Bond
Bond 是面向高管的 AI 行政助手，自动管理待办事项，连接工具并协助完成任务。
热门产品
Asmi AI
Asmi AI 是一款语音对话智能体，通过电话为用户处理牙医预约、银行等生活事务，适合忙碌人群，自动完成任务并实时通知。
Respan Gateway
Respan AI网关是面向开发者的平台，通过统一端点连接1000+AI模型，内置监控、评估和成本控制功能，确保AI应用稳定可靠。
Terminal Mode by Even Realities
Even Realities 智能眼镜上的终端模式，让开发者实时监控编码代理状态、给予指令并批准关键步骤，提升开发效率。
Journey Now
Journey Now 是一款个性化学习助手，通过自适应计划帮助用户掌握新技能，适合自我提升者，核心价值是动态调整计划避免拖延。
Slashspace AI
Slashspace AI 是一款以画布为核心的 AI 原生工作空间，将多个 AI 聊天组织为节点，适合需要持续复杂工作的知识工作者，增强上下文保留和协作。
CrustRecruiter
将Claude变为智能招聘官，利用AI推理和800M+简历，自动完成筛选与沟通，适合需要高效招聘的HR。
Tabstack Structured Extraction
Tabstack 是一个面向开发者的网页结构化数据提取 API，通过定义 schema 和传入 URL 即可获取 JSON 数据，无需编写解析代码，AI 指令支持推理答案。
SlimSnap
SlimSnap是一款Mac应用，利用AI将截图和标注转换为结构化JSON，帮助开发者和设计师精准定位界面元素，减少手动解析工作量。
Juno
Juno是一款基于牛津研究和患者访谈的AI健康助手，帮助慢性病患者发现症状规律、缩短诊断路径。
Nodey
Nodey 是 n8n 的移动端伴侣，利用 AI 诊断工作流失败、从提示构建自动化任务，帮助开发者随时随地管理工作流。
PixelForge
PixelForge 将照片一键生成 RPG 角色精灵包，适合游戏开发者，无需账户和订阅，快速获得高质量游戏素材。
Lium AI
Lium AI是一款面向复杂数据领域的协作AI平台，帮助专家从海量多模态数据中获取可靠答案并生成可复用工作流。
Onpilot
Onpilot为企业创建定制化AI员工，监控运营、识别风险并自动化任务，适用于各类系统和工作流程。
Airbrush Studio
基于AI的照片编辑工具，面向创作者和摄影师，通过自动化和预设简化编辑流程，快速获得专业效果。
Cloudskill
Cloudskill 是一款管理团队 AI 智能体技能的工具，通过目录化、版本控制和权限管理，帮助技术团队安全高效地部署和维护 AI 技能。
OwnClip
原生macOS屏幕录制器，使用本地AI处理确保隐私，适合需要安全录制的用户，数据完全在设备上。
INVO Ride
INVO Ride为旧金山提供自主eVTOL航班预订服务，利用AI优化天空车道与航线，实现高效空中出行。
Easybilling
Easybilling 是为 AI SaaS、API 和智能体产品打造的计费平台，帮助开发者快速实现基于用量、订阅和积分的定价与全球支付。
Patchrooms
Patchrooms 将 AI 应用反馈转化为结构化的补丁上下文，供 Claude Code 等 AI 编码代理使用，帮助开发者高效修复问题。
开源项目
LMCache
KV缓存管理层，为LLM推理提供持久化、跨引擎复用的缓存能力，支持GPU/CPU/本地磁盘/远程存储等多级存储和传输后端。亮点在于不绑定特定推理引擎（如vLLM），通过独立守护进程管理缓存，可显著减少TTFT和提高吞吐，尤其适合长上下文、多轮对话和RAG场景。已集成NVIDIA Dynamo等生态，社区活跃。
论文
使用 Manifold Power Iteration 重新设计 Mixture-of-Experts 模型的路由器
路由器是 Mixture-of-Experts 模型的核心组件。路由器矩阵的行作为专家代理，计算与 MoE 输入的相似度，从而决定激活哪组专家。理想情况下，每一行应编码专家矩阵的代表性向量，使得其与 token 的点积能更好地反映 token-expert 亲和度。然而，目前缺乏设计原则来确保这种压缩。
Toward Generalist Autonomous Research via Hypothesis-Tree Refinement
科学进步依赖探索、实验和抽象化的循环。研究者测试候选方向、解读证据并将经验用于后续尝试。我们研究AI智能体如何在长时间跨度内自主运行这一循环。 提出Arbor框架，结合长期协调器、短期执行者和Hypothesis Tree Refinement (HTR)——一棵持久化树，跨时间链接假设、成果、证据和提炼的洞见。
面向大语言模型的智能体环境工程：环境建模、合成、评估与应用综述
环境作为大语言模型 (LLM) 智能体的交互系统，在多样化场景中扮演关键角色，驱动模型能力持续进化。然而，现有工作缺乏系统分类与深入分析。本文从环境工程生命周期视角系统研究当前智能体环境工作，涵盖建模、合成、评估与应用。 首先，从八种属性与八个领域介绍代表性环境，详细分析其发展路径并突出核心能力。
Claw-SWE-Bench: 用于评估 OpenClaw 风格智能体框架在编码任务上的基准测试
通用智能体如 OpenClaw 虽被广泛用作自主工具使用者，但在 SWE-bench 下难以评估其编码能力：通用智能体自身不满足评分所需的干净 Docker 工作区、补丁和预测合同。我们提出 Claw-SWE-Bench，一个多语言 SWE-bench 风格的基准测试和适配器协议，使异构的智能体框架（claws）在公平设置下可比，包括固定提示、运行时预算、工…
通过内化推理到分数分布超越标量奖励
当前文本到图像的后训练中，奖励模型至关重要，但视觉偏好本质是主观的，更适合表示为基于评分标准的分布而非确定性标量。现有标量、分数标记和成对奖励模型过度压缩了不确定性和细粒度分数差异，而基于推理的生成式奖励虽然判断更强，但部署成本高且难以作为直接优化信号。
TRL-Bench：跨范式表格编码器表示级别评估的标准化
表格编码器通常在特定任务的全端到端管道中进行评估，因此即使操作相似的表格信号，来自不同训练范式的模型也难以直接比较。我们推出 TRL-Bench，一个多粒度表格表示学习（TRL）基准，它标准化了跨范式的表示级别评估：每个编码器通过其支持的封装导出行、列或表嵌入，共享轻量探头在三个测试套件上进行探测： - TRL-CTbench（列/表）、TRL-Rbench…
Reason, Then Re-reason: 跨视角重审提升空间推理
从自我中心视频中进行空间推理 inherently 具有挑战性，因为可观测证据受限于相机轨迹。现有方法依赖单轮推理，迫使模型通过语义先验而非可验证证据解决几何模糊性。 我们提出Reason, then Re-reason (ReRe)，一种无需训练、推理时框架，包含两个阶段：在推理阶段，多模态大语言模型 (MLLM) 根据原始视频形成空间假设；
DeNovoSWE: 从零生成整个仓库的长时域环境扩展
随着基于LLM的代码代理能力的持续提升，其预期角色正从现有代码库中的局部错误修复向根据高层次规范设计并实现完整软件仓库扩展。然而，训练代理完成这类长时域软件工程任务仍然困难，因为缺乏大规模、可验证的完整仓库生成数据。 本文介绍DeNovoSWE，一个大规模完整仓库生成数据集。DeNovoSWE包含4,818个高质量实例，每个实例要求根据文档生成完整仓库。
World Pilot：用世界-动作先验引导视觉-语言-动作模型
Vision-Language-Action (VLA) 模型 从大规模预训练中继承了语义基础，并在分布内的操控任务中表现良好。然而，这种语义基础建立在静态图像-文本对之上，而操控是一个连续的、接触丰富的动态过程，预训练无法捕捉其动力学特性。
On Subquadratic Architectures: From Applications to Principles
Transformer 在序列建模中占据主导地位，但其二次复杂度注意力带来了高昂的计算成本。次二次架构（subquadratic architectures）作为可扩展替代方案出现，然而何种设计能产生最有效的序列模型仍不明确。
ComBench: 面向奥林匹克级组合数学的严谨证明推理与构造性实现的基准测试
组合数学是奥林匹克级数学问题求解的核心，要求深厚的离散推理、创造性构造和严谨的结构洞察。近期证据表明，即使是当今最强的前沿模型在奥林匹克组合问题上仍表现不均，暴露出创造性数学推理方面的差距。 我们提出 ComBench，一个奥林匹克级组合数学基准，用于评估和诊断大语言模型的组合推理能力。
Grammar-Constrained Decoding 能劫持 LLMs 生成恶意代码
大语言模型（LLMs）越来越多地用于代码生成，引发了其可能被滥用生成恶意代码的担忧。同时，Grammar-Constrained Decoding（GCD） 被广泛采用以通过强制语法有效性来提高 LLM 生成代码的可靠性。本文揭示了一个反直觉的风险：这种面向可靠性的技术本身可能成为攻击面。
InternVideo3: 使用多模态上下文推理智能体化基础模型
近期基础模型研究倾向于具备多步推理和工具使用的智能体行为，但开源工作主要聚焦文本，长程多模态任务（如视频理解）仍待探索。本文提出 InternVideo3，通过 多模态上下文推理（MCR） 增强该能力。MCR 将理解视为闭环过程，共享演化上下文含观测、指令、推理、工具动作和记忆，将长视频理解建模为证据积累与验证。
突破熵界：通过带拒绝采样的 MTP 加速 RL 训练
强化学习（RL）已成为现代大语言模型的关键组成部分，但 rollout 阶段仍然是 RL 训练流程的主要瓶颈。虽然多令牌预测（MTP）通过投机解码自然提供了加速 rollout 的解决方案，但许多研究发现 MTP 接受率在 RL 训练期间显著下降，导致加速性能有限。
重路由，而非移除：面向视觉语言模型的可恢复视觉令牌路由
视觉语言模型（VLMs）将图像投影为数百至数千个视觉令牌，导致解码器推理在注意力计算和 KV-cache 内存上成本高昂。现有视觉令牌缩减方法大多遵循排名-移除范式：对令牌评分，保留紧凑子集，永久丢弃其余部分。然而，这种不可逆操作是脆弱的，因为令牌重要性随解码器深度变化；早期排名低的令牌可能在后续层变得重要，尤其对于接地敏感查询。
TRACE: 一种用于高效Agentic强化学习的统一Rollout预算分配框架
RLVR（基于可验证奖励的强化学习）是增强大型语言模型推理与智能体行为的有前景方法。然而，密集Rollout的策略优化常受限于奖励对比不足——过于简单或复杂的提示产生低方差反馈，且仅用结局奖励会为多轮Rollout中每步决策赋予相同终端评估。
ICA Lens：解读语言模型无需额外训练字典
寻找语言模型表示中可解释的方向对于理解和控制模型行为至关重要。稀疏自编码器(SAE) 已成为此目的的标准工具，但将其作为默认的第一视角通常需要训练、存储和评估大型过完备字典，这一瓶颈限制了快速探索，并引发一个根本性问题：在训练另一个神经字典之前，激活几何中已经存在多少可解释结构？
EvoTrainer: 协同进化 LLM 策略与训练框架以实现自主智能体强化学习
自主 LLM 训练通常被框架化为配方搜索，训练侧harness 基本保持静态。这一局限在智能体强化学习 (agentic RL) 中尤为突出：交替出现的瓶颈和标量奖励掩盖了多样化的失败模式。
Embodied-R1.5: 通过具身基础模型进化物理智能
Embodied-R1.5 是一个统一的具身基础模型 (Embodied Foundation Model, EFM)，在单一架构中集成了全面的具身推理能力，涵盖具身认知、任务规划、纠错和指代，旨在实现通用物理智能。
Breaking the Bubble：具有边界权重不一致性的异步流水线并行训练
流水线并行是训练大型神经网络的关键技术，但现有调度方式在吞吐量、内存和优化一致性之间需要权衡。同步流水线保持前向/后向权重一致性，但存在气泡；异步流水线消除气泡，但引入权重版本不匹配，通常需要权重暂存、预测或修正机制。
动态
Codex 重置将改为用户选择时间
听到你们有趣的反馈，有时在没有警告的情况下重置你的 Codex 使用量很烦人。 下次我们按下按钮时，你将可以选择实际应用的时间。快乐编码。
发布新的实时翻译模型，即日起开放API测试。
很高兴宣布新的实时翻译模型，即日起可通过API试用。 https://t.co/pi3uIhm2xA
Fable 5在ProgramBench上全部失败
RT @scaling01: Fable 5拒绝了所有200个ProgramBench任务，笑死 https://t.co/wWJzi3vya6
发现 appshots 工具，改善截图拖拽流程
我怎么现在才发现 appshots？我之前像穴居人一样把截图拖进 codex live。
Kimi 2.7 Code在Go中可用，优化编码，定价类似
RT @opencode: Kimi 2.7 Code 现在可在 Go 中使用 文本·图像·针对编码优化 定价与 2.6 类似
Codex推出Chrome开发者模式，支持调试
为Chrome浏览器和Codex应用内浏览器推出开发者模式。 Codex可以使用Chrome DevTools协议(CDP)通过分析JavaScript性能、检查控制台输出、网络流量和页面状态来调试浏览器问题。 https://t.co/JTFjgCHmgI
Kimi发布开源代码模型K2.7，性能显著提升
🌘 Kimi-K2.7-Code，我们最新的编程模型，现已发布并开源！ 🔷 针对K2.6的编码和agent性能提升：Kimi Code Bench v2提升21.8%，Program Bench提升11.0%，MLS Bench Lite提升31.5%。 🔷 推理效率：减少过度思考，相比K2.6推理token使用量降低30%。
讨论Anthropic控制提示词使用。
转发 @tunguz: 我们的Anthropic主宰者正在决定允许平民使用哪些提示词。https://t.co/08YCSJcYSc
AI编码代理索引更新，DeepSWE替换SWE-Bench Pro，模型排名变化
我们更新了人工分析编码代理索引，用Datacurve的DeepSWE基准替换了SWE-Bench Pro——这一替换将搭载GPT-5.5（xhigh）的Codex提升至Opus 4.8（max）的Claude Code之上，而新发布的Claude Fable 5（max）在Claude Code中首次登顶。
作者在Replit上体验零挫败感的随性编程，认为只需更便宜快速的模型。
我第一次以零挫败感、完全心流的状态进行随性编程，以至于想法都不够用了。通常我有大量想添加的功能，但自从Fable登陆Replit后，我几乎确定随性编程不再需要更高的智商，只需要更便宜更快的模型，我们就搞定了。
Meta用AI做代码审查导致更多重大中断
Meta 今天发生了 SEV-0 级中断……距离 Meta 最尴尬的长时间未被发现的账户劫持（也是一次中断）不到两周。无法忽视 Meta 推动 AI 进行代码和审查，最终结果比以前出现更多大规模中断。它们是相互关联的。
大公司因忽视产品创新而失败
伟大的公司之所以失败，是因为它们忘记了创造伟大的产品。
Gemini Omni Flash 在视频竞技场排名第一
激动人心的消息：Gemini Omni Flash 现在在视频竞技场（文本到视频和图像到视频）中排名第一！ 对于文本到视频，相比 Veo 3.1（1080p）提升了惊人的 +158 分，并比次优模型 Seedance 2.0 领先 +61 分。 祝贺 @GoogleDeepMind 取得这一成就！
GPT在token成本效益上被低估，未来更重要
在我看来，GPT在token成本效益上被忽视了约10-20倍，而未来这一点将变得更加重要，且效果相似。
演示实时社交机器人，使用Gemini Live与Reachy Mini语音聊天，本地运行Gemma 4
实时社交机器人，从云端到本地设备。 观看我们DevX团队的Ian使用Gemini Live与Reachy Mini进行无缝语音聊天。 然后，坚持看到最后，看看机器人如何在Gemma 4上本地运行！
Codex推荐活动可获速率限制重置
在接下来的两周内，推荐你的朋友使用Codex，你将获得速率限制的重置：
推文介绍设置Hermes Agent的步骤。
顺便说一句，对于任何想要设置完美的@NousResearch Hermes Agent的人：（a）将你最强大的LLM指向https://t.co/val4JzR4FR（b）解释你的需求，你希望agent为你做什么，并提供完整的上下文（c）享受。这个文件是完整的Hermes Agent文档，为LLM上下文摄入而拼接。
作者使用loops编排多个AI代理，简化提示工程
我一直在使用“循环”方法。我不怎么用传统提示工程。我的大多数提示只是一句话表达结果。 - 我的编排器并行触发多个代理 - 我的计算机使用验证器给它反馈 - 我的安全、生产和SEO代理生成修复提示 行业通常比我们在Replit所做的落后3-6个月。
询问用户对codex使用能力的反馈
codex用户！ 你们觉得codex在使用（正确） 计算机使用/Chrome扩展/应用内浏览器方面的能力如何？ 如果想提供反馈，请留言，我会整理给团队！
建议重新设计软件架构以支持大量agent
我们应该开始重新思考我们的软件架构，以允许在我们的代码库上同时运行大量的代理。