标签
OpenAI 宣布对 ChatGPT 中的 GPT-6 Astra Pro 进行升级，带来更快的响应速度、改进的插件和工具使用体验，以及全新的并行多智能体任务执行功能，Pro 用户可在聊天标签页中追踪执行进度。
作者用本地 Qwen3.8-27B（Uncensored, GGUF 量化）做编排器规划并逐字生成任务指令，再交给 8 个 Claude Opus 5 云 worker 各自控制 headless Chrome 完成 107 个目录提交表单，含视觉模型解验证码，总成本不到 2 美元、耗时不到两小时。
Pi 官方发布在 Cloudflare Durable Objects 上构建多人 Agent 的教程：单个 Durable Object 对应一个会话，状态存于内置 SQLite，支持多人共享链接协同聊天及定时唤醒任务。教程还展示了会话检索的隔离设计、请求幂等处理与多任务共享闹钟的机制。
斯坦福HAI的一篇报道指出，AI编程代理在团队协作方面表现不佳，单兵作战尚可但难以在协作式软件开发场景中有效配合。
开源仓库 ai-agent-interview-guide 整理了 200+ 道 AI Agent 岗位面试题及答案，并附带 Python/Java/Go 三语言版本的企业级实战项目、学习路线图、简历模板和漫画图解，GitHub 已获 3242 星。
Anthropic 在 Vercel Ship 2026 上分享的 dynamic workflows 让 Claude 自主编写计划并分配执行、评审、挑刺等角色，数据显示加入会话记忆复盘后任务满分率从 21% 提升到 71%，凸显记忆沉淀正成为新的护城河之争。
推荐三个围绕 Pi（终端 AI agent）的配套工具：Herdr 用于多 agent 终端管理、Collie 作为其手机端自托管 PWA、Executor 统一账号与 MCP 凭证入口，三者均不改动 Pi 本体，可按需安装。
SHRED 是一个通过大规模异构自博弈（车辆、行人、骑行者）从随机初始化联合训练的框架，无需人类驾驶演示或日志轨迹回放，即可学习真实且交互性强的交通行为。在 Waymo Open Sim Agents Challenge 和 InterPlan 基准上，SHRED 优于依赖演示的自博弈方法和基线规划器。
AWiki 1.3.8 推出协作群组功能，取消消息上限以支持多 Agent 任务协作，并新增邮箱注册方式，不再强制手机号验证。
UC Berkeley 的研究者发现，当研究型智能体固守自身历史时，扩展 LLM 研究智能体会陷入停滞；他们提出定期丢弃会话状态、从最优候选重新开始的「遗忘」方法，在相同预算下相比并行智能体可提升多达 15%，相比单个智能体可提升 39%。
Loombench 实验让五个 AI 代理共享一台织机，发现人格设定几乎总能决定协作结果：粗鲁代理霸占了 89% 的资源，而礼貌代理即使被告知对方在欺负人也从不反击。该项目提供 102 次运行的开放数据，用户花约 $0.50 即可测试自己的模型。
ABF-Bench 提出了一个交互式、基于证据的区块链资金追踪基准，将自适应 LLM 智能体与固定追踪器进行对比评估，揭示了召回率与过度自信方面的差距，同时为智能体区块链取证提供了可验证的训练信号。
OfficeTown 是一个生成式组织模拟框架，通过模拟专业组织的工作流为 AI 智能体生成工作导向的训练数据与评测基准。作者构建了 OfficeTown Bench（406 个任务、4836 条评测标准），并表明用该数据进行监督微调和 on-policy 蒸馏能显著提升 Qwen3-5-9B 在 GDPval 等外部专业工作基准上的表现。
网友分享 Claude Code 的「Agent Teams」玩法：由 Opus 当组长拆解任务 DAG，多个 Haiku 队友并行负责安全、性能和 QA，Sonnet 处理重型多文件重构，从而用低成本模型获得 Opus 级别的整体架构效果。
对比 Mythos 由40个层级化AI智能体组成的编队与GLM 400个智能体集群在第三方环境中的对抗推演，探讨多智能体协作与自主AI系统的能力差异。
Harness by Autonomous 推出了一款开源的编码代理指挥中心，可在 Mac 和 Linux 上统一管理 Claude Code、Codex、Hermes 等各类编码代理，并支持终端、桌面应用以及 iOS/Android 语音应答，还扩展到 CAD、电路、机器人等领域。
patio11 分享了他对多智能体开发工作流的初步印象，称它们显然是未来的方向，预测推理（inference）开销将会非常庞大，并指出这种工作几乎感觉不像传统的软件工程，却让人在智力上精疲力竭。
论文提出一个基于道德基础理论(MFT)的多智能体框架，通过将有害请求重构为道德上看似正当的形式来绕过LLM安全防护，并在多个开源和闭源模型上验证了LLM对'道德化'攻击的高度脆弱性。
该论文介绍了 NeoTrace 和 KoAGE，后者是一个考虑知识截止时间的基准，用于评估大型语言模型如何掌握、学习和创造韩语新词。研究发现，在所评估的 21 个模型中，词汇回忆能力与语境推断能力存在差异。
SpecAgent 提出一种协作协议，让弱模型起草并执行只读工具调用，强模型通过单次预填充并行验证并修复，在 τ²-Bench 上几乎保持强模型成功率的同时将延迟与内存流量减半。