跳到正文
只看一手#Agent
10月16日周五
  3. Hugging Face Blog78

    Reflection 在 Hugging Face 开源 501B 模型 Beam

    美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，采用 501B 参数 MoE 架构、每 token 激活 23B，支持 1M token 上下文，Apache 2.0 许可，面向编码与智能体场景。

    推荐理由：原文给出 501B MoE 模型的架构细节、多精度基准与 vLLM、SGLang 部署配方，可据此判断自托管前沿模型的硬件门槛。

  5. Google DeepMind34

    Google Antigravity 加速抗菌肽发现，AI 智能体平台发现新型抗菌肽候选

    Google DeepMind 用智能体开发平台 Google Antigravity 发现一种对呼吸道感染病原体有预测活性的新型抗菌肽候选，目前正进行湿实验验证。该平台整合 ProtNLM 模型，可从氨基酸序列预测生物功能，扫描 UniProt 中数百万条未表征蛋白序列。平台还内置 Biomolecular Structure Viewer，支持研究者与智能体在共享 3D 结构画布上协作分析。

10月15日周四
  3. Hugging Face Blog78

    Meta 发布开源权重多模态 MoE 模型 Muse Spark Open

    Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，上下文窗口最高 100 万 token，可接收文本、图像、音频和视频输入并输出文本。

    推荐理由：原文给出 816B 总参数、42B 激活的 MoE 架构与多模态输入细节，并附 vLLM、SGLang、llama.cpp 部署和 TRL 微调配方。

  7. Google Research71

    Google 发布 Deep Review，用智能体系统审阅技术文档

    Google 公开发布 Deep Review，这是一个面向复杂文档提供严格反馈与技术核查的智能体系统，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。

    推荐理由：原文交代了 Deep Review 的四阶段智能体流程与会议试点规模，可据此判断自动审稿工具能承担哪部分核查工作。

10月14日周三
  5. NVIDIA Blog22

    NVIDIA 宣布对英国创企生态的新投资

    NVIDIA 宣布计划投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子计算初创公司，并加入 Earthshot Prize 成为 Global Alliance Founding Partner。此前 NVIDIA 已承诺五年 2.5 亿美元算力投入，用于加强英国智能体安全与安全研究。

  8. Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon 机器人模型

    Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。

    推荐理由：原文给出 Argon 在 ERQA 上的分数与四类机器人工作流示例，可据此判断物理推理模型在机器人栈中的落点。

  9. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、输出 token 10 美元。

    推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和基准表现，可据此判断前沿模型在长程任务上的能力边界。

10月13日周二
  3. Microsoft Research34

    Microsoft Research 推出 StudentSim：用个性化 AI 学生模拟器评估和改进 AI 辅导系统

    Microsoft Research 提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，在辅导前为 AI 导师提供反馈信号。该工作同时发布 StudentSimEval 基准，从行为保真度和指导响应性两个维度评估模拟器，覆盖国际象棋、英语二语写作和数学三个领域，StudentSim 均优于主流基线。StudentSim 是研究系统，不部署于课堂，也不替代教师。

10月8日周四
10月7日周三
10月6日周二
  1. Mistral AI78

    Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态模型

    Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，权重将于本月底开放。官方称其在编码、智能体工作流和多模态理解上可与全球最强开源模型竞争，在视觉定位等部分领域超过前沿闭源模型。模型在 3800 块 NVIDIA Grace Blackwell GPU 上从零训练，训练数据覆盖 160 多种语言。

    推荐理由：Mistral 官方给出 ML4 的参数量、多模态与智能体编码基准，并说明权重月底开放，可据此判断开源前沿模型的竞争位置。

  2. Google Research31

    Google 发布智能体隐私与安全开放问题报告：从上下文完整性切入

    Google 发布《智能体隐私与安全的开放与新兴问题：上下文视角》报告，汇总 50 余位学界与业界专家在 2025 年底纽约 CAPS 研讨会的成果。报告指出智能体因非结构化输入、概率性控制流和自主委派而难以沿用传统软件的安全方法，主张以 Contextual Integrity 理论为基础构建上下文策略引擎，在系统沙箱、模型推理和用户控制多层协同防护。

10月2日周五
  1. GitHub Blog · AI & ML38

    AI 正在改变开发者工作，GitHub 给出三项需要强化的技能

    GitHub 提出 AI 时代开发者应强化三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 节省的时间去解决更大的问题。GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型审查计划、代码和测试，以捕捉首个模型遗漏的问题。文章强调开发者仍需对结果负责，判断力与权衡取舍的能力愈发重要。

9月26日周六
  1. GitHub Blog · AI & ML58

    GitHub Copilot 应用如何用 canvases 构建自定义工作流

    GitHub Copilot 应用中的 canvas 是一种可定制界面，用户与智能体共享同一份状态，可做成看板、问题分诊板、发布清单或仪表盘。创建时只需在智能体会话中输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体可执行的动作，智能体便会生成界面并在右侧面板打开。

9月25日周五
  1. GitHub Blog · AI & ML58

    GitHub 的 Burke Holland 谈聊天框为何不适合作为 AI 主界面

    GitHub 的 Burke Holland 在博客中提出，聊天框只适合作为通用入口，当用户明确知道要做什么时，可定制的 canvas 界面更合适。canvas 是运行在 GitHub Copilot 应用内的全栈小应用，可与智能体双向通信，也能调用第三方 API 或在本地执行代码，文中用 Connect 4 游戏、Winget 包管理和 SQLite 操作等例子演示。

9月16日周三
  1. Mistral AI58

    Mistral 与 Mozilla 合作，为 Firefox Smart Window 提供模型支持

    Mistral 宣布与 Mozilla 达成合作，Firefox 的 AI 浏览助手 Smart Window（beta）由 Mistral 模型驱动，将先面向法国和北美用户，英国和德国预计今年晚些时候跟进。Smart Window 可帮助用户理解复杂搜索、找回此前点击过的内容，并基于浏览器标签页溯源信息。双方称对话默认不保存在 Mozilla 服务器上，Mistral 等合作方同意零数据保留。

9月9日周三
  1. Mistral AI58

    Mistral 用 AI 智能体将 4 万行 Fortran 77 迁移至 C++

    Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件，也没有集中文档。团队先搭建数值对齐测试框架，再借助 Vibe CLI 启动上百个智能体整理文档，最终采用由人类把关的 coder、tester、reviewer 结构化工作流，逐模块迁移。

8月21日周五
8月13日周四
  1. DeepSeek 更新日志83

    DeepSeek-V4-Pro 正式版上线 APP、网页端和 API

    DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 同步上线，API 调用方式不变，模型名设为 deepseek-v4-pro 即可使用。官方称正式版大幅增强 Agent 能力，并给出 HLE（wo / w tools）42.7/60.0、Terminal Bench 2.1 87.9、NL2Repo 61.5 等基准数据。

    推荐理由：官方更新日志列出 V4-Pro 正式版的 Agent 基准成绩、Responses API 适配与三档思考强度，便于对照现有工作流评估升级。