Agent 能力追踪

Perplexity Research 发布 pplx-embed-v2-late，一组晚期交互（late-interaction / multi-vector）嵌入模型，在共享嵌入空间内同时检索文本、图像与页面，支持跨模态查询。相较单向量嵌入，晚期交互以多向量表示提升检索精度，直接服务于 RAG 与 Agent 记忆的召回环节；官方博客题为「Multimodal embeddings beyond a single vector」

LlamaIndex 推出 OpenDocRouter，把开源与前沿 OCR/文档解析模型统一到一个 API 之下：按请求选择模型，每个模型对应一套版本化的提示与处理配方；支持 PDF/PNG/JPEG/URL 输入，同步模式上限 50 页，异步支持最多 500 页或 50MB；可选 grounding 引擎输出阅读顺序的边界框与版面元素；统一 15 类版面分类（标题、章节头、正文、列表项、表格、图片、图表、公式、脚注、页眉、页脚、代码、表单、键值对等）。定位为可快速切换模型、快速托管的文档转 Markdown 摄取层，October 7 起生效的按 token 计费，失败页面不计费

在 Gemini at Work 2026（2026-10-08）上，Google Cloud 推出统一的「Gemini agent for work」——一个能回答问题、完成知识工作、生成图像/媒体与代码的单一 Agent，经一个 API 暴露。核心能力：一是持久执行，云端托管，跨设备共享同一套记忆、上下文与个性化图谱，合上笔记本后长任务继续运行；二是多智能体编排，按任务动态创建带独立身份的子 Agent，另有拥有专属 @agents.company.com 邮箱与持久存储的 coworker agent，仅能看到共享上下文；三是六项架构原则含统一 Agent、无所不在的入口（web/iOS/Android/Windows/Mac/CLI/Workspace/M365/Slack，可作为 headless agent 嵌入）与模型可替换（底层模型是独立选择，当前编排 Gemini 家族与 Anthropic Claude）。工具与技能以注册表形式治理：安全连接 Confluence、Office、Teams、Slack、Git、Jira、Salesforce、ServiceNow、BigQuery、Databricks、Postgres、Snowflake、本地文件及任意 MCP server，并支持企业发布自有工具。记忆分四类：session、semantic、procedural（含自写技能）与 episodic，官方称其「像新员工一样自我入职」。同时提供 Workspace 内联（Gmail/Drive/Docs/Slides/Sheets/Chat/Calendar 共享同一记忆与技能）。成本侧有 Smart Routing（自动路由到最便宜够用模型）与实时支出上限（触发即暂停项目，可一键恢复，按项目管理便于部门分摊）

Docker 官方多智能体框架 Docker Agent（原 cagent，Docker Desktop 4.63+ 内置）在 2026-10-01 至 10-08 期间连续发布 v1.147.0 / v1.148.0 / v1.149.0。新增 hook 驱动的 Agent 路由（routing 块配合 before_agent_run / after_agent_complete 事件）、可从公开 GitHub 仓库通过 skills: 条目加载技能、评测器判定后端并将评测器默认经由模型网关路由、按实际服务层级计费的 OpenAI fast/priority/ultrafast 分级，以及 lean TUI 的 /settings 命令、codemode 工具调用可见性、debug tool 命令与 openapi 工具的 max_output_bytes；同时把工具结果上限约束在 50 KiB 并清洗历史工具结果。框架定位是用 YAML 定义一支专业化 Agent 团队：root agent 委派任务给子 Agent 且支持多层嵌套，每个 Agent 拥有独立模型、独立上下文与内置工具（待办清单、记忆、任务委派），并通过 MCP server 接入外部工具，配置以 OCI 制品分发

作为 Gemini agent 发布的一部分，Google Cloud 给出企业级 Agent 安全与治理设计：每个 Agent 拥有可加密验证的身份，按最小权限运行，身份被写入日志并烙进其产生的任何 VM；权限采用由安全管理员批准的细粒度基于角色的访问控制，向外连接时通过 OAuth 映射身份；所有动作写入审计轨迹并归属于 Agent 而非自然人；Agent 运行在 Agent Sandbox 内，全部流量经过 Agent Gateway（一个 AI 网络防火墙），策略只写一次（例如「Agent 不得打开密级为 Need to Know 的文档」）。这是把沙箱隔离、身份、权限与网络防线组合成一套默认开启的企业治理模型，与 Microsoft MXC 执行容器形成同期对照

Anthropic 发布「Build live dashboards and animate explainers with Claude」：Claude Dashboards 与 Claude Motion 进入 beta——Dashboards 让 Claude 把数据变成可从公司数据实时刷新的看板，Motion 让 Claude 为成果添加动效，产出约 30 秒讲解视频、动画图表或产品演示，并可下载为 MP4。同日 Docs、Slides 与 Design 从 beta 转正，面向包括 Free 在内的所有 Claude 方案开放。这把 Agent 的产出形态从静态文本/文档扩展到「可交互看板 + 动效视频」，进一步前移到界面层（经 The Verge 2026-10-08 报道确认发布时点）