Agent 智能体

豆包上线侧边工作台，实现对话与操作同屏

豆包近日升级了生产力场景，在对话页面新增侧边工作台，支持多标签形式承载任务资源，实现AI对话与操作同屏进行。该工作台支持打开本地文件、飞书文档、在线网页及代码应用，并支持代码实时预览和网页自主操作，旨在提升办公和开发效率。

阿里云收入增速创新高，模型发布全面提速

阿里巴巴发布新季度业绩，阿里云外部商业化收入增速达45%，创22个季度新高，AI相关产品收入连续12个季度三位数增长。过去一个月，阿里密集发布多类模型，包括旗舰模型Qwen3.8-Max，并推出Agent产品“千问办公”。公司表示，前期在芯片、模型和基础设施上的投入已转化为商业回报。

Prime Intellect多智能体Harness让开源模型逼近顶级闭源模型

开源AI基础设施公司Prime Intellect发布研究，提出多智能体Harness系统，让更便宜的开源模型承担监控和实现任务，从而降低AI自主科研成本。实验中，18个前沿模型参与nanoGPT优化器速通，开源模型Kimi K3搭配Prime Agent Harness达到2930步，超过GPT-5.6 Sol的3042步，逼近Opus 5的2920步。研

币安推出Agent OS平台，允许AI代理自主交易但风险由用户自负

全球最大加密货币交易所币安推出Agent OS平台，允许AI代理分析市场并代表用户执行交易。该平台集成Binance API、MCP等工具，支持ChatGPT、Claude Code等AI应用，但主要通过子账户和用户配置的权限来控制风险，用户需自行设定交易限额。币安无法监控AI代理的决策推理过程，仅能监控交易活动，安全主要依赖子账户隔离。

招商局狮子山AI实验室亮相WRC 2026，展示柔性叠衣技术

招商局狮子山人工智能实验室在2026世界机器人大会上首次公开亮相，展示了基于自研LiOS端云协同基础设施的柔性衣物自主折叠解决方案，并凭借该技术获得ICRA 2026 LeHome Challenge全球第一名。LiOS通过云侧、端侧和端云协同三层架构，解决了仿真到真机的虚实迁移难题，提升了训练和评测效率，并实现了低延迟的云端推理。该技术旨在推动具身智能从实

光帆AI OS首次落地韶音耳机，系统化AI能力输出开启

韶音在媒体沟通会上发布开放式耳机新品 OpenFit 2 AI，并宣布与光帆科技合作，在其耳机中上线基于光帆自研 AI OS 的“AI 实验室”功能合集，提供智能对话、日程待办等 AI 能力。这是光帆 AI 技术首次落地第三方硬件品牌，标志着其系统化 AI 能力从自有产品走向行业输出。行业分析认为，AI 硬件竞争焦点正从单点功能转向系统化能力，此次合作是这一

另有 1 家信源报道

阿里AI Agent Accio打通国内电商，商家运营效率大幅提升

阿里国际站推出的AI Agent Accio，已从外贸B2B延伸至国内电商，打通淘宝、天猫、拼多多、京东、抖音等平台，提供多平台数据分析和发品功能。商家通过Accio可自动生成跨平台分析报告、优化广告投放、分析用户评价，显著提升运营效率。Accio全球用户超1000万，单次任务成本下降50%，正推动商家组织向AI Native转型。

腾讯云发布AI数据底座TDSQL Nexa，多项AI数据库能力进入生产环境

腾讯云在2026 DTCC中国数据库技术大会上发布面向AI时代的数据底座TDSQL Nexa，统一连接企业多源数据，为Agent提供业务语义理解和权限治理能力。同时公布多项AI数据库能力已进入生产环境，包括TDSQL-C服务50万开发者、Agent Memory开源80天获2万GitHub Stars、DatabaseClaw在头部客户规模化使用。腾讯云副总

唐杰谈GLM-5.3：后训练扩展律与参数死亡

智谱CEO唐杰在X上发文，提出参数数量不再是衡量模型能力的唯一标准，需结合数据量、算力分配和运行条件。GLM-5.3通过长时程环境强化学习实现性能提升，其训练环境、评判器和验证器均为合成生成。同时，Ornith-1.5等新开源模型发布，强调端到端自我改进能力。

中国信通院联合淘宝闪购发布首份即时零售智能体可信规范

中国信通院联合淘宝闪购在8月18日发布了即时零售领域首份针对AI Agent的可信规范《即时零售智能体可信基本要求》，该规范由多家企业共同参编，围绕能力维度和安全领域构建评估体系，并设定了具体性能指标。此举填补了行业可信评估空白，为即时零售智能体应用提供了标准依据，并响应了国家政策对智能体可信发展的要求。

DeepSeek 开源 Harness 运行时，推动模块化 AI 代理基础设施

DeepSeek 发布了 DeepSeek Harness (dsh) 的开发者预览版，这是一个基于 MIT 许可证的开源执行运行时，用于构建自主 AI 代理。该软件采用微内核架构，基于 Cordis 元框架构建，将模型适配器、工具注册表、沙箱环境等作为独立插件加载，支持通过 YAML 或 JSON 配置切换模型端点和执行工作流。平台还包含仅追加的事件日志子

LLM委托合约：技术与努力选择中的道德风险

该论文将经典委托-代理框架扩展至LLM代理选择技术与努力水平（如token预算）的场景，建模了凹性饱和生产函数，推导了最优线性合约，并基于MATH和MMLUPro基准校准模型，证明简单线性合约能有效激励技术感知的委托。

人格引导的LLM智能体在任务导向对话中的研究

肯塔基大学的研究人员提出了一种无需训练的任务导向对话框架，通过两个LLM智能体模拟用户与系统交互，研究人格适应对对话质量的影响。实验在SGD数据集上评估了GPT-4o、Qwen3-Next-80B和Gemini 2.0 Flash，发现人格适应能提升约束满足率和用户满意度，但会降低真实性，而基于线索的隐式适应（Try）能最好地平衡这一权衡。

什么让软件问题解决任务对AI代理更难？

乔治梅森大学的研究人员提出了一种测量框架，用于系统量化软件问题解决任务的结构属性如何影响AI代理的成功率。他们基于CoderForge-Preview数据集进行大规模实证研究，发现任务难度可从静态特征（如补丁碎片化和仓库规模）显著预测，提示难度编码于任务结构中，为构建难度可控的基准测试奠定基础。

编译器引导的自适应证明搜索与跨模型协同

罗切斯特大学的研究者提出了一种编译器引导的自适应证明搜索框架，用于Lean 4项目级定理证明。该框架通过双模型生成和停滞触发的重采样来探索多样化的起始证明，并利用编译器反馈进行当前最优精化。在miniCTX-v2的七个真实项目上，该方法在pass@预算内将平均通过率提高了12.8个百分点，同时将LLM调用减少了21.9%。

本地可部署的基于工具的LLM多智能体框架用于甲烷排放分析自动化

该研究提出一个本地可部署的、基于工具的大语言模型多智能体框架，用于自动化甲烷排放分析与报告。框架通过LLM智能体协调现场测量、气象数据、传感器处理、高斯羽流反演和报告生成，在多种实地环境中实现92.0%的工作流路由和参数提取准确率、85.0%的排放率估算成功率及95.0%的报告生成成功率，将工作流时间从小时级缩短至分钟级，并减少数据泄露风险。

贝叶斯伙伴建模实现LLM协作中的自适应重规划

arXiv 论文提出 BayesBeliefAgent，将分层 LLM 规划器与贝叶斯跟踪模块结合，用于多智能体协作中的自适应重规划。该方法仅在伙伴行为与推断技能矛盾时中断当前技能，从而缩小信念-行动差距，并在 Overcooked 基准上比启发式方法减少约两个数量级的重规划次数。

J-Space造假案引热议：思维链作者称小模型加工具难敌大模型

雷峰网报道了开源项目J-Space Cognition Suite被指造假，其宣称通过外部Harness让小模型追平甚至超越顶级大模型，但独立复测结果相反。OpenAI思维链发明者Jason Wei发文指出小模型加工具无法替代大模型的内化能力，引发行业对Scaling Law与工程路线的讨论。

SemaPLC：面向PLC代码生成的验证门控代理框架

SemaPLC 是一个面向 PLC 代码生成的验证门控代理框架，通过外部编译和实时运行验证生成的逻辑，而非仅依赖模型自评。在 117 个独立 POU 任务中，SemaPLC 在七个模型上取得了最高的严格验证通过率（平均 72.6%）；在 65 个真实项目上下文任务中，其集成编译、静态行为和动态行为均表现最佳。动态行为测试最能区分方法，SemaPLC 得分 5

FM-Bench：长期管理决策基准测试揭示智能体行为决定性能

FM-Bench 是一个用于评估大语言模型智能体在长期决策任务中表现的基准测试，模拟管理足球俱乐部20年的场景。研究发现，管理行为而非模型规模或计算资源决定性能，且所有模型均未能从拒绝的报价中学习市场隐藏价格。该基准提供了首个大规模智能体对抗评估，代码已开源。