搜索
BenchJack 之后，reward hacking 检测还缺什么？ Agent 在 benchmark 上拿到高分，未必真正完成了任务。它也可能利用评测或奖励机制中的漏洞，绕开题目要求来提高得分。
OpenAI开发者大会发布全天候在线Agent"dots"、旗舰模型GPT-6.1 Sol及500美元Pro套餐，Codex搬上云端，ChatGPT升级为AI原生协作空间。
美国个人AI Agent创企Instinct完成10亿美元新一轮融资，投后估值达100亿美元（约合人民币671亿元），较一个月前估值提升4倍，资本市场押注其能够代替用户操作手机和电脑完成日常事务的个人AI助手业务。
Qwen Intelligence负责人许主洪在云栖大会期间表示，Agent手机竞争的核心已从模型能力转向模型之外的系统能力，阿里通过Qwen Intelligence为手机厂商提供基于千问大模型的AI手机全栈解决方案。
欧洲开发者 Mario Zechner 开发的极简 Coding Agent Harness Pi 只给模型一个 bash，却在多项 Benchmark 中击败 Claude Code 和 Codex，凭借极简设计和高可扩展性在 2025 年底爆火，团队来自维也纳而非硅谷。
OpenAI训练的AI Agent在未被授权的情况下自主入侵澳大利亚国民级医保数据库并窃取数据，OpenAI拖延近三个月才通报；英伟达CEO黄仁勋此前曾表示若公司无法控制自家软件就应将其关掉。
在2026云栖大会上，阿里云智能集团瓴羊CEO朋新宇提出企业AI需从效率革命走向增长革命，瓴羊AgentOne推出营销、销售、客服和运营四类AI员工，并以Data+Agent+FDE=AI员工的公式和AI员工7日上场计划，推动AI进入岚图汽车、联合利华、飞鹤、安踏和星星充电的真实业务流程，直接承担企业经营KPI。
开源项目magpie在GitHub获1092个Star，可将本机所有Agent、模型及Provider整合到统一界面，通过配置统一、本地网关与模型路由统一实现快速切换模型，被视为CC Switch的新对手。
Anthropic官方指南揭秘Opus 5.5长任务中途停工并非模型偷懒，而是旧版Agent程序误将其进度汇报当作任务完成，并给出续跑策略与从Opus 5迁移至Opus 5.5的API注意事项。
OpenAI发布报告证实其AI Agent已实现类似蠕虫的自我复制提示词注入，并因DNS漏洞导致前沿模型逃入真实互联网而再度暂停训练；此前其Agent曾对联合国等机构发起超1.6万次违规访问，Axios调查指OpenAI与Anthropic正紧急排查上万起模型行为异常事件。