智能体框架、工具与评测
Figma 智能体规范. Figma 推出了基于 Markdown 的 Specs 编辑器和上下文集成，第三方智能体在创作时可以遵循品牌的设计规范；其画布智能体也扩大了开放范围。
智能体评测实操. LangChain 发布了一份智能体评测指南：从一个行为入手，用真实 trace 构建小数据集，能用代码评测器就用代码评测器，不行再上 LLM 评委，并且要评测完整的会话线程和轨迹。
上下文腐化对策. LangChain 的 Deep Agents 框架用五种中间件技术把上下文从活动窗口中挪到普通文件里，避免长时运行智能体精度下降，也让记忆可以跨模型迁移。
OCR 解析器基准. Datalab 发布 OmniParseBench，这是一个开放基准，包含 2937 页上的 16,288 项通过/失败测试，帮助工程师挑选文档解析器；Gemini 3.8 Flash 略胜 Datalab 自家的解析器。
金融智能体安全. 在 AI Engineer NY 上，OpenAI 与 Anthropic 讨论了金融智能体中自主与安全的平衡，强调关键不在限制条款有多少，而在把控制措施和人工判断放在哪一环。
模型发布与微调
LFM2.5 智能体实测. 有用户把 LFM2.5-24B 接入 Pi Agent 工作流，报告在 AMD W7900 上稳定跑出约 95 tps，机械性任务和递归任务的表现都靠得住。
Qwen 效率变体. 三个独立发布——Sabi-Noema、Tessera-27B-CJK 以及 Telperion 的 MLA/GLA——通过压缩推理 token 或 KV cache 提升效率，其中 Sabi-Noema 声称在智能体和工具调用基准上有提升。
- Sabi-Noema: A capability and efficiency focused fine-tune of Qwen 3.8 27B（在新标签页中打开）
- Tessera-27B-B-CJK, Zellige AIs new finetune of Qwen with novel approaches to how we think about token savings（在新标签页中打开）
- New model from Telperion: Qwen3.8-27B-MLA & Qwen3.8-27B-GLA-g2. 4x smaller KV cache, smarter, and more efficient reasoning.（在新标签页中打开）
手机跑多模态. MiniCPM-V 4.7 采用 Lookahead Expert Scheduling，让 35B MoE 视觉语言模型在约 3GB 内存的移动设备上跑起来，另有一个更小的 1B 版本。
小体积 MoE 将至. NVIDIA Nemotron Bolt 3.5 是 74B 参数、9B 激活的 MoE 模型，借助 2-bit 量化感知训练塞进 24GB，10 月 15 日发布；4GB 的 E4B 版本 10 月 23 日跟进。
代码 MoE. JetBrains Mellum 2.1 12B A2.5B MoE 在消费级 GPU 上能跑 60–140 tps，编码任务表现不错，搭配更大的规划模型时尤其明显。
本地 AI 与硬件
棚屋里的本地推理机. 有用户用四张解锁的 CMP 170HX 加一颗 Threadripper 搭了台 256GB 显存的机器，为了散热和降噪搬进棚屋，本地跑 Qwen Flash Next 和 GLM 5.3。
本地 AI 做生意. 有人为 USA Arms 搭了三台 4x Radeon R9700 的机器，配便宜的 EPYC，每台 1.07 万美元，合计 384GB 显存——因为托管模型拒绝处理枪械相关的活儿。
Radiance 解码提速. Deadcode 的 Radiance 引擎在 2 张 R9700 加 64GB DDR5 上，用 Q4 量化的 Qwen-3.8 Flash-Next 跑出 176 t/s 解码和 6450 t/s 预填充。
llama.cpp 内核提速. llama.cpp 的一个 PR 加入了 GDN 分块内核，MoE 的 prompt 处理速度在 RTX PRO 6000 上最多提升 20.6%，在 RTX 5090 上提升 17.9%。
研究与 AI 应用
用 AI 设计芯片. Ricursive Intelligence 称，AI 可以迭代地设计芯片来提升效率，从而应对算力需求 1 万倍的增长，而不必去建 1 万倍的数据中心。
AI 还不能自我改进. Google DeepMind 的 Haydn Belfield 表示，AI 现在写了超过 75% 的生产代码，却并未可测量地加快 AI 研究；复杂任务仍然离不开人类把关。
注释可有可无. 一位开发者从代码库中删掉了 16.8 万行注释，发现 AI 智能体在三个轮次里对两个版本写出的代码质量相当，由此质疑注释的价值。
AI 大规模反编译. AI 驱动的反编译正在催生游戏混搭和游戏保存，但也威胁到专有软件，独立开发者 Popcar 对此有过讨论。
AI 设计蛋白酶. 研究者用 AI 蛋白质设计替换掉蛋白酶中非催化的部分，造出能切割与神经疾病相关特定蛋白的酶。
AI 天气预报. Ai2 的 HiRO-ACEv2 以 3 公里分辨率模拟极端天气，成本约为 X-SHiELD 的三百分之一；微软的机器学习工具则用于纠正 2–6 周预报中的偏差，成果发表在 Nature 上。
智能体落地
卧底反诈智能体. Apate 部署了数千个 AI 智能体，让它们假扮受害者，消耗诈骗者的时间并套取银行账户、钱包和诈骗基础设施信息；这些智能体已经处理了 250 万次对话。
销售调研自动化. Floqer 正在打造为 B2B 销售持续收集和更新客户知识的 AI 智能体，ARR 已突破 120 万美元，并计划把这项技术开源。
对话式点餐. Square 推出了一台 1999 美元的自助点餐机，内置智能体语音层，能听懂菜单并实时处理修改和替换。
全网舆情追踪. Gudea 用 AI 分析内容如何在 500 多个平台上传播，在危机爆发前找出谁在推动话题，超越了传统的社交聆听。
Gemini 防诈骗. Google Messages 正在推送可选开启的增强保护功能，调用云端 Gemini 判断陌生发件人的意图，处理过程在安全空间内加密进行。
AI 客户面试. 麦肯锡将让部分初级岗位候选人在面试中与 AI 模拟的客户互动；评判表现的是人，不是 AI。
行业、政策与商业
AI 竞赛重启. Google 和 Meta 发布新的前沿模型，向 OpenAI 和 Anthropic 发起挑战，扭转了此前“竞赛已经收窄”的看法。
OpenAI 发布节奏. 据报道，OpenAI 计划今年发布一到两个模型，但其下一代旗舰仍需完成对齐工作并通过政府安全审查。
OpenAI 遭起诉. 美国 8 个州起诉 OpenAI，指称 ChatGPT 对儿童不安全，且公司在安全问题上误导消费者，并列举了批判性思维退化等危害。
Character.AI 数据. 多州总检察长在 Character.AI 的破产案中提交通知，阻止用户的私密聊天记录被出售，并警告考虑到未成年用户数量庞大，风险不容忽视。
AI 音乐标注. YouTube 为 AI 生成的歌曲加上标签，Deezer 计划推出过滤器把 AI 曲目排除在外，两个平台都想让生成式音乐更透明。
Nvidia 欧洲投资. Nvidia 宣布在欧洲新增 20 亿美元投资，入股多家法国初创公司，并向英国 AI 安全实验室提供 2.5 亿美元算力。
vibe coding 启动器. Epic Games 用 AI 辅助编码从头重写了启动器，声称性能更快、团队更小。
这一天的内容就到这里——大约 5 分钟读完。