技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
951 条精选近 30 天 855 条共收录 1,126 条
Google DeepMind 推出 Fairwind Program，将面向网络安全场景的 Gemini 3.8 Flash Cyber 与 CodeMender 配合，向受信任的政府机构、关键基础设施和核心技术平台开放，用于自动查找并修复代码漏洞。
推荐理由：Google 把专门的 Gemini 3.8 Flash Cyber 与 CodeMender 组合开放给受信任的政府和企业伙伴，用于自动发现和验证修复代码漏洞，可对照现有 Agentic 安全方案的落地形态。
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型，分别面向通用推理编码与网络安全防御。
推荐理由：同一价位下编码与推理能力相对前代明显提升，且同步给出安全专用版的基准与开放范围，读者可据此做选型对照。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 中上线 agentic 视频理解功能，可将 token 消耗降低最多 88%、成本降低最多 66%，分析精度最高提升 7%。
推荐理由：对比传统固定帧率处理方式，原文给出 token 消耗与精度的具体改进幅度，可作为评估新视频管线效果的参考。
DeepSeek 发布 V4 系列首个实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，在 V4-Flash 架构上加入视觉模块继续训练。
推荐理由：仓库同时给出与 Opus-4.8 的多模态 Agent 基准对比和开源推理实现，读者可据此判断它在 V4 系列里的相对位置。
Google Research 在 Google Earth AI 下推出行星预测引擎（PPE），可自主完成从数据发现、特征工程到模型训练评估的完整地理空间建模流程。
推荐理由：原文在公共卫生、粮食安全和流行病学等多个领域给出了自动流水线相对人工专家基线的具体精度差距，便于读者评估智能体驱动地理建模的可行性。
xAI 宣布 Grok 4.6 已在 Microsoft Foundry 上线，提供 500k 上下文窗口与 low、medium、high、xhigh 四档可配置推理档位，面向长任务智能体及交互式视觉工作。Foundry 目录支持企业将 Grok 4.6 与其他前沿模型对比评测、运行工作负载测试、部署托管端点，并提供企业级安全与治理能力，可参考 xAI 的 Foundry 集成指南完成部署。
推荐理由：Grok 4.6 通过 Microsoft Foundry 提供企业级托管端点与多模型评测入口，为长任务智能体场景增加了一条新的接入路径。
xAI 将 Grok Bot 扩展至更多订阅计划，包括 SuperGrok、SuperGrok Plus、SuperGrok Heavy，以及 Cursor Pro、Cursor Pro+、Cursor Ultra、Cursor Teams 等。
推荐理由：原文列出了 Grok Bot 已落地的具体任务类型和独立用量机制，可作为评估 AI 智能体接管工作流可行性的参考。
Claude Cowork 改称 Claude 并向 Pro、Max 计划开放，是面向非编码知识工作的智能体产品，能在用户指定的文件夹中读写文件、调用工具和浏览器，完成多步任务后返回结果供用户审阅。
推荐理由：对比 Claude Code 专注编码，Cowork 把同样的智能体能力拓展到研究与文档等非编码知识工作，可看出 Anthropic 在 Agent 方向的产品边界。
IBM 发布 Granite 4.2 推理模型系列，提供 3B/8B/30B 三种 dense decoder-only 规格，以 Apache 2.0 开源。
推荐理由：详细拆解了 Granite 4.2 的架构与多阶段 RL 训练流程，包含 GRPO 异步训练和真实环境智能体 RL 设计，可作为开源推理模型训练方法参考。
智谱发布开源模型 GLM-5.3，与 GLM-5.2 共享基座，全部增益来自后训练。在自研 Z.ai Code Bench 上较 GLM-5.2 提升 50%，并在 Terminal Bench 3.0、Agents' Last Exam、CyberGym 取得开源 SOTA。
推荐理由：在同一份基准表中与八款模型横向打分，并附详细评测参数与防作弊设置，便于直接复现同口径对比。
智谱发布 GLM-5.3-Flash，是 GLM-5 系列首个原生多模态模型，总参数 320B、激活 18B，价格为 GLM-5.2 的十分之一，编码与智能体基准接近 Claude Opus 4.8。
推荐理由：读者可以横向比较 GLM-5.3-Flash 与 Claude Opus 4.8 在编码与智能体基准上的差距，并参考其混合注意力与稀疏激活设计评估部署成本。
千问（Qwen）在 Hugging Face 开源 Qwen3.8-Flash-Next 的 FP8 量化权重，称其为 Qwen4 架构的实验性预览版本。该模型总参数 125B、激活 6B，并附带 51B n-gram embedding 与 4B MTP，原生 262,144 tokens 上下文可通过 YaRN 扩展至 1,000,000 tokens。
推荐理由：作为 Qwen4 架构的实验预览，文中给出的稀疏注意力与 N-gram 嵌入设计可与既有 MoE 路线横向对照。
Mistral 发布 Agentic Search，作为面向企业 AI 系统的检索层，通过 search、open、navigate、read、grep 五个工具在现有索引上做多步查找、定位与验证，可通过 Mistral Search Toolkit 与 Libraries（Studio、Vibe）使用。
推荐理由：原文用 FinanceBench 与 OfficeQA Pro 的具体数字把 Agentic Search 与传统一次性 RAG 做了直接对比，可据此判断检索层升级的实际收益。
Google DeepMind 发布 Gemini 3.7 Flash，主打编码与 Agent 工作流。
推荐理由：相比 3.6 Flash，Gemini 3.7 Flash 在编码与 Agent 任务的多项基准上提升明显，并把每百万 token 入门定价下调至原来的一半。
DeepSeek 正式发布 DeepSeek-V4-Pro 0813，在预览版基础上挂载 DSpark 推测解码模块，重点强化智能体能力。该模型在 HLE 上得分 42.7/60.0（无工具/有工具），Terminal Bench 2.1 达 87.9，DeepSWE 62.7。
推荐理由：正文给出与同代模型的基准对比和 vLLM/SGLang 部署方式，读者可直接评估其相对位置并复现推理流程。
2026 年 7 月 15 日至 8 月 2 日，Hugging Face 发起 ICML 2026 开放复现挑战赛，1221 名社区成员用 Claude Code。
推荐理由：按声明级别汇总了大规模社区复现的具体可复现率与反例，可作为评估 AI 智能体辅助科研审阅效果的参考。
xAI 发布 Grok 4.6 模型，聚焦长任务智能体和更复杂的交互与视觉工作，训练过程采用了更长的补充训练流程与精选的模型生成数据，并在 SFT 与 RL 阶段做了改进。
推荐理由：原文给出多款基准的具体得分，方便对比 Grok 4.6 与 GPT-5.6 Sol 等竞品在长任务智能体上的能力差异。
xAI 推出 Grok Bot，将 AI 智能体定位为可独立完成多步任务的同事。Bots 拥有独立云端电脑，可登录用户已有的应用、收件箱和网站执行任务，完成后再向用户汇报，支持手机与桌面之间同步会话。
推荐理由：文章对比了 Grok Bot 与常见 Agent 工作流在交互方式和执行环境上的区别，读者可据此判断它在团队协作场景里替代了哪些环节。
Meta 发布并开源 30B 多模态模型 Muse Glimmer（Apache 2.0），由 Muse 蒸馏而来，主打本地智能体场景，由 Hugging Face 在发布当日同步接入 transformers、llama.cpp、vLLM 与 Inference Endpoints，并支持基于 DFlash 的推测解码加速。
推荐理由：原文汇总 30B 多模态模型的关键基准、DFlash 加速与同日多框架支持，便于评估其在本地智能体工作流中的可用性。
Microsoft Research 开源了面向可扩展 Agent AI 的框架 Orchard，核心是基于 Kubernetes 的可复用环境服务 Orchard Env，并配套发布 Orchard-SWE、Orchard-GUI、Orchard-Claw 三个领域的训练配方。
推荐理由：Orchard 将环境层与训练流程解耦并开源，约 30 亿参数的小模型在 SWE-bench Verified 上逼近十倍参数量的前沿系统，展示了开源 Agent 训练栈的可行路径。