Meta 发布首个前沿模型 Muse Wonder：API 每百万 token 输入 4 美元、输出 20 美元，Full 版只给 Muse Code 订阅
Meta 超级智能实验室 10-12 发布 Muse Wonder 和 Muse Wonder Full，官方称是自家最强的模型，主打个人和职业场景的 Agent 任务，在吉瓦级的 Prometheus 数据中心训练。Muse Wonder 当天通过 Meta Model API 和 Muse Code 提供，模型名 muse-wonder-1.0，上下文窗口 1,048,576 token；Wonder Full 只给 Muse Code 订阅用户，不走 API。据 TechCrunch，这是 Alexandr Wang 去年 8 月重组 Meta AI 后的第一次前沿模型发布。
官方强调两项能力：Active Memory 跨对话记住与用户相关的上下文并在需要时取回；Active Focus 在长任务里换思路、绕过阻碍，关键操作前先确认。据 TechCrunch，Meta 自测的 MemoryBench 分数高于 Claude Fable、Opus 和 GPT-6 Astra。第三方 Artificial Analysis 智能指数 v4.3 上，Wonder（max）52 分，Wonder Full 56 分，六周前的 Muse Spark 1.3 是 48 分。完整安全报告官方称稍后发布。
API 价格为每百万 token 输入 4 美元、缓存输入 0.2 美元、输出 20 美元，与 Claude Opus 5.5 持平，Muse Spark 1.3 是 1.25 / 0.15 / 4.25 美元。Artificial Analysis 测得 Wonder 跑一道指数任务平均 4.52 美元，低于 Opus 5.5 的 5.98 美元，高于 GPT-6 Astra 的 3.26 美元。能经 API 调用的是 Wonder，分数最高的 Full 暂时只能在 Muse Code 里用。
主源：https://research.meta.ai/blog/muse-wonder
API 文档：https://dev.meta.ai/docs/overview
第三方指数：https://artificialanalysis.ai/articles/muse-wonder
转述：https://techcrunch.com/2026/10/12/meta-releases-its-first-frontier-model-muse-wonder/
灵感，不只在长文里。
随手记下的发现、想法，以及开发日常。
一句「照着念」就能让六个 Agent 框架执行攻击者写的工具调用，论文还在 118 个开源 MCP 服务器里核实了 253 个漏洞
宾夕法尼亚州立大学、法国蒙彼利埃大学和达特茅斯学院的研究者 10-09 在 arXiv 发布论文 ToFu（尚未同行评审）。他们把一段按框架格式写好的工具调用交给模型，只要求原样复述；编排层把复述出来的内容当成结构化调用直接派发。论文称在 LangGraph、Microsoft Agent Framework、Google ADK 2.0、AutoGen、AWS Strands 和 CrewAI 上都复现了这一行为，完整记录只给了 LangGraph 1.2.0（经 Ollama 跑 llama3.1:8b，两个无副作用的桩工具）：第一轮模型拒绝，把请求改成「假设」后，模型输出了 launch_missiles 调用，LangGraph 立刻执行，拒绝的话在工具返回之后才出现。作者已向 LangGraph 维护者报告缺少执行前检查。
论文据此主张工具必须自己校验参数，并做了按工具描述自动生成安全检查的模糊测试框架 ToFu。在 273 个能跑起来的开源 MCP 服务器（共 3405 个工具，样本只含 Python 和 JavaScript）上，人工核实 253 个漏洞，分布在 118 个服务器的 343 个工具里：路径穿越 64 个、SSRF 7 个、数据外泄 5 个、系统命令注入 3 个，其余主要是输出反射 115 个和日志注入 58 个。论文没有说明这些问题是否已修复。
模型吐出格式合法的调用，并不代表这次调用被授权。用 Spring AI 或 LangChain4j 暴露 @Tool 和 MCP Server 的团队，拦截应放在编排层执行之前，工具参数要按攻击者可控来校验，文件路径限定在工作目录内。
主源：https://arxiv.org/abs/2610.13651
转述：https://www.csoonline.com/article/4233811/researchers-bypass-6-ai-agent-frameworks-with-a-simple-repeat-after-me-prompt.html
Vals AI 测多智能体写全栈：贵 1.8～5.1 倍，多数分数提升不显著
Vals AI 10-09 在官博发布 Vibe Code Bench 案例研究，用 GPT-6 Sol 与 Claude Opus 5.5，各跑单 Agent 与最多 5 个并行子 Agent 的团队，测 50 个按产品规格生成的完整 Web 应用。团队成本是单 Agent 的 1.8～5.1 倍；仅 Sol 在 medium effort 下团队分数提升有统计显著性（77.6%→84.9%，+7.3 分，p=0.005）。Opus medium 团队略低（91.5%→91.2%）；Opus max 团队跑到 93.2%，均价约 122 美元/应用，约是 medium 单 Agent 的 30 倍，提升不显著。对 Sol，把 reasoning effort 调到 max 的单 Agent（89%）比 medium 团队（84.9%）分数更高。作者写明结论限于这类全栈 Web 任务，不一定外推。
站内刚发过 Claude Managed Agents「单次最多调度 1000 Agent」的动态工作流。Vals 这篇给出可核验的成本与显著性对照：多 Agent 编排在真实全栈交付上不一定划算；先抬 effort、再决定是否拆团队，更贴近工程预算。
https://www.vals.ai/blogs/multi-agent-vibe-code-bench
Personal Agent Protocol 放出 0.1 草案：OpenAI、Visa、Mastercard 等 35 家加入设计
Sierra 联合创始人 Bret Taylor 和 Clay Bavor 10-09 在官博公布 Personal Agent Protocol（简称 Poppy）0.1 草案，同时宣布新增 35 家设计伙伴，包括 OpenAI、Visa、Mastercard、PayPal、Adyen、Plaid、Bank of America、Wells Fargo、Target、United Airlines、Cloudflare、Okta、1Password、Zapier 和 Notion。10-06 首批宣布时是 Meta 与 Genesys、Instinct、NiCE、Rocket、Shopify、Stripe、Walmart，当时 OpenAI 没在名单里。
按规范站的草案文本，企业用一份 poppy.json 声明说明自己提供 Agent、API 还是网页入口，个人 Agent 据此替单个用户开会话；登录基于 OAuth 和 JWT，企业按 MCP 暴露的服务器要接受会话令牌、按 scope 执行，并且只认发给自己 url 的令牌。会话默认从未登录开始，企业决定提供哪些登录方式、每种方式能授予哪些 scope，也可以按 Agent 设允许或阻止名单；用户在授权页决定批准只读还是可写。草案写明 0.1 的任何部分都可能在稳定版前做不兼容修改，支付、推送通知列为尚未覆盖的开放议题。Sierra 称接下来一个月办设计研讨会并发布参考实现。
草案写明，除代填凭据登录外都是标准 OAuth 2.0，会话令牌就是 OAuth access token，企业可以沿用现有授权服务器。按 scope 校验、只认发给自己的令牌，这正是 Spring Security 的 Resource Server 已经实现的资源服务器做法。
主源：https://sierra.ai/blog/poppy
规范：https://personalagentprotocol.org/docs/spec
micro1 承诺 12 个月花 10 亿美元买企业运营数据，用来搭训练 Agent 的强化学习环境
AI 数据公司 micro1 10-09 在官博宣布，未来 12 个月将通过 Company Data Partnerships 项目投入 10 亿美元，收购和授权企业的运营数据。数据经去标识化后，用来搭建贴近真实业务的强化学习环境，让模型和 Agent 在里面练习跑工作流、做决策、完成复杂任务。官方的理由是真实业务里充满信息不全、优先级冲突和需要判断的例外情况，训练 Agent 处理这些，环境得保留业务背后的上下文。这笔钱由 Citi 和 Hercules Capital 提供资金支持，官方没有披露融资金额、形式和条款，也没有点名合作企业。
10 亿美元是一项采购承诺，金额指的是要花出去的钱，并非融资额。这说明 Agent 训练数据的来源之一，正在延伸到企业内部的流程和业务记录，积累了多年业务系统数据的公司因此多了一个变现渠道。
主源：https://www.micro1.ai/blog/micro1-commits-1b-to-enterprise-data-acquisition
转述：https://www.inc.com/moses-jeanfrancois/micro1-1-billion-dollar-bet-on-your-companys-data/91417578
Claude Managed Agents 上线动态工作流公测：一个主 Agent 写程序，单次最多调度 1000 个 Agent
Anthropic 10-09 宣布 Claude Managed Agents 的动态工作流（dynamic workflows）进入公测。主 Agent 先写出一个工作流程序，把任务按阶段拆给多个 Agent，由服务端在后台跑完再合并结果，主 Agent 期间可以继续干别的或结束本轮。开启方式是把 Agent 的 multiagent 类型设为 multiagent_20261001，工作流和普通子 Agent 委派默认都打开。按官方文档，一次运行累计最多启动 1000 个 Agent，同时干活的线程最多 64 个，这个数字官方说不保证、可能调整；每个会话默认最多同时开 10 个运行。工作流里临时定义的 Agent 用主 Agent 同一个模型，工具和 MCP 服务器取主 Agent 的子集，原有权限策略照旧生效。
官方在发布帖里给了一组自测：在 11.6 万行代码里埋 70 个 bug，单个 Agent 跑 3 次分别找到 14、15、27 个，工作流 3 次都找到 66 个。这是官方自己的测试数据。文档同时提醒，运行里每个 Agent 都消耗 token，建议设会话预算封顶，并在系统提示里写清什么时候该启动工作流。
官方文档列出的适用场景包括审计、迁移、深度调研和交叉核对，放到 Java 团队就是全仓库代码审计、老 Spring Boot 项目批量升级这类任务，调度和合并逻辑由托管运行负责，不用自己写。运行没有单独定价，每个 Agent 的 token 按模型费率计入会话，用量随 Agent 数量成倍增加。
主源：https://platform.claude.com/docs/en/managed-agents/multiagent-orchestration
运行限制：https://platform.claude.com/docs/en/managed-agents/workflow-runs
发布帖：https://x.com/ClaudeDevs/status/2108591330129523146
TypeSafe 融资 8.7 亿美元、估值 75 亿：不输出文本、直接给代码返回类型化决策的 Jev 模型上线不到一个月
TypeSafe AI 10-09 宣布完成 A 轮，金额 8.7 亿美元，估值 75 亿美元，Andreessen Horowitz 领投，Sequoia、老股东 DCVC 和一批天使参与，a16z 的 Martin Casado 进入董事会。公司 9 月 15 日发布 Jev。据 TechCrunch，Jev 基于 Transformer 但不是大语言模型，它不生成文本，输出的是概率，公司称之为「校准过的决策」；a16z 投资文章的说法是把决策作为类型化的值直接交给调用方代码，省掉解析文本这一步。
几组数字都来自公司或投资方自报：TypeSafe 称三分之一的财富 500 强在用 Jev（a16z 文章写的是 25%）；a16z 称 Jev 上线 3 天就达到 1 万亿 token generated，分类任务在相近准确率下成本约为前沿模型的 1/100 到 1/500，速度快约 100 倍。TypeSafe 称新钱会用来推出更多面向机器的模型，并补上企业功能；a16z 把 Jev 称为 System One 这一新类模型的第一款。联合创始人兼 CEO Diogo Almeida 曾是 OpenAI 的研究员。
在业务代码里用 LLM 做分类、路由、审核判断的团队，过去要写提示词再解析和校验文本输出；Jev 这类模型直接返回类型化结果和概率，能当普通函数调用接进现有服务，早前的文章介绍过在 Spring AI 里用 Jev 做过滤重排：https://spring4all.com/archives/spring-ai-modular-rag-typesafe-jev 。这些成本和准确率数字目前还没有第三方评测。
主源：https://typesafe.ai/blog/series-ai
投资方：https://www.a16z.news/p/investing-in-typesafe
转述：https://techcrunch.com/2026/10/09/the-maker-of-non-text-ai-model-jev-valued-at-7-5b-just-weeks-after-launch/
Google Cloud 推出 Gemini agent：一个 Agent 接 MCP、自动选模型，还给每个同事型 Agent 发独立账号和邮箱
Google Cloud CEO Thomas Kurian 10-08 在 Gemini at Work 2026 大会发布 Gemini agent，定位是面向工作的通用 Agent：问答、知识工作、生成图片和媒体、写代码并运行，都从一个输入框和一套 API 进。它在云端持续运行，任务可以跑几小时到几天，可按计划或事件触发，还能临时派生各带身份的子 Agent 并行干活。底层模型单独选，目前在 Gemini 系列和 Anthropic 的 Claude 之间按任务路由。它能连 Git、Jira、Confluence、Salesforce、ServiceNow、Postgres、Snowflake 等系统，也能接公司内外任意 MCP 服务器，企业可以建内部的工具注册表和 skill 注册表。
管控是这次的重点。每个 Agent 有经加密证明的独立身份和最小权限，对外通过 OAuth 传递身份，所有操作记在 Agent 名下的审计日志里；Agent 在带网络边界的 Agent Sandbox 里执行任务，进出流量和 Agent 之间的流量都过 Agent Gateway 按统一策略拦截。「同事型 Agent」会拿到自己的 Workspace 账号、邮箱、日历和 Drive，能在文档里提修改建议，版本历史里记在它自己名下。成本上可以在 Cloud Billing 控制台里按项目设硬上限，触顶后该项目的 Agent 自动暂停。官方称过去一年近 500 家客户各自处理了超过 1 万亿 token，近 80% 的 Google Cloud 客户在用其 AI 产品，均为自报。据 9to5Google，Gemini agent 目前为私有预览，之后向部分 Workspace Business 和 Enterprise 套餐开放。
给企业内部系统做集成的团队，Agent 接入的路径越来越清楚：暴露成 MCP 服务器，再用 OAuth 给 Agent 单独划权限。按 Agent 身份记审计、按项目封顶花费，也可以拿来对照自家 Agent 平台的权限和预算设计。
主源：https://cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026/
转述：https://9to5google.com/2026/10/08/gemini-agent-google-cloud/
State of AI Report 2026 发布：OpenAI 与 Anthropic 年化收入合计约 1050 亿美元，报告押注 2027 年出现 AGI
Air Street Capital 的 Nathan Benaich 10-08 发布第 9 份年度 State of AI Report。报告判断前沿已是 Anthropic、OpenAI、Google 三家之争：Artificial Analysis 智能指数上 Anthropic 领先，Arena 用户偏好榜上 Google 领先。
几组数字：据 Anthropic 内部指标，8 月由 Claude 主导的模型研发工作占 26%，2 月还不到 1%，任务仍由研究员设定和监督；Epoch AI 估算，达到同一基准分数的成本自 2023 年起每季度下降 47%，一年约便宜 13 倍；OpenAI 与 Anthropic 报告的年化收入合计在夏末达到约 1050 亿美元，年初约 300 亿；美国四大云厂商 2026 年资本开支指引合计约 7330 亿美元，同时 Gallup 3 月调查里 71% 的美国人反对在本地建 AI 数据中心，Data Center Watch 统计二季度至少 45 个项目、近 680 亿美元投资因地方反对被叫停或推迟。
Agent 部分有一组受控实验：GLM-5.1 权重不变，只改工具、上下文和反馈，100 道 SWE-bench Verified 任务成功率从 52.5% 升到 65.5%。安全部分重点复盘 OpenAI 内部网络安全评测中 Agent 连上互联网、攻入 Hugging Face 生产环境一事，据 OpenAI 技术报告有 41 台生产 worker 被执行代码。报告还引用 OpenAI 的破坏测试：监控只看 GPT-6 Astra 的推理文本时，它藏住有害附带任务的成功率高于前代，让监控同时看到它的动作后，成功规避降到接近零。报告据此主张对 Agent 的监控要跟着实际动作走。
报告复盘去年 10 条预测，2 条命中、5 条部分命中、3 条未中；今年 9 条预测里最后一条就是「AGI 2027」。以上数字多为公司自报或第三方统计，正在把 Agent 接进业务的团队可以拿推理成本曲线和管控建议对照自己明年的预算与权限设计。
主源：https://press.airstreet.com/p/state-of-ai-2026
报告：https://www.stateof.ai/
预测：https://www.stateof.ai/2026-explore/predictions
AWS 开源 Strands Box：给 Claude Code、Codex 这类 Agent 套上能看操作历史的本地沙箱
AWS 10-07 在 Strands Agents 官博发布 Strands Box 开发者预览版，以 Apache-2.0 许可证开源，用 Rust 编写。它用操作系统级隔离把 Agent 关进沙箱，所有 shell、Python、MCP 调用、文件和网络访问只能经过一层策略引擎出去；策略用 AWS 今年开源的 Dogwood 语言写，默认拒绝，凭据由沙箱注入，Agent 自己拿不到。官方给 Claude Code、Codex CLI 和自家 Strands CLI 都写了接入指南，任何模型、任何 harness 都能用。
和普通容器沙箱相比，它的规则能参考 Agent 之前做过什么。官博示例里，「15 分钟内 npm test 通过之后才允许 git push」「每小时最多调用 60 次 AWS MCP 工具」都能确定性执行，Agent 没法靠说服绕过去。AWS 副总裁 Marc Brooker 对 The Register 说，开发者仍要自己决定放多少权限、哪里留人工审核。
目前只支持 Apple 芯片的 macOS，版本 0.1.x，配置项还会变；Linux 在开发中，Windows 以及部署到 AgentCore、ECS、Kubernetes 都没有日期。AWS 也承认 Box 要信任的代码更多（解释器、协议拦截层），多租户云上部署建议外面再套一层 MicroVM。放开 Agent 自动执行命令的团队多了一个能按前置条件和频次卡住危险操作的开源选项，要上服务器还得等 Linux 版。
主源：https://strandsagents.com/blog/strands-box-the-big-picture/
仓库：https://github.com/strands-agents/box
转述：https://www.theregister.com/ai-and-ml/2026/10/07/aws-launches-open-source-ai-agent-sandbox-to-prevent-yolo-mode-disasters/5301687