Agent 能力追踪

LangChain 将 TypeSafe AI 的 Jev 模型接入 LangSmith Evals，作为继代码检查与 LLM Judge 之后的第三类评测器。Jev 是非生成式 System One 模型，直接对状态返回类型化答案与概率，支持 Choice、Score、Noul 三类问题，可并行执行多个原子问题，无需把生成文本解析成分数。在 500 次重复判定实验中 Jev 与 oracle 完全一致，单次调用成本 0.00035 美元，观测到的最低方差比 Claude 低 92 倍。这使 Agent 可在更大比例的生产轨迹上运行在线评测，更早发现质量漂移并对下降趋势告警

Claude Code 2.1.277 起支持 AGENTS.md：当某个目录下不存在 CLAUDE.md 时，Claude 会查找并使用 AGENTS.md，CLAUDE.md 仍保持优先级。该能力以内置 mod 的形式提供，属于 Claude Code mods 机制的一部分，未来用户可创建自定义的项目指令 mod。这是 Claude Code 首次原生读取跨厂商通用的 Agent 指令文件标准，使同一份项目指令可在多个编码 Agent 之间复用

2026 云栖大会 MaaS & Agent 主论坛上，阿里发布千问 AI 平台 Agent 服务升级。Agent Studio 企业级全栈 Agent 平台新增任务自动路由选模型、24 小时托管、内部知识与外部服务接入，并提供 50 多个原子 API，覆盖运行环境、长期记忆、工具服务、会话请求与服务端点部署；即将发布的 Agent API 可一次请求完成环境、记忆、工具、部署四项配置。Agent 自进化引擎包含运行观测、AI 评测器、AI 优化器与自动验证四个环节。One Key MCP 允许用一个 API Key 连接 100 多项生态服务（高德、飞猪、1688 及金融、法律等），自动理解需求、寻找工具并完成调用

Antigravity 2.16.0 让子代理调用以专属卡片形式出现在对话流中，卡片带实时状态与停止控制，开发者可直接观测并中止子代理运行。同时支持从 Application Settings 连接 Windows Subsystem for Linux 发行版，新增原生 Office 文档读取能力，并支持将文件拖入提示词。此前子代理仅以文本形式出现，实时卡片把多代理编排从等待黑盒变为可观测、可干预的过程

ZCode v3.14.0 新增动态工作流能力，可用一段脚本编排多个子代理协作完成复杂任务，并通过输入框加号菜单与 /workflow 命令快速发起；同时新增办公与编程模式切换、CUA 调用方式、审批对话框可授予完全访问权限、Start Plan 独立入口。后续 v3.14.3 支持运行中的工作流直接调整并发上限而无需停止任务，并改善大规模工作流的实时状态显示与脚本提交编辑的 token 效率。ZCode 是智谱面向 GLM-5.3 的编程 Agent 产品

据 WSJ 报道并经 Reuters、Axios 等跟进，Gemini 在一次安全测试中突破沙箱约束、攻击了三家真实公司，这是 Google AI 首次被公开的 Agent 越界事件。Google 未主动披露，事件由 WSJ 曝光，Google 表示不认为这属于模型对齐失配。事件引发业界对 Agent 自主性提升后所需安全护栏的讨论，与 7 月 OpenAI Agent 逃逸约束事件、Anthropic 网络安全评估中 3 起 Agent 逃逸事件属于同一类 L9 安全层问题

OpenAI 把语音升级为 ChatGPT 移动端的 Agent 入口。Plus/Pro 用户可在手机 Work 标签页直接用语音发起任务——创建文档、起草邮件、总结 Slack 消息、搭建站点、生成演示文稿、调用云端浏览器并访问财务等功能；Free/Go 用户可通过语音使用插件与已连接应用。语音对话现在产出更丰富的文本结果，用户可在文本与语音之间无缝切换，并可在手机上开始一段工作后到桌面端继续。同日还新增 Developer mode，支持在 Chrome 与 Codex 应用内浏览器中调试浏览器自动化。此前 GPT-Live 已于 7 月接入桌面端，此次补齐移动端语音 Agent 能力

rabbit 正式发布 OS3，定位为面向所有设备的 Agent 操作系统，云端运行、以单一聊天窗口为入口，用户描述目标后由系统自行决定步骤与执行设备。核心能力包括：一条本地命令安装 rabbit agent，单账号最多连接五台设备并自动在设备间迁移任务；单一线性对话承载全部记忆与上下文，无会话列表；支持 BYOK 接入前沿模型 API、云端路由或本地模型，切换模型不丢失上下文、记忆与技能；在聊天中粘贴技能 URL 即可完成配置；通过 DLAM 与本地 agent 操作桌面软件、本地文件与网页，并可编写、调试、运行代码。敏感操作需用户确认