騰訊AI辦公再進一步，企業微信與WorkBuddy深度聯合
10月14日，騰訊旗下兩大用戶規模領先的辦公產品——企業微信與 WorkBuddy 聯合發佈新版本，實現雙向深度聯合。此次升級後，WorkBuddy 正式進入企業微信通訊錄，可調用企微的工作上下文，二者共用一套企業微信賬號體系。此次更新將騰訊長期積累的連接能力，與智能體的理解和執行能力結合，深入企業實際場景。目前，企業微信已覆蓋超過 1400 萬真實企業與組織，每日通過企業微信服務的微信用戶達 7.5 億。企業無需更換平臺、遷移數據或改變工作習慣，就能在熟悉的工作方式中用上AI實現效率提升。連接全域上下文，AI進入辦公現場成為真實生產力在全新發布的企業微信 5.0.
12版本中，WorkBuddy將以可對話機器人的身份進入企業聯繫人列表，用戶可以隨時通過聊天的方式處理任務；同時，最新5.8.0版本的WorkBuddy同步支持企業微信賬號登錄，在企業授權範圍內，獲得包括消息、文檔、會議、網盤在內的十大能力權限，完成深度分析、複雜文檔處理等多種任務。企業經營的“全域上下文”，不只有文檔和會議等內部協同數據，還包括與外部客戶相連的需求、服務和業務反饋。基於企業微信連接內外的獨特優勢，WorkBuddy真正獲得了企業全域上下文，參與項目協作、業務流程與客戶服務，推動任務流轉、發現客戶商機，讓AI從辦公提效走向提升企業經營的組織生產力。
AI從個人提效邁向統一部署，企業數據更加安全可控對於企業而言，AI 使用不再是分散的個人選擇。賬號體系的打通意味著在企業微信內，管理員可以統一配置企業的 WorkBuddy 機器人，進行賬號分配、用量管理及 AI 算力採購。根據員工的組織身份，設置不同人員的訪問權限，並限制 AI 訪問高敏感信息，更清晰地界定數據流轉路徑與責任邊界，使信息更加安全可控。在提供一整套AI辦公解決方案同時，騰訊也為企業提供了更開放的AI生態和平臺能力。企業微信與 WorkBuddy 支持多模型、多 Agent 的開放選擇，企業可按崗位和業務場景組合 AI 能力。
此外，基於WorkBuddy企業版辦公套件，企業客戶還可以一鍵打通騰訊文檔、騰訊樂享、騰訊網盤、安全與效能運營平臺、騰訊 AI 設計智能體 Ardot 等協同辦公套件帳號，實現辦公記憶和數據共享、一個Agent底座實現體驗及管理後臺同步。目前，新版本互通能力面向企業微信已認證企業開放，並提供限免體驗名額，企業可領取、申請開通或統一採購。歐萊雅、麥當勞、比亞迪等企業正探索落地“企業微信 + WorkBuddy”方案。
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.