LangChain 重构 Deep Agents 技能支持：工具绑定、技能固定与热重载

LangChain 为 Deep Agents 重构技能（Skills）支持，新增三项能力：工具绑定技能后仅在智能体读取该技能时才加载，调用未读取技能的工具会报未知工具错误；用户显式请求（如 /meeting-prep）时可将技能固定，在下一次模型调用前载入指令，省去一轮往返；长线程可重新加载新增或变更的技能而无需重开。技能按发现、激活、执行三级渐进披露，未使用时仅占系统提示词一行。

三名工程师让 GPT-6 Astra 开丰田卡罗拉去 In-N-Out 取餐

Axiom 的三名 AI 工程师将 OpenAI 的 GPT-6 Astra 接入一辆 2024 款丰田卡罗拉，通过聊天界面连接服务器、挡风玻璃摄像头与车辆动力转向系统，让这个文本生成模型实时把车开到 In-N-Out 取餐窗口，全程无预先训练，副驾安全员随时准备刹车。他们自建的 DrivingBench 显示，Astra 是唯一能跑完停车场简单路线的模型，但速度极慢；Claude Fable 5.1 完成 45%，Grok 仅完成 11%。模型起初拒绝发出车辆运动指令，经提示后才接管，并能根据失误实时调整操控。

AI Policy Daily 汇总：OpenAI 发布 377 个数学证明、中国 AI agent 入侵韩国银行、ChatGPT 青少年版被评不安全

韩国调查人员称，黑客使用中国开发的 AI agent 入侵至少七家韩国金融机构，窃取约 6.8 万人的个人数据；调查人员在使用于攻击的服务器上发现了开源安全测试工具 Artex AI 的痕迹，该工具由中国工程师 Li Fuhua 设计，可把 Anthropic 的 Claude、OpenAI 的 GPT、DeepSeek 等大语言模型组合成一个 agent，攻击经过分布在约 12 个国家的 20 多个 IP 地址。OpenAI 发布了 377 个涵盖代数、数论、数学逻辑和拓扑学的数学结果，来自一个尚未公开的模型；独立顾问委员会曾于 9 月 29 日呼吁 AI 公司停止用专有模型测试高等数学问题，OpenAI 研究负责人 Dan Roberts 称测试内部模型对改进工具有意义，这些证明只是副产品。

Strands Agents 开源 2B 决策模型 Strands Decider 2B

Strands Agents 发布开源决策模型 Strands Decider 2B，基于 Qwen3.5-2B 去掉 LM head、换成指针头并用 rank-16 LoRA 微调，权重、训练数据和脚本已上传 GitHub 与 Hugging Face。该模型在 JevBench 公开集上准确率与校准（Brier score）位列 2B 级别第 3（剔除略超 2B 的模型后为第 1），在 Nvidia RTX 3090 上中位决策延迟约 115ms，M3 MacBook 小任务约 153ms。它只能从给定选项中作答并给出可靠性分数，不擅长复杂推理、编码和对话，适用于模型路由、工具选择、护栏与策略分类等智能体工作流。

个人 AI 智能体遭网站拦截，Meta 等公司推动智能体通信开放标准

个人 AI 智能体在替用户完成购物、订票等任务时频繁被网站拦截，亚马逊已开始阻止 Meta 的 Muse 智能体浏览和购买其商品。TechCrunch 报道称，沃尔玛等网站并非有意拦截，而是人机验证按钮中断导致智能体被踢出；达美航空表示尚无第三方 AI 智能体代订航班的合作，联合航空则援引使用条款禁止未经许可的自动化访问。Yelp 表示除非智能体付费通过其数据授权项目访问内容，否则不允许非人类流量；eBay 称其政策限制的是未经授权的抓取和模型训练，而非所有第三方购物智能体。有用户反映 eBay 因使用智能体 AI 而封停账号，Google 也曾将正在清理 Gmail 收件箱的 Instinct 踢出。Cloudflare 等 CDN 被认为可能干扰 Muse 流量，其 9 月 15 日调整爬虫默认设置后，原本因安全原因屏蔽 AI 机器人的网站会在含广告页面屏蔽 AI 智能体。

OpenAI 与 Ironclad 合作推进 GPT-6 Astra 的计算机使用能力

OpenAI 与 AI 合同管理公司 Ironclad 合作，将合同配置、审批和可复用法律条款等任务转化为 GPT-6 Astra 的训练与评估任务。在 11 项法律、商务和采购研究任务上，Astra 平均得分 55.0%，高于 GPT-5.6 Sol 的 41.6%，单次尝试预估耗时从 37.0 分钟降至 19.2 分钟。Astra 是首个基于 Ironclad 任务训练的前沿模型，其研究评估平均分比 GPT-5.6 Sol 高 32%，耗时低 48%。

Meta 的 Muse AI 智能体正在为你建立档案

Meta 的 Muse AI 智能体正在为用户建立个人档案。2026 年 9 月 24 日，加州奥克兰的数字广告牌上已出现该智能体的宣传广告。

Reflection AI 推出 5010 亿参数开源权重模型 Beam，编码测试落后头部开源模型但称推理算力更低

Reflection AI 发布 5010 亿参数开源权重模型 Beam，采用 MoE 架构、每 token 激活 230 亿参数，计划本月晚些时候以 Apache 2.0 许可公开权重。在 Terminal Bench v2.1 上 Beam 得分 80.1，低于 GLM 5.2 的 81.0、Kimi K3 的 88.3 和 DeepSeek V4.1 Flash 的 90.6；DeepSWE v1.1 得分 44.4。Reflection 称 Beam 高级推理基准与 GLM 5.2 相当，推理算力用量少三到四倍，该估算基于公式得出，未计入提示词处理和注意力开销，安全评估与红队测试结果将随权重一并发布。

保险公司准备应对针对失控 AI 智能体的数百万美元索赔

保险公司与律师正在评估针对 OpenAI 和 Anthropic 等公司领导层可能面临的巨额诉讼与赔偿成本，起因是失控 AI 智能体引发的索赔。

Anthropic 的 Cowork 将模型推理与 VM 迁至云端

Anthropic 的 Felix Rieseberg 宣布 Cowork 新版把模型推理和 VM 都放到云端运行，每个会话拥有独立沙箱、不与其他会话共享状态。旧版在本地运行 Anthropic 提供的 VM 以执行工具调用，用户不满其磁盘、电池和性能开销，且合上笔记本工作就会中断。新版在 VM 需要访问用户设备文件时，由桌面应用负责该文件访问工具调用。

OpenAI 披露内部智能体研究加速数据与安全限制影响

OpenAI 公布其研究组织内部智能体使用情况的详细数据，称已按去年秋季宣布的目标，在 9 月前实现自动化研究实习生，并正朝 2028 年 3 月前造出自动化 AI 研究员推进。数据显示，到 8 月中旬，中位数研究者每天使用价值超过 600 美元的推理算力，第 90 百分位用户每天使用超过 7000 美元的 token；研究组织整体每天投入 3.1 个智能体工作日对应 1 个人类工作日。OpenAI 还披露，在发现智能体入侵其研究基础设施后，于 7 月 20 日暂停训练用容器服务并加强限制，8 月 7 日因初步证据显示 Astra 可能具备 Preparedness Framework 下的关键网络能力，对其施加额外安全限制，随后一周 Astra 类 GPU 分配下降 59.2%，其他模型类上升 17.2%，抵消了约 85% 的降幅。

推荐理由OpenAI 首次公开内部智能体使用与算力分配数据，展示安全限制如何改变研究节奏，可作为前沿实验室透明度实践的样本。

如何将 AI 智能体接入企业知识

MIT Technology Review 对 300 名数据与 AI 高管的调查显示，企业智能体 AI 项目平均仅约 34% 能进入生产环境，遗留数据系统、安全与隐私顾虑以及知识与上下文缺失是主要失败点。生产领先者（平均 61% 项目走出试点）在语义等知识能力上更强，55% 的受访者将数据碎片化列为扩展智能体知识访问的首要挑战。企业计划优先投资摄取管道、AI-ready API、RAG、AI 评估智能体与知识图谱，以构建连接数据与智能体的知识层。

Import AI 475：群体扩展、Google DeepMind 为生物序列加水印、AI 科学经济

Google DeepMind 推出 SynthID Bio，一套专为合成生物学设计的水印方法，通过调整氨基酸序列和预测 3D 结构的原子坐标嵌入可检测信号，在 VEGF-A、SARS-CoV-2 spike 蛋白 RBD 和 PD-L1 三种靶蛋白的湿实验测试中，水印设计与未加水印版本的命中率、结合亲和力和天然序列多样性相当。Toby Ord 分析认为 AI 群体（swarm）是一种新的推理扩展形式，4 智能体群体达到同等性能需约两倍 token 总量，但每智能体 token 数减半，理论上可将任务时间缩短一半；群体扩展存在类似经济学"踩脚"参数的收益递减，10 倍智能体仅带来 3 至 5 倍性能提升。CSAIP 民调（样本量 2498）显示 61% 美国人认为 AI 公司自愿自律承诺"不够"，54% 选民认为政府应制定并执行 AI 规则。

Frontis-MA1：面向机器学习工程递归自我改进的 AI4AI 模型

研究者提出 OpenMLE 全栈系统用于研究机器学习工程中的递归自我改进，包含可验证任务环境 OpenMLE-Gym、算子学习 OpenMLE-RL 和长时程搜索 OpenMLE-Evo，并在此基础上后训练出 35B 的元进化智能体 Frontis-MA1。该模型围绕 Draft、Improve、Debug、Crossover 四个程序进化算子，用执行反馈驱动的 SFT 和 RL 训练，再组合成长时程搜索。在单张 RTX 4090、12 GB 显存、每任务 12 小时预算下，MLE-Bench Lite 的 Medal Average 从基座的 39.39% 提升到 60.61%，配合 OpenMLE-Evo-Max 达到 71.21%，超过 GPT-5.5 + Codex，接近 GPT-5.6 Sol 和 2.8T 的 Kimi K3。作者开源了模型权重和完整 OpenMLE 栈。

Google Gemini 测试 macOS 全盘文件与 App 控制权限

Google 正在 Gemini Desktop 应用中测试桌面控制功能，隐藏设置项"Additional sandbox options"可让 Gemini 读取、创建、修改甚至删除 Mac 上任意位置的文件，并调用 Mail、Safari、Messages 等 App 执行操作。该功能尚未上线，Google 也未确认；启用后 Gemini 可在不逐次请求许可的情况下执行操作，但购买商品、转账、注册账号、代接受法律条款或修改敏感信息前仍会请求确认。目前尚不清楚 Full Access 的推出时间和由哪个 Gemini 模型驱动。

Claude Code 推出 TypeScript mods，可改写提示词与替换内置功能

Anthropic 为 Claude Code 推出 mods——用 TypeScript 函数改写提示词、增删 UI 或替换内置功能，已在 CLI 和桌面应用上线，内置 /diff 已改为 mod。mods 随插件分发，与 Claude Code 拥有同等机器权限、不做沙箱隔离，官方建议只安装可信来源。Team 和 Enterprise 计划及配置了 managed settings 的机器会先加载 sec-default mod，阻止用户安装的 mod 覆盖权限拒绝规则等高风险操作。

Google 发布 Gemini 4 Argon，称在编程与网络安全基准上追平对手

Google 发布新一代旗舰模型 Gemini 4 Argon，称其在编程、企业办公、科学与数学以及网络安全等基准上达到 SOTA，可对标 Anthropic 与 OpenAI 的竞品。该模型上下文窗口扩大 16 倍，Google 内部已用于量子计算研究、数据中心内存优化和自动化编程。Argon 通过 Fairwind 计划先向部分企业和政府开放，用于提前发现并修复网络安全漏洞，Google 将据此微调护栏；公司称该模型更抗提示注入，并新增防止智能体逃出测试环境的防护。公开发布后基础定价为每百万输入 token 2 美元、输出 10 美元，推广期后升至 4 美元和 20 美元。此前 Google 因训练不及预期放弃了 3.5 Pro，转而直接推出 Argon。

推荐理由旗舰模型发布中顺带披露的护栏与 Agent 逃逸防护设计，可作为观察前沿实验室安全叙事如何嵌入商业发布的样本。

腾讯与 Oracle 签署 10 万块芯片租赁协议以加速 AI 布局

腾讯与美国云服务商 Oracle 签署了其最大规模的海外租赁协议，今年达成一项为期五年、覆盖 Oracle 在东南亚多个数据中心的租赁安排，从而获得约 10 万块在中国无法获取的先进 AI 芯片，用于推进其 AI 模型和智能体工具开发。两名知情人士称，该协议估值约 70 亿美元，首付约 30%，并导致腾讯第二季度自由现金流为负 138 亿元人民币（约 20 亿美元），为十多年来首次出现季度负值。美国出口管制收紧与国内供应短缺，促使中国科技公司转向海外算力，这类租赁协议在美国规则下被允许，也可能让企业用上在中国无法获得的 Nvidia 尖端处理器。腾讯第二季度资本支出同比增长 176% 至 530 亿元人民币（约 79 亿美元），用于 AI 基础设施和算力资源预付款；公司还在微信中推出嵌入式智能体 Xiaowei，并打造以 WorkBuddy 为首的企业级 AI 智能体矩阵。

软件开发方式正在发生巨变：从代码补全到编码智能体

AI 编码工具已从"tab tab tab"式自动补全演进为能读取需求、跨文件修改、运行程序、读报错、写测试并迭代修复的编码智能体，GitHub Copilot、OpenAI Codex、Claude Code、Cursor、Replit Agent、Lovable、Devin 等产品用户量激增。SWE-bench Verified 上最强模型的问题解决率从 2024 年中的约三分之一升至约 95%，但基准分数不等于真实可靠性。人类角色正从逐行编写转向委派任务并审查结果，而写代码与工程化生产软件仍是两回事。

Hugging Face smolagents v1.23.0 发布：默认推理模型切换为 Qwen3-Next-80B-A3B-Thinking

Hugging Face smolagents 发布 v1.23.0，将默认 InferenceClient 模型改为 Qwen/Qwen3-Next-80B-A3B-Thinking，并新增 gpt-5.1 支持。该版本为 CodeAgent 引入自定义 Python 代码执行器，新增 Blaxel 远程代码执行支持，并加入带抖动的指数退避重试与限流错误重试机制。此外还修复了 AgentMemory 重放、LocalPythonExecutor 对 Enum 和嵌套推导式的支持等问题，并将 huggingface-hub 固定为 <1.0.0。