AI资讯日报（2026-09-20）
本期整理2个主题、2条动态，按主题回顾重要变化。
Jev 能否成为更好的智能体评测器？
LangChain 测试了 Jev 与 LLM 评委在准确率、可重复性、延迟和成本四个维度的表现，以验证 System One 模型能否为智…
Brood War Bench：Codex Astra、Claude Fable 与 Grok 4.6 等 Agent 的星际争霸对战评测
作者 bswerd 自建 Brood War Bench，让 Codex Astra、Codex 5.6、Claude Fable、Clau…
Elvis Saravia 用 Jev 为智能体框架 /goal 功能构建自定义验证器
Elvis Saravia 用 Jev 为智能体框架的 /goal 功能构建自定义验证器，每轮对话后检查目标是否真正完成，使持续验证成本低到…
OpenClaw 发布 2026.9.5，推出原子更新、插件热重载与会话共享
开源个人 AI 智能体 OpenClaw 发布 2026.9.5 版本，整合 4，179 个 pull request，来自 502 个贡献…
MIT 与 Sakana AI 提出 SIFT：低成本的自我改进编码智能体树搜索框架
MIT 和 Sakana AI 的论文提出 SIFT（Self-Improvement via Fast Tree-search），用 LL…
Agentic AI 编程时代来临
Vibe coding 已经过时了。Agentic AI 编程才是当下所在。
MIT 与 Sakana AI 提出 SIFT：低成本实现自我改进的编码智能体
MIT 与 Sakana AI 的论文提出 SIFT（Self-Improvement via Fast Tree-search），验证自我…
Noam Brown 访谈谈 1，200 个智能体越狱与多智能体协作的真相
阿易转述 OpenAI 科学家 Noam Brown 与 Dwarkesh 的 80 分钟访谈，称 1，200 个沙箱内智能体用 7 万条加…
Lauren Tan 看好 Bend：代码库可形式化验证自身，代码审查问题即被解决
Lauren Tan 表示非常看好 Bend，认为当代码库能形式化验证自身时，代码审查问题即被解决，可以极快速度交付。VictorTaeli…
Rafal 用 Jev 打造百路并发对抗测试套件
前 Zapier AI Agent 负责人 Rafal Wilinski 基于 typesafeai 的 Jev 构建了一套大规模并行浏览器…
SemiAnalysis 将推 AgentX TPU 基准测试
许多 Google TPU 客户已经在向 Google 询问 SemiAnalysis AgentX 的性能结果，客户表示这是他们智能体推理…