专注AIGC技术的专业社区，关注大语言模型（LLM）的发展和应用落地，聚焦LLM及AI技术的市场研究和开发者生态，欢迎关注！AI Agent到底靠什么变强？Agent的能力不只取决于底层大模型，还取决于围绕它的整个系统架构，也就是所谓的Harness ...

知名安全研究员Kasra Rahjerdi自费1500美元测试多款主流大模型的自主渗透能力，结果显示GPT-5.5以70%的成功率遥遥领先，成为唯一具备较强实战漏洞挖掘能力的模型。DeepSeek V4 Pro虽成功率仅30%，但成本优势突出；Claude、Gemini等多数模型受安全护栏、推理偏差或API稳定性限制表现不佳，5款模型全部颗粒无收。

福利来了……这家全球榜单前十，名为 Agnes AI 的模型公司，将于今天（6 月 1 日）起免费开放文本、图片、视频三大模态的 ...

经历过去小半年的狂暴增长后，Claude Code开发商Anthropic终于踢开OpenAI，坐上“最值钱AI创业公司”的王座。 公司在周四发布声明称，完成H轮650亿美元的融资，投后估值达到9650亿美元，约合人民币6.5万亿元。

OpenAI 的下一代模型也快来了。GPT-5.6 目前正在内部测试。预测市场认为，它在 6 月 30 日前发布的概率有 80% 到 89%。如果 GPT-5.6 在编码能力上有明显跃迁，那么 4 月的企业采用反转，很可能在双方 IPO 前就被改写。 Anthropic 刚刚把 Claude Opus 4.8 推了出来。表面看，这 ...

GitHub 上的 Agent 基础设施项目已然经历了一轮爆发。OpenClaw 月涨 21 万星只是一众案例中最显眼的那个，事实上 GitHub 整个 2 月月度 Trending 榜单前 20 几乎被 AI 基础设施、Agent ...

待改进点包括：Python 并发编排的成熟度不足，在高并发场景下偶尔出现线程安全问题；DevUI 的自定义仪表盘功能有限，难以满足个性化监控需求。 建议在生产环境中优先采用 Claude-3 模型以获得更稳定的性能表现，并通过检查点机制保障关键任务的可靠执行。

一、市场背景：从“要不要用”到“选哪家、怎么落”2026年，企业级AI智能体正从概念验证迈向规模化落地。Gartner预测，到2026年底，40%的企业应用程序将集成具备特定任务的AI智能体，而2025年这一比例不足5%。IDC数据 ...

当前阶段，选哪个模型的影响，远小于你有没有把 Agent 工作流设计好。有研究数据表明，相同的模型在不同的 scaffold（prompt 框架、工具调用策略、上下文管理）下，SWE-bench 分数可以相差 22 分——这个差距比 Opus 4.8 和 GPT-5.5 之间的差距还大。 先把结论放前面 ...

这项由俄亥俄州立大学、芝加哥大学、伦敦大学学院、密歇根大学、香港中文大学、凯斯西储大学以及亚马逊共同开展的研究，以预印本形式发布于2026年5月，论文编号为arXiv:2605.24117。有兴趣深入研读的读者可以通过该编号在arXiv平台找到完整论文。