2026 年 9 月是个人 AI 助手的大月：9 月 8 日 Meta 发布 Muse，9 月 28 日 Manus 推出 Cue，9 月 29 日 OpenAI 在 DevDay 压轴亮相 Dots。三款"个人 Agent"接踵而至。 这篇讲 Cue——目前三家里把"代理独立身份"做得最激进的一个：每个 AI 代理都有自己的电话号码、邮箱、钱包和电脑。 说明：Cue 目前处于邀请制早期体验阶段，本文根据官方发布与媒体公开信息整理，拿到邀请码后会补一篇实测。 Cue 是什么 Cue 是 Manus 在 2026 年 9 月 28 日发布 Manus 2.0 时同步推出的独立应用，与侧重研究、办公和开发任务的 Manus 主产品不同，Cue 定位为面向个人用户的生活类 Agent 应用。官方的 slogan 很直白：“给它一个 cue，它就立刻开工”。 它和 Manus 共用同一套基础设施，但产品形态完全独立：有自己的手机 App、桌面端和网页版。 核心卖点：给每个代理一套"数字身份" 这是 Cue 和所有同类产品最大的区别。每个 Agent 配备： 独立电话号码：可以用自己的号码拨打、接听电话，收发短信 独立邮箱地址：用自己的邮箱收发邮件 独立支付钱包：在用户设定的预算范围内直接付款 独立电脑工作区：在自己的云端机器上把一件事从头办到尾 有了这套身份，Agent 不必再借用你的账号行事。比如： ...

Meta Muse 是 Meta 在 2026 年 9 月 8 日推出的个人 AI 智能体（号称 “World’s First Personal AI Agent”），但目前仅在美国、加拿大正式可用。大陆用户直接打开注册页，大概率被丢进等待名单（Waitlist）。 这篇汇总了社区里最新实测可用的 3 种注册方法，从准备清单到年龄验证一步步讲清楚，照着做基本都能一次过。 注册成功后别忘了兑换邀请码：新用户 48 小时内兑换，推荐人和你双方各得 10 亿 Token。 邀请码：K6MRW6　注册链接：https://muse.ai/join 详细兑换规则见本站另一篇：Meta Muse 邀请码实测。 一、先说结论：为什么大陆注册这么难 地区限制：Muse 官方目前只开放美、加两国，其他地区注册可能进候补名单。 IP 风控严格：非美国 IP 注册，大概率直接被丢进 Waitlist，排到你才能用。 必须过年龄验证：注册流程里有强制年龄验证（三选一：信用卡 / 绑 Instagram / 绑 Facebook），这是最多人卡住的一步。 所以核心思路就一句话：借一个干净的美国网络环境完成"首次注册 + 年龄验证"，之后日常用自己的设备加美国节点登录就行。 二、注册前准备清单 准备项 要求 说明 干净邮箱 未注册过 Muse、没进过候补名单 建议 Outlook / 163；社区反馈 Gmail 更容易进 Waitlist Visa / Mastercard 信用卡 国内银行的也行 招行、工行、中行实测可过。只做年龄验证，不是订阅 稳定的美国 IP 环境 云浏览器优先 成功率远高于普通 VPN 注意：千万不要用已经加入过候补名单的邮箱去注册，换邮箱重来更省事。 ...

昨天（10 月 12 日），Meta 的超级智能实验室发布了 Muse Wonder 和加强版 Wonder Full——公司首个真正意义上的前沿（frontier）大模型。但比跑分更值得聊的，是价格：$4 / $20 每百万 token，和 Claude Opus 5.5 一个价，直接是上一代 Muse Spark 1.3（$1.25/$4.25）的三倍。 Meta 花了两年时间坚称自己会坚持开源路线，Wonder 的定价单宣告这个时代结束了。 先说结论 是什么：Meta 首个前沿级模型，主打 agent 场景，1M 上下文，多模态输入（文本/图像/视频/音频/PDF） 两个版本：Muse Wonder 走 Meta Model API（$4 输入 / $20 输出）+ Muse Code；Wonder Full 只给 Muse Code $50/$200 订阅用户，不上 API 跑分：Artificial Analysis 智能指数 Wonder 52、Wonder Full 56；Opus 5.5 是 58，GPT-6 Astra 53——独立评测里没赢，但咬得很紧 核心卖点：Active Memory（跨对话记住关键信息）+ Active Focus（死磕难题、卡住换路子、动手前先确认） 权重：闭源。安全报告承诺了但还没发 定价：三倍涨幅，对标 Opus 这是全文最重要的一张表： Muse Spark 1.3（上一代） Muse Wonder（这次） Claude Opus 5.5 输入 / 百万 token $1.25 $4 $4 输出 / 百万 token $4.25 $20 $20 Artificial Analysis 测的单任务成本：Wonder 跑一次智能指数任务 $4.52，是 Spark 1.3（$1.60）的近三倍。 ...

昨天（10 月 12 日），Z.ai 发布了 GLM-Legal——一个专攻法律工作流的 agent 模型。这是 Z.ai 首次推出垂直领域专业模型，信号很明确：通用大模型卷完价格，下一战场是"行业 agent"。 先说结论 是什么：基于 GLM-5.3-Flash（320B MoE，每 token 激活 18B，100 万 token 上下文）做领域特化训练的法律 agent 模型 成绩：Harvey LAB 真实律所工作流基准 19.2% 全通过率，比基座模型高 12.5 个百分点 关键：第三方评测机构 Vals AI 当天就独立复测，19.17%，79 个模型中排第 7——官宣数据有人背书，这在 AI 发布里不常见 能用吗：暂无公开 API，走咨询申请表；或者装 Z.ai 的桌面 agent AutoClaw，注册送 $24 免费额度 Harvey LAB 是个什么基准，为什么 19.2% 值得说 Harvey LAB 是法律 AI 公司 Harvey 搞的基准，测的是真实律所工作流：横跨 24 个执业领域，任务从合同解析、并购文件审查到司法文书起草。它的评分是"全通过制"（all-pass）——一个任务只有每一步都达标才算数：争议点找对了、法条引用准了、论证站得住、输出格式符合要求，缺一不可。 用个直白的比喻：普通基准考的是"选择题做对几道"，Harvey LAB 考的是"卷宗交上去能不能用"。正因如此，各家模型的分数都不好看——全通过率普遍在 30% 以下。19.2% 听着不高，但在 79 个模型里排第 7，已经是第一梯队。 Vals AI 的独立复测还给了两个有信息量的数字：LegalBench（纯法律推理）约 86.2%，说明模型"懂法"；而 Harvey LAB 19.2% 说明"能干活"。两者之间的差距，恰恰是"推理能力"和"端到端交付能力"的区别——这也是 agent 模型真正的考场。 ...

先说结论，免得你错过时间点：阶跃星辰的旗舰模型 Step 5 Preview 将于 10 月 15 日（本周四）正式开源权重。而就在 10 月 10 日（上周六），它登顶了 OpenRouter Trending 榜，并位列 OpenRouter 日榜全球第二，成为近期全球开发者社区最受关注的模型之一。 这篇是开源前瞻篇：把 Step 5 已经核实的关键事实一次讲透。权重放出后，本博客会再出一篇实测/复盘篇。 1. 10 月 10 日发生了什么：登顶 OpenRouter 双榜 10 月 10 日，多家媒体（爱范儿、上观新闻、雷峰网）报道：Step 5 Preview 登顶 OpenRouter Trending 榜，日榜全球第二。 OpenRouter 是面向全球开发者的大模型聚合平台，它的榜单反映的是真实用量，不是投票：Trending 榜看的是近期用量增长，日榜按每天处理的 Token 总量排名。双榜靠前，说明开发者是真的在用，而且用得越来越多。 AI 研究员、DAIR.AI 联合创始人 Elvis Saravia 在试用后评价：Step 5 Preview 的能力可与 GLM-5.3、Kimi K3 媲美，价格颇具竞争力，处于成本与能力权衡的“帕累托前沿”，值得开发者接入自己常用的编程智能体。 2. Step 5 到底是什么 一句话：阶跃星辰 9 月 20 日发布的新一代旗舰基座模型，稀疏 MoE 架构，总参数 600B，每 Token 实际激活约 27B，支持最高 100 万 Token 上下文窗口，原生支持文本和视觉输入。 ...

最近 GitHub 上出现了一个有意思的项目 ARTEX——一套 AI 自主渗透测试系统，号称百度"agent+“攻防挑战赛冠军项目。Go 写的单体后端，内嵌 Next.js 前端，一个二进制就能跑。花了点时间把它的文档和架构啃完，分享一下这个项目到底是怎么让 AI 自己"打点"的。 ⚠️ 声明：渗透测试工具只能用于已授权的目标（如自己的资产、CTF 靶场、客户书面授权的测试）。本文纯技术解析，不提供任何针对未授权目标的使用指导。 一句话介绍 ARTEX = LLM 多 Agent 驱动的自主渗透系统。你给它一个目标范围（比如一个域名），它的 planner（规划者）会自动分解目标、规划测试方向，多个 worker（执行者）并发用真实工具（nmap、curl 等）去测，把发现写回数据库，planner 再根据新发现规划下一轮——直到目标被"证明”（找到漏洞或确认覆盖完毕）。整个过程在 Web 界面上可视化，你可以随时介入对话、审批高风险操作。 核心设计：双图架构 这是 ARTEX 最有想法的部分。它把"目标是什么"和"测到了什么程度"拆成两张图： 资产图（Asset Graph，全局共享）：跨任务共用的一份资产"真值库"。节点是域名 → 子域 → IP → 服务 → 端点的层级关系，由程序自动计算去重，Agent 只负责提交原始发现。相当于整个组织的资产台账，越测越全。 探索图（Exploration Graph，每任务独立）：一次渗透任务的"思考过程"。节点分五种：goal（目标）→ intent（意图）→ fact（事实）→ finding（漏洞），靠 spawns / derived_from / yields / proves 这些边连成血缘链。回答的是"这个测试方向从哪来、产出了什么"。 两图靠"锚点"连接：每个意图、事实、漏洞都锚定到具体资产上。于是既能从"探索方向"看它打了哪些资产，也能从"某个资产"反查它被哪些意图测过——这就支撑了资产测试覆盖度统计和可视化的资产覆盖图。 Agent 分工：Planner + Worker + 人在环路 Planner（规划者）：唯一的"意图生成者"。读探索图态势，判断目标完成度，只在有未覆盖的新方向时才派发意图。大多数时候它唤醒后派 0 个意图——没新方向就结束，避免 AI 瞎忙。 Worker（执行者，默认 3 并发）：领一条意图，用真实工具执行，把新资产/事实/漏洞写回双图后即停。不自己规划，只执行。 MainAgent（人在环路）：你可以在 Web 界面直接跟 Agent 对话，下达指令或叫停。 引擎是事件驱动闭环：图一变 → 唤醒 planner → 派意图 → worker 执行写回 → 图又变了 → 下一轮。直到目标被 prove。 ...

Google 在 10 月 8 日的 Gemini at Work 2026 大会上扔了个重磅：全新 Gemini 代理（Gemini Agent）——一个统一、通用的工作 AI 代理。Google Cloud CEO Thomas Kurian 原话：“从今以后，工作就从提示框开始。” 这篇把发布内容掰开讲清楚：它是什么、能干什么、怎么用。 一句话概括 Gemini 代理是一个通用工作 AI：你给它一个目标，它自己规划、调用工具、连你的系统，最后在你熟悉的文档、邮箱、开发环境里交出成品。不止回答问题，还能写代码、做分析、当"同事"。 六大核心架构 1. 统一代理（Unified Agent） 一个界面搞定一切：对话问答、自主执行任务、生成代码。不用来回切换工具，直接指派任务、排程待办，或让它自动响应特定事件。 2. 无所不在的接入（Omnipresent Access） 网页、iOS、Android、Windows、Mac、命令行、Google Workspace、Microsoft 365、Slack——全都能用。还能以"无头代理"形式在后台跑，不需要界面。 3. 持续执行（Persistent Execution） 云端运行，跨设备保持同一份记忆和上下文。耗时几小时甚至几天的任务，你合上笔记本它照样跑，下次登录进度还在。不用重新交代背景。 4. 多代理调度（Multi-Agent Orchestration） 复杂任务会自动拆成子代理并行处理。更狠的是**“同事代理”（Coworker Agent）**：给它一个角色描述，它就变成团队一员——有独立邮箱（如 @agents.company.com）、日历、云端硬盘，进公司通讯录。同事可以直接 @ 它派活，它在 Google Doc 评论里 @ 你回建议，名字还会出现在版本历史里。 5. 深度上下文（Deeply Contextual） 启动就懂你的工具、数据和工作习惯，越用越了解你。四种记忆：会话记忆（跑几天不忘）、语义记忆（结构化知识库）、程序记忆（自己写的技能）、情景记忆（全部历史记录）。 6. 模型灵活选择（Model Choice Flexibility） 这是个大招：Gemini 代理会自动为每个任务选最合适的模型，目前可在 Gemini 系列和 Claude 模型之间动态调度，未来支持更多。简单任务用便宜模型，难题上强模型——省钱又提质。你的上下文、技能、数据不受模型更迭影响。 三大能力支柱：工具、技能、记忆 工具（Tools）：安全连接现有系统——Confluence、Office、Teams、Slack、Workspace、Git、Jira、Salesforce、BigQuery、Snowflake、MCP 服务器等。还有企业级工具注册库，团队可发布自制工具。 技能（Skills）：可复用的指令/知识/工作流程，模块化存储。全球技能库+公司共享库+个人技能，代理自动选用，并从每次执行中学习优化。 记忆（Memory）：上面提到的四种记忆，像新员工入职一样主动学习你和团队。 在 Workspace 里怎么用：三种姿势 姿势一：个人助理 它开工前就懂你的日历、团队、项目和文档关联。比如你说"帮我约下周和区域活动主管的例行会"，不用给名字邮箱——它从聊天室成员和上次对话推断人选，查日历、发邮件协调时间，外部参与者也能处理。 ...

Meta 的个人 AI 助手 Muse 最近在推推荐计划：新用户注册后 48 小时内兑换邀请码，推荐人和新用户双方各得 10 亿 Token。这篇把规则、兑换步骤和坑都讲清楚。 邀请码：K6MRW6 注册链接：https://muse.ai/join Muse 是什么 简单说，Meta 做的个人 AI 智能体（自称 “World’s First Personal AI Agent”）。跟纯聊天机器人不一样，它能实际动手干活： 帮你回邮件、填表格、做网络调研 每个用户配一台云端虚拟电脑（Muse Secure VM），附完整浏览器 在 App 里用，也能在 WhatsApp 里直接对话下指令 能读写你授权的文件夹，比如批量整理桌面截图这种活，十几秒搞定 Token 是它的"燃料"，AI 干活都要消耗 Token。官方给的免费额度是每周 1 亿 Token，而推荐计划一次性给 10 亿——够用很久。 推荐计划规则 新用户在 https://muse.ai/join 注册 注册后 48 小时内，去 App「设置」→「兑换邀请码」（Redeem referral code），输入邀请码 兑换成功后，推荐人和你各自获得 10 亿 Token 48 小时过期作废，过期就领不到了 填别人的码不会让对方看到你的聊天记录，每个人的助手是独立的 兑换步骤 打开 https://muse.ai/join 完成注册（建议用 Outlook 或 163 邮箱，Gmail 容易进等待名单） 登录 Muse App（或网页版） 进入「设置」（Settings） 找到「兑换邀请码」（Redeem referral code） 输入 K6MRW6，确认 10 亿 Token 即时到账 必须说的实话（避坑） 地区限制：Muse 目前仅在美国、加拿大正式可用，其他地区注册可能进等待名单（Waitlist），排到你才能用。这是目前最大的门槛。 48 小时是硬性过期：注册完别拖，看到这篇就尽快兑换。 邮箱选择：有用户反馈 Gmail 注册容易被丢进等待名单，Outlook / 163 邮箱通过率更高。 隐私：这是 Meta 的产品，互动内容默认可能被用于模型训练（可在设置里关），App 也会引导你连接邮箱、银行等账户。授权前想清楚，只给必要的权限。 邀请码会过期：如果 K6MRW6 提示无效，可能是码被用完或过期，可以去相关论坛的推荐码分享帖找新的。 总结 10 亿 Token 的羊毛，Meta 这次确实大方。但地区限制是硬伤——不在美加的话，先确认自己能注册成功再折腾邀请码，别浪费 48 小时窗口。 ...

腾讯官方给个人 AI 助手开的微信通道：扫码授权、长轮询收发消息。附完整 Python 实现 bridge.py（登录/常驻/自动回复/看门狗），以及必须知道的限制、坑点与隐私取舍。

10 月 5 日，Nvidia 参投的 Reflection AI 发布了首个开源模型 Beam：501B 参数、每任务只激活 23B，主打代码和智能体任务，公开对标国产开源模型。消息一出，“西方 DeepSeek"的标题就满天飞。 先说最重要的结论，免得你被标题误导：截至 10 月 10 日，Beam 的权重还没有发布（10 月 9–10 日多家媒体确认：模型仍在做最后的安全红队测试，权重承诺 10 月内以 Apache 2.0 协议放出）。现在能拿到的只有一个候补名单制的 beta API，下载、量化、微调一概没有。所以这篇是解析篇——把已经核实的关键事实一次讲透；等权重正式放出，本博客会再出一篇实测篇。 下面 8 件事，是你现在最需要知道的。 1. Beam 到底是什么 一句话：Reflection AI（创始人是两位 Google DeepMind 前研究员：Misha Laskin，曾负责 Gemini 项目的奖励建模；Ioannis Antonoglou，AlphaGo 联创之一）的第一个大模型，稀疏混合专家架构（MoE），总参数 501B，每次推理实际激活 23B，纯文本模型，主攻代码、推理和智能体任务。 模型 ID 叫 Beam-501B-A23B。训练规模不小：预训练用了 6144 块 GB300，不到 4 周，吃了 23.8T tokens；强化学习阶段用了 10500 块 GB300 跑了 4 周，做了 1 亿多次 rollouts。 2. 权重什么时候发？还没 官方口径：权重将在 10 月内以 Apache 2.0 协议放出，同时附带技术报告、model card、文档，以及运行、评测、微调的全套工具链。目前模型还在做最后的安全红队测试（final red-teaming），只有候补名单能提前用 beta API。 ...