 RTX Spark 笔记本备好软件,面向智能体的 Nemotron 3.5 Bolt 74B 模型 10 月 15 日发布
视角 · 和今天的 LFM2.5 放在一起看,本地智能体这套东西正在补齐:硬件、小模型、智能体框架,以及 llama.cpp 对决策模型的支持。我会把「本地与云端混合路由」当成产品功能来规划,先从 AI 云盘的文件解析做起:能在用户本机做的就留在本机,只把难的问题发到云端。
出自 10-14 简报 · 第 09 条 →
-
-
10-12 · 周一 · 1 条
- Amazon 开放 Strands decider 决策模型:2B、12B、26B-A4B 三档,Apache 2.0
视角 · 一周之内 Liquid AI、Cloudflare、Amazon 先后放出决策模型,这个品类已经成形。智能体里「该调哪个工具、参数对不对、要不要拦」这类判断,我会先用 2B 版接在智能面试的路由上试,按模型页的提醒拿自己的流量定置信度阈值;本地服务没有鉴权,别直接暴露到内网之外。
出自 10-12 简报 · 第 03 条 →
- Amazon 开放 Strands decider 决策模型:2B、12B、26B-A4B 三档,Apache 2.0