AWS 介绍了其 SMGS 运营团队如何使用 Amazon Bedrock AgentCore，为内部销售智能系统构建了一个包含九个阶段的评估框架。该框架结合了特定领域的评估器、版本化的黄金数据集、CI/CD 门禁、持续监控，以及基于追踪数据对工具、代理和多代理工作流进行改进。AWS 报告称，自动化评估将质量回归的发现时间从几天或几周缩短到不到四小时。
推荐理由：该框架提供了一种可迁移的方法，可将特定领域的故障类别与发布门禁和生产监控相结合，覆盖工具、单个代理和多代理工作流。
OpenAI 升级了 ChatGPT 中的 GPT-6 Pro，使其响应更快，并改进了对插件和工具的使用。 现在，多个代理可以并行处理任务的不同部分。用户可以查看每个代理的进度，并打开已完成的任务来检查其工作。 现已向 Pro 用户开放。
推荐理由：用户可以查看每个并行代理的进度，并访问已完成的任务，从而检查由多个代理分工完成的工作。
ChatGPT 中的 GPT-6 Astra Pro 已升级，响应更快，使用插件和工具的能力也有所提升。 现在，多个代理可以并行处理任务的不同部分。用户可以查看每个代理的进度，并打开已完成的任务来检查其工作。
推荐理由：并行代理让用户能够跟进任务不同部分的进展，并检查已完成的工作，从而清楚了解任务是如何分工的。
Google Research 介绍了三个将 AI 智能体与湿实验相结合的项目：VERD 实验室自动化、闭环适配体发现，以及从头设计蛋白质结合体。经过三轮实验，适配体对肌红蛋白和 α-凝血酶的靶向命中率分别达到 33.5% 和 42.1%；蛋白质设计流程将计算周期加快了八倍以上，并获得了亲和力达到个位数纳摩尔级的结合体。整合这些项目仍是下一步工作，相关保障措施包括序列筛查、机器人执行前进行模拟，以及取得人工授权并由人工监督。
推荐理由：适配体实验展示了实验反馈如何揭示具有误导性的优化目标，为自动化发现流程提供了一种可迁移的方法，用于区分真正的生物学改进与实验伪象。
Google DeepMind 报告称，四个 Gemini 4 Argon 智能体从零开始在 27 小时内通关了《Minecraft》。 它们在沙盒环境中仅使用代码和文本，编写了 2,783 个程序，通过聊天分工、共享笔记并协作调试错误，全程没有人类帮助。 https://t.co/uyIhDOQXGT
推荐理由：这份报告提供了一个具体案例，展示了智能体如何通过代码、聊天、共享笔记和协作调试，在一项持续 27 小时的任务中进行协调。
Reflection AI 推出了 Beam，这是一款用于智能体编程和多步骤任务的开放权重模型，总参数量为 5010 亿，激活参数量为 230 亿。Reflection 称其有效上下文长度为 100 万个 token，并以 Apache 2.0 许可发布 Beam 1.0，提供 BF16、FP8 和 NVFP4 版本。本指南介绍如何通过 Amazon SageMaker JumpStart，或借助 JumpStart、SGLang 或 vLLM 在 HyperPod Inference 上进行部署，内容包括容量规划、调用、性能测量和清理。
推荐理由：部署方式的比较说明了何时托管端点已足够，以及何时 Kubernetes 基础设施或自定义运行时能为服务配置、分布式执行和扩缩容提供有用的控制。
Reflection在Hugging Face上发布了Beam。这是一款501B的MoE模型，每个token激活23B参数，支持100万token的上下文窗口，并采用Apache 2.0许可证。这款纯文本模型面向编程和智能体工作，提供BF16、FP8和NVFP4检查点，并在发布首日支持transformers、vLLM和SGLang。Hugging Face还提供部署和后训练方案，以及自有的任务评测和演示。
推荐理由：部署指南区分了活跃计算量与权重总内存用量，帮助团队评估运行和适配一款具有长上下文窗口的稀疏模型所需的硬件配置。
Ollama 是 Reflection AI 首个开放权重模型 Beam 的首发合作伙伴，限时在 Ollama Cloud 上免费提供该模型，采用美国托管并提供完整 ZDR。Beam 的上下文窗口为 100 万 token，专为软件工程、推理和长时间运行的智能体任务而设计。 ollama run beam Claude Code ollama launch claude --model beam:cloud Codex ollama launch codex --model beam:cloud OpenCode ollama launch opencode --model beam:cloud Reflection AI 表示，Beam 的权重以 Apache 2.0 许可发布，地址为 https://huggingface.co/reflection。
推荐理由：这项限时免费服务让用户可以通过多种编程工具试用 Beam；其软件工程和智能体任务定位，以及美国托管和完整 ZDR 均有说明。
腾讯推出了 Hy Memory 2.0，其中包含开源模型、框架和 MemHub，后者被称为私人记忆管家。 该框架可处理聊天、工作和代码记忆。腾讯表示，该框架在 4 项基准测试中开源性能排名第一，并称 Hy-Memory-30B-A3B 在主要框架中击败了 Opus 5。MemHub（CLI + Mac）可在 10 多种 AI 工具之间同步。 SDK 和 MemHub：https://github.com/Tencent-Hunyuan/Hy-Memory 模型：https://huggingface.co/tencent/Hy-Memory-30B-A3B
推荐理由：据报告的基准测试结果和跨框架比较，有助于评估 Hy-Memory-30B-A3B，同时也可了解 MemHub 所称的覆盖范围，即支持 10 多种 AI 工具。
NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB 现已上线 Ollama。 这款视觉语言模型（VLM）专为在本地运行日常智能体任务而设计，采用原生 2 位量化，可将模型装入 24GB 内存，并与其他应用同时运行。 ollama run nemotron-3.5-bolt
推荐理由：所述内存占用为在同一台机器上与其他应用同时运行本地智能体工作负载，提供了具体的部署考量。
沙箱虽然已是常见商品，但要在生产级流量下运行数百万个沙箱，就需要关注细节，才能为企业和消费者扩展智能体。 Perplexity 正在开源 SPACE（为 Perplexity Computer 提供支持的沙箱平台），以支持生态系统。https://github.com/perplexityai/space
推荐理由：常见沙箱与在生产流量下运行数百万个沙箱之间的区别，说明了为企业和消费者扩展智能体所需的工程工作。
Meta 宣布推出 Muse Spark Open，称其为迄今能力最强的美国开放权重模型，并表示该模型专为编程和智能体工作打造。Meta 列出的参数量为总计 816B / 激活 42B，上下文窗口为 1M token，并原生支持文本、图像、视频和音频。 Ollama 对此次发布表示欢迎，并称该模型很快将在 Ollama 上提供。https://twitter.com/AIatMeta/status/2110779754274292212
推荐理由：所述参数量、上下文窗口和模态覆盖范围，为 Meta 将 Muse Spark Open 定位为适用于编程、智能体工作和长时程任务的模型提供了背景信息。
英伟达发布了 Nemotron 3.5 Super VL，这是一款拥有 1200 亿参数、每个 token 激活 120 亿参数的开放式多模态模型，面向持续运行的企业智能体。英伟达表示，在指定的智能体任务上，该模型的准确率接近 Nemotron 3 Ultra，但参数量约为其五分之一；英伟达还将开放模型权重、数据集和训练方案。配套的 Nemotron 3.5 Bolt 74B-A9B 24GB 面向本地智能体，而 Bolt E4B 4GB 计划于本月晚些时候推出。
推荐理由：部署细节说明了量化、缓存和硬件要求如何影响在企业自有基础设施上运行持续工作的智能体时所面临的实际权衡。
AWS 的 Shawn Bice 介绍了深度信任（Trust in Depth），这是一种通过四个层次——范围（Scope）、了解（Know）、约束（Bound）和观察（Observe）——来管理智能体的框架。他介绍了 AWS 工具如何支持策略、智能体身份、外部强制执行和追踪，并以员工离职流程说明依赖顺序的防护措施。自动推理可以在系统定义的假设范围内，证明表述精确的规则；而依赖上下文的预期则需要评估和人工判断。
推荐理由：员工离职示例提供了一种可迁移的方法，将业务要求转化为强制执行的前置条件，并说明操作顺序的重要性可能不亚于单个工具的权限。
NVIDIA 发布了 Nemotron 3.5 Super VL，这是一款面向多模态智能体的开放式 1200 亿参数模型；还发布了 Nemotron 3.5 Bolt 74B-A9B 24GB，面向本地智能体工作负载。Bolt E4B 4GB 将于 10 月 23 日推出。Super VL 面向工具调用、业务工作流和视觉文档理解，并开放模型权重、数据集和训练方案。Bolt 74B-A9B 采用原生 2 位量化，可装入 24GB 内存；Bolt E4B 则面向物理智能体和对话智能体。
推荐理由：开放模型权重、数据集和训练方案，为组织提供了定制智能体以适配自身工作流的途径，同时满足本地部署和数据驻留要求。
超高速版本的 GPT-6 Astra 和 SOL 6.1 现已在 Perplexity Computer 中向 Max 订阅用户开放。 两者生成 token 的速度更快，能更早完成耗时较长的 Computer 任务。 在“自定义”下选择 Astra 或 SOL 6.1，然后将速度设为“超高速”。
推荐理由：此次更新将更快的 token 生成速度与更短的长时间 Computer 任务完成时间联系起来，为 Max 订阅用户在选择速度设置时提供了切实的工作流优势。
Google Research 在 Research@ 上发布了 10 项进展，涵盖地理空间智能、科学智能体、文档核验、边缘硬件、数值模型、医疗保健、灾害预测、教育和协作原型设计。它正扩大实验性 Google Earth AI 功能的早期体验范围，并在早期版本审阅了超过 16,000 篇研究论文后，向公众开放 Deep Review。其他进展包括即将将 TimesFM 和 TabFM 集成到面向企业的 Gemini 中，以及一项涉及 98 名患者的 AMIE 研究；在该研究中，临床医生表示，AI 摘要在 75% 的病例中帮助他们做好了准备。
推荐理由：这些进展展示了研究工具如何通过扩大使用范围融入专业工作流程；文档核验就是一个具体例子，它能提供支持，同时保留人工监督。
Google Research 已公开发布 Deep Review，这是一种用于对研究论文及其他复杂文档（包括法律和金融材料）进行技术核验和反馈的智能体 AI 系统。它从 Paper Assistant Tool 演进而来；该工具曾为超过 16,000 份手稿提供可选反馈。Deep Review 结合了文档分段、自适应计算预算、并行核验和全局综合。全球用户每天可免费获得两次评审；使用 Gemini API 密钥可获得更高额度并接入 API。上传的文档绝不会用于训练、微调或改进 Google 模型。
推荐理由：该评审流程通过结合针对各章节的计算预算、全文上下文以及跨章节的最终一致性检查，为核查长文档提供了一种可迁移的方法。
Shopify 周二宣布，消费者很快就能配置任意 AI 智能体，浏览并购买商品目录中超过 10 亿条商品信息，无需通过合作集成。消费者将智能体连接到自己的 Shop 账户后，即可在对话中使用 Shop Pay 结账，订单会同步回 Shop 应用。消费者可以设置预算上限或优先快速配送等规则，但每笔购买都必须由消费者批准。
推荐理由：此次扩展让智能体购物不再局限于单独的合作集成；每笔购买仍需消费者批准，也为交易设定了明确的控制节点。
本指南介绍 Anchor Browser 如何与 Amazon Bedrock AgentCore payments 集成，在同一浏览器会话中处理受 x402 保护的页面和 API。将 session.x402 设为 true 后，即可自动付款，但须遵守已配置的支出限额和有效期限制；钱包凭据则保留在智能体运行时之外。现有浏览器自动化代码可以保持不变；如果付款被拒绝或遇到不受支持的质询，原始 HTTP 402 响应会保持不变。
推荐理由：该集成展示了一种可迁移到付费智能体工作流的架构：将付款签名和预算执行置于智能体运行时之外，同时保留浏览器会话上下文。
