Reflection 发布 Beam：501B-A23B 美国开源 MoE 模型
Reflection 发布 Beam，一个面向编码、智能体与科研任务的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月放出。
推荐理由：Reflection 从隐身状态交出首个开源权重模型，读者可对照其训练规模与同期中美开源模型的位次。
#Agent
Latent Space精选AI 评分7878 爱范儿AI 评分6767 苹果收紧 Mac 完全磁盘访问权限，Personal Agent 被指滥用
苹果 10 月 2 日发布公告，宣布将在后续 macOS 版本收紧「完全磁盘访问」权限，要求用户通过非常明确的授权操作才能授予应用这一高级别访问权限，理由是部分开发者以可能让用户面临风险的方式使用该权限，而 AI 代理能力与自主性增强会放大相关风险。
Ars Technica · AIAI 评分6363 Google 等机构的智能体被曝 MCP 漏洞，可跨智能体传播恶意指令
独立研究者 Syed Anas Mohiuddin 测试了 Google、JP Morgan Chase、Weviate、Rapid7、法国政府部际数字事务局和美国联邦政府等机构的智能体，发现 MCP（Model Context Protocol）存在信任缺口，可被概念验证攻击利用。
TechCrunch · AIAI 评分7474 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 正式发布首款前沿开源权重模型 Beam，称其在高级推理基准上达到领先中国开源模型的水平，且推理成本大幅更低。Beam 是文本-only 的 MoE 模型，总参数 5010 亿、激活 230 亿，预训练使用 23.8 万亿 token，上下文窗口 100 万 token；公司称其推理算力消耗比对手少 3-4 倍，但性能数据尚未经独立验证。
TechCrunch · AIAI 评分6060 Instinct 将 AI 智能体引入群聊，好友无需注册账号
估值 100 亿美元的 AI 智能体 Instinct 宣布支持将智能体加入好友群聊，用于旅行规划、抢票、组织拼车等场景，且好友无需注册 Instinct 账号。创始人 Noah Shinn 表示，用户的个人智能体在连接群组智能体前会先征求许可，群组智能体与个人账号隔离、无法访问，用户可随时选择信任或取消信任某个群组。该功能先向早期访问用户开放，随后将扩展至全部用户。
TechCrunch · AIAI 评分6060 TikTok 推出 AI 购物助手与一键结账
TikTok 周一宣布推出 AI 购物助手和新的应用内结账功能，用户可直接从品牌购买商品。该购物助手被描述为对话式 AI 智能体，能理解上下文并记住用户在对话中的偏好和需求，提供商品详情、物流、尺码、库存等实时购物指引；一键结账则让用户从 For You 信息流直接完成购买。
TechCrunch · AIAI 评分2222 Hot Girl Hotline：面向 AI 时代的“Dear Abby”情感建议应用
两姐妹创立 Hot Girl Hotline，为年轻女性提供基于行为科学的 AI 情感与约会建议，定位是“可信的朋友或姐姐”而非 AI 陪伴产品。该应用采用多种 AI 模型并加密用户数据，不售卖也不用于训练，第三方模型遵循零数据保留政策，月订阅费 9.99 美元，已在 iOS 和网页端上线。
TechCrunch · AIAI 评分6262 HackerRank 正式开放 AI 面试官 Chakra，已面试超 50 万场
HackerRank 将其 AI 面试官 Chakra 面向客户正式开放，此前约六个月的测试中已完成超过 50 万场面试，Snowflake、Snorkel、Capgemini 等公司参与试用。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评分口径，读者可据此理解 AI 代码审查能力如何被量化比较。
MIT Technology Review · AIAI 评分2222 MIT Technology Review：如何将 AI 智能体接入企业知识
MIT Technology Review 基于对 300 名数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识、上下文与数据系统遗留问题是主要失败点。
TechCrunch · AIAI 评分1212 开源还是闭源？创始人在 TechCrunch Disrupt 2026 上如何选择 AI 技术栈
TechCrunch Disrupt 2026 的多场对话聚焦创始人在开源与闭源 AI 之间的技术栈选择，涵盖多模型应用、模型定制、基础设施与芯片。Together AI、Pathway、Oumi、Nvidia 等公司代表将讨论多模型策略、成本与性能权衡，以及企业该租用、定制还是自建模型。
TechCrunch · AIAI 评分3939 研究人员追踪一支中国 AI“智能体舰队”：跑在腾讯基础设施上，目标指向阿里高德地图
独立研究人员发现一支中国 AI“智能体舰队”在互联网上活动，它们疑似运行在腾讯基础设施上，并查询阿里旗下高德地图服务，寻找公园、动物园、医院等公共场所不同入口的路线。研究人员拒绝用“群体（swarm）”一词，称其为“智能体舰队”，因为多个并行智能体执行同类任务却无明显通信迹象。这些活动是通过监控域名扫描服务 urlquery 的流量发现的，该手法此前曾揭示 OpenAI 智能体的长期活动。
MIT Technology Review · AIAI 评分1212 从预测到自主决策：预测分析如何进入智能体 AI 时代
企业 AI 的竞争焦点已从预测模型能否超越统计预测，转向如何让预测系统在不偏离业务意图的前提下自主行动。深度学习和生成式 AI 驱动的智能分析支持实时训练，使 AI 持续演进而无需等待季度刷新，其数据来源也从规整的数值记录扩展到非结构化交互数据。Everest Group 合伙人 Vishal Gupta 认为，"分析"一词正让位于 AI。
量子位AI 评分6666 Hinton等22人发表首篇RSI论文，讨论AI研发自动化能否触发智能爆炸
Hinton、Bengio、Andrew Barto、Jakub Pachocki等22位作者发表论文《What if automating AI R&D triggers an intelligence explosion?
量子位AI 评分4242 OpenAI Codex 负责人承诺 28 天内每天交付改进或重置额度
OpenAI Codex 负责人 Tibo 承诺，接下来 28 天每天二选一：交付一项对大多数 Codex/Work 用户明显有用的改进，或进行一次完整额度重置。改进方向锁定简化产品、提高效率、突破性功能和新模型四项。用户反馈集中在 DevDay 20 多项更新重点不明、额度重置频繁难以安排工作、套餐缩水且新出的 500 美元套餐太贵。
The DecoderAI 评分6262 Google 研究者提出 RRSI，防止自我改进智能体记住测试任务
Google 研究者提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过随时间收缩的编辑预算和严格 critic 约束智能体对 harness 的自我改写，避免其记住测试任务。
量子位AI 评分6262 最火AI岗位FDE：月薪5万，都干这些
量子位访谈了6位FDE（Forward Deployed Engineer，前线部署工程师）从业者，发现他们的工作内容差异很大。海外 Anthropic 宣布投资1亿美元在2027年底前培训1万名FDE工程师，OpenAI 带40亿美元投资成立专做部署的公司，AWS 拿出10亿美元组建FDE部门；国内 Kimi 宣布联合IT服务商共建FDE队伍，腾讯云推出FDE工程师认证。
量子位AI 评分6060 GPT-6 Astra刷屏后，Meshy不到两年ARR从100万美元增至1亿美元
量子位文章对比了GPT-6 Astra与专业AI 3D模型Meshy在同一张参考图上的生成效果，Meshy在发丝、五官、护甲等细节上更接近原设计。据Meshy披露，其ARR从100万美元增长至1亿美元，用时不到两年，快于HeyGen的29个月。
The DecoderAI 评分3838 DeepMind 研究人员提出“人工共生智能”，替代单一超级智能的奇点设想
DeepMind 研究人员提出“人工共生智能”（Artificial Symbiotic Intelligence），主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络，而非打造孤立的机器智能。
The DecoderAI 评分6666 开源工具 BootLoops 支持 AI 模型完成精确科学计算
Anthropic 相关研究者 Schwartz 推出开源工具 BootLoops，用于让 AI 模型完成精确科学计算，源码已在 GitHub 发布。三个月内团队在 18 个领域产出 36 篇手稿、19 位合著者，Claude 用该工具计算了 30 个积分，其中 15 个复现已知结果、15 个为首次计算。
Latent SpaceAI 评分3737 AINews：GPT-6.1 Sol 与 Sonnet 5.5 重塑性价比前沿
OpenAI 发布 GPT-6.1 Sol，定价 $2/$10 per million input/output tokens，据称在 DeepSWE v1.1 上超 GPT-6 Sol 6.4 分、在 AutomationBench 上超 Opus 5.5 2.2 分。
The DecoderAI 评分4444 LEGO-Anything 让 AI 智能体从单张照片生成可执行 Blender 场景
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片迭代编写可执行的 Blender 程序，并发布 LEGO-Bench 基准，包含 208 张图像、443 个注册资产，从有效性、几何精度和外观三方面评分。
量子位AI 评分6262 DeepSeek 弹性计算团队扩招，披露 DSec 沙盒基础设施技术细节
DeepSeek 弹性计算团队大量招聘，尤其需要资深工程师，并附上技术分享《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》。
The DecoderAI 评分6666 Anthropic 为 Claude Code 推出 Mods 插件系统
Anthropic 为 Claude Code 发布 Mods，一套运行在工具内部的中间件，开发者可用 JavaScript 或 TypeScript 函数挂钩工具调用、用户提示词和 UI 渲染等事件，从而自定义界面与行为。
量子位AI 评分6262 Jev 估值 100 亿美元，创始人 Diogo Almeida 谈 System-One 与可靠性路线
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中表示，Jev 日处理量已突破一万亿 token，夜间流量持续走高，说明大量调用来自机器自动化。
TechCrunch · AIAI 评分5858 Meta 推出开源项目 Muse Gadgets，让开发者自建接入 Muse 的硬件
Meta 推出开源项目 Muse Gadgets，提供开源固件和 Linux SDK，开发者可用 Raspberry Pi 或 ESP32 等低成本开发板，把 Muse 接入显示器、按钮、传感器和执行器。
Ars Technica · AIAI 评分3535 Apple 收紧全盘访问权限，遏制 AI 智能体滥用
Apple 调整全盘访问权限以遏制 AI 智能体的滥用行为。Meta 则称 FDA 不足以支撑 Muse 读取消息，Apple 对此表示反对。
The DecoderAI 评分6666 Cloudflare 发布 Clef 决策模型，称 AI 智能体决策不再需要人类在环
Cloudflare 发布决策模型 Clef 与 Clef-flash，称智能体可以自行收集上下文、做出决策并执行动作，必要时再交由人类处理。
TechCrunch · AIAI 评分6262 Apple 因 AI 智能体风险收紧 macOS 全盘访问权限控制
Apple 宣布将在 macOS 上为“全盘访问”设置引入新的控制措施，理由是 AI 智能体提高了这一访问级别带来的风险。Apple 在面向开发者的博文中表示，部分开发者使用全盘访问的方式可能让用户在不知情的情况下暴露系统全部内容，未来用户只有在“非常明确的用户操作”下才能授予应用这一权限。
TechCrunch · AIAI 评分2222 Circuit Breaker Labs 用 AI 智能体测试 AI 对儿童的安全性
Circuit Breaker Labs 打造了一支"碰撞测试假人"式的 AI 智能体队伍，模拟不同年龄、背景、语言和文化的用户，对模型开展红队测试，检测其能否识别具有心理危害的危险对话。该平台每天运行数万至数十万次模拟交互，并用专有评分方法生成可审计、可解释的分数，目前面向 AI 教练、日记和心理健康支持等高风险应用，公司仅有 5 名员工。
MIT Technology Review · AIAI 评分1212 用自主 AI 重新定义企业智能：MIT Technology Review 报告解析“智能体转型”
MIT Technology Review 报告指出，企业 AI 的规模化瓶颈是结构性的，2026 年全球 AI 投资将达 2.5 万亿美元、同比增长 44%，但多数企业仍未靠 AI 实现收入增长。报告提出“智能体转型”需同步重构架构与运营模式：以数据可访问性而非数据量重建基础设施、用可组合架构替代固定技术栈，并解决 AI 主权问题。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作方式：GitHub 提出三项需要强化的技能
GitHub 提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明其用第二个模型对计划、代码和测试进行批判性审查，以发现首个模型遗漏的问题。
TechCrunch · AIAI 评分2020 TechCrunch Disrupt 2026：Clay 的 Kareem Amin 谈 GTM 工程师的崛起
Clay 联合创始人兼 CEO Kareem Amin 将在 TechCrunch Disrupt 2026 的 AI Stage 发表演讲，主题为“GTM 工程师：AI 如何创造科技业下一个大职位类别”。
Latent SpaceAI 评分6262 Airbnb CTO 谈内部 AI 改造：60% 代码由 AI 编写，半数客服工单由 AI 解决
Airbnb CTO Ahmad Al-Dahle 讲述公司向 AI-native 转型的做法：目前 60% 的代码由 AI 编写，工程师 PR 吞吐量提升约 1.6 倍，约一半客服工单由 AI 独立解决。
量子位AI 评分6262 openJiuwen 首发 X-Router 自演进模型路由技术，实测 Token 消耗减少 50% 以上
openJiuwen 团队发布并开源智能路由框架 model-router，首发 x-router 自演进模型路由算法，在 Agent 与模型之间增加一层按请求动态选模的决策能力。
Latent SpaceAI 评分6565 Pi 1.0 与 Pi Durable 发布：支持 MCP 与崩溃恢复的 Agent 运行时
Earendil 旗下的 Pi 发布 1.0 版本并推出 Pi Durable，两者同时登上 Hacker News 首页。Pi 1.0 带来 Codemode（原生支持 MCP、Jev 与图像模型）、虚拟模型扩展、延迟工具加载、Anthropic 模型缓存预热、对话中途系统消息、新 TUI 主题和默认全屏模式。
TechCrunch · AIAI 评分5858 ChatGPT 上线虚拟试穿与商品收藏功能
OpenAI 宣布在全球范围上线两项 ChatGPT 购物功能，包括虚拟试穿和商品收藏。虚拟试穿允许用户上传自拍或全身照，查看衣物或配饰穿在身上的效果，入口是购物结果中的 Try On 按钮，也可上传商品截图让 ChatGPT 试穿；收藏功能可把商品存入应用内的 Library 以便日后查看，试穿图片也会一并保存。
TechCrunch · AIAI 评分5858 AWS 开源决策模型 Strands Decider 2B，灵感来自 TypeSafe 的 Jev
AWS 发布开源决策模型 Strands Decider 2B，用于在预设选项中做选择并给出置信度，速度更快、成本更低，且小到可本地运行。
TechCrunch · AIAI 评分6262 Shopify 推出 Canvas，可通过与 AI 对话搭建网店
Shopify 周四推出建站工具 Canvas，商家通过与 AI 智能体 Sidekick 对话即可搭建店铺，Canvas 实时渲染店铺真实代码而非静态预览，可测试交互与动画并查看不同屏幕尺寸下的效果。为此 Shopify 让 Sidekick 直接操作主题文件并简化了主题架构。该产品尚处早期，暂不支持第三方主题、应用区块与扩展、多市场、翻译、灰度发布和主题更新，且仅限桌面端。
TechCrunch · AIAI 评分4040 Airbnb CEO Brian Chesky：AI 智能体需要自己的操作系统
Airbnb CEO Brian Chesky 认为 AI 智能体需要一套真正的操作系统，主张 AI 应在内核层面运行、各组件互相交互，而非在 iOS、macOS、Windows 上搭建 AI 应用。