跳到正文
#Agent
  1. Hugging Face Blog75

    作者用 ML-intern 两天做出六个模型，总花费约 103 美元

    作者在 HuggingChat 中开启 ML-intern，用提示词描述需求，两天内做出六个模型并发布到 Hugging Face Hub，总计算花费约 103 美元。

    推荐理由：作者用 ML-intern 在两天内做出六个模型，并公开全部提示词与成本明细，可迁移到自己的训练流程。

  3. AWS Machine Learning Blog65

    AWS 上线 Claude Haiku 5.5，成本较 Haiku 4.5 降低约 75%

    AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，据 Anthropic 介绍，它是 Claude 5.5 系列中速度最快、最经济的模型，面向子智能体和高并发、成本敏感任务，多数任务成本比 Claude Haiku 4.5 低约 75%。

    推荐理由：文章给出 Haiku 5.5 在 Bedrock 上的能力定位与接入方式，可据此判断它在多智能体分工中的成本位置。

  4. Microsoft Research71

    微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架

    微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 训练范式，让部署时使用的 agent harness 直接参与 RL 训练，无需在训练框架内重新实现 agent。

    推荐理由：原文给出框架的代码规模、Kubernetes 支持与 SWE-bench Verified 提升数据，可据此判断真实 harness 参与 RL 训练的落地成本。

  1. Mistral AI80

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

    Mistral AI 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，可在 Mistral Studio 试用预览 API，权重将于本月底开放。

    推荐理由：Mistral 官方给出 1 万亿参数多模态模型的公开预览、权重开放时间与自建欧洲算力背景，可据此判断开源权重阵营的竞争位置。

  1. Hugging Face Blog71

    微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分

    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，再根据其留下的后端终态和副作用打分，而非依据模型生成的文字。

    推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出 507 个任务重复 20 次的稳定性数据。

  1. Google DeepMind80

    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者开放，随后逐步扩展至开发者、企业和消费者。

    推荐理由：Gemini 4 Argon 给出 1M 输出 token、DeepSWE 77.9% 与网络安全防御能力，可据此判断前沿模型在长周期工程任务上的进展。

  1. Google Research62

    Google Research 发布 AI 视频联合导演框架，自动化生成连贯长视频

    Google Research 发布 AI video co-director，一个构建在 Gemini 和 Veo 之上的多智能体编排层，把长视频生成当作全局优化与世界状态跟踪问题，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，读者可了解多智能体编排如何缓解跨镜头漂移与错误累积。

  2. GitHub Blog · AI & ML60

    GitHub Security Lab 发布 Fuzzing Taskflow 智能体，自动完成 C/C++ 模糊测试

    GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需传入 GitHub 仓库地址，智能体就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。

    推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃分诊交给 LLM 智能体，读者可据此判断自动化安全测试的边界。

  1. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking

    Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。

    推荐理由：两款语音对话模型同时发布，给出了语音智能体基准成绩和开发者接入渠道，可据此判断实时语音 Agent 的可用性。

  1. Mistral AI71

    Mistral 发布 Agentic Search，用多步检索循环提升文档问答准确率

    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查找、翻阅并核对证据，已集成进 Mistral Search Toolkit 以及 Studio 和 Vibe 的 Libraries。

    推荐理由：原文给出多步检索循环的工具设计与 FinanceBench、OfficeQA Pro 上的准确率与延迟变化，可对照传统 one-shot RAG 判断适用边界。

已经到底了