搜索
A16Z第七版Top 100 消费级 AI 应用与9月底更新的市场状况 II显示，美国消费者虽已广泛尝试AI，但日常使用和付费渗透仍浅，智能降价正放大Agent的Token需求，重度用户与大众之间的AI使用鸿沟扩大，资本也重新流向芯片、能源和数据中心等实体基础设施。
开源项目agent-wow接入GPT-6 Astra，使其不读取游戏画面、仅依据服务器网络数据包自主感知和规划，40分钟内零死亡完成《魔兽世界》兽人新手村全部任务。
Rabbit创始人吕骋表示，人不该为Agent改变思考方式，OS3以持续对话、最多连接五台电脑并支持自带模型密钥和本地执行来降低门槛，但个人Agent的长期需求仍待验证。
Google等提出RRSI，通过正则化Agent Harness自我改进中的Proposal与Selection，减少过拟合与复杂度累积，并提升未见基准上的迁移表现、降低Token成本。
作者测试了豆包、元宝、千问、小红书点点、美团问小团、Claude及Meta的Muse等多款AI工具在制作福建七日国庆旅游攻略中的表现，发现当前通用AI助手和热门的Personal Agent虽能快速生成看似完整的行程，却普遍缺乏对用户个性化偏好的深度理解、长期记忆和多源信息整合能力，无法真正像人一样做出可执行的旅游攻略。
Meta个人智能体Muse爆火后，沈俊潇创办的Memories.ai押注视觉记忆赛道，其视觉模型栈已在高通骁龙平台实现手机、PC与智能眼镜的端侧持续感知，并与英伟达达成合作，成为芯片厂商卡位生态的重要伙伴。
南洋理工大学安波团队最新研究指出，Agent Harness的选型应将模型、Harness与任务作为完整配置联合评估，不同任务下最佳组合会变化，原生搭配也未必优于其他可配置Harness。
Meta正式开源Muse Gadgets项目，允许全球开发者使用ESP32开发板和树莓派5等设备为Muse个人AI Agent打造专属外围硬件，推动Muse从单一产品向可扩展平台转变。
给定一个基座模型、一个目标能力和算力预算，RSI Agent 自己设计后训练算法、收集和整理数据、写代码、跑实验、迭代改进，最终交出一个训练好的模型，全程无人介入。在自主后训练基准 PostTrain
不是所有任务都需要最强的模型。让每一次请求选对模型，让每一次反馈都成为下一次更优、更省的选择。不是所有任务都需要最强的模型。让每一次请求选对模型，让每一次反馈都成为下一次更优、更省的选择。