标签： GPT-4

50个AI智能体在《我的世界》建文明：首夜折损后陷入官僚内耗

研究者把50个GPT-6.1 Sol智能体放进《我的世界》组建“文明”，三小时实验显示它们没走向繁荣，反而因谨慎和流程化决策陷入低效，这一表现被指与软件开发中的编程智能体相似。

AI基准评测公司Vals AI针对中国、美国等大模型提出数百个涉华问题，发现中国模型对政治议题的回应并不整齐划一，提问语言和回答形式会明显改变结果。

Adobe Research 与 UC San Diego 提出 EditAgent，把图像编辑任务拆成子步骤，并让通用语言模型借助测量数据和局部裁剪对比候选结果，从而更有效地调度专业修图工具；目前仍是论文层面的研究。

2026年10月30日前后，谷歌发布 Gemini 4 Carbon 并以59分登顶 Artificial Analysis 智能指数榜；DeepSeek 被曝完成1055亿元第二轮融资、估值6155亿元；智元则提出用“有效智能工时”衡量机器人价值。

开发者 Ruofeng Yang（@WShuiyin）在社交平台分享称，为 GPT 长程 Goal 任务加入每 30 分钟一次的文字提醒脚本后，效率明显提升；相关脚本已在 HERO 和 ARIS 项目中开源。

Simon Willison 于 2026 年 10 月 31 日发布 datasette-llm 插件 0.1a9 版本，使其自动读取 LLM 工具链的默认模型配置。这说明用 Datasette Agent 不再需要手动指定默认模型，配置门槛有所降低。

开发者 Ryan Madden 让 GPT-5.6 Sol 在 Codex 中以低思考等级运行，用 13.5 小时游戏时间完成《异星工厂》和平模式（无虫族）通关，为观察大模型的长程规划与操作能力提供了一个可读性较高的实验样本。

Gym-Anything for Robotics 把机器人仿真环境的构建交给编程智能体，并用独立审计智能体检查物理真实性和任务质量；论文称新基准 RoboWorld 的 25 个测试任务上，前沿模型无一通过。

2026年10月底，开源项目 obra/superpowers 在 GitHub 趋势榜快速走红，Cloudflare、NVIDIA、AWS 也开源官方 Agent Skills，思路是把工程规范固化成可管理的技能，替代数千字的长 Prompt。

Factory 于 2026 年 10 月 31 日发布 Droid 1.0，最大的变化是默认启用“程序化工具调用”：由模型写一段 JavaScript 在沙箱中批量执行工具，只有打印输出返回上下文。这有望把编码 Agent 从“一次请求调一个工具”推向“一次请求驱动数百次调用”。