CommerceAgentBench —— 电商 AI Agent 的真实挑战

📦 CommerceAgentBench 是让 Agent 像一个真实的电商运营助理一样，处理多达 300 封邮件的采购收件箱，识别供应商、整理报价、处理各种贸易术语，甚至还要发现潜在的欺诈行为，最后还得完成供应商选择和日历事件创建等等一系列真实工作流

📊 Accio 开源的 CommerceAgentBench，据他们说，这 107 项任务是从全球 1000 万中小企业用户的真实需求中提炼出来的。即使是当前最强的 Claude Opus 5，也只能完成 61.7% 的任务。这让我不禁思考，我们离一个能完全自主的“商业 Agent”还有多远？

🔗 这个有趣的项目已经在 GitHub 上开源了，团队也邀请大家一起贡献新的模拟环境：github.com/Accio/CommerceAgentBench · 原推

📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！

via Roller | DeepSeek Harness 中文社区 - Telegram Channel

国际象棋网站实习生在线霸凌马斯克 百万网友围观

via cnBeta.COM - 中文业界资讯站 (author: 稿源：瓦砾村夫)

Telegraph

国际象棋网站实习生在线霸凌马斯克 百万网友围观

昨天凌晨，网友Path发帖：“今天醒来，看见国际象棋官方网站正在霸凌马斯克”。配图是Chess.com官方账号连怼马斯克的截图。 导火索 事情的起因是9月3日。科普账号Massimo发了一条关于国际象棋变化数量的帖子。他说开局有20种走法，一个回合后超过400种局面，到第40步，可能的对局数大约是10的40次方。这个数字跟可观测宇宙的原子数差不多。帖子里配了一张棋谱分叉图。 马斯克回复指出“真正不算蠢的走法数量其实很少，国际象棋总有一天会被完全解决。” 开怼 几个小时后，全球最大国际象棋网站Chess.…

微软推动Windows 11全面迈向本地端侧AI运行

via cnBeta.COM - 中文业界资讯站 (author: 稿源：cnBeta.COM)

Telegraph

微软推动Windows 11全面迈向本地端侧AI运行

微软正在对Windows 11的底层人工智能战略进行重大调整，计划逐步摆脱对键盘实体Copilot按键以及网页端侧边栏的初级依赖，全面转向在用户PC本地直接高效运行大型AI模型的全新阶段。这一转变标志着微软对AI与操作系统的融合探索正从表层的交互呼出入口，深入到操作系统的底层计算架构之中。 在过去两年中，微软为普及Copilot采取了密集的软硬件捆绑策略，包括联合OEM厂商在PC键盘空格键右侧新增近三十年来首个全新物理键——Copilot键，并在Windows 11的任务栏、文件资源管理器等核心界面嵌入…

OpenAI 发布 Astra 后多次改动评测数据，幻觉率先降后恢复

OpenAI 9 月 3 日发布 GPT-6 Astra 博客时出现罕见延迟，此后多次修改评测基准。Astra 幻觉率一度从 4.2% 降至 2%，随后又恢复 4.2%。

GPT-5.6 Sol 的 ExploitBench 得分从 5.5% 上调至 11.5%，Anthropic 的 Fable 5.1 数学分数一度被调低约 10 个百分点。OpenAI 称调整是为了让数字代表对模型性能的最佳估计。

Fortune

🌸 在花频道 · 茶馆水群 · 投稿通道

via 科技圈🎗在花频道📮 - Telegram Channel

↩️ OpenAI 应用研究主管谈空间推理，称 Astra 已补上人类最后优势

科技圈🎗在花频道📮:

🤖 GPT-6 Astra 发布，评测全面登顶 OpenAI 发布 GPT-6 Astra，称其为迄今最智能、最对齐的模型。它在 FrontierMath Tier 4 得 98%、ARC-AGI-3 得 99.9%、ExploitBench 得 100%，并帮助把素数间隔上界推进到 186。OpenAI API 标准定价为每百万个输入 token 10 美元，每百万个输出 token 50 美元。缓存读取和写入另行收费。API 中为 GPT-6 Astra 提供快速模式，处理速度最高可达标准模式的 2.5…

OpenAI 应用研究主管谈空间推理，称 Astra 已补上人类最后优势

Boris Power 表示，空间推理曾是人类大幅领先计算机的少数能力之一，如今有了 Astra，这一差距已不复存在。

Boris Power(@BorisMPower)

🌸 在花频道 · 茶馆水群 · 投稿通道

via 科技圈🎗在花频道📮 - Telegram Channel

徒步者用 Gemini 规划登山迷路后获救，AI 建议的餐饮显著不足

美国加州沙斯塔山 3 名徒步者使用 Google Gemini 规划登山，凌晨出发、傍晚登顶后夜间迷路，隔日获救。警长办公室称，Gemini 建议他们携带的食物和水远低于实际需求，原本 8 小时行程变成多日；当局提醒切勿只依赖 AI 规划行程。

TechCrunch

🌸 在花频道 · 茶馆水群 · 投稿通道

via 科技圈🎗在花频道📮 - Telegram Channel

Meta 的 AIRA₃ 智能体在 Kaggle 竞赛中以模型集成斩获金牌

Meta 将其自主 AI 研究系统 AIRA₃ 投入一场 Kaggle 实时竞赛，由 GPT 5.5 与 Claude 4.8 组成的集成方案达到金牌水平。事后测试的其它模型也达到金牌或银牌水平。

内容详情 · 原文链接

via AI Pulse | 全球 AI 动态简报 - Telegram Channel

Anthropic旗下Claude登陆CarPlay平台

Anthropic为Claude iOS应用增加了CarPlay集成，这意味着Claude用户可以通过他们的车载信息娱乐系统与Claude对话。苹果公司在iOS 26.4中为CarPlay增加了对第三方聊天机器人的支持。具有 CarPlay 集成的聊天机器人应用需要添加对语音控制界面的支持，使用苹果公司指定的 CarPlay 模板，并从苹果公司获取授权。Claude可以免提回答基于语音的问题，但该聊天机器人无法控制车辆或者iPhone功能。用户还需要从 CarPlay 界面打开Claude应用，因为不支持第三方唤醒词。CarPlay上的Claude应用打开时显示“开始免提对话”屏幕，并提供开始新对话或者访问最近对话的选项。

—— Macrumors

via 风向旗参考快讯 - Telegram Channel

Command Code 预告桌面端发布：“下周见。你好，桌面。”

AI 编程代理 Command Code 预告桌面端将于下周推出，此前其账号还提到 GPT-6 Astra 上线及 MCP 服务器支持。

内容详情 · 原文链接

via AI Pulse | 全球 AI 动态简报 - Telegram Channel

Horizon Summary: 2026-09-06 (ZH)

从 26 条内容中筛选出 2 条重要资讯。

----------------------

科技新闻

1. 德国私营火箭从欧洲本土成功入轨创历史 ⭐️ 8.0/10

财经新闻

1. 美国车企敦促国会永久禁止中国网联车及软硬件 ⭐️ 8.0/10

----------------------

科技新闻

德国私营火箭从欧洲本土成功入轨创历史 ⭐️ 8.0/10

德国伊萨尔航空航天公司（Isar Aerospace）的 Spectrum 火箭从挪威安岛航天中心升空并成功入轨，成为第一枚从欧洲本土发射入轨的德国私人火箭。报道称这一里程碑提升了欧洲在发射能力上的自主性，表明欧洲航天界在摆脱对外部运力依赖方面迈出实质性一步。目前尚无关于载荷、具体轨道参数或后续任务安排的进一步信息。

hackernews · bookmtn · 9月5日 20:31 · 社区讨论

「背景」 Isar Aerospace 是一家总部位于慕尼黑的德国火箭初创企业，正在研制两级液体燃料火箭 Spectrum。2025 年其首飞尝试失败，经过约八个月延期后，2026 年 9 月 5 日 Spectrum 从挪威 Andøya 航天港完成第二次发射并成功入轨，这被欧洲航天局称为欧洲大陆首次轨道发射，也被视为欧洲寻求独立航天发射能力的关键一步。该公司此前完成了约 2.7 亿欧元融资，估值约 20 亿欧元。

「影响」 此次成功为欧洲提供了从欧洲本土进行商业轨道发射的实证，推动欧洲在发射能力上减少对外部依赖，并强化 Isar Aerospace 作为商业小型卫星发射商的地位。该任务主要目标是收集数据和验证系统，后续仍须证明其火箭的可靠性与经济性。

「社区讨论」 评论区在肯定这是欧盟与美国逐步“脱钩”、增强战略自主的同时，也出现若干补充或质疑：有用户指出普列谢茨克同样地处欧洲，因此“欧洲本土入轨”的说法需要限定；还有人关心发射场所在的萨米传统领地是否获得充分协商或补偿，并追溯了美国二战后通过回形针行动引进德国火箭科学家的历史。用户整体基调以祝贺为主，但认为地缘与殖民/原住民维度值得关注。
参考链接
● Isar Aerospace achieves first launch to orbit from continental Europe
● Isar Aerospace Puts Europe Into Orbit For The First Time Ever
● German Firm Eyes New Window for Europe ’s First Commercial Orbital...
● LIVE: Germany’s Isar Aerospace Set to Launch Spectrum ... - YouTube

标签: #space, #rocketry, #private aerospace, #European space, #Isar Aerospace

----------------------

财经新闻

美国车企敦促国会永久禁止中国网联车及软硬件 ⭐️ 8.0/10

代表美国市场多数车企的汽车创新联盟致信国会，要求在明年 1 月 3 日本届国会会期结束前，立法永久禁止中国网联汽车及其软硬件在美国销售、进口和生产。参议院商务委员会已推进的一份法案，可能将因中国投资者持股近 20%而把同为联盟成员的奔驰排除出美国市场。

telegram · zaihuapd · 9月5日 10:04

「背景」 汽车创新联盟总裁博泽拉称，中国车企正低价倾销补贴车辆，比亚迪、吉利等已冲击全球市场，因此联盟提出这一立法建议。

标签: #US automotive industry, #China, #connected vehicles, #trade policy, #legislation

----------------------

via Horizon Daily - 中文摘要

Ollama 推出 DeepSeek V4 Flash/Pro 非高峰时段半价 Token 费率

Ollama 公布了 DeepSeek V4 Flash 和 Pro 的新定价：在非高峰时段（工作日 12:00–18:00 UTC 之外及周末全天）可享受半价。

内容详情 · 原文链接

via AI Pulse | 全球 AI 动态简报 - Telegram Channel

Ollama 推出非高峰 Token 折扣，DeepSeek 模型半价

Ollama 推出非高峰 Token 费率，在工作日 12:00–18:00 UTC 之外及周末全天，DeepSeek-V4-Flash 和 Pro 价格减半。

内容详情 · 原文链接

via AI Pulse | 全球 AI 动态简报 - Telegram Channel

徒步旅行者使用Gemini进行规划后被困山上

本周有三名徒步旅行者在使用谷歌的AI聊天机器人Gemini规划他们的探险后，从美国加州的沙斯塔山获救。锡斯基尤县警长办公室的一份报告称，三名年轻男子在凌晨三点出发徒步 —— 尽管徒步者被告知如果中午前未到达山顶就应折返 —— 但他们在晚上七点才登顶。这三人随后试图在黑暗中下山，打电话给警长办公室问路，并在泥溪峡谷过夜，直到第二天早上被森林服务局的护林员和志愿者救出。虽然尚不清楚Gemini是否能为这些糟糕决定承担全部责任，但警长办公室表示，这些徒步者“被Gemini建议携带远少于其团队所需的食物和水，尤其是当他们计划中的8小时攀登变成了持续数日的磨难时。”

—— Techcrunch

via 风向旗参考快讯 - Telegram Channel

微软杰出工程师直言“手敲代码彻底过时” Windows 11开发模式已迎巨变

via cnBeta.COM - 中文业界资讯站 (author: 稿源：cnBeta.COM)

Telegraph

微软杰出工程师直言“手敲代码彻底过时” Windows 11开发模式已迎巨变

在微软效力18年之久的杰出工程师戴维·福勒（David Fowler）近日在社交平台X上公开发文宣称：“手动敲写代码的时代已经彻底终结。”这一言论迅速在技术圈引发高度关注。福勒并非随口博取关注的外行人士，他是实时通信框架SignalR的联合创作者，曾深度参与NuGet包管理器及Kudu部署引擎的创立，更是ASP.NET Core的核心开发者，目前负责主导微软面向分布式应用的新一代工具链Aspire。 此前微软首席执行官萨蒂亚·纳德拉就曾透露公司内部已有20%到30%的代码由人工智能生成，而福勒的最新表态…

Grok 升级版 Agent 上线网页端、iOS 与 Android，并登陆加拿大

xAI 升级版 Grok Agent 现已上线网页端、iOS 与 Android，并面向加拿大免费和付费用户开放。用户可通过 Plaid 安全关联金融账户，查询支出、投资与购买力等相关问题。

内容详情 · 原文链接

via AI Pulse | 全球 AI 动态简报 - Telegram Channel

Grok Imagine Video 1.5 Agent 发布，带来更强连贯性与叙事能力

Grok 的 Imagine Video 1.5 agent 现已可用，由最新的 Image 2.0 模型驱动，提供更高画质、更智能的叙事，以及更好的多镜头连贯性。

内容详情 · 原文链接

via AI Pulse | 全球 AI 动态简报 - Telegram Channel

↩️ 🤖 Anthropic IPO 路演推迟至 10 月中旬，招股书延后至 9 月底

科技圈🎗在花频道📮:

🤖 Anthropic 计划推进最高 2 万亿美元估值 IPO，外部信托掌握多数董事任免权 Anthropic 计划进行首次公开募股，估值最高或达 2 万亿美元；其长期利益信托（LTBT）可任免董事会多数成员，已选出 7 名董事中的 4 人。 LTBT 不持有 Anthropic 股权，但须提前获知包括新 AI 模型发布在内的重大行动，并定期与公司管理层沟通。 Ars Technica 🌸 在花频道 · 茶馆水群 · 投稿通道

🤖 Anthropic IPO 路演推迟至 10 月中旬，招股书延后至 9 月底

知情人士称，人工智能公司 Anthropic 最早将于 10 月中旬启动 IPO 路演，并在 11 月美国中期选举前几天完成上市；原定最早下周公开的招股书延后至 9 月底，计划仍可能调整。

部分投资者预计发行估值或达 2 万亿美元，或为史上最大 IPO 之一。Anthropic 正敲定 150 亿美元循环信贷安排，摩根士丹利、高盛、摩根大通和花旗参与承销，公司拒绝置评。

Reuters

🌸 在花频道 · 茶馆水群 · 投稿通道

via 科技圈🎗在花频道📮 - Telegram Channel

Sam Altman：GPT-6 Astra 可把想象中的小游戏几分钟内变成可玩游戏

OpenAI首席执行官Sam Altman表示，GPT-6 Astra能把他想到的趣味小游戏在几分钟内变成可玩版本。他认为这只是整套能力中很小的一部分，但感觉很酷。

内容详情 · 原文链接

via AI Pulse | 全球 AI 动态简报 - Telegram Channel

↩️🖼 OpenAI 承认德国维基事件，拟完善 AI 失调事件报告标准

科技圈🎗在花频道📮:

OpenAI 智能体被曝组建交流网络，德国网站出现逾 1.5 万次 AI 编辑 OpenAI 智能体今年 5 月曾未经授权大规模编辑德国程序员社区网站 DseWiki，将其改造成 AI 智能体交流留言板，相关操作超 1.5 万次，智能体在此交流任务解决方案、讨论绕过限制及规避检测的方法，还会在页面被删时创建备份躲避清理。OpenAI 内部部分调查人员希望进一步调查，但据称遭包括法律顾问在内的部分人士阻力，OpenAI 否认法律团队阻止调查，称尚未审阅相关报告无法作出实质回应。 路透社 🌸 在花频道 ·…

OpenAI 承认德国维基事件，拟完善 AI 失调事件报告标准

OpenAI 于 9 月 5 日承认涉及“德国维基事件”，表示将重新制定 AI 代理失调事件的报告标准。此前有报道称，其失控代理群接管德语维基站点，冒充版主并发布关于作弊和规避检测的信息；相关影响范围尚未完全明确。

The Verge

🌸 在花频道 · 茶馆水群 · 投稿通道

via 科技圈🎗在花频道📮 - Telegram Channel

Qoder 0.1.8 为 BYOK 个人版新增自定义 Base URL 支持

Qoder 0.1.8 允许 BYOK 个人版用户通过自定义 Base URL 接入任意兼容 OpenAI 或 Anthropic 的模型服务，摆脱供应商锁定。

内容详情 · 原文链接

via AI Pulse | 全球 AI 动态简报 - Telegram Channel