搜索
「全球只有大约5,000人，真正见识过顶尖AI的能力。」这是Andrej Karpathy近日分享的一个观察。他说，只有站在漏斗顶端的那一小撮研究者，才能看到数千个AI Agent长时间协作、昼夜不停地做科研。
Agent在真实任务中出错，工程师的第一反应往往是给Harness“打补丁”：加一条防错提示词、接入一个新工具、挂一套Skills，或者增加历史摘要和执行检查。这套负责协调模型调用、工具执行与上下文管理的外层系统，就是Agent Harness。
MiniMax 更新 MiniMax M3.1 Flash，并确认此前处理超200万亿 Token 的匿名模型 Space Bunny 为其早期版本；官方称新模型线上推理速度提升近3倍，Agent 类任务综合使用成本较前代降低70%。
由Transformer奠基论文核心作者Llion Jones创办的 Sakana AI，联手UC Berkeley带来了一项递归自我改进（RSI）新成果：MASS（Multi-Agent Self-Supervision）。
近日，Manifold AI流形空间登顶机器人学习基准RoboDojo榜单（Agent Track），超越 GPT-6-Astra、英伟达 GR00T-N1.。其 WorldScape R²SI系统超过GPT-6-Astra、英伟达 GR00T-N1.7等模型，位列总榜第一。
Manifold AI推出WorldScape R²SI，通过上下文学习与双层Agent持续改进能力登顶RoboDojo Agent Track总榜，超过GPT-6-Astra等模型。
厦门大学ASC Lab团队提出的FlowMAS获NeurIPS 2026录用，通过GFlowNet、好奇心驱动模块和信息引导优化模块自动生成多样且低成本的大模型多智能体工作流拓扑，并在六个基准实验中取得领先成绩。
从视觉观察到策略生成，再到物理执行与完成判断，CodeActionBench 在统一条件下评测通用多模态 Agent 的机器人操作能力。在双臂仿真评测中，GPT-6 Astra (Codex CLI) 的尝试成功率达到 73.3%，Claude Opus 5 在 Reference harness 和 Claude Code 下分别取得 49.3% 和 45.3%。
DeepSeek Harness 给每个用户定制了一套工作台，PenguinHarness 给每个 Agent 定制了一套工作台。
Agent 执行长程任务时，代码、工具输出和交互记录不断累积，上下文也跟着变长。