微软 ThinkingBox 评测智能体：不看工具调用，只看数据库终态
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再对终态后端状态和副作用做可执行检查，而非只看最终回复或工具调用是否合法。
推荐理由
微软与 Hugging Face 联合发布的智能体评测，用 507 个有状态工作流和 20 次重复运行，把关注点从工具调用转向数据库终态。
当天头条07:36微软 ThinkingBox 评测智能体：不看工具调用，只看数据库终态微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再对终态后端状态和副作用做可执行检查，而非只看最终回复或工具调用是否合法。读这件事 →
压力表 · 此刻最热
完整热点榜最新精选
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71
Hugging Face Blog精选62 Ai2 开源 AstaBrief 8B 科学报告生成模型
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，已作为 Asta 的 Fast 模式上线。
推荐理由
原文给出 AstaBrief 的训练数据构造与引用过滤细节，可迁移到其他长文生成模型的落地。
Google Research精选62 Google 发布基于 TEE 的新一代联邦学习系统，Gboard 已采用
Google Research 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，Gboard 已采用该系统上线英语和日语下一词预测模型，隐私保证更强且准确率提升。
推荐理由
Google 公布基于 TEE 的新一代联邦学习系统，并给出 Gboard 已上线的实际部署结果，可了解隐私计算在端侧训练中的工程路径。
NVIDIA Blog精选60 NVIDIA DGX Spark 推出 64GB 版本，支持双机集群扩展本地 AI
NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 64GB 统一内存版 DGX Spark，10 月 23 日开售，起售价 4,999 美元，保留 GB10 Grace Blackwell 超级芯片、DGX OS 和完整 NVIDIA AI 软件栈，支持最高 1000 亿参数模型在设备本地运行。
推荐理由
原文给出 64GB 新配置的售价、上市时间和双机集群方式，读者可据此判断本地跑大模型的硬件门槛。
NVIDIA Blog精选78 NVIDIA GPU 加速 OpenAI GPT-6 Astra Ultrafast 上线
GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行在 NVIDIA Blackwell GPU 上。
推荐理由
原文给出 Astra Ultrafast 相对标准模式的加速倍数与开放入口，读者可据此判断它对编码智能体循环的实际影响。
Hugging Face Blog精选62 AI2 发布 Olmo-core 3：面向大型 MoE 的开源可扩展训练基础设施
AI2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重要升级，重新设计了开放的 MoE 训练系统，目标是把 MoE 训练扩展到万亿参数级别并保持计算效率。
推荐理由
原文给出了 MoE 训练栈的吞吐与显存对比数据，读者可据此判断大规模 MoE 训练的成本变化。
Google DeepMind精选88 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由
Gemini 4 Argon 把输出上限提到 1M token 并给出多项基准与内部落地数据，可据此判断长程工作流的能力边界。
Hugging Face Blog精选60 Hugging Face 发布 Open TTS Leaderboard，用客观指标评测多语言 TTS 与语音克隆
Hugging Face 发布 Open TTS Leaderboard，用 WER/CER、RTFx、TTFA 和说话人相似度等客观指标评测开源 TTS 模型，把评测周期从数周投票缩短到数小时。
推荐理由
Hugging Face 用客观指标替代投票式评测，读者可了解开源 TTS 模型在多语言与语音克隆上的横向对比方式。
Google DeepMind精选62 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入水印
Google DeepMind 推出 SynthID Bio，把水印技术带入合成生物学，将不可感知的签名直接嵌入生物代码，使水印不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时保持其生物功能。
推荐理由
SynthID 水印从图像扩展到合成生物，读者可了解 AI 生成蛋白质如何被标记与验证。
NVIDIA Blog精选62 NVIDIA 与 CoreWeave 将 Vera Rubin NVL72 投入生产，Cognition 为首家客户
CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网，成为首批交付该平台的云厂商之一，Cognition 是首个在生产环境运行 Vera Rubin 的客户。
推荐理由
CoreWeave 上线 Vera Rubin NVL72 并公布 Devin 实测吞吐数据，可据此判断智能体编码负载的算力成本走向。
AWS Machine Learning Blog精选66 GPT-6.1 Sol 在 Amazon Bedrock 正式可用
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，面向智能体编码、计算机操作和专业工作负载提供更强的推理能力。据 OpenAI 称，它在 DeepSWE v1.1 上达到 GPT-6 Astra 的水平，每任务成本约为后者的五分之一，并比 GPT-6 Sol 的最佳成绩高出 6.4 个百分点。
推荐理由
原文给出 GPT-6.1 Sol 在 Bedrock 上的可用范围与成本对比，读者可据此判断智能体编码任务的性价比。
Hugging Face Blog精选62 NVIDIA 发布 Kumo Tabular 表格预测基础模型
NVIDIA 发布开源表格基础模型 Kumo Tabular，给定带标签的表格行即可单次前向传播预测新行标签，覆盖分类与回归，无需训练、调参和特征工程。模型提供 28M 到 215M 三种规模，完全在人工合成表格上预训练，采用 OpenMDW-1.1 许可可商用，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准上排名第一。
推荐理由
原文给出模型规模、训练数据来源与四项基准排名，可据此判断表格基础模型的准确率与效率取舍。
Microsoft Research精选62 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并优先排序数千种化合物，最高排名化合物在湿实验中产生了最大的经典态向基底态转变，从缩小搜索空间到选出候选验证只用了一个周末。
推荐理由
微软研究院公开 Quine 的多模态生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
OpenAI News精选70 OpenAI DevDay 2026 回顾：GPT-6 Astra、ChatGPT、Codex 与 API 等 20 多项发布
OpenAI 发布 DevDay 2026 回顾，汇总了 20 多项发布，涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。
OpenAI News精选78 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，定位为面向编码、计算机操作和专业工作的接近 Astra 级别的智能，标准 API 输入与输出 token 价格仅为 Astra 的五分之一。
推荐理由
OpenAI 发布 GPT-6.1 Sol，给出接近 Astra 的能力定位与五分之一的 API 价格，读者可据此判断成本与能力取舍。
OpenAI News精选62 OpenAI 推出主动式助手 dots
OpenAI 发布主动式助手 dots，可在复杂项目和日常任务中持续推进工作。官方称 dots 让用户在任务推进过程中保持控制权。
推荐理由
OpenAI 官方给出 dots 的定位与可控性说明，读者可据此判断主动式助手与现有工具的区别。
AWS Machine Learning Blog精选62 xAI 的 Grok 4.7 上线 Amazon Bedrock
xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，提供 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度，支持 Responses、Chat Completions 和 Converse API，通过跨区域推理配置文件在 bedrock-runtime 端点提供服务。
推荐理由
文章给出 Grok 4.7 在 Bedrock 上的接入方式与四档推理强度，读者可据此判断长任务智能体的成本与延迟取舍。
AWS Machine Learning Blog精选62 Claude Sonnet 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。
推荐理由
原文交代了 Sonnet 5.5 在编码与文档任务上的改进，并给出与 Opus 5.5 的分工和 Bedrock 接入方式。
Hugging Face Blog精选74 H 公司发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两个版本
H 公司发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 版，两者均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
推荐理由
Holo4 同时开源权重与全部评测轨迹，读者可据此判断通用计算机操作智能体的成本与能力边界。
Google Research精选65 Google 研究发布 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，将长视频生成建模为全局优化与世界状态追踪问题，以缓解语义漂移和级联失败。
推荐理由
Google 把长视频生成拆成四个可组合框架，并给出多套基准上的连续性提升数据，适合了解多智能体编排如何缓解语义漂移。