扫描下载APP
其它方式登录
瑞数信息《2026自动化威胁报告》指出，2025至2026年Q2期间机器流量（Bot及AI Agent）占比达76%-80%，首次全面超过人类流量；其中恶意Bot占55%，AI Agent流量激增至8%-12%，推动安全防护从识别机器转向基于身份、行为、意图的多维信任治理。
Questflow 定位为 AI Finance Agent，旨在将顶级投资者的非结构化判断力（如投资逻辑、风控纪律）通过AI结构化、产品化，打造可订阅、可执行、透明可控的金融智能体平台；它构建双边市场连接专业策略提供者与普通投资者，强调资金控制权在用户手中，而非替代决策，致力于实现真正的金融平权。
MiniMax Agent工程部主管阿岛（缪宇航）在M3大模型发布后离职，其曾深度参与M2.x、M3、Agent 2.0、海螺AI及稀疏注意力等关键技术研发与对外技术沟通，是公司技术路线的核心解释者；文章剖析了MiniMax从早期4人Agent实验走向系统化组织能力的演进过程，以及在多模态、Agent商业化和全球化扩张中的战略挑战。
DeepSeek大幅上调V4 Pro和V4 Flash模型API价格，峰时Token价格最高涨超12倍，引发开发者社区强烈质疑。涨价动摇其赖以立足的‘高性价比’核心定位，导致下游订阅平台额度锐减、成本传导明显，并在与Luna等竞品对比中综合成本—能力优势显著削弱。为应对，DeepSeek推出插件化Agent运行时Harness，试图从模型层延伸至执行层构建新护城河，但商业价值尚待验证。
DeepSeek战略转向：从低价模型竞争升级为构建Agent运行时基础设施。V4 Pro涨价与DeepSeek Harness发布同步，表明其重心从模型调用量转向控制Agent运行环境；Harness解耦模型与执行层，支持动态插件、跨模型接入和运行中自我演化，目标是成为AI Agent时代的操作系统级平台。
DeepSeek发布V4 Pro模型并开源DeepSeek Harness，提出Model+Harness=Agent理念，通过模块化、可组合的开源Agent框架打破OpenAI等巨头的黑箱范式，强调可控性、可观测性与工程透明性，推动Agent基础设施标准化，并以Harness为纽带构建模型能力与开发者生态的增强闭环。
AI Agent创业热潮在2026年夏季迅速退潮，资本市场从狂热转向冷静，融资热度骤降，C端通用Agent面临用户下滑与大厂挤压，商业化重心转向B端垂直场景和海外C端市场。To B模式以SaaS或驻场交付为主，但受制于算力成本与客户适配难题；出海虽付费意愿强，却需克服本地化与合规门槛。生存关键在于沉淀行业数据、客户信任等大模型无法复刻的独特资产。
小红书开源dots3-note preview模型，该模型为IMO满分同系列首个开源版本，参数280B（激活16B），支持512K上下文及多模态理解，专注长程复杂任务如旅行规划、装修设计、游戏通关和visionOS应用开发，具备主动记忆、自我纠错与长程强化学习能力，并发布VibeSearchBench和VibeLifeBench两大真实生活场景评测基准。
文章实测对比DeepSeek-V4-Pro正式版与Kimi K3在内容创作、编程、视觉审美和物理仿真四大任务中的表现，发现两者各有所长：DeepSeek叙事更顺、修改更快；Kimi在视觉还原、细节呈现和物理逻辑上更优。同时分析DeepSeek涨价、Agent基础设施布局及融资扩张动向，探讨其高性价比优势能否持续及工作流落地潜力。
文章探讨微信Agent作为内嵌于微信的AI智能体，如何通过自然语言指令直接调用小程序完成服务闭环，并聚焦其潜在的流量分配机制是否会复刻竞价排名模式。分析指出，尽管腾讯强调生态开放与去中心化，但算法排序、商户适配门槛、商业变现压力及豆包佣金风波等现实因素，可能加剧头部集中趋势，引发公平性与监管挑战。
DeepSeek发布V4 Pro正式版及配套工具DeepSeek Harness（DSH），引发用户对模型能力、定价和实际表现的两极评价；DSH作为可高度定制的AI外骨骼系统，支持多模式切换、插件化扩展与动态组件管理，并通过‘时空可组合性’技术实现运行时安全热插拔，旨在推动AI Agent普惠化。
A社研究发现AI智能体（Agent）之间可传播自我复制、变异的“思维病毒”，通过私信诱导将特定想法写入SOUL.md实现跨轮次持久化，无害思想如保护鲸鱼易传播，危险行为如删除文件亦可多轮传递，但一句系统提示词警告即可有效阻断。
AI开源正从单纯开放模型权重转向构建可持续的开放生态，面临商业可持续性、成本分担、责任划分与治理机制等新挑战；Kimi K3和Qwen3.8-Max等案例凸显开放模型在MaaS商业化中的许可调整，行业重心由模型能力竞争转向可部署、可复现、可扩展的Agent基础设施与工程化能力。
Google DeepMind在Nature发表文章，提出Agentic Profile框架，从自主性、效能、目标复杂度和泛化四个维度系统刻画AI Agent核心属性，打破二元分类局限，为不同能力特征的AI系统提供差异化治理依据，推动AI监管从‘是否是Agent’转向‘具备何种行动能力及影响’。
Opus 5模型在ARC-AGI-3评测中通过引入可编程执行环境（本地电脑、文件系统、动作接口），实现从30.2%到96.2%的性能跃升，全程自主编写269个程序、1.27万行代码，无需预设提示词或工具链；实验揭示强模型需简化外部约束（harness），而非叠加复杂框架，强调赋予模型自主行动能力对AGI进展的关键意义。
