跳到正文
K = 0.731
← 全部主题

Agent 智能体

让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。

170 条精选近 30 天 93条共收录 664条

更新

精选归档 · 第 6 页

9月10日周四
  1. OpenAI News60

    OpenAI 发布 Agents API

    OpenAI 发布 Agents API，这是一个由 Codex harness 驱动的托管服务，用于构建和上线云端智能体，支持编排、长时间运行的会话和工具调用。

    推荐理由：OpenAI 把 Codex 的编排能力做成托管服务开放，读者可据此判断云端智能体的接入门槛变化。

9月9日周三
9月5日周六
9月3日周四
  2. Demis Hassabis · X78

    Google 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

    Google 发布 Gemini 3.8 Flash，这是不到一个月内的又一次升级，同时推出面向网络安全方向的 Gemini 3.8 Flash Cyber。Demis Hassabis 表示 3.8 Flash Cyber 推进了网络防御的前沿，模型与网络安全工作的更多细节见 Google 官方博客。被引用的 Logan Kilpatrick 称该模型在智能体与编码能力上再次提升，是 6 周内第三次更新的 Flash 模型。

    推荐理由：Google 在不到一个月内再次更新 Flash 系列，并首次把网络安全方向单列为 Cyber 版本，可据此观察其模型迭代节奏与安全布局。

  3. Google DeepMind66

    Google DeepMind 推出 Fairwind Program，向政府和受信伙伴开放 Gemini 3.8 Flash Cyber

    Google 推出 Fairwind Program，面向 Google Cloud 客户、政府机构和网络安全伙伴提供受限访问，首批开放 Gemini 3.8 Flash Cyber 与 CodeMender 组合，用于自主发现、验证并修复漏洞。

    推荐理由：原文给出受限访问计划的能力组合与准入条件，读者可据此判断前沿网络防御能力的开放节奏。

  4. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 与面向安全防御的 Gemini 3.8 Flash Cyber，前者在软件工程、智能体任务和多步推理上较 3.7 Flash 有明显提升，定价保持每百万输入 token 0.75 美元、输出 3.75 美元。

    推荐理由：原文给出 3.8 Flash 在长程编码与智能体任务上的提升，以及同价位的定价与开放入口，可据此判断是否替换现有工作流。

9月2日周三
8月28日周五
  1. Z.ai 智谱 · X78

    智谱 GLM-5.3 开放权重发布

    智谱宣布 GLM-5.3 开放权重，称这是其面向智能体编码与网络防御能力最强的模型，现已可下载、运行和定制。权重发布在 Hugging Face 的 zai-org/GLM-5.3 页面，技术细节见 z.ai/blog/glm-5.3。

    推荐理由：智谱把面向智能体编码与网络防御的旗舰模型权重开放下载，读者可据此判断自部署与定制空间。

  2. Google Research62

    Google 发布行星预测引擎 PPE，自动完成地理空间建模全流程

    Google Research 在 Google Earth AI 下推出实验性研究能力行星预测引擎（PPE），可依据自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，并生成报告，把原本需要数周人工数据工程的建模流程压缩到数分钟。

    推荐理由：原文给出 PPE 在公共卫生、粮食安全与疫情预测上的量化提升，可了解地理空间建模自动化的实际边界。

8月27日周四
8月25日周二
  1. Hugging Face Blog62

    IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档

    IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，基于 Granite-4.1 基座后训练而来，全部采用 Apache 2.0 许可。

    推荐理由：原文完整披露了 Granite 4.2 的架构、SFT 数据配比与多阶段 RL 课程，可据此理解推理模型后训练的具体做法。

  2. Hugging Face Blog62

    Hugging Face 在 Gradio 中推出 gr.Workflow，把 AI 流水线做成可拖拽画布

    Hugging Face 在 Gradio 中推出 gr.Workflow，把多步 AI 流水线描述为由引用、算子、主体三类节点组成的图，Gradio 直接提供可拖拽画布，每个节点可运行、每个中间结果可见。

    推荐理由：原文给出 gr.Workflow 的节点类型、REST 端点与部署路径，读者可据此判断多步 AI 流水线如何落地。

8月21日周五
  1. DeepSeek · X78

    DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API 平台

    DeepSeek 在 API 平台上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，文本能力与 DeepSeek-V4-Flash 持平，涵盖智能体、推理和世界知识。

    推荐理由：官方给出新模型与 V4-Flash 的文本能力对齐关系及多模态智能体基准上的提升幅度，可据此判断多模态 Agent 的可用水位。

8月20日周四
  1. Mistral AI71

    Mistral 发布 Agentic Search，检索准确率最高提升约 3 倍

    Mistral 发布 Agentic Search，一种面向企业复杂文档的多步检索层，通过 search、open、navigate、read、grep 五个工具让模型在回答前检查、导航并核实来源。

    推荐理由：原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可据此判断传统 RAG 的替代路径。

8月19日周三
  1. Hugging Face Blog62

    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。

8月14日周五
  1. Hugging Face Blog62

    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。

  2. Hugging Face Blog62

    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。

8月13日周四