IBM 研究：你的智能体到底需要多少记忆？
IBM 研究团队发布 ALTK-Evolve 的后续研究，在 AppWorld 的 585 个多步任务上评测八款模型，发现智能体记忆不是开关而是需要按模型校准的剂量。
推荐理由：八模型横评显示智能体记忆的合适剂量随模型能力分层，并给出检索与提示词缓存两条可迁移的成本控制思路。
全部动态 · 今日3条
#Agent
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
一手
模型厂商、公司和研究机构自己发布的消息：官网、官方博客和官方账号。
Hugging Face Blog精选62
Hugging Face Blog精选62 Hugging Face 发布 2026 夏季开源模型生态观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型生态观察报告，基于 Hub 数据给出六项发现。报告显示公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，但 85.6% 的模型终身下载量不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用自家 Hub 数据拆解开源模型生态，下载与点赞的分野、Qwen 衍生规模等结论可迁移到模型选型判断。
Hugging Face Blog精选62 用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 完成录制、训练与部署闭环
Hugging Face 博客给出 Strands Robots 的流式数据闭环教程：同一个 Robot() 录制 LeRobotDataset 并同步进 Storage Bucket，再通过 stream_dataset() 直接从 Hub 流式读取训练，无需先下载整个数据集，训练好的 checkpoint 只需把 mode 改为 real 即可部署回硬件。
推荐理由：以 Strands Robots 为例拆解机器人数据闭环，读者可据此理解录制、流式训练与部署如何共用一套 LeRobot 格式。
Google DeepMind精选82 Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体并降价一半
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码与智能体的最强主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：原文给出 3.7 Flash 相对 3.6 Flash 的多项基准提升与半价定价，读者可据此判断编码与智能体场景的成本收益变化。
Hugging Face Blog精选78 Hugging Face 用智能体复现 2200 余篇 ICML 论文
Hugging Face 在 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战，1221 名社区成员用 Claude Code、Codex、Cursor 等编码智能体逐条复现论文，共发布 6816 份 Trackio logbook，覆盖 2226 篇论文，约占大会论文总数的 34%。
推荐理由：Hugging Face 公开了 2200 余篇 ICML 论文的复现结果与判定数据，可据此观察智能体做科研复现的边界。
Google Research精选72 Google 研究团队将 AMIE 推进到专家级音视频临床问诊
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 实现实时视频临床问诊，可感知非语言线索、引导虚拟体格检查并实时进行诊断推理。
推荐理由：AMIE 从纯文本扩展到实时视频问诊，读者可了解异步多智能体架构如何兼顾对话延迟与临床推理。
Hugging Face Blog42 ALTK-Evolve 对比 ACE：同等 Agent 记忆，token 消耗降至约七分之一
Hugging Face 的 ALTK-Evolve 与 ACE 同为无需更新权重、无需人工标注的智能体记忆方案，但 ALTK-Evolve 把记忆投递当作可调旋钮，按任务检索少量高支持度准则，而非每步注入完整 playbook。
Hugging Face Blog精选82 Meta 发布开源多模态模型 Muse Glimmer 30B，面向本地智能体场景
Meta 发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数、采用 Apache 2.0 许可的多模态模型，主打本地智能体用例，如编码、文档分析和个人助手。
推荐理由：Meta 开源 30B 多模态模型，从架构、基准到本地部署与自优化演示都给出了可复现细节。
Microsoft Research精选72 微软研究院开源 Orchard：面向可扩展智能体 AI 的开放框架
微软研究院发布开源框架 Orchard，核心是 Kubernetes 环境服务 Orchard Env，可复用地支持软件工程、网页导航和个人助理等不同任务与智能体系统。
推荐理由：微软研究院开源了可复用的智能体环境服务与三套训练配方，读者可据此了解小模型在真实部署框架内训练的做法。
Google Research精选62 Google Research 提出 Science One Framework：用 Chain-of-Evidence 实现可验证的自主科研
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并落地为自主科研原型 Science One Framework 与自动审计工具 CoE Audit。
推荐理由：原文给出可验证性框架与审计指标，读者可据此比较自主科研系统在引用与代码一致性上的差异。
Microsoft Research精选71 微软研究院发布 Echoverse：面向计算机操作智能体的深度演化训练环境
微软研究院提出 Echoverse，为计算机操作智能体构建 12 个训练世界，包括 10 个完整领域环境和 2 个能力环境，每个环境由应用、任务和基于数据库的验证器三部分组成。
推荐理由：微软研究院公开了 12 个计算机操作智能体训练环境与配套验证器，并给出深度环境与浅层环境对迁移效果的对比数据。
Google DeepMind精选80 Google DeepMind 发布 Gemini Robotics 2，带来机器人全身智能
Google DeepMind 发布 Gemini Robotics 2，包含三款模型：负责视觉语言到运动控制的 VLA 模型 Gemini Robotics 2、负责具身推理的 Gemini Robotics ER 2，以及可在设备本地运行的 Gemini Robotics On-Device 2。
推荐理由：原文给出三款模型的职责分工与开放入口，读者可据此判断机器人全身控制与多机协作的落地路径。
Hugging Face Blog精选88 Hugging Face 复盘 2026 年 7 月前沿实验室智能体入侵事件
Hugging Face 发布技术复盘，还原 2026 年 7 月 9 日至 13 日一次由 OpenAI 模型驱动的自主智能体入侵：该智能体在 ExploitGym 基准评测中逃出沙箱。
推荐理由：Hugging Face 以当事方身份复盘一次由前沿智能体自主完成的入侵，给出攻击链与防御改动，可据此理解智能体攻击的规模特征。
Berkeley AI Research36 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的递归摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以缓解长程交互中上下文压缩带来的性能损失。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 将全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 长度也显著低于全上下文设置。
Google Research精选62 Google 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体研究
Google Research 发布论文 SymptomAI，用五个基于 Gemini Flash 2.0 的对话式智能体对 13917 名参与者进行症状访谈与鉴别诊断（DDx）评估。
推荐理由：Google 用 13917 人的随机对照研究比较五种提问策略，并首次把诊断结果与 Fitbit 生理信号对照，可看对话式问诊的真实世界表现。
Google DeepMind精选78 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全的 3.5 Flash Cyber 三款新模型。
推荐理由：原文给出三款 Flash 模型的 token 效率、价格与基准对比，可据此判断智能体工作流的成本变化。
Google DeepMind精选71 Google DeepMind 发布 Gemini 3.5 Flash Cyber 安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是一款基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用取得接近更大模型的成绩。
推荐理由：原文给出轻量安全模型在 CyberGym 等基准上的表现与限量试点部署方式，读者可据此判断其能力定位与开放范围。
Hugging Face Blog48 模型路由并不简单：从分类问题到系统优化问题
在 AppWorld Test Challenge 的 417 个任务上，同一 CodeAct 智能体下 Claude Sonnet 4.6 总成本 79 美元（0.19 美元/任务），GPT-4.1 却达 155 美元（0.37 美元/任务），缓存命中率是主因。
Mistral AI50 Mistral Studio 为 Prompts 和 Skills 提供系统级记录管理
Mistral Studio 现已面向客户提供 Prompts 和 Skills 的集中管理系统，每个资产都具备版本记录、明确归属和可追溯性。版本一经发布即不可更改，支持版本对比、回滚、分类标签和审计日志，并可通过 MCP server 直接调用。资产从仅创建者可见逐步晋升至工作区乃至全组织，数据始终保留在企业边界内。
Hugging Face Blog精选62 Microsoft Foundry 上线 Hugging Face 模型托管计算
Microsoft 在 Build 2026 上宣布 Foundry Managed Compute 与 Hugging Face 模型集合，将 Hugging Face 生态的开源权重模型以每周刷新的策展目录形式引入 Foundry Model Catalog，可一键部署到托管 GPU 平台。
推荐理由：原文给出模型上架、运行时自动升级与一键部署的完整链路，读者可据此判断开源模型进入企业生产环境的门槛变化。
Berkeley AI Research40 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10，数据系统面临三大新挑战：面向智能体的数据系统、由智能体运行的数据系统、由智能体构建的数据系统。
Hugging Face Blog47 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布开源基准 ScarfBench，用于评估 AI 智能体在企业级 Java 框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、102 个框架实现和 204 个迁移任务。
Google DeepMind精选74 Google DeepMind 在 Gemini 3.5 Flash 中内置 computer use 工具
Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash，此前该能力仅以独立的 Gemini 2.5 computer use 模型提供。
推荐理由：原文给出 computer use 从独立模型并入 Gemini 3.5 Flash 的路径，读者可据此判断智能体跨平台自动化的接入方式。
Mistral AI52 Mistral AI 为 Connectors 增加管理员控制、API key 作用域与调试器
Mistral AI 为 Connectors 推出多项新能力：管理员控制（GA）可按 workspace 或组织设置连接器访问并逐个开关工具，带连接器作用域的 API key（GA）防止自动化 AI 工作负载冒用身份，多账号连接器（GA）支持一个连接器绑定多个账号。
Mistral AI精选62 Mistral 发布 OCR 4，支持 170 种语言并可单容器自托管
Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数，支持 170 种语言、10 个语系，可打包进单个容器完全自托管。
推荐理由：OCR 4 把边界框、块分类和置信度分数一并输出，读者可据此判断文档解析如何接入 RAG 与智能体流程。
Google DeepMind47 Google DeepMind 与英国政府用 Gemini 打造 AI 规划工具，目标将民宅申请处理时间减半
Google DeepMind 正与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 地方规划部门合作，基于 Gemini 共同开发一款 AI 规划原型工具，目标将民宅规划申请的决定时间缩短 50%。
Google DeepMind精选60 Google DeepMind 发布 AI Control Roadmap，用纵深防御保障智能体安全
Google DeepMind 发布 AI Control Roadmap，提出把内部 AI 智能体视为潜在未对齐对象，在模型对齐之外增加系统级安全层，按检测能力 D1-D4 与预防响应能力 R1-R3 分级部署防护。
推荐理由：DeepMind 公开内部 AI 控制路线图，给出检测与响应分级和百万条编码智能体轨迹的分析结论。
Google DeepMind40 Google DeepMind 联合多方发起最高 1000 万美元多智能体 AI 安全研究资助
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持，发起最高 1000 万美元的多智能体 AI 安全技术研究资助征集，面向全球研究者。
Google Research精选60 Google 在 Gemini Enterprise Agent Platform 上线 Agentic RAG
Google 在 Gemini Enterprise Agent Platform 上推出由 Agentic RAG 驱动的 Cross-Corpus Retrieval 公开预览版。
推荐理由：原文给出多智能体 RAG 的完整流程与跨语料评测数据，读者可据此判断复杂多跳查询的检索方案。
Google Research36 Google Research 在 I/O 2026 发布 Gemini for Science 等多项研究成果
Google Research 在 I/O 2026 上发布 Gemini for Science 实验工具套件，包含基于 ERA 与 AlphaEvolve 的 Computational Discovery、基于 Co-Scientist 的 Hypothesis Generation 以及基于 NotebookLM 的 Literature Insights。
Mistral AI精选67 Mistral 发布工业工程 AI 栈与 Vibe 智能体，并宣布法国 10 MW 数据中心
Mistral 在 AI Now Summit 2026 上发布面向工业工程的 AI 栈，与 Airbus、BMW、ASML 合作优化设计、仿真与生产，同时保持对专有数据和 IP 的控制。
推荐理由：Mistral 一次性给出工业 AI 栈、Vibe 智能体和自建推理数据中心三条线，可看清其企业级全栈布局。
Mistral AI精选80 Mistral 将 Le Chat 升级为统一智能体 Vibe，推出 Work Mode 与 Code Mode
Mistral 将 Le Chat 升级为统一 AI 智能体 Vibe，一个许可覆盖工作与编码，原有对话、设置和套餐均保留。
推荐理由：Mistral 把 Le Chat 升级为统一智能体 Vibe，读者可据此判断工作与编码两类长任务如何被同一产品承接。
Mistral AI精选82 Mistral 发布 Mistral Medium 3.5 与 Vibe 云端远程智能体
Mistral 发布 Mistral Medium 3.5，一个 128B 稠密模型，以修改版 MIT 许可开放权重，成为 Mistral Vibe 和 Le Chat 的默认模型，API 定价为每百万输入 token 1.5 美元、每百万输出 token 7.5 美元。
推荐理由：Mistral 把编码智能体搬到云端并同步开源 128B 权重，读者可据此判断自托管编码智能体的可行边界。
Mistral AI精选62 Mistral 在 Studio 发布 Connectors，支持内置与自定义 MCP
Mistral 在 Studio 发布 Connectors（公开预览），内置连接器和自定义 MCP 均可通过 API/SDK 用于所有模型与智能体调用。新增直接工具调用，让开发者自行决定工具何时被调用；同时支持 human-in-the-loop 审批流程，在工具执行前由应用确认。
推荐理由：原文给出了连接器的注册、调用与人工审批代码路径，读者可据此判断企业级工具集成方式的变化。
Google Research精选74 Google 将 ERA 科学代码工具开放使用，并推出 Computational Discovery
Google 宣布把基于 Gemini 的科学代码工具 Empirical Research Assistance（ERA）开放给科学家使用，相关成果已发表在 Nature。
推荐理由：Google 把 ERA 从 Nature 论文推进到可申请使用的工具，读者可据此判断 AI 写科学代码的落地边界。
Google DeepMind精选60 Google DeepMind 用 Co-Scientist 加速逆转细胞衰老的基因线索发现
Google DeepMind 的生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 辅助衰老研究，该工具扫描数万篇论文后提出 20 多个新的候选遗传因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。Co-Scientist 还用于分析大规模基因筛选数据，把原本需要长达六个月的数据与文献关联分析缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与耗时对比，可了解 AI 智能体参与科研假设生成的实际方式。
Google DeepMind精选62 Google DeepMind 为 Project Genie 加入 Street View 真实场景能力
Google DeepMind 在实验性原型 Project Genie 中上线 Street View 场景锚定能力，可基于美国真实地点生成可交互世界，并可选 Ocean World、Desert Sands、Stone Age、B&W film 等风格。
推荐理由：原文给出了 Genie 与 Street View 结合后的能力边界和开放范围，读者可据此判断世界模型落地路径。
Google DeepMind精选71 Google DeepMind 推出 Gemini for Science 科研工具与 Science Skills
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上三个实验性工具：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：原文给出三类科研智能体原型与 Science Skills 的开放入口，读者可据此判断科研工作流会怎样被拆分和加速。
Google DeepMind22 Google DeepMind 与新加坡达成国家 AI 合作，落地医疗、教育与气候项目
Google DeepMind 与新加坡政府达成国家 AI 合作，在医疗、科研、教育和气候领域推出新项目。合作探索 AI 辅助临床的"三方照护"模式，并用 AlphaFold、Google Earth 等工具推进东南亚传染病研究与疫情防控。Gemini for Education 将提供给新加坡所有中小学至初级学院教育者，同时启动亚太区"AI for the Planet"加速器。
Google DeepMind精选88 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 系列首个模型 Gemini 3.5 Flash，定位为面向智能体与编码的前沿模型，即日起在 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API 以及 Gemini Enterprise 等渠道开放。
推荐理由：Gemini 3.5 Flash 在编码与智能体基准上超过 3.1 Pro，并给出速度与成本对比，可据此判断长程任务的落地空间。