选 Agent 模型不必追排行榜最高分。OpenRouter 的三步框架从任务质量门槛出发，用自有示例测三档模型的每质量点成本，再选能稳定过线的最便宜那个。
AI快讯
OpenRouter 教程讲解置信度阈值路由：廉价模型返回 0-1 置信度，低分请求升级到强模型。但自报分数不等于校准概率，阈值要靠自己流量的分段错误率来定，上线后还要盯住分数分布、升级率和未升级答案错误率。
Perplexity 开放 Computer 邮件委托功能：不用账号，转发或抄送 computer@perplexity.com 就能限时免费跑任务。智能体在后台执行并保留邮件上下文，结果同步到网页与移动端，审计记录与应用内任务一致。
二十余家科技公司签署白宫超级智能协议，承诺独立安全审计、定期会商与共同安全标准，但协议无法律约束力。OpenAI多起事故源自一个未发布模型，其安全委员会正被特拉华和加州总检察长调查，FTC也已介入。自愿承诺能否撑起超级智能的安全底线？
行业领袖在白宫签署《超级智能白宫协定》，把安全部署的首要责任压给开发公司，并设下监控、内部验证、外部审计、董事会监督四层控制，还要求参与公司定期会晤共建标准。真正的看点，是自愿承诺能兑现多少。
FTC 对 OpenAI、Anthropic 等头部 AI 实验室发起消费者保护调查，拟以强制民事调查要求调取文件、质询高管，METR 也在列，命令数周内发出。
ElevenLabs 以 220 亿美元估值完成 3 亿美元员工股权出售，较 2 月 Series D 翻倍。企业业务占收入 55%，ElevenAgents 每周处理超 1500 万次对话，ARR 增长 3 倍以上，语音智能体解决效率比聊天高出 31%。
DeepMind 将 SynthID 水印技术引入合成生物学，签名可嵌进 DNA 与蛋白质序列，并能在真实合成的蛋白上读出，同时不破坏功能。生物序列第一次拥有了可验证的来源追踪层。
Arena 限时把 Claude Sonnet 5.5（High）放进 Direct Mode，窗口开到 10 月 2 日上午 8 点太平洋时间。这款 Claude 5.5 系列第二款模型比 Sonnet 5 快 30% 以上，多数工作成本最高降 30%。
Hugging Face CEO 自曝私信被数千条求职信息淹没，机器人无法代劳，人工处理要花好几天。他只会优先看特别匹配的人选，并提醒没回复不等于拒绝，想投简历还是走官方职位通道更靠谱。
PromptArmor 发现 Copilot Cowork 的 AI 网关可被恶意 Skill 劫持，绕过沙箱外传文件。攻击不靠漏洞利用，只需一段像正常工作流的提示词，就暴露出办公智能体的信任边界问题。
测 Agent 工具调用，别只盯任务成功率。OpenRouter 的教程建议把失败拆成两类：工具选错、参数填错，分别统计才能知道该改工具描述还是改参数结构。
OpenRouter 的新教程给出五步流程，教你把线上真实请求变成 golden 评测集，从 20 至 50 条复审样本起步，扩到 100 至 1,000 条接入 CI，每次部署前自动跑回归。合成数据保不住分布与失败模式。
Google 签署白宫《超级智能协议》和《前沿责任联合承诺》。文件命名的升级意味着监管框架升级：Google 拿到参与定义规则的席位，也接受了规则对自身模型发布节奏的框定。
改一个词、换一版模型，Agent 就可能从能用变诡异。OpenRouter 的教程把变更当发布事件：锁死用例集、重跑、对照书面行为契约，工具定义和检索参数同样要触发回归。
