AJ-Bench：面向环境感知评估的Agent-as-a-Judge基准测试

OpenAI CEO Sam Altman 透露，公司曾考虑对下一代模型采用按任务定价的扁平收费模式，但客户强烈反对，因为无法了解费用构成。开发者宁愿接受 token 单价上涨，也要保留可追踪的计费方式。Altman 承认 token 并非理想计量单位，但目前没有更优方案。

AWS 的 Hydro 团队发现智能体生成的 PR 越来越大、越来越快，人类审查难以覆盖。他们主张把正确性检查放到智能体的“信任区”之外，用编译器强制执行，比如 Rust 的借用检查器能在编译期捕获竞态条件。团队还在探索将幂等性等常见模式做成通用护栏，同时推出了高并发智能体运行时 Infinity。