AI 工具日报 · 2026-10-28¶

AI 工具日报2026年10月28日星期三 · 约 2 分钟

结论：本期两条，一个帮你看清 Agent 哪里出错（Judgment Labs），一个是可以自己部署的开放权重 Agent 模型升级版（Ling-3.1-flash-1019）。

覆盖时段：约 10-27 07:00 至 10-28 07:15（北京时间）。去重：已按 reported.md、/workspace/news-top5/2026-10-28.md 和 /workspace/x-news/2026-10-28.md 去重，并跳过指定的已覆盖条目。收录标准：每条都实际打开过官方或一手页面。

1. Judgment Labs：专门监控长时程 Agent 的平台¶

一句话：采集 Agent 的完整执行轨迹（子 Agent、工具调用、上百个 span），用过滤规则、代码检查、决策模型或“agentic judge”持续盯住你关心的信号，后台 Agent 还会主动找出你没发现的失败模式，并能离线测试修复方案。
为什么值得关注：Agent 跑得越久，越难看清它是怎么失败的，比如“地址修改失败了却告诉用户已改好”。官网估算的追踪成本比 LangSmith 低 33 倍、比 Braintrust 低 6 倍（按平均每条轨迹 300KB 估算，厂商口径）；支持 MCP，有 SOC 2 Type II 和 HIPAA 合规，承诺不用客户数据训练模型。
来源：官网

2. Ling-3.1-flash-1019（蚂蚁 inclusionAI，开放权重）¶

一句话：在 Ling-3.1-flash（本日报 10-15 报过）的基础上继续后训练得到的升级版，总参数 560B、每个 token 激活 25B，采用混合线性 MoE 架构，上下文 1M。
为什么值得关注：官方数据显示，AA-Briefcase 从约 1400 Elo 升到 1524，AutomationBench-AA 从 62% 升到 68%，Artificial Analysis 智能指数从 41 升到 44，主要提升在 Agent 和多步任务上。SGLang 和 vLLM 当天就能部署（官方示例配置为 8 张 H200），也可以通过 OpenRouter 调用。
来源：Hugging Face 模型页

未收录¶

已覆盖或按指示跳过：GPT-6.1 Terra、Anthropic S-1、Cohere 发现 Qwen3.8 异常、Entire Git 平台、Cloudflare Computer v0.7.0、Cursor Annotate、LFM3 上 Ollama、JetBrains libghostty、Cursor Agent SDK、OpenAI × Oracle、Gemini Robotics ER 2 / Genie 4、Copilot assisted permissions、Claude Code v2.1.311。
只有 X 摘要、没有打开一手页面：Claude Duet、Giotto Alto / Solo、Neywa Labs Nativ（打开的 neywa.ai 是另一个产品，无法核实）、Gemini 4 Argon 上 Antigravity、DeepSeek V4.1 Flash 用量登顶。
只是传闻：GLM-5.5-Flash 出现在 OpenCode 列表中，智谱尚未官宣。

值得 Gavin 关注¶

Judgment Labs：团队如果已经在线上跑客服、运维这类长流程 Agent，可以接一条真实轨迹进去，看后台 Agent 能找出哪些自己没发现的失败模式。
Ling-3.1-flash-1019：想要能私有部署的 Agent 模型的话，可以先通过 OpenRouter 用自己的编程或 Agent 任务和闭源模型对比效果，再决定要不要投入 8 张 H200 的部署成本。