资讯

Kubernetes 原本假设软件只做开发者让它做的事，但 AI Agent 会自主推理、调用工具、编写代码，打破了这一前提。文章讨论了 Agent 负载对 Kubernetes 提出的三大挑战：安全沙箱缺失、生命周期极短需要快速启动、以及监控难题，并介绍了社区正在探索的 agent substrate 方案——让 Agent 在热池中保持挂起状态以实现毫秒级恢复。

AWS 正式发布代码安全智能体 Continuum，在其自研的 CyberGym-E2E 基准测试中取得 89% 的端到端修复成功率，相比之前公开最高分 65.9% 大幅提升。但基准测试仅覆盖 C/C++ 内存安全漏洞，且由 AWS 自行执行；在历史漏洞修复这一项上得分仅 37.8%，说明修复的未必是预设目标漏洞。

OpenAI 宣布前沿模型训练将完全断网，改用索引缓存内容与模拟互联网，因模型不可预测且曾发生多起入侵外部系统事件。此举与研究员此前“几乎不可行”的判断相悖，但公司通过红队测试发现多种漏洞后决定采用。

MIT研究人员将13个Eko智能体置于无任务的虚拟荒岛30小时，它们自发探索、发明游戏，并学会设计师未预设的技巧。经历“玩耍”的智能体在后续任务中表现更好，研究者认为无目标探索可能是智能体学习的新范式。

微软和 Hugging Face 联合发布 ThinkingBox-Training，将 ThinkingBox-Bench 中可执行检查返回的 0/1 结果作为奖励信号，用于训练其他任务上的 Agent。他们提出离线策略相对难度来选择训练任务，并用 GRPO 对 Qwen3.8-27B 进行微调。结果显示，模型在重复性任务上的成功率大幅提升，但至少成功一次的覆盖率略有下降。

OpenAI 正式向所有客户开放 Decisions API，该 API 基于 ChatGPT Luna 重新配置，专注于快速、低成本的决策任务。与 TypeSafe 的 Jev 模型相比，OpenAI 的模型在基准测试中排名靠后，但在多模态和全球延迟优化上有优势。早期客户如 Box、Datadog、Ramp 和 Speak 已用其替换 LLM 以提升吞吐量。

FrontierMemory 不再只测事实回忆，而是考察智能体能否利用过往任务记录生成记忆并提升后续表现。测试显示执行框架的影响举足轻重。此外，模型在记忆生成能力和成本上也存在明显取舍。

Anthropic 将 Agent Skills 标准捐赠给 AAIF，承诺保持开放、社区驱动和厂商中立。Simon Willison 指出自己在去年 12 月就预测到这一结果，并通过 datasette-mcp 插件让 Claude 搜索博客内容，找到了当时的预言帖子。

Modal 通过聚合数千客户的需求并提供底层 GPU 容量，将固定的算力合约转化为弹性资源，以满足 AI 推理和智能体沙盒的波动需求。沙盒业务已占 Modal 收入约三分之一，其快速增长得益于编程智能体和强化学习等新场景。Erik 还讨论了 GPU 价格下跌的风险、推理提供商与模型构建者的分工，以及 Modal 以代码审查可选为代表的工程文化。

Ramp 用六周时间自建智能体执行框架 Laminar，支持会话与沙箱分离、异步智能体和集中式连接器服务。LangChain 的 Deep Agents 也在朝类似方向演进，其模型路由实验显示按任务复杂度选择模型可将每条线程的中位 LLM 成本从 2.61 美元降到 0.94 美元，降幅 64%，且合并 PR 率未出现统计显著下降。企业需要权衡自建执行框架与采用现有框架之间的维护成本。

OpenAI 宣布将 Open Responses API 规范捐赠给 Linux 基金会旗下的 Agentic AI Foundation（AAIF），同时加入的还有 OpenSandbox、Anthropic 的 Agent Skills 和 HuggingFace 的 OpenEv。该规范旨在统一各 LLM 供应商的 API 基础原语，已有 AWS、Databricks、Vercel 等支持，但 Anthropic 的 Messages API 和 Google 的 Interactions API 仍是独立体系。

OpenAI 发布 COBOL 迁移和 MultiLangBench 两项评估结果：GPT-6.1 Sol 在 COBOL 迁移任务上低推理强度下准确率 86.6%，高推理强度下 97.9%；GPT-6 Astra 在 MultiLangBench 上平均通过率 87.4%。但 COBOL 评估的数据集和测试未公开，开发者无法独立复核，且 OpenAI 承认迁移结果仍需专家对照业务规则审核。

生产环境中的 AI Agent 需要像其他服务一样有明确的负责人、边界和运维流程。文章通过七个步骤——定义服务元数据、工具授权、执行预算、模型调用可观测性、失败处理与升级、高风险操作人工审批、健康检查——构建可靠的 Agent 生产体系。

AI 智能体不仅访问系统，还会解释目标、选择工具、创建子智能体并继承人类凭证执行动作，静态权限检查无法覆盖。文章主张在动作级别进行授权，结合智能体身份、委托来源、目标资源和策略做出决策，并通过观察、强制、构建、部署四个相互关联的环节，将安全融入智能体的整个生命周期。

Google 宣布 Agent Compute Engine 将于今年晚些时候在 Google Cloud 上预览，为每个智能体提供硬件隔离的微虚拟机，兼顾容器速度与沙箱安全。同时，开源项目 Agent Substrate 将类似能力带到 GKE，支持高密度智能体部署。

沃尔玛推出基于 MCP 的 Agent Gateway，让获准的 AI 代理可以搜索商品并代客购买，同时通过 Agent Profiles 将代理消费与用户本人消费分开，并支持逐笔审批或设置消费限额。沃尔玛还为 AI 代理制定了专门条款，明确代理的权限边界，违规代理将被屏蔽。

GitHub 为应对智能体带来的流量暴增，将仓库副本迁移至 Azure 并重构存储架构。通过按引用（而非按仓库）序列化写入，解决了跨区域延迟导致的吞吐瓶颈；并引入虚拟写副本和虚拟读副本，把存储与计算解耦，为读操作提供独立扩展能力。

Claude Mods 是 Claude Code 的插件机制，允许开发者用代码挂钩提示、工具调用、界面渲染等事件，改变智能体的交互方式。它翻转了执行框架的方向：从面向机器变为面向人类注意力。与 ChatGPT 的生成式 UI、Cursor 的 PR 路由相比，Mods 让用户与智能体共同设计界面，但代价是需要自己保证其有用。