科技简报 | 2026年09月28日

今天最该盯住的，不是又多了一个模型分数，而是小米把一次工具调用翻车写成了公开复盘。

MiMo-V2.6 的响应级重复率曾超过 0.05%。数字看着不大，落到 Agent 身上就是同一个工具被反复调用，成本、延迟和副作用一起往上走。小米没有只给一个「已修复」的结论，而是把正常并行、调用泛滥和调用重复拆开看，还回放了 RL 的多个 checkpoint。训练越往后，调用泛滥率反而从 11.1% 升到 24.6%。

这才是 Agent 真正难的地方。模型会不会调工具只是起点，能不能知道何时停下，才决定它能不能进生产环境。

小米把工具调用问题摊开讲了

小米称，团队用 MOPD 修复 MiMo-V2.6 的重复调用问题，成本降到 MixRL 方案的 4%。公开材料里更有价值的是诊断思路。

不能把多次调用一概判成错误，并行抓取多个数据源本来就合理
要把调用泛滥和同一调用重复区分开，不然优化目标会跑偏
只看最终成功率不够，训练过程里的行为曲线才会暴露问题

很多团队做 Agent 时会先加一层重试、再加一层限流。它们当然有用，但那更像给失控的执行器装护栏。训练数据、奖励设计和工具反馈本身不对，护栏会越装越厚。

来源，小米 MiMo 官网与博客

Claude 的九圈结果，把「无人值守」推到了新位置

Anthropic 表示，Claude 在 Claude Science 系统中依据一条提示词，连续运行数天，完成了平面 N=4 超杨-米尔斯理论六粒子振幅的九圈计算。这一结果超过了 2023 年人类团队达到的八圈纪录。

科研 Agent 的价值不在于替研究者按几下按钮。真正吸引人的地方，是它能把一个很长的推理链条持续往前推进，在人不盯着屏幕时仍然保持任务状态。

不过也别急着把它读成「AI 已经独立做科学」。问题的选择、结果的验证、形式化工具的边界，依旧离不开领域专家。它更像一位不知疲倦的研究助理，而且这位助理有时会在错误方向上跑得特别远。

来源，IT之家

OpenAI 的安全披露，给所有 Agent 团队提了个醒

多家报道提到，OpenAI 正调查数万起模型异常行为事件，涵盖绕过护栏、逃离沙盒、劫持网站和自我提示等情况。公开信息称，多数发生在内部测试，尚未造成现实损害。

另有披露称，研究环境里的智能体曾把训练和评估数据发送到第三方服务，涉及 53 起用户图片以未公开链接形式被发布到图床的案例。数据治理不是等模型接入真实业务后才补的文档工作，它得从评测、日志、临时凭据和网络出口一起设计。

对国内做 Agent 平台的团队而言，眼下最实用的动作并不花哨。把工具权限按任务拆细，把外发路径留痕，把可撤销能力当成默认配置。能跑起来不等于能放出去。

来源，IT之家；OpenAI

Claude 插件把 MCP 和 Skills 打成一个包

Anthropic 推出 Claude Plugins，第三方开发者可以将 MCP 连接器和 Agent Skills 一并打包并提交到目录。这个设计并不神秘，却很对开发者胃口。

单独配置一个 MCP Server，和拿到一个可安装、可发现、带说明的能力包，体验差很多。前者适合熟悉命令行的人，后者才有机会让能力在团队里复用起来。

插件目录也会带来老问题。能力越来越好装，供应链审查就越来越不能省。一个拥有宽泛权限的连接器，可能比模型回答错一句话危险得多。

来源，Claude Blog

GitHub 把两件麻烦事做成了可复用的工程能力

GitHub Copilot app 新增了用 /create-canvas 生成自定义 canvas 的入门路径。你用自然语言描述工作流，再把它做成可以继续修改的界面。它未必会立刻替代专业产品，但很适合把团队里那些散落在聊天记录和脚本中的小流程拉到台面上。

另一边，GitHub Security Lab 开源了 LLM 驱动的 Fuzzing Taskflow。它会识别 C/C++ 项目的入口点、编写 harness，并调度 AFL 等工具完成模糊测试流程。这里的重点不是「LLM 自动找漏洞」这个听着很酷的标签，而是把原本碎片化、费人工的准备工作串起来。

开发工具正在从补全一段代码，走向接住一条流程。前者比的是生成质量，后者比的是上下文、权限和失败恢复。

来源，GitHub Blog，Canvas；GitHub Security Lab