Agent 智能体

Mem0 发布 OpenClaw 插件 v1.1.0，移除 Dream 整合并修复多项问题

Mem0 发布了 OpenClaw 插件 v1.1.0，该版本复用共享的对话准备、编辑和遥测功能，同时保留 OpenClaw 的原生记忆后端、工具、CLI 及平台/OSS 模式。移除了 Dream 整合功能，包括自动调度、锁定和相关命令、配置及技能。修复了状态命令在未配置安装时的崩溃问题，并移除了 2000 字符的提取截断限制，确保消息全文保留。

Instacart 推出 AI 杂货购物助手 Clementine

Instacart 推出了一款名为 Clementine 的 AI 杂货购物助手，可将对话、购物清单或食谱转化为可购买的购物车。该助手能根据用户需求提供个性化食谱、推荐、优惠及低价替代品，并支持上传手写或数字清单。Clementine 已在美国和加拿大上线，Instacart 借此与 Uber Eats、DoorDash 等平台的类似 AI 助手竞争，旨在成

红杉资本加码投资 Cymphony，应对 AI 代理带来的企业安全新风险

红杉资本领投了网络安全初创公司 Cymphony 的 2500 万美元 A 轮融资，该公司旨在应对 AI 代理带来的企业安全风险。Cymphony 构建了“劳动力图谱”平台，帮助安全团队统一管理人类员工和 AI 代理的访问权限，并已签约多家企业客户。红杉合伙人表示，Cymphony 将身份和数据安全统一处理的方法使其在竞争激烈的市场中脱颖而出。

OpenAI Agents Python v0.22.2 发布：支持图像生成工具选项并修复安全漏洞

OpenAI Agents Python 库发布 v0.22.2 版本，主要新增对当前图像生成工具选项的支持，并修复了 UnixLocal 沙箱中文件 API 的符号链接竞争问题，以及会话压缩响应链重置的缺陷。该版本还更新了相关文档，以反映 v0.22.1 的行为变更。

GPT-6 Astra评测：循环Transformer与隐藏推理的探讨

本文评论了OpenAI新发布的GPT-6 Astra模型，指出其在3D渲染和动画任务上表现突出，并在数学、编码等基准测试中领先，但智能指数提升有限。文章还探讨了循环Transformer架构与隐藏推理链的传闻，并建议用户更新AGENTS.md和SKILL.md文件以适应新模型。

Hugging Face 推出 ML Intern，通过聊天即可运行机器学习实验

Hugging Face 推出了内置在其聊天机器人中的 AI 助手“ML Intern”，允许用户通过对话描述想法来运行机器学习实验，无需专业知识。该助手能搜索模型和数据集、估算成本并自动执行训练、监控和报告等任务。Hugging Face 表示，示例实验运行约六小时，成本不到 0.50 美元。此举降低了机器学习项目的门槛，而 Hugging Face 正被

Quarkus LangChain4j 1.14.0.CR2 发布：增强 MCP 与多模型支持

Quarkus LangChain4j 发布了 1.14.0.CR2 版本，包含多项修复和新功能。主要更新包括：为 Infinispan 元数据过滤器修复浮点数问题、集成 Apicurio Registry 实现动态 MCP 服务器发现、支持 A2A Agent Card 发现、为 Ollama 嵌入模型报告 token 使用量、改进 agentic Dev

实测星火X2.5：代码智能体能力升级，全国产算力模型可交付

讯飞发布参数293B的星火X2.5 MoE大模型，重点提升代码与智能体能力，API支持Anthropic和Responses协议。实测中，该模型能生成3D粒子交互网页、拆解61页财报并发现数据错误，还能为游戏设计官网。星火X2.5基于全国产算力训练，训练效率提升至93%，标志着国产算力模型进入可交付时代。

Anthropic 研究员警告 AI 或致人类灭绝并辞职

Anthropic 安全研究员 Jacob Coxon 因担忧公司及竞争对手 OpenAI 在开发自我改进型超级智能时忽视安全而辞职，并公开指责两家公司“拿我们的生命赌博”。Anthropic 安全团队负责人 Evan Hubinger 回应称，他个人认为 AI 在未来十年内杀死所有人的概率超过 10%，且公司目前尚无确保高级 AI 安全对齐的计划。此次事件

另有 1 家信源报道

Mastra 发布高级追踪查询、租户级删除及 Factory 看板更新

Mastra 发布 2026 年 9 月 9 日更新，核心亮点包括：新增高级追踪查询契约及 ClickHouse、DuckDB、Postgres 实现；支持租户级追踪删除与级联清理；为工作流控制流块添加元数据；Agent 频道新增 onAction 处理器；Factory 自定义看板成为一等公民。同时包含多项破坏性变更，涉及 @mastra/factory

OpenAI 称 AI 用 1 万智能体 88 小时解决纳维-斯托克斯难题

OpenAI 关联账号宣称，其 AI 系统在约 1 万个智能体协作下，于 88 小时内解决了纳维-斯托克斯千年难题中的有限时间奇点问题，耗资超 4000 万美元，涉及 1300 亿 token。该方法基于多智能体强化学习和并行测试时计算，但未提供定理陈述或证明细节，数学界尚未验证。该事件引发关于 AI 研究能力与计算规模的热议。

蚂蚁百灵发布金融增强模型Ling-3.0-flash-Fin，开源评测基准FinFIRST

蚂蚁集团百灵发布首个金融增强开放模型Ling-3.0-flash-Fin，该模型基于Ling-3.0-flash打造，具备124B总参数和256K长上下文，重点强化信息检索、研究推理、估值建模和研报撰写四项能力，旨在打通完整投研工作流。同时，蚂蚁百灵开源了金融搜索Agent评测基准FinFIRST，并开放模型权重和API体验。该模型在多个金融基准上表现优于部

Dart：基于DAG与区块链治理的可信LLM多智能体协作框架

Dart 提出了一种基于有向无环图（DAG）的声誉与激励机制框架，结合区块链治理，用于可信的 LLM 多智能体协作。该框架统一了 DAG 工作流编排、能力与声誉感知的任务分配、动态行为更新、多因素激励以及智能合约问责与 IPFS 存储。实验表明，Dart 在 GSM8K 上达到 93.6% 的 Pass@1，在 150 轮纵向试验中平均任务成功率为 93.3

MERIT：成本感知的长期记忆评估揭示工具型代理的记忆效用与风险

MERIT 基准测试评估了工具使用型 LLM 代理中长期记忆的边际效用，通过 23,440 个带成本核算的片段发现，记忆可将依赖任务的成功率从 0 提升至 0.55-1.00，但嵌入检索在更新事实时表现不稳定，而结构化事实存储和 LLM 摘要等更新时写入的记忆更稳健。研究还表明，记忆实现的选择可导致任务成功率相差 60 个百分点，且完整重放不经济。该基准、测

SimTIO：基于仿真的多智能体LLM框架用于组合式交通干预优化

SimTIO是一个基于仿真的多智能体大语言模型框架，用于组合式交通干预优化。该框架通过模拟未修改的SUMO场景生成瓶颈证据，由三个专家智能体基于仿真反馈选择参数细化方案，并在有限仿真预算内搜索兼容干预组合。在15个城市-种子案例中，SimTIO将Top-10瓶颈时间损失和网络范围延误降低了2.78%，在86.7%的案例中找到可行改进方案，优于基线方法。该框架

AutoFyn：面向长时程智能体的非参数专家迭代技术报告

AutoFyn 是一种受专家迭代算法启发的智能体框架，通过持久化状态而非模型权重来适应冻结模型，每轮从全新上下文开始，仅通过显式接口引入持久信息。在 2026 年国际数学奥林匹克六道新题上，AutoFyn 使所有可改进模型的得分均高于其提供商的编码智能体；在 Spider 2.0 dbt 基准上构建了排名第一的智能体，并在 Next.js、MetaMask

生成式AI对需求工程未来的影响

本文综述了生成式AI（GenAI）和大语言模型（LLM）对需求工程（RE）未来的影响。作者认为，随着通用软件工程智能体的普及，实现成本降低，工程重心将从编写代码转向需求表达、验证与评估。文章回顾了AI在RE中的历史、LLM的最新进展（如提示编程和通用SE智能体），并预测RE实践将转向操作化规范与智能体指令。该研究旨在帮助RE研究者调整未来研究重点。

AhaBench：评估智能体能否从先前经验中持续学习的新基准

AhaBench 是一个用于评估语言代理在长时间跨度内能否从先前经验中持续学习的新基准，包含 Aha-Puzzle、Aha-Euler 和 Aha-Vending 三个组件。该基准通过初始分数、经验后分数和学习提升三个指标来区分模型的初始能力、利用显式支持的能力以及持久改进的能力。在八模型评测中，Claude Opus 4.6 在经验后总分上领先（64.3）

遗憾主导意外：智能体AI安全的设计时需求工程

该研究提出一种基于目标导向需求工程（GORE）的MS-RGR机制，用于在智能体AI系统设计阶段建模和模拟安全自主性，通过结合认知遗憾和认知意外两种信号，解决安全自主性的三难问题（常规自主、反思推理或升级至人类）。在老年护理和自动驾驶两个工作流领域的随机模拟中，MS-RGR将静默失败率降至接近零，风险检测速度比传感器基线快约17.5倍，并通过LTL安全属性保持

capmas：多智能体系统中基于能力的权限委派架构

arXiv 论文提出 capmas 架构，用于多智能体系统中的安全权限委派。该架构结合基于对比学习的语义范围划分管道与 Macaroon 令牌，实现离线、防篡改的委派，并减少不必要的权限。相比 OAuth 2.0 Token Exchange，capmas 的委派操作快 30 倍，延迟降低 2 倍，带宽使用减少 3 倍，语义范围划分在 17 毫秒内实现超过