ALUX AI Agent Daily2026-09-09Global AI Brief
AI Agent智能体进入验证闭环
从图像意图、形式化证明到实验反馈与工具护栏，智能体正在把生成能力接进可检查、可恢复的工作链。
14值得关注
11可动手试
7开源发现
7覆盖区域
今日总判断：模型仍在拓宽能力，但生产价值开始由闭环决定：输入有约束，动作有门禁，结果有证据，失败后还能续接。
RISC机器说明
RISC = 生产级 Agent / 机器人身体的四个系统
一个真正能上生产的 Agent，不能只有大脑。它还要持续行动、扛住故障、抵御越权，并进入真实组织协作。
行业已经交付了一颗出色的大脑，但生产级 Agent 还需要机体、免疫和社会。ALUX 构建的，就是这台完整机器。
AI Agent雷达
结果必须能被重放
形式化证明、梯度攻击与机器人回验都在把可信度从语言移向可检查证据。
权限先于工具调用
MCP 服务器级规则和只读接口说明，执行边界要在动作发生前统一解决。
文档变成可安装能力
厂商 Skills、统一 CLI 与 AI 手册让操作知识能够被复用、版本化和交接。
值得关注的新功能
ChatGPT Images 2.5 更懂草图与参考照
发生了什么：OpenAI 发布 ChatGPT Images 2.5，官方称新版能把文字想法、手绘草图和参考照片转成更贴近用户意图的成品，并强化个性化与画面完成度。它把“先给轮廓、再让模型补足视觉语言”推到更直接的产品入口。
为什么值得关注：图像 Agent 的竞争点正从单轮生成，转向能否理解不完整意图并稳定保留参考关系。草图和照片若能共同成为约束，创意沟通会少一次语言转译。
适合谁看：品牌设计、广告创意、商品视觉、内容团队和多模态产品负责人。
OpenAI 提交 Navier–Stokes 解答与 Lean 证明
发生了什么：OpenAI 公布一份由 AI 生成的 Navier–Stokes 千年难题解答，同时提供论文式说明与 Lean 形式化证明。公开材料把自然语言论证和机器可检查对象放在一起，让外部研究者能够分别检查数学主张与形式化链条。
为什么值得关注：科研 Agent 的高价值输出正在从“看起来像证明”走向可被证明助手逐步验证的对象。若这套模式成立，同行评议会多出一条可重放、可定位错误的检查通道。
适合谁看：数学研究、形式化验证、科研 Agent、证明助手与高可信软件团队。
Codex 进入量子实验的闭环校准
发生了什么：OpenAI 介绍一项 MIT 研究实践：研究者用 GPT-5.6 Sol 与 Codex 自主运行量子计算实验、分析结果并校准量子比特。Agent 不只生成实验代码，还在观测数据返回后继续调整下一轮操作，形成工具调用与物理反馈闭环。
为什么值得关注：当模型能读取仪器反馈并修改下一步，实验 Agent 的核心就不再是写脚本，而是受约束地循环执行、判断异常、保存状态并在人类设定的边界内恢复。
适合谁看：量子计算、实验室自动化、科研平台、仪器软件与长流程 Agent 团队。
腾讯 EVIE 开源视觉文档检索双模型
发生了什么：腾讯开源 EVIE-8B 与 EVIE-4.5B，用逐词元多向量和 MaxSim 做视觉文档检索，保留版式、字体、图表及表格关系。官方模型卡称 8B 版在 ViDoRe V3 达到 66.75 nDCG@10，并同步提供权重、推理与评测代码。
为什么值得关注：文档 Agent 若先把整页压成单一向量，容易丢掉局部结构。多向量后期交互让查询能对准页面片段，为合同、财报和知识库检索提供更细的证据入口。
适合谁看：企业搜索、RAG、合同与财报处理、知识库以及多模态检索团队。
OpenAI Agents SDK 把护栏推到 MCP 服务器层
发生了什么：OpenAI Agents SDK for Python v0.22.1 为 MCP 工具增加服务器级统一护栏，并加入可配置的 Unix 本地环境隔离、Docker 容器标签、网页搜索图片结果及流式语音转写选项。版本同时修复空工具参数与审批恢复等边界行为。
为什么值得关注：工具越多，逐个调用点补安全规则越容易漏。把护栏上提到 MCP 服务器层，可以让同一能力入口共享检查策略，并让隔离与审计边界更清楚。
适合谁看：Agent 平台、MCP 服务、开发自动化、安全工程和语音工作流团队。
DeepSeek Harness 让系统提示更新不再清空缓存
发生了什么：DeepSeek Harness v0.1.5-alpha.1 支持动态更新系统提示，并在模型兼容时保留 KV 缓存；新版会话格式把系统提示写进历史，迁移时保留旧文件，还修正暂停目标被模型误恢复、插入消息顺序异常等问题。
为什么值得关注：长会话需要调整规则，却不应每次都重算全部上下文。把提示变更、缓存复用和迁移记录放在同一状态链里，有助于降低成本并保留可追溯性。
适合谁看：编码 Agent、长会话编排、推理基础设施和本地开发工具团队。
GitHub开源发现
Stars为成稿时的关注度快照，不代表质量排名。许可证按官方仓库准确标注。
BFL 把 FLUX 图像与视频经验做成 Agent Skills
发生了什么：Black Forest Labs 开源一组 Agent Skills，覆盖 FLUX 图像提示、API 调用，以及带声音视频的路由、关键帧、续写、成片与质检。
为什么值得关注：模型厂商开始把最佳实践包装成可安装能力，而非只留在文档。
适合谁看：视觉 Agent、创意开发与内容生产团队。
MiniMax CLI 把六种生成能力接进终端
发生了什么：MiniMax 官方 CLI 把文本、图像、视频、语音、视觉理解和搜索统一为终端命令，并提供面向多种编码 Agent 的配置入口。
为什么值得关注：多模态能力进入稳定命令面后，更容易组合、记录和自动恢复。
适合谁看：开发 Agent、媒体自动化与本地工作流团队。
BankMCP 给欧洲银行账户加只读 Agent 接口
发生了什么：BankMCP 提供自托管、单用户、只读的银行 MCP，可经 PSD2 接入 2,700 多家欧洲银行账户，不开放付款动作。
为什么值得关注：金融 Agent 可先从低权限数据读取起步，把行动权留在系统之外。
适合谁看：个人财务、金融数据与 MCP 安全团队。
PC-98 汉化手册教 Agent 先验证再改文件
发生了什么：这份繁中手册把 PC-98 游戏汉化、DOS 移植和 FM／SSG／MIDI／PCM 音讯验证整理为可交接给 AI 的分阶段流程。
为什么值得关注：它把冷门修复任务写成可逆实验，示范 Agent 如何处理未知格式。
适合谁看：数字保存、复古游戏与汉化团队。
全球技术与市场观察
Uno 用离散扩散做无损多词元并行生成
发生了什么：Uno 叠加自回归与离散扩散权重，用 Ψ-Spec 并行生成多个词元，并公开推理、训练、评测代码与三个检查点。
为什么值得关注：它尝试在不另训草稿模型的前提下提高吞吐，同时保持原分布。
适合谁看：推理引擎、模型训练和高并发 Agent 平台团队。
FlowBalance 用验证器约束自我蒸馏方向
发生了什么：FlowBalance 用验证器优势决定方向，再以带符号门控的自教师提供逐词元密集反馈，并用轨迹平衡学习完整回答分布。
为什么值得关注：密集自我指导不再能越过最终结果验证，降低奖励方向被教师偏好带偏的风险。
适合谁看：推理模型、RLVR、自我改进与评测研究团队。
EmbodiedSkills 给机器人技能加执行前检查
发生了什么：EmbodiedSkills 让 VLM 经历观察、规划、预检、限界执行、验证与恢复六段，再把技能请求交给机器人策略。
为什么值得关注：具身 Agent 的可靠性来自执行前门禁和结果回验，而非只靠规划提示。
适合谁看：机器人、VLA 与具身 Agent 团队。
Split-LLM 返回梯度会暴露真实样本行
发生了什么：研究发现，Split-LLM 训练返回的梯度零模式会区分真实行与诱饵行，并在作者实验的九个种子中全部命中。
为什么值得关注：前向表示做了伪装，不代表反向更新不会泄露同一秘密。
适合谁看：隐私训练、联邦学习与企业模型平台团队。
本期观察：模型接口继续变宽，但生产差异越来越落在状态、证据与权限能否被长期保留和独立验证。
来源
- OpenAI ChatGPT Images 2.5：ChatGPT Images 2.5 更懂草图与参考照 官方发布
- OpenAI Navier–Stokes Research：OpenAI 提交 Navier–Stokes 解答与 Lean 证明 官方研究
- OpenAI Codex Quantum Experiments：Codex 进入量子实验的闭环校准 官方研究
- Tencent EVIE：腾讯 EVIE 开源视觉文档检索双模型 官方开源发布
- OpenAI Agents SDK for Python：OpenAI Agents SDK 把护栏推到 MCP 服务器层 官方开源发布
- DeepSeek Harness：DeepSeek Harness 让系统提示更新不再清空缓存 官方开源发布
- Black Forest Labs Skills：BFL 把 FLUX 图像与视频经验做成 Agent Skills 官方开源发布
- MiniMax CLI：MiniMax CLI 把六种生成能力接进终端 官方公开代码
- BankMCP：BankMCP 给欧洲银行账户加只读 Agent 接口 官方开源发布
- PC-98 AI Localization Handbook：PC-98 汉化手册教 Agent 先验证再改文件 官方开源发布
- Uno：Uno 用离散扩散做无损多词元并行生成 官方研究
- FlowBalance：FlowBalance 用验证器约束自我蒸馏方向 官方研究
- EmbodiedSkills：EmbodiedSkills 给机器人技能加执行前检查 官方研究
- Split-LLM Privacy Study：Split-LLM 返回梯度会暴露真实样本行 官方研究