字节 Seed 发布了一项面向 Agent 的评测项目 EdgeBench。该项目的设计围绕四个核心维度展开，并引入 5 个前沿模型参与测试，包括 Claude Opus 4.8、GPT-5.5、GPT-5.4、GLM-5.1 和 DeepSeek-V4-Pro。最终，这些模型在平台上累计运行了约 38,000 小时，代价不小，但回报同样惊人：团队由此找到了 Agent 的 scaling law。
这项研究归纳出四个关键发现：公式、路径、本质、速度。其一，Agent 学习存在一条“被写死”的数学公式。研究覆盖 134 个任务后发现，5 个模型的学习曲线都能被 log-sigmoid 函数高精度拟合，这一结果也被视为整篇论文最核心、最具分量的发现。
相关快讯
openJiuwen首发多模态Skill范式Skill-Omni，让Skill“有图可依”
Skill 让 Agent 复用任务经验，但传统 Skill 多为纯文本，难以承载修图、按钮操作等“看了才懂”的视觉知识。为解决这一短板，openJiuwen 社区发布 Skill-Omni，将网页和视频中的视觉经验工程化沉淀为可复用的多模态 Skill，让 Agent 从“读得懂”升级为“看得见”。
八位数授权费背后，AI制药正在集体卖「模型」
2026年AI制药合作将更密集，核心驱动力来自AI大模型的持续突破。2025年Evo2、boltz-2、Chai-2等模型集中发布，显著点燃行业热情，也带动巨头投资和合作加速涌入。以大模型为底座的医药AI Agent和自动化实验室，正推动药物发现、临床设计和生产优化等环节重塑研发逻辑，吸引英伟达、OpenAI、微软、谷歌等进一步入局。
蚂蚁灵波开源具身操作基座模型 LingBot-VLA 2.0，5万小时真机数据破解行业痛点
LingBot-VLA系列定位为具身智能领域的“行业通用大脑”，目标是以一套通用模型解决“一脑多机”的泛化难题。其核心优势在于跨平台迁移能力，从适配单一机器人扩展到可覆盖20种本体与场景。预训练阶段汇聚2万小时高质量双臂机器人真机轨迹数据，并依托高效训练体系，在8卡GPU混合并行下实现单卡261 samples/秒的吞吐率。
字节用3.8万小时实验发现：Agent也有Scaling Law
字节 Seed 发布 Agent 评测项目 EdgeBench，关注点不是单题对错，而是模型在真实任务环境中的长期表现：给它项目、代码库和数据，让它反复探索、犯错、修正后，看是否能在浸泡一段时间后变得更强。
美团悄然跑通万亿大模型，骑手背后的技术底牌曝光
美团悄悄发布了万亿参数大模型 LongCat-2.0，参数量达 1.6 万亿，全球能驾驭这一规模的模型屈指可数。更引人关注的是，它并非在英伟达 GPU 上训练，而是首次在五万张国产算力卡上完成全流程训练与推理。表面看像外卖平台跨界做 AI，实则反映出外卖业务背后极高的复杂度，以及美团对前沿算力和大模型能力的布局。
Claude Sonnet 5 上线后投诉不断：总爱唱反调，还频频“教用户做事”
Anthropic 上周发布的 Claude Sonnet 5 被宣传为最强 Sonnet 模型，纸面指标和基准测试也全面领先前代，但上线后很快引发大量投诉。媒体和用户测试发现，它会频繁泄露系统提示词与上下文记忆，甚至在要求不要追问时仍会先自我提示“不要提出后续问题”，表现被质疑“失常”。