Science Prediction Universe（SPU）把AI智能体放进真实湿实验的预测场景：只给实验条件与候选，让智能体在八小时内自行检索文献、跑计算，再按测量值给候选排序，用斯皮尔曼相关系数打分。100个公开任务取自近期Nature Portfolio论文，16个私有任务来自尚未发表的实验，检索无从下手。十三种前沿模型配置中最好的也只在约一半计分任务上超过随机阈值，更多推理算力和更多工具种类都没有带来可检测的分数提升。
个人智能体协议 Poppy 从草案走到 1.0，定义了个人智能体如何与企业侧智能体、网站和 API 对接，并复用 MCP、OpenAPI、UCP 等既有标准，用 OAuth 让用户控制智能体能做什么。Shopify 已为平台上每个商家启用 Poppy，每家店铺默认发布 Poppy 文件，商家无需额外实现；Meta 的智能体 Muse 在访问每个站点时也会先查找 Poppy。设计伙伴总数从最初一批增至 100 多家，Mercury、Synchrony、土耳其航空等已上线具体场景。
相图数据库的构建长期依赖专家判断，而这些判断很少被记录，导致公开的CALPHAD评估难以从头重建或随新数据更新。ORCHID-SAGE把评估拆成通用协议、针对具体体系的专用协议和记录每次执行的运行卡三层，连同数据库一起打包发布。在Cr–Ni体系上，仅凭这份记录，脚本在另一台机器上、以及一个只通过MCP服务器操作的AI智能体，都重新生成了数据库，预测落在协议预先声明的容差内。
Leeroo开源了Kapso，一个面向企业数据工作的实验引擎：给定目标和成功标准，它在沙箱里反复提出假设、运行实验，并把结果写回一个带可信度分数和适用条件的经验库。经验库基于git，可在团队间共享和更新；系统不绑定具体模型或编码智能体，部署时会在目标技术栈上跑一轮更短的实验循环来适配最佳方案。
ElevenLabs推出面向企业的AI应用市场，首批收录由Salesforce、IBM、NiCE、Twilio、Zendesk等合作伙伴基于ElevenLabs构建的行业专用AI智能体与语音应用，覆盖金融服务、保险、医疗、电信、零售、政府等领域。企业可在市场中浏览方案并直接联系开发方评估部署，合作伙伴则获得新的展示与获客渠道。ElevenLabs表示，明年起企业可通过既有ElevenLabs承诺额度在市场内购买符合条件的伙伴方案。
微软研究人员披露一种名为Lazarus的后门手法：不重新训练模型，只改写大语言模型中不到10个平时很少激活的休眠神经元，就能让基于该模型构建的AI智能体在触发条件出现时执行攻击者命令。触发条件可以平常到日期跨过某个时刻，模型在常规评测中表现正常，因此可靠检测需要把权重与原始版本做差异比对，模型来源与权重完整性由此成为关键。
英伟达发布工厂运营蓝图FOX，为现有工厂系统加一个工厂经理智能体，由它调度巡检、根因分析、车队管理等专职智能体。此前工厂团队要跨系统取证、咨询专家再协调下一步，耗时且依赖人工逐系统查询。FOX以SMT产线为参考示例，把AOI报警一路串到二次复检、数字孪生中的返修搬运和回流焊读数异常分析，并输出含来源记录与建议措施的PDF报告。
Vercel Labs 发布 agent-desktop，让 AI 智能体在 macOS、Windows 和 Linux 上操作桌面应用时无需截图或像素匹配。它把应用的无障碍树读成 JSON，为每个可操作元素分配引用，智能体按引用点击或输入，再重新读取界面核对结果。工具以命令行和 C 库形式提供，本身不含模型，观察—动作—复核的循环留在智能体一侧。
Cloudflare 把个人 AI 智能体在网站上造成的身份问题摆上台面：远程托管的智能体替用户行动，网站却只看到智能体，难以识别、服务并追责其背后的用户。它提出以身份、信誉和问责三项机制维持网站与用户的关系，并已上线三项能力：把个人助理列为独立流量类别、按智能体分别设置访问策略、在登录注册时显示请求来自哪个智能体。
医渡科技在2026世界传统医药大会上发布中医循证智能体“小黄岐”，为医生提供中医古籍检索、指南文献溯源、辅助辨证、方剂查询与术语翻译等循证支持。中医药知识体系复杂、术语独特、证据来源多元，该系统强调基于证据生成回答并支持逐句追溯原文，用于降低AI幻觉风险。其知识底座包括人民卫生出版社中医药知识与8000余条中医药国际术语；医渡智循与医渡临床助手已在全国40多家知名医院落地应用。