Qoder 集成千问AI耳夹式耳机,支持语音控制与 Computer Use
Qoder 已集成到千问AI耳夹式耳机中。用户通过耳机唤醒 Qoder 后,可语音指令继续推进电脑上的未完成任务,或通过 Computer Use 功能让 Agent 像人一样操作屏幕、点击鼠标和敲键盘来完成具体事务。耳机支持全双工语音交互,允许用户在 Qoder 说话时随时插话修正指令。
推荐理由:耳机与Agent结合,允许用户通过语音指令继续电脑上的任务,并直接操作电脑完成具体事务。
Qoder 已集成到千问AI耳夹式耳机中。用户通过耳机唤醒 Qoder 后,可语音指令继续推进电脑上的未完成任务,或通过 Computer Use 功能让 Agent 像人一样操作屏幕、点击鼠标和敲键盘来完成具体事务。耳机支持全双工语音交互,允许用户在 Qoder 说话时随时插话修正指令。
推荐理由:耳机与Agent结合,允许用户通过语音指令继续电脑上的任务,并直接操作电脑完成具体事务。
大模型原生AI终端品牌STEPX发布首款智能体手机STEPX Neo,全栈定价3999元。该机型搭载Step AOS 1.0系统与阶跃Amoo智能体,支持端云协同,并开放Step Studio开发工具,已与支付宝、腾讯、剪映等生态伙伴打通底层服务。
同一新闻,精选展示《阶跃终端发布STEPX Neo:首款大模型原生智能体手机》
summary_zh: 提出 VLAs-as-Tools 策略,将长时程任务分解为 VLM 智能体全局规划与专用 VLA 工具执行,通过 Tool-Aligned Post-Training (TAPT) 实现指令对齐。
summary_zh: 这项研究在 ToolUniverse 环境中对 15 个科学工具进行了审计,发现了 91 个“静默失败”案例。 这些失败主要源于 API 层(52 例)或封装层(25 例),表现为数据缺失或搜索标准不一致。
论文证明插件智能体在满足四个跨进程分配条件下可保持可逆性保证,并构建基于 ROS 名称路由的 Logos 系统。 Logos 将插件作为独立进程,路由表可重建,恢复状态存于无主追加式日志中,摆脱单一进程限制。 在 200 个基准任务中,Logos 在单次故障下保持所有会话存活且零浪费调用,成功 120 个任务。
Bench2Robust 框架评估工具故障下 LLM 智能体的恢复能力。 在 7 个模型、10 个任务切片中,69/70 模型-子集对在工具失败时性能下降,最高达 46.7 个百分点。 结合 RL 与 BTM 可将鲁棒性提升 20.7 个百分点,且保持正常表现。
提出 Decoupled Search Grounding (DSG) 架构,通过 MCP 兼容网关将搜索与推理模型解耦,实现厂商无关的搜索定位。 在 SimpleQA 基准测试中,DSG 搜索成本降低 91%,延迟降低 68%;在电商工作负载中,搜索成本降低超 98% 且准确率匹敌原生搜索。 该架构消除了原生搜索导致的答案冗长问题,使实时搜索定位成为可优化的接口边界而非固定模型功能。
提出可执行任务契约以规范 Agent 鲁棒性测试中任务同类的判定标准。 在 14,336 个 Agent 运行测试中,嵌入阈值规则允许了 75-100% 改变任务的有效编辑,却拒绝了 24-45% 的合法恶意注释。 评估应明确并检查何谓同一任务,以确保测试用例的有效性。
30B 模型 Davinci-Tool 基于执行验证数据集显著提升多步任务表现。 在 τ²-bench 上将 Qwen3-Coder-30B-A3B-Instruct 成绩从 52.4 提升至 88.2,以 1/16 参数规模超越 480B 版本。 证明了可执行环境有效监督智能体工具使用的技术路径。
OpenMobile-2 是具备全开源训练环境的近前沿移动智能体,AndroidWorld 得分 79.9,MobileWorld 得分 50.4。 训练数据包含近 12K 条 SFT 轨迹及 2K 个可执行 RL 任务,MobileGym++ 覆盖 110 个应用。 真实设备迁移使 SPA-Bench 性能从 31.9 提升至 59.6,资源已公开。
团队在约500亿token数据上从头训练了2.5B参数模型Agaram 2.5B,该泰米尔-英语混合模型支持工具调用且权重已开源。模型使用单节点8张H100 GPU训练约6天,其在泰米尔语翻译和指令遵循上显著优于Sarvam-1,但知识类基准测试表现接近随机水平。
研究团队提出 Agent-Reflex 框架,旨在激励 AI 智能体主动反思。基于 Qwen3-8B,该方法在 5 个长程工具使用基准上取得 58.6 的综合分数,在 AgentNoiseBench 上得分 29.1,超越现有基线。
研究提出一种整合大语言模型、MCP 接口及 AequilibraE 引擎的框架,通过可微用户均衡层辅助非专家进行交通规划优化。 该框架直接对 Beckmann 问题的 KKT 条件进行微分,支持基于观察数据校准旅行时间函数及预算约束下的网络设计任务。 此举降低了专业门槛,使非专家决策者也能高效搜索和评估交通解决方案。
在级联语音智能体中,ASR 错误对下游工具调用的影响差异显著。现有 WER 指标无法捕捉这种差异,研究提出了配对诊断协议 SpeechEvalX,用于评估 ASR 错误受影响的任务角色如何影响结构化工具调用。
研究提出 C0-C5 有界结果契约,解决分布式 Agent 工作流中工具网关撤销不彻底问题。实验显示 49.78% 调用在非持久化交付下被错误允许,该契约避免了虚假撤销完成判定。
研究提出 RetryBench 基准,用于区分 GPT 工具调用中的虚假重试权限(FRP)与实际恢复结果。在 720 次响应的关键控制中,Luna 和 Terra 在提供更改的密钥时分别产生了 60/80 和 55/80 次不支持的重试,而 Sol 仅 1/80。
团队发布 span-level 基准 ToolHACE,覆盖 5 类细粒度幻觉,填补工具调用后响应生成评测空白。 实验证实工具调用后幻觉普遍且检测困难,在专用语料上训练优于迁移。 该研究被 Findings of EMNLP 2026 接收。
提出 MCPDisCo 框架,用于训练 MCP 原生代理,在 70 个服务器和 527 个工具上进行真实长程交互强化学习。 该框架通过结合 token 掩码奖励归因与双向梯度手术,有效缓解了推理与工具使用之间的“跷跷板”效应。 在分布外 MCP-Atlas 和 GAIA 基准上保持单调增益,证明模型在训练分布外具有良好泛化能力。
ProgAgent 提出全栈 PTC 训练框架,在 LOCA-bench 等四项基准测试中优于同级基线模型。 框架包含长时程任务合成管线、轻量 PTC 运行时及两阶段训练配方,仅使用 215 个任务进行训练。 ProgAgent-14B 在 64k-token 环境状态下取得 30.7% 通过率,而基线模型得分为 0。
Lumen-bench 是覆盖 30 个模型、5 种语言和 19.44 万次试验的工具调用伦理行为基准。 研究通过 o4-mini 裁判发现,替换伦理系统提示词使违规率从 2.76% 升至 13.64%,且 8.57% 案例中存在拒绝伴随有害调用的言行差距。 结果表明高价模型违规率更低但并非绝对安全,多语言环境下模型行为一致性存在显著挑战。
对367,174个MCP工具的元数据分析显示,参数模式差异对大语言模型工具选择的影响最大且最一致,模型倾向选择独立顶层参数。 干预实验表明,解释参数的描述能提升选择率,名称影响较弱;仅一个模式满足明确请求时,所有模型均选择兼容工具。 研究指出,参数模式设计不仅影响工具调用方式,还决定工具是否被选中,即使功能不变,模式设计和工具排序也会影响最终调用的实现。
这项研究构建了基于 MCP 模拟环境的客服工作流基准,对 17 个 1.7B 至 14B 参数的语言模型进行零样本评估。结果显示 GPT-5.4 领先优势显著,Qwen3.5-9B 为最强开源权重模型。 评估中 10 组 LLM 裁判的通过/失败判定 Kappa 系数平均仅为 0.524,表明裁判可靠性与模型能力同等重要。
SuperLocalMemory 发布了一款本地运行的 AI 智能体记忆系统,支持 Claude Code、Codex、Cursor 等主流工具,通过 MCP 协议统一管理多智能体上下文。系统默认在本地执行数据检索,提供隐私保护机制,并允许用户通过 Laya 或 Jev 模型进行事实核查。作者展示了安装配置方法,介绍了支持多种数据格式和权限管理的核心能力。
LeanLLM 是一个 Lean 4 类型化 LLM 客户端库,统一接口支持 Claude、GPT、Gemini 等 10 家模型及 OpenRouter、Bedrock 等 12 种 Provider。
AgentGate 是一个进程外授权代理和安全网关,用于拦截自主 AI 智能体的工具调用。系统使用经微调的 Qwen 0.8B 模型进行风险分类,p95 延迟低于 38ms,比常见的 LLM 裁判方法快 30 倍以上。网关基于 strategy.yaml 执行确定性访问控制,支持 MCP、LangChain 和 CrewAI 等框架,并内置了针对提示词注入和破坏性操作的验证测试套件。
豆包手机助手发文宣布,其推出的《屏幕自动化操作声明协议》30天公示期已结束,现在将逐步放开第三方应用的屏幕自动化操作权限。豆包手机助手表示,开发者仍可随时声明拒绝,系统会及时关闭相关操作,已明确拒绝的App智能体不会对其进行操作,阿里、腾讯系等App已明确拒绝。
Jevcrawl 发布,这是一个专为 AI Agent 设计的网络爬虫工具,其核心特点是爬取决策不经过 LLM。官方基准显示,其在 50 个任务中的准确率为 54%,且每次任务成本约为 LLM 驱动的 8 分之一。该工具支持 MCP 协议,兼容 Claude Code、Cursor 等客户端,并采用 Apache-2.0 协议开源。
Sugabots 是一个让团队与 AI 智能体共同工作的平台,支持开源且可自托管。每个群组(Pod)可配置不同的智能体,支持混合使用 ChatGPT、Claude、Gemini 或本地 Llama 模型,并允许接入 MCP 工具以执行日程安排或数据查询。
Amazon Bedrock AgentCore 推出支付功能,与 Anchor Browser 集成支持 x402 协议,让 AI 智能体自动处理按请求计费的网页和 API 访问,免去 402 支付响应的人工干预。
推荐理由:AWS 官方详解了 AgentCore 支付方案如何支持 x402 协议,让智能体在保持安全边界的前提下,自动完成按请求计费的网页和 API 访问。
Shopify 宣布允许消费者配置任意 AI 智能体代其浏览和购买商品,使其能够访问超过10亿个商品。该功能通过Shop应用连接智能体,利用Shop Pay一键结账,订单统一返回Shop App,消费者需审批每一笔购买并设定预算或快速配送等规则。
阶跃终端发布 STEPX Neo 首款大模型原生智能体手机,主打人机共生,硬件全栈定价 3999 元。产品采用模软硬三位一体底座,通过独立背屏和六麦克风增强感知,配备端侧模型与云端模型协同处理任务。生态方面,阶跃开放 Step Studio 供创客开发,并接入支付宝、剪映等近百家企业实现服务打通,支持用户通过置换计划长期迭代终端能力。
SealGate 发布开源安卓应用 Mobile Tunnel,允许 AI 智能体通过手机远程控制无人机、物联网硬件等设备。作者利用 GPT-5.6 Sol 配合 Mobile Tunnel 操控手机上的 DJI Fly 应用,成功让智能体自主驾驶 DJI Neo 无人机降落至桌面。该方案无需修改原应用,通过模拟人类点击和滑动交互硬件,展示了智能体与通用移动设备结合的物理控制潜力。
Mana 推出支持共享日历、采购清单及餐食规划的家庭整理工具,内置 AI 助手以同步家庭成员信息。 该工具基于 MCP 协议支持连接 Claude、Gemini 等模型,提供私有圆圈隐私保护,且全功能目前免费。
美国运通(Amex)发布 Intent Intelligence Framework,旨在通过 Create Intent API 和 Intent ID 认证用户购买意图,防止 AI Agent 发起未经授权的支付。
开发者发布跨平台桌面 AI 助手 Elissa,通过语音或快捷键唤醒后可读取文件、操作邮件、执行代码并调用 MCP 服务。该工具兼容 Windows、macOS 和 Linux,支持接入 OpenAI、Claude、Gemini 等模型或本地运行。核心操作需通过用户点击卡片明确批准才能执行,内置防误删机制并支持离线隐私模式,无需注册账号或上传数据至外部服务器。
推荐理由:该桌面助手将语音交互、文件与代码编辑、邮件发送等日常操作整合到统一审批流程中,展示了端侧智能体处理多源任务的新思路。
Sanity 2026 年统计报告显示,其 MCP 服务器月 AI 代理调用量达 521,000 次,8 个月增长约 70 倍。 Claude Code 占 MCP 调用用户 47.7%,Forrester 研究测算三年 ROI 达 272%,NPV 130 万美元。 用户量突破 100 万,但识别网站份额仍低于 0.1%,客户含 Figma、Spotify 等头部品牌。
Bifrost 是 Maxim 开源的高性能 AI 网关,提供统一 OpenAI 兼容 API 接入 23+ 模型供应商。在 5000 RPS 基准下附加延迟仅为 11µs,支持 MCP 网关、语义缓存和自动故障转移。
开源工具 Xtract 在 AI 智能体与网页搜索间插入评分层,按有用性与成本筛选内容。在 15 家公司销售研究中,Xtract 每查询仅读 3.1 页(对比 10 页),成本降至 10.3¢,且准确性略高于传统智能体。
逆向工具 REA 在一周内获得 10 万 GitHub 星,其通过 MCP 协议连接智能体与反编译工具,大幅降低了逆向门槛。多位逆向专家认为 REA 并非技术首创,且对高强度保护程序仍难以处理;行业正面临法律与合规风险,尤其是智能体同时处理反编译结果与新代码开发时,可能导致知识产权保护失效。
推荐理由:通过多位逆向专家观点,梳理了AI逆向工程的真实边界、法律风险及净室开发被破坏后的合规挑战。
本文指导开发者在 Google Auth Platform 创建 OAuth 2.0 客户端,生成 Client ID 与 Secret 供应用获取访问令牌。 应用分为 Public Clients(如原生应用)与 Private Clients,后者需安全存储 Secret 并遵循 HTTPS 域名等 URI 规则。 配置变更需 5 分钟至数小时生效,确保授权流程符合安全规范。