Meta 的 Muse 与 OpenAI 的 Dots 正将常驻、自主执行任务的 AI 智能体推向消费者，但两者分别偏向免费易用的消费产品和每月 $100 到 $200 的企业级服务。两者都可处理预订、收件箱整理等多步任务，Dots 还提供面向营销、法律分析和会计工作的 specialist Dots。访谈认为它们仍不够稳定，用户在授予信用卡、邮箱和磁盘访问权限前，需要权衡便利性、隐私与安全风险。
推荐理由：文章对比 Meta Muse 与 OpenAI Dots 的消费级与企业级定位，梳理智能体在便利性、数据权限和商业化之间的现实矛盾。
Microsoft Research Podcast 邀请 Jennifer Neville 讨论如何通过贴近真实使用场景的评估，发现 AI 在多轮对话和复杂工作流中的失败。她指出，模型在多轮交互中的表现会显著下降，长时任务中未及时发现的错误还会累积，因此用户应核验结果、尝试改写提问，并向系统提供更具体的反馈。
推荐理由：访谈把多轮对话、长时工作流中的失败模式与评估方法联系起来，并给出在监督和核验下使用当前 AI 的具体建议。
Berkeley AI Research 的这篇观点文章认为，近乎零成本的模型推理将带来三类数据系统挑战：面向智能体优化、支撑多智能体群体运行，以及由智能体按工作负载合成定制数据系统。
推荐理由：文章将近零推理成本带来的变化拆分为面向智能体、支撑智能体群体以及由智能体构建数据系统三条研究主线。