◆ AI 总结

本期聚焦Kimi浏览器Skill与Agent Arena真实任务评测，Agent能力正从演示走向可复用操作和结果导向评估。

模型动态

Agent Arena用数百万真实长期任务评测模型

评测允许模型调用【搜索、终端和文件系统】，重点衡量端到端结果。https://x.com/arena/status/2103332024169930814[2]

产品工具

Kimi

Kimi将网页操作封装为可复用浏览器Skill

Kimi把【网页操作】转为可复用Skill，降低复杂自动化门槛。https://www.qbitai.com/2026/09/497075.html[1]

Laya加入OpenVINO支持提升CPU推理速度

Laya实现40毫秒单题响应，作者称较PyTorch【快3.4倍】。https://www.reddit.com/r/LocalLLaMA/comments/1wpieby/i_added_openvino_support_to_laya_40_ms_per/[7]
OpenAI

Codex rust-v0.157.0增强模型与远程会话能力

新版加入GPT-6 Sol与Luna、Bedrock支持，并增强会话分支与导入。https://github.com/openai/codex/releases/tag/rust-v0.157.0[8]

技巧教程

Stack Overflow倡导用专业怀疑和TDD构建Agent

文章建议以【专业怀疑】审视AI代码，并用【测试驱动开发】提升Agent可靠性。https://stackoverflow.blog/2026/09/25/professional-skepticism-is-a-dev-s-best-skill/[6]

硬件动态

觅蜂搭建大众参与的机器人训练数据平台

普通人可执行任务为机器人提供训练数据并获报酬，探索具身数据众包。https://www.qbitai.com/2026/09/497012.html[5]

行业资讯

华为大模型团队成员创业探索物理世界Scaling Law

团队尝试寻找物理世界Scaling Law，推动基础模型向现实建模拓展。https://www.qbitai.com/2026/09/497070.html[3]

Meta类Manus项目被质疑依赖人工外包

相关项目被曝部分任务或靠人工团队完成，引发对【Agent自动化真实性】的质疑。https://www.qbitai.com/2026/09/497060.html[4]