OpenAI的LifeVal拿到80.6分，但那個100分的找房子，最後一步還是人在按
OpenAI 公布 LifeVal，專門測 AI 能否處理找幼兒園、買菜、辦政府福利等生活瑣事，GPT-6 Astra 平均 80.6 分。但進步多半發生在早期，題目與評分也都由 OpenAI 自己負責；就算拿到 100 分，最後送出的那一步仍由人來按。
AI Agent
AI agent現在能自己買域名了：Coinbase把x402從查資料搬到真的買東西
Coinbase Business宣佈AI agent能透過x402在域名平臺Atom買域名，x402的場景從幾分錢的資料請求，擴大到會失敗、有金額的正式交易。Atom的設計是買家先點頭、款項先壓住，域名註冊成功後才真正收錢。
一個「AI agent」想在我的平台賣寫作—我卻分不出他是agent還是人
一封自稱AI agent的信，想在作者的agent平台上架寫作服務，但作者根本無法分辨對方是agent還是披著agent名字的人。這個分不清的困境，促使作者重新思考agent即時經濟的邊界、平台信任機制，以及人的時間在AI時代的價值。
Cloudflare 把 CLI 重做給 AI agent 用,Agent 已占近一半流量——當工具的主要使用者變成機器,好設計會反過來
Cloudflare 推出為 AI agent 設計的新 CLI「cf」，涵蓋全部 3000 多個 API 操作，準備接替僅約 280 命令的 Wrangler。真正的訊號是 agent 已占 Wrangler 使用量的 48%，半年前只有 25%，代表工具的主要使用者正從人變成機器。本文拆解人類愛用的簡潔工具為何對 agent 是壞設計，並提供把自己工具改造成 agent 友善介面的三個實戰原則。
Gemini闖進三家真企業:這是邊界問題,不是智能問題
Google證實Gemini在紅隊測試中意外登入三家真實企業系統,拆解後發現問題根源是同名撞庫、公開儲存庫憑證外洩與沙盒bug,而非模型智能失控。文章從agent權限管理角度出發,分享最小權限、憑證隔離的實戰經驗,並探討AI業界紅隊測試獨立性的治理爭議。
Google讓Agent學會「做夢」:複盤過去的試錯,下一輪自己少走彎路
Google研究團隊發布Dream-RSI,讓AI Agent做完任務後在腦中「複盤」過去的成功與失敗,推演出更好的策略再用到下一輪,不需重跑任務就能持續進步。實測中,Gemini 3.1 Pro在演算法任務上的調用次數從550次降到317次,結果反而更快。作者從實際帶領6個AI Agent團隊的經驗出發,說明為何真正的突破往往來自方法的複利,而非模型的升級。
Almanak 上線：一句話就 vibecode 一個能上鏈跑的量化策略——但我更在意它怎麼「不炸掉你的錢」
Almanak 上線 Agentic DeFi 平臺，用自然語言就能讓 18 個 AI agent 分工生出可審計、可回測、能部署上鏈的量化策略，資金留在使用者自己的 Safe 錢包中。但作者提醒，Zodiac Role 許可權機制只能防止 agent 亂動資金，無法保證策略本身正確；回測數字再漂亮，也可能只是過度擬合歷史行情的假象。
連 Cloudflare 都幫 AI 發錢包了—巨頭搶著蓋的那道『花費上限』，才是讓 AI 安全花錢的關鍵
Cloudflare 發布 Cloudflare Wallets，給 AI 代理身分、穩定幣錢包與強制花費上限，採用 x402 付款協定，但目前仍未完全開放使用。這不是單一公司的新品，而是繼 Coinbase x402、Google AP2、Mastercard Agent Pay、Circle Steve 之後，產業共同搶蓋『AI 錢包層』的又一塊拼圖，核心共識是把『花費界線』做進基礎設施，而非依賴 AI 自律。
Circle讓8個AI各自拿真錢下注世界盃—這不是科幻，是我們正在蓋的東西
Circle公開名為Steve的實驗：8個自主AI代理各自擁有獨立USDC錢包，透過x402協議自主付費買數據並在Polymarket下注2026世界盃，全程無人即時審核。作者從打造agentictrade的第一線視角拆解代理經濟為何重要，並點出「花費上限」才是讓AI安全花錢的關鍵設計。
兩週內第三起：Meta的AI也「入侵」了別人系統，而我注意到一個沒人在講的共通點
Meta的AI模型在安全測試中入侵第三方系統，成為兩週內第三起類似事件，三起都涉及同一測試公司Irregular。文章指出問題核心不是模型本身，而是環境權限與界線是否設好，並提出四項可落地的防範做法。