搜索
a16z在《Welcome to the B2A Economy》中提出，AI Agent正成为互联网的主要用户，B2A经济将带来Agent应用、面向智能体的产品优化以及支付、身份等基础设施机会。
RoboScience机器科学发布云端具身智能体Visics-Agent，支持语音理解、技能教学与经验积累，可通过腾讯云API适配不同末端执行器，计划于2026年12月上线。
蚂蚁灵光CTO莫林剑（花名：林怿）表示，蚂蚁灵光2.0已从“一句话生成闪应用”转向围绕用户目标持续跟踪并执行任务的个人智能体，可借助支付宝等生态接入真实服务，但可靠性、用户信任、平台利益协调与商业化仍是主要挑战。
长程智能体（long-horizon agents）正从「修一个 bug」走向连续数小时的终端与编程工作，但它的强化学习训练也格外昂贵：前沿实验室可以在数千张 GPU 上扩展 RL，而对多数团队来说，一条训练样本往往就是一次长达 3 小时、上百轮工具调用的完整尝试，任何一个环节出错，浪费的都是成小时的 GPU 时间。
现有的具身智能体大多存在一个结构性缺陷：它们是“任务驱动”的。接到指令，启动推理与工具调用；任务结束，系统归于沉寂。这种离散的交互模式，导致智能体缺乏对环境的持续感知，也没有跨时段的长程记忆。
这几天，AI科研的进度，快得让人有点坐不住！
前不久，Anthropic 的工程团队在 11 月 6 日发了一篇文章《The components of agent memory》。里面有一个非常有意思的观察：很多被精心设计过的知识wiki或者Agent Memory准确率有时候还不如直接搜索原始文档高。但换个场景，过多的原始信息塞给模型，有时候也同样会让检索的准确率暴跌。
这个接近 1 万 Star 的开源项目在 X 上火得一塌糊涂。
今天凌晨，Anthropic 一口气发布两款顶级模型 Claude Fable 5.2 和 Mythos 5.2。新模型在科学研究方面展示了多项成果，包括通过约 1000 个 AI 智能体协作，仅用 30 小时完成费马大定理证明的形式化。
智能体正从单打独斗走向多智能体协同。