AIAI快讯

热门AI工具推荐

焚书AI多模型聚合平台
AI多模型聚合平台( Claude 系列、GPT 系列)支持聊天、搜索、图片、视频、音乐等多种功能;聚合了 Claude 系列(如 Sonnet 5、Opus 5 等)、Gemini 系列、GPT 系列、DeepSeek(搜索模式默认调用 DeepSeek V4 Pro)以及通义千问、Kimi 等数十款国内外主流模型。
AI编程订阅服务,支持多款国产主流编程模型自由切换。
Seedance 2.0AI视频生成
具备卓越的物理真实性和角色一致性,可生成电影级视频内容。
方舟 Agent PlanAI智能体订阅
火山引擎推出的全场景AI智能体订阅服务,通过一个订阅整合5大主流模型和10+AI工具
SpeedAIAI内容检测降重
AI内容检测与降重工具,能有效帮助用户通过论文AI率检测
秒哒AI工具
不懂代码也能开发应用?百度秒哒:无需编程,快速搭建小程序与网站
有戏AIAI漫剧生成工具
全流程AI短剧创作工具,实现从剧本到成片的自动化生产,让“一人即剧组”成为现实。
沁言学术智能科研平台
一站式文献管理与科研写作工具,支持边写作边搜索文献,高效阅读,文献管理,

Agnes 开源Agent框架 9B模型接管高频判断

时间:2026年11月19日(Agnes AI 开源 Agnes Harness 与 MHS 设备交互协议的公开报道窗口;量子位次日刊出上手实测) 地点:中国与美国(项目方 Agnes AI / AgnesAI-Labs,代码托管于 GitHub;量子位、ITBear、智源社区等中文媒体报道) 人物:Agnes AI 团队(AgnesAI-Labs);量子位记者一水;智源社区与 ITBear 科技资讯 事件详情:Agnes AI 以 Apache-2.0 许可证开源了智能体运行与扩展框架 Agnes Harness(AGH),GitHub 上已积累约 2.1k Star,允许商用;项目状态标注为开发者预览(pre-alpha),需从源码自行部署,环境要求 Node.js 24.10 及以上与 pnpm 10.34.5,使用云端模型 API 时不需要额外配 GPU。这套系统的结构被概括为:大模型是大脑,Agnes Sys1 是小脑,Harness 是记忆,MHS 是身体。双系统决策是它的第一项设计:大模型负责理解意图、拆解复杂任务、规划路径和处理异常,Agnes Sys1 1.0 则是一颗 9B 参数的决策模型,可单机部署,承担工具选择、流程判断、请求路由和有序评分,在状态明确时直接决定下一步要不要调用工具、继续等待还是立即执行,拿不准再请大模型出手;开发者也可按客服、仓储、代码审查等场景替换成别的模型。官方报告给出的数字是:在模拟家庭漏水任务中,大模型判断下一步平均要 7.6 秒,Agnes Sys1.0 只需 0.53 秒,约快 14.3 倍;在行李房任务里双方各做 100 次判断,在线大模型单次调用成本约 0.00247 美元,Agnes Sys1.0 约 0.000091 美元,约降到 1/27;在机器狗仿真任务中,整体耗时下降 32.9%。让 Agent 不再每天从零开始靠两层机制:模型层是 TTT 测试时训练,面对当前任务先自己出带标准答案的练习题,在单次请求内做少量参数更新,且更新只限模型末端的 RMSNorm 缩放参数,干完就恢复原样,避免不同设备之间互相污染;系统层是 RSI 递归自我改进,事件账本记录报错、重试和低效环节,推演出的新策略先在当前任务里验证,确认有效后再固化成 Skills 和版本化 Playbook 供后续复用。官方给出的验收案例是设备入库验收:第一次因为没等称重台稳定就急着读数、操作顺序也没排好,30 分钟仍未完成,RSI 复盘后记下读数提取时机,第二次 8 分钟内完成结案;行李房场景里 Agent 最终测得重量 12.60 公斤、超过标重 4.60 公斤,触发暂留条件,9 项评测和后续 3 次独立复验均通过。走向物理世界的接口是 MHS(Model Hardware Standard),用统一格式让机器人、机械臂、传感器先报明自身状态、可执行动作和可返回数据,任务编排仍由框架统一调度,实时控制与物理安全仍由设备控制器负责。官方对九项公开基准做了阶段性自评,六项拿到对照组最好成绩,AppWorld-dev 与 Codex 持平,DeepPlanning 得分 87.07,BigCodeBench-Hard V1 通过率 40.69%。 背景:这套设计瞄准的是企业落地的最后一公里成本。斯坦福在读博士 Zaniel 算过一笔账,AI 把软件开发成本从 90 块压到 1 块,但每接一个客户仍要 10 块的适配成本,而这 10 块恰恰是最难啃的部分。落地痛点也已经被量化:有 SaaS 从业者称自己每月收客户 400 美元,却被报错的 Agent 在不到 6 小时内重试 3.1 万次,一夜烧掉 4700 美元 Token;Cyera 首席战略官 Sol Rashidi 也透露自己已经裁掉了一半 Agent,因为盯着 AI 干活的时间比它省下的还多。框架把一次部署沉淀下来的东西做成插件,工具、模型适配器、Agent 工作流、Skills 和操作界面都能封装,已有业务系统可通过 MCP 接入,插件还带版本管理,新会话可用新版本、执行中的任务继续沿用旧版本。量子位记者实测时也确认,目前没有现成的在线网页版,需要先在本地跑起来才能体验。 影响:对做企业 Agent 的团队,这套架构给出了一条让大模型只处理难判断的工程路径,高频明确的动作交给可单机部署的 9B 模型,大模型在需要时才出场,成本和时延同时被压下来;经验沉淀的分工也值得注意,TTT 管模型、只在当下适应且用完即清,RSI 管系统、把验证过的流程固化成 Playbook,这比单纯把记忆塞进上下文更可控。对行业更大的信号是,Agent 落地的成本结构正从模型能力转向部署与复用,谁能把一次交付变成下一个项目的起点,谁就更有机会在企业市场里摊薄成本。代价与风险同样清楚:项目仍处 pre-alpha 阶段,基准成绩是官方自评,九项里六项拿对照组最好成绩、另有一项与 Codex 并列,其余项目并未全面领先;README 也明确说明它不是托管服务,普通后端插件以进程内可信代码方式运行,命令沙箱只覆盖受支持的执行路径,物理安全责任仍归设备控制器,开发者试错成本并不低。 总结:Agnes Harness 把 Agent 落地的最后一公里拆成了四个可替换的部分,大模型负责思考,9B 的 Sys1 负责快速判断,TTT 负责当下适应,RSI 负责长期沉淀,插件与 MHS 负责接到真实系统里。它给出的判断快 14.3 倍、单次决策成本约 1/27、机器狗任务耗时降 32.9% 等数字全部来自官方自评,仍需独立复现。真正的看点不是模型又聪明了多少,而是"一次跑通的流程能不能成为下一个项目的起点"这个问题,开始有人用开源系统正面回答。 常见问题: 问:Agnes Harness 是什么? 答:Agnes AI 开源的智能体运行框架,采用 Apache-2.0 许可证,大模型做大脑、9B 的 Agnes Sys1 做小脑、Harness 做记忆、MHS 做身体。 问:Agnes Sys1 是什么? 答:9B 参数的决策模型,可单机部署,负责工具选择、流程判断、请求路由和有序评分,常规任务亚秒级判断,复杂推理才交给大模型。 参考来源: 量子位:双系统决策+双层自进化,Agnes让Agent效率最高提速14倍,成本骤降至1/27! https://www.qbitai.com/2026/11/511582.html ITBear科技资讯:Agnes Harness开源:智能体可现场学习并沉淀经验 https://www.itbear.com.cn/html/2026-11/1588849.html 智源社区:AI不止于大模型,Agnes Harness正式开源并开放MHS设备交互协议 https://hub.baai.ac.cn/view/58602 GitHub:AgnesAI-Labs/agnes-harness 开源主仓库与说明文档 https://github.com/AgnesAI-Labs/agnes-harness GitHub:Agnes Sys1 1.0 技术报告 https://github.com/AgnesAI-Labs/Agnes-Sys1-1.0-Technical-Report GitHub:Agnes Harness 版本发布页 https://github.com/AgnesAI-Labs/agnes-harness/releases GitHub:Agnes Harness 中文说明文档 https://raw.githubusercontent.com/AgnesAI-Labs/agnes-harness/main/README.zh-CN.md

同日其他快讯

11月21日 汇总