Mistral AI 发布 Forge：助力企业基于专有知识构建前沿 AI 模型
Mistral AI 推出 Forge 系统，允许企业利用内部文档、代码库和运营记录等专有数据训练前沿级 AI 模型。该系统支持密集型和混合专家（MoE）架构，涵盖预训练、后训练及强化学习全流程，旨在通过让模型内化机构知识来提升智能体在复杂工作流中的可靠性与控制权。
#Agent
#Agent
今日 4 条Mistral AIAI 评分5757
Hugging Face BlogAI 评分5858 H Company 发布 Holotron-12B 高吞吐量计算机使用智能体模型
H Company 发布 Holotron-12B，这是一个基于 NVIDIA Nemotron-Nano-2 VL 后训练的多模态计算机使用模型。该模型采用混合 SSM 和注意力机制，在单张 H100 GPU 上实现了比 Holo2-8B 高 2 倍以上的吞吐量，并在 WebVoyager 基准测试中将性能从 35.1% 提升至 80.5%。
Mistral AI精选AI 评分6868 Mistral AI 分享基于 Vibe 构建 Rails 自动测试智能体的实践
Mistral AI 介绍了如何利用开源编码助手 Vibe 构建一个自主智能体，以自动生成和改进大型 Rails 单体应用中的 RSpec 测试。该方案通过仓库级 AGENTS.md 文件定义执行计划，结合针对不同文件类型的专用 SKILLS 文件和自定义工具（RuboCop 和 SimpleCov）来确保代码风格合规及测试覆盖率。
推荐理由：原文详细拆解了基于Vibe构建Rails测试智能体的上下文工程、技能文件设计及LLM-as-a-judge评估方法，为自动化代码测试提供了可复用的技术路径。
OpenAI NewsAI 评分3737 OpenAI 设计 AI 智能体以抵御提示注入
OpenAI 通过约束高风险操作并保护敏感数据，设计了能抵御提示注入和社会工程攻击的 AI 智能体。该方案旨在增强 ChatGPT 在智能体工作流中的安全性，防止恶意指令干扰模型行为。
OpenAI NewsAI 评分5757 OpenAI 解析如何为 Responses API 配备计算机环境以构建智能体
OpenAI 介绍了如何利用 Responses API、shell 工具和托管容器构建智能体运行时，以实现安全且可扩展的智能体执行。该方案支持文件处理、工具调用及状态管理，展示了从模型到智能体的工程实现路径。
OpenAI NewsAI 评分1818 Balyasny Asset Management 如何构建 AI 研究引擎
Balyasny Asset Management 通过结合严格的模型评估、OpenAI 全平台使用及智能体工作流，构建了 AI 研究引擎以重塑投资研究。
OpenAI News精选AI 评分6363 OpenAI 推出 ChatGPT for Excel 及新集成
OpenAI 正式推出 ChatGPT for Excel，并宣布一系列新的应用集成。该功能旨在将 AI 助手能力直接带入 Excel 环境，帮助用户在熟悉的界面中完成数据处理与分析任务。
推荐理由：OpenAI 官方发布 ChatGPT for Excel，将智能体能力直接嵌入电子表格工作流，为金融与数据分析场景提供新的工具入口。
OpenAI NewsAI 评分3535 Amazon Bedrock 推出面向 OpenAI 智能体的有状态运行时环境
Amazon Bedrock 发布 Stateful Runtime Environment，为基于 OpenAI 的多步 AI 工作流提供持久化编排、记忆及安全执行能力。该功能旨在增强智能体在复杂任务中的状态保持与安全性。
OpenAI NewsAI 评分5050 OpenAI 与 Amazon 宣布战略合作
OpenAI 与 Amazon 宣布建立战略合作伙伴关系，将 OpenAI Frontier 平台引入 AWS。此次合作旨在扩展 AI 基础设施、定制模型及企业级 AI 智能体能力。
OpenAI NewsAI 评分3232 OpenAI 与太平洋西北国家实验室联合推出 DraftNEPABench
OpenAI 与太平洋西北国家实验室联合发布 DraftNEPABench，评估 AI 编码智能体加速联邦许可审批的能力。该基准显示，相关技术有望将 NEPA 起草时间缩短最多 15%，并推动基础设施审查现代化。
OpenAI NewsAI 评分2828 OpenAI 宣布 Frontier Alliance Partners
OpenAI 宣布推出 Frontier Alliance Partners，旨在帮助企业将 AI 试点转化为生产环境。该计划通过提供安全、可扩展的智能体部署方案，助力企业实现规模化落地。
OpenAI NewsAI 评分2020 OpenAI 探讨 Codex 在智能体优先世界中的工程实践
OpenAI 技术团队成员 Ryan Lopopolo 撰文阐述 Harness engineering，重点解析如何在智能体优先（agent-first）的环境中有效利用 Codex。文章聚焦于构建支持 AI 智能体运行的底层工程架构与最佳实践，旨在提升 Codex 在复杂自动化任务中的可靠性与效率。
Google ResearchAI 评分3838 Google Research 开源 DialogLab：用于动态人机群聊的模拟与测试框架
Google Research 推出开源原型框架 DialogLab，旨在创作、模拟和测试动态人机群聊。该工具在 ACM UIST 2025 展示，通过“作者-测试-验证”工作流平衡脚本结构与实时即兴对话。14 名用户评估显示，其“人工控制”模式比自主或反应式代理更具吸引力和真实性。
Google DeepMind精选AI 评分8484 Google DeepMind 发布两篇论文：Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇研究论文，展示 Gemini Deep Think 模式在专家指导下解决数学、物理和计算机科学领域专业研究问题的能力。
推荐理由：原文展示了 Gemini Deep Think 在纯数学、物理和计算机科学领域的具体科研突破案例及人机协作方法论，为评估 AI 在专业科研中的实际能力提供了详实依据。
Google ResearchAI 评分4545 Google Research 提出 NAI 框架，利用多模态 AI 重新定义通用设计以提升无障碍性
Google Research 推出 Natively Adaptive Interfaces (NAI) 框架，通过多模态 AI 将静态导航转化为动态、代理驱动的模块。该方案利用 Gemini 处理语音、视觉和文本，构建出 StreetReaderAI 等原型，实现实时交互式音频描述与环境查询。
OpenAI NewsAI 评分5757 OpenAI 推出企业级智能体平台 Frontier
OpenAI 发布名为 Frontier 的企业级平台，用于构建和管理具备共享上下文能力的 AI 智能体。该平台支持团队在统一环境中进行智能体的部署与协作。
Google Research精选AI 评分7070 Google Research 发布论文揭示多智能体系统扩展的科学原则
Google Research 发布新论文《Towards a Science of Scaling Agent Systems》，挑战“更多智能体更好”的假设，提出首个量化扩展原则。
推荐理由：通过180种配置的大规模评估，量化了多智能体系统在并行与串行任务中的性能差异及错误放大机制。
Mistral AI精选AI 评分6868 Mistral 发布 Vibe 2.0 终端编码智能体及 Devstral 2 模型更新
Mistral AI 发布 Mistral Vibe 2.0，这是其终端原生编码智能体的重大升级，由 Devstral 2 模型家族驱动。新版本支持构建自定义子代理、执行前多选项澄清、通过斜杠命令加载技能以及统一代理模式，并包含自动更新功能。
推荐理由：Mistral Vibe 2.0 引入自定义子代理和斜杠命令技能，配合 Devstral 2 模型升级，为终端原生编码提供了更灵活的工作流配置。
Google DeepMindAI 评分3535 Google 2025年研究突破回顾：Gemini 3、Gemma及AI代理进展
Google发布Gemini 3 Pro与Flash，前者在MathArena Apex达23.4% SOTA并登顶LMArena，后者以更低成本实现Pro级推理。开源模型Gemma 3增强多模态能力，Google Antigravity推动AI辅助软件开发。
Google ResearchAI 评分4242 Google Research 2025：Gemini 3、Gemma 及量子计算等突破综述
Google Research 发布 2025 年成果，Gemini 3 在 SimpleQA Verified 和 FACTS 基准上实现 SOTA 事实性表现。开源模型 Gemma 支持超 140 种语言，成为最佳多语言开放模型；量子领域宣布“可验证量子优势”并推出 verifiable quantum echo 算法。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3 Flash：兼顾前沿智能与速度
Google DeepMind 发布 Gemini 3 Flash，旨在以更低成本和更高速度提供接近 Pro 级别的前沿智能。该模型在 GPQA Diamond 得分 90.4%，SWE-bench Verified 得分 78%，比 Gemini 2.5 Pro 快 3 倍且平均少用 30% token。
推荐理由：原文给出了 Gemini 3 Flash 在多项基准测试中的具体分数、定价及与上一代模型的性能对比，读者可据此评估其在速度与成本平衡上的实际竞争力。
Google DeepMind精选AI 评分7878 Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio 模型
Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio 模型，旨在优化实时语音代理的自然对话与复杂任务处理能力。
推荐理由：官方更新了 Gemini 2.5 Flash Native Audio 模型，显著提升了实时语音代理在复杂工作流处理、指令遵循及多轮对话中的表现。
Google DeepMindAI 评分4545 Google DeepMind 深化与英国政府合作，推进 AI 在科学、教育及公共服务领域的应用
Google DeepMind 宣布深化与英国政府的合作，重点加速 AI 在科学发现、教育现代化及国家安全领域的落地。双方将提供 AlphaEvolve、AlphaGenome 等前沿模型优先访问权，并于 2026 年在英国建立首个全自动材料科学实验室。
Hugging Face BlogAI 评分4343 Intel 发布 DeepMath：基于 Qwen3-4B 与 smolagents 的轻量级数学推理智能体
Intel AI Software Group 推出 DeepMath，这是一个基于 Qwen3-4B Thinking 并通过 GRPO 微调的轻量级数学推理智能体。该模型利用 smolagents 库生成简短 Python 代码片段并在沙箱中执行，将输出长度减少高达 66% 的同时提升准确率。
Hugging Face Blog精选AI 评分6060 Tavily 分享构建 SOTA 深度研究智能体的技术经验
Tavily 团队发布了关于构建 State-of-the-Art 深度研究智能体的技术复盘，介绍了其核心架构设计与工程原则。文章详细阐述了“上下文工程”策略，通过将工具输出蒸馏为反思而非直接传递原始数据，使 Token 消耗相比 Open Deep Research 降低了 66%，同时在 DeepResearch Bench 上取得了 SOTA 表现。
推荐理由：Tavily 分享了构建深度研究智能体的工程经验，重点解析了通过上下文管理将 Token 消耗降低 66% 的具体方法。
Google DeepMindAI 评分5555 Google DeepMind 宣布支持美国能源部 Genesis Mission 以加速科学发现
Google DeepMind 宣布支持白宫发起的 Genesis Mission，旨在通过 AI 技术变革科学研究方式并加速美国科学创新。该计划将动员美国能源部下属的 17 个国家实验室、工业界和学术界共同构建集成发现平台。
Google DeepMind精选AI 评分9696 Google DeepMind 发布 Gemini 3 Pro 模型及 Agentic 开发平台
Google DeepMind 正式发布 Gemini 3 Pro，该模型在 Terminal-Bench 2.0 上得分 54.2%，并在 WebDev Arena 中以 1487 Elo 登顶。
推荐理由：原文给出了 Gemini 3 Pro 在智能体编程和多模态推理上的基准表现，以及配套的 Antigravity 平台和 API 定价细节。
Google DeepMind精选AI 评分9898 Google DeepMind 发布 Gemini 3 模型及 Antigravity 开发平台
Google DeepMind 正式发布 Gemini 3 系列模型，其中 Gemini 3 Pro 已在 Google 搜索、Gemini App 及开发者平台上线。
推荐理由：原文披露了 Gemini 3 Pro 在多项基准测试中的具体分数及 Deep Think 模式的性能提升，并介绍了配套的 Antigravity 开发平台，为评估其实际能力边界提供了量化依据。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Google Antigravity 智能体开发平台
Google DeepMind 推出名为 Google Antigravity 的新智能体开发平台，旨在将 IDE 演变为支持浏览器控制和异步交互的 agent-first 环境。
推荐理由：原文详细阐述了从同步 IDE 向异步 Agent-first 平台演进的产品形态，为开发者提供了评估下一代智能体编程工具的具体维度。
Google Research精选AI 评分8282 Google 推出 Generative UI：在 Gemini 和搜索中实现动态交互式界面
Google Research 正式介绍 Generative UI（生成式用户界面）能力，该功能利用 AI 模型根据提示词动态生成网页、游戏或工具等完整交互体验，而非仅渲染静态内容。
推荐理由：官方展示了基于 Gemini 3 的生成式 UI 技术，通过动态创建交互式界面替代静态文本输出，并已在搜索和助手应用中开启实验。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 SIMA 2：具备推理与自我学习能力的虚拟世界智能体
Google DeepMind 推出新一代通用 AI 智能体 SIMA 2，通过集成 Gemini 模型实现从指令跟随到交互式游戏伙伴的跨越。SIMA 2 具备复杂推理、多模态理解及跨环境泛化能力，能在未训练过的游戏（如 ASKA）和 Genie 3 生成的全新世界中执行任务。该模型还引入了基于试错和反馈的自我改进循环，目前作为有限研究预览向部分学者和游戏开发者开放。
推荐理由：官方展示了集成 Gemini 推理能力的 SIMA 2 在虚拟世界中的泛化与自我改进机制，为具身智能研究提供了新的技术路径参考。
Google ResearchAI 评分3636 Google Research 推出 DS-STAR：支持多格式数据验证的数据科学智能体
Google Research 发布 DS-STAR，通过文件分析、LLM 验证及迭代规划解决复杂数据科学任务。该智能体在 DABStep 基准测试中将准确率从 41.0% 提升至 45.2%，并在 KramaBench 和 DA-Code 上超越 AutoGen 等现有方法。
Google Research精选AI 评分6565 Google Research 发布地球 AI、DeepSomatic 及 Quantum Echoes 等最新研究成果
Google Research 在 Research@ 活动中发布了多项最新研究突破，包括 Google Earth AI、DeepSomatic 和 Quantum Echoes。
推荐理由：原文汇总了地球AI、基因组学和量子计算领域的最新突破，展示了从基础模型到实际应用的完整闭环。
Hugging Face Blog精选AI 评分6060 MiniMax 解析 M2 智能体对齐：从基准测试到真实世界泛化
MiniMax 团队发布博客阐述 MiniMax M2 在智能体后训练阶段的对齐经验，强调需同时兼顾开源基准表现与真实世界的鲁棒性。文章提出“交错思考”（Interleaved Thinking）机制以维持长程任务焦点并适应外部扰动，并指出真正的泛化源于对系统提示、环境及工具响应等全操作空间扰动的稳定性，而非仅靠增加工具数量。
推荐理由：MiniMax 团队分享 M2 模型在智能体对齐中的核心洞察，指出泛化关键在于应对全轨迹扰动而非单纯工具扩展。
Google Research精选AI 评分6565 Google 推出基于 Gemini 的 Fitbit 个人健康教练预览版
Google 宣布在 Fitbit 应用中推出由 Gemini 模型驱动的个人健康教练公开预览版，面向美国地区符合条件的 Android 用户开放，iOS 版本即将跟进。
推荐理由：原文披露了基于 Gemini 的多智能体架构与 SHARP 评估框架，展示了健康教练从通用建议向个性化数据驱动转型的技术路径。
Mistral AIAI 评分5050 Mistral AI 推出 Mistral AI Studio 生产级 AI 平台
Mistral AI 发布 Mistral AI Studio，旨在解决企业 AI 从原型到生产的落地瓶颈。该平台基于 Temporal 构建 Agent Runtime，提供可观测性、AI Registry 及治理功能，支持混合云部署与私有数据微调。
Google Research精选AI 评分6868 Google Earth AI 发布新基础模型与地理空间推理智能体
Google Earth AI 推出新的图像和人口基础模型及基于 Gemini 的地理空间推理智能体，旨在通过跨模态推理解决复杂的行星尺度问题。新模型在多个公开地球观测基准上达到 SOTA，其中文本图像搜索平均提升超 16%，零样本目标检测准确率翻倍。
推荐理由：原文展示了基础模型与智能体协同在复杂地理空间推理中的性能提升，为开发者提供了评估其解决现实世界问题能力的具体基准。
Hugging Face Blog精选AI 评分8383 Meta与Hugging Face联合发布OpenEnv Hub及0.1规范
Meta和Hugging Face宣布合作推出OpenEnv Hub，这是一个用于构建、共享和探索智能体环境的开放社区中心。该Hub旨在解决大语言模型缺乏安全工具访问的问题，通过定义包含工具、API和执行上下文的沙盒环境，支持强化学习训练与部署。
推荐理由：Meta与Hugging Face联合推出OpenEnv Hub，为智能体提供标准化的训练与部署环境，开发者可据此构建兼容的RL基础设施。
Hugging Face BlogAI 评分3838 Hugging Face 利用深度剪枝草稿模型加速 Intel Core Ultra 上的 Qwen3-8B Agent
Hugging Face 在 Intel® Core™ Ultra 上通过 OpenVINO.GenAI 实现 Qwen3-8B 推理加速，结合投机解码与深度剪枝技术将速度提升约 1.4×。该方法使用剪枝后的 Qwen3-0.6B 作为草稿模型，配合 🤗 smolagents 框架支持本地 AI Agent 高效运行工具调用与多步推理任务。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 Smol2Operator：通过两阶段后训练构建 GUI 智能体
Hugging Face 推出 Smol2Operator 项目，展示如何将 SmolVLM2-2.2B-Instruct 从零基础转化为具备 GUI 操作能力的智能体。
推荐理由：展示了如何通过两阶段微调将无 GUI 能力的轻量级 VLM 转化为具备推理能力的智能体，并开源了完整训练配方和数据集。