Agent 智能体

Claude Opus 5.5 上线 AWS Bedrock

Anthropic 的 Claude Opus 5.5 现已在 Amazon Bedrock 和 AWS 上的 Claude Platform 上线，是 Claude 5.5 系列首个模型。该模型面向智能体编程、知识工作和长时任务，据 Anthropic 称比 Opus 5 用更少 token 完成更多工作，且单 token 价格和缓存读取成本更低，从而降低

另有 1 家信源报道

用 Strands Evals 与 Amazon Bedrock AgentCore 评估技能型智能体

AWS Machine Learning Blog 介绍了如何用 Strands Evals SDK 和 Amazon Bedrock AgentCore Evaluations 评估具备技能（Skill）的智能体。技能是遵循开放 Agent Skills 标准的模块化指令集，可让智能体按需加载领域流程。文章指出技能组合会带来两类通用指标难以发现的失败：选错

Anthropic 发布 Claude Opus 5.5：性能对标 Fable 5.1，成本降四成

Anthropic 发布新模型家族首款产品 Claude Opus 5.5，宣称在多数任务上达到 Claude Fable 5.1 的水平，但运行成本比 Opus 5 低约 40%，输出速度提升超 30%。该模型定价降至每百万输入 token 4 美元、输出 20 美元，缓存读取费用下降 60%，并首次配备与 Fable 5.1 同级的网络安全、生物和前沿

Claude Code 2.1.280 发布：新增默认 Opus 5.5 模型并修复大量问题

Claude Code 发布 2.1.280 版本，新增 Claude Opus 5.5 模型并设为默认 Opus 模型，支持 100 万 token 上下文，定价为每百万 token 输入 4 美元、输出 20 美元，缓存读取 0.20 美元。本次更新还改进了全屏模式下的鼠标操作、新增 MCP 描述长度环境变量、增强 OpenTelemetry 钩子事件，

零令牌置信度：读取模型内部状态，0.06秒零令牌完成验证

VIDRAFT 发布零令牌置信度（ZTC）方法，通过读取模型内部隐藏状态而非生成令牌来评估答案可信度，单次前向传播即可输出校准概率，已在 Hugging Face 上线。在 2,018 项共享基准上，ZTC·Darwin-397B 以 0.7394 AUC 登顶，而模型自报置信度仅 0.5000（等同随机猜测）。在 539 项留出集上，读取内部状态比直接询问

JEV 生态评测：13 个答案验证器同台竞技

Hugging Face 博客发布了一项针对答案验证（answer verification）系统的独立评测，在 2,018 条统一标注的测试集上对比了 13 个系统，并公开了评分代码。结果显示仅三个系统 AUC 超过 0.70，最强的 ZTC (397B) 与 JEV 差距仅 0.0014，统计上无法区分；而仅依赖答案长度和格式的基线达到 0.7036，高

Anthropic Java SDK v2.65.0：支持 claude-opus-5-5 与 MCP 工具列表固定

Anthropic 发布 Java SDK v2.65.0，新增对 claude-opus-5-5 模型、内联工具定义以及 MCP 工具列表固定（beta）的支持。同时修复了 Managed Agents 事件权限枚举、响应关闭与 Bedrock 流终止、addTool() 即时生效等多项问题，并补充了 Dreams、User Profiles、Manage

Anthropic TypeScript SDK v0.128.0 发布

Anthropic 发布 TypeScript SDK v0.128.0，新增对 claude-opus-5-5 模型、内联工具定义以及 MCP 工具列表固定（beta）的支持。同时修复了 Managed Agents 事件中 evaluated permission 枚举共享、addTools() 即时生效以及工具运行器压缩请求参数等问题，并补充了 Dre

Anthropic Python SDK v1.8.0 发布：支持 claude-opus-5-5 与 MCP 工具列表固定

Anthropic 发布 Python SDK v1.8.0，新增对 claude-opus-5-5 模型的支持，并引入内联工具定义与 MCP 工具列表固定（beta）能力。同时修复了流式请求在 Python 3.13 退出时崩溃、add tools() 未即时生效等问题，并更新了 Dreams、User Profiles、Managed Agents 等

阿里云栖大会发布全模态模型矩阵，陆川5天AI复原明代灾难现场

在2026云栖大会上，阿里云集中发布全模态模型矩阵，包括Qwen3.8-Max、Qwen3.8-Flash、Qwen3.8-Omni、Qwen-Image-3.1、Happy Shrimp 1.1、HappyOyster 2.0 Preview、Qwen-Audio-3.1、Qwen3.8-LiveTranslate等，并预告下一代视频模型将于11月发布。导

Agent时代CPU价值重估：英特尔称CPU与GPU配比趋近1:1

英特尔在苏州技术创新与产业生态大会上提出，Agent时代AI计算配比正从CPU与GPU的1:4趋近1:1，CPU需承担更多调度、数据处理与任务编排工作。英特尔介绍了至强处理器的数据预处理加速、KV Cache无损压缩与存储优化方案，并强调与Linux、PyTorch等开源项目及国内软件伙伴的合作。大会还提及端侧CPU、GPU、NPU协同及家庭AI、车载AI、

Reactiv 用 Amazon Bedrock AgentCore 将移动电商自动化提速 80%

Reactiv 为 Shopify 商家提供原生移动应用产品，利用 Amazon Bedrock AgentCore 构建了一个由三个 agent 组成的 AI Scheduler，可按计划自动更新商家应用首页和促销内容。该方案将商家配置时间减少 80%，上线速度提升 33%，并借助 AgentCore 的托管运行时、持久记忆、原生 MCP 托管和多租户隔离

Trane 借助 Amazon Bedrock AgentCore 将建筑洞察速度提升 60 倍

Trane Technologies 利用 Amazon Bedrock AgentCore 和 Strands 框架，在 3-4 周内构建了一个多智能体 AI 解决方案，将原本需要 20 分钟跨多个仪表盘和菜单的诊断工作流缩短为 20 秒的自然语言交互，实现 60 倍的时间效率提升。该方案通过分离智能体逻辑与工具执行、集中式工具网关集成实时遥测数据、以及针

OpenAI 呼吁为可自我改进的 AI 制定国际标准

OpenAI 呼吁就具备递归自我改进（RSI）能力的先进 AI 制定国际标准，认为完全自主的 RSI 目前尚未发生，但应在确保安全的前提下推进。OpenAI 提议由美国主导全球技术标准，依托各国 AI 安全研究机构以及 CAISI、ISO 等组织，建立共享测量方法、事件报告机制和人类监督规则。联合国一个科学小组近期也提出类似担忧，警告可能失去对自主智能体集群

AWS 结合 Agentforce 与 MCP 扩展公共部门情报能力

AWS 发布博客，介绍如何将 Amazon Bedrock Data Automation 与 Model Context Protocol (MCP) 结合，把公共部门机构中的执法记录仪视频、监控录像、扫描文档等非结构化证据转化为结构化洞察。方案通过 S3 事件触发 Lambda 和 Bedrock Data Automation 异步处理多模态数据，结果

TechCrunch Disrupt 2026 五场 AI 安全会议前瞻

TechCrunch 预告了 Disrupt 2026 大会上的五场 AI 安全相关会议，覆盖企业部署 Claude、Agent 安全、企业云安全、物理世界 AI 安全以及机器人数据瓶颈等议题。Anthropic、Okta、AWS、Shield AI、通用汽车、Waabi、NVIDIA 等公司的高管将分别分享企业 AI 落地、Agent 权限架构、安全治理、

AstroForge 用 AI 自主控制其下一艘航天器

小行星采矿初创公司 AstroForge 为其航天器开发了名为 Solo 的自主控制栈，这是一个基于 Transformer 的自研模型，用于在缺乏地面控制资源的情况下让航天器自主解决异常。该公司计划于 2027 年由 Stoke Space 的首次火箭发射其首艘自主航天器 Autonomy-1，并可能不搭载可接收地球指令的无线电。此前其两艘原型航天器均因异

千问办公发布企业上下文与Agent硬件QwenNote A2

9月22日云栖大会上，千问办公发布企业级Agent基础设施“企业上下文”（Enterprise Context）和名片大小的AI硬件QwenNote A2。Enterprise Context将群聊、文档、知识库和业务系统中的企业信息压缩、结构化并按需调用，QwenNote A2则通过录音转写补上线下对话这一外部上下文来源。千问办公CEO陈宇森认为模型能力已

Google 开源 AX：面向自主 AI 智能体的 Kubernetes 式编排器

Google 开源了 AX，一个基于 Apache 2.0 许可的编排器和声明式运行时，用于执行和扩展自主 AI 智能体工作负载，托管于 agentexecutor.io 和 GitHub 的 google/ax。AX 运行在 Agent Substrate 之上，将智能体视为有状态 actor，提供亚秒级任务挂起与恢复，并定义 Task、Workspace

Parallel 借助 GPT‑6 Astra 将研究时间与成本减半

Parallel 使用 GPT‑6 Astra 让智能体研究和综合劳动力市场数据，相比此前模型，时间减半、成本减半。