NVIDIA AI-Q 登顶 DeepResearch Bench：基于 Llama Nemotron 的开源深度研究智能体
NVIDIA AI-Q 在 DeepResearch Bench“LLM with Search”类别中以 40.52 分登顶，成为首个完全开源且领先的深度研究智能体。
#Agent
#Agent
今日 4 条Hugging Face BlogAI 评分4040
OpenAI NewsAI 评分1919 Figma 利用 AI 变革数字设计
Figma 通过 AI 工具变革数字设计，David Kossnick 介绍了 Figma Make 如何赋能团队进行原型制作、协作与构建。该工具重塑了设计师、开发者及非技术创作者的工作流程，使各类用户均能借助 AI 提升设计与开发效率。
Mistral AI精选AI 评分6565 Mistral AI 发布 Codestral 25.08 及企业级完整编码栈
Mistral AI 发布 Codestral 25.08 模型及面向企业的完整编码解决方案，旨在解决传统 AI 编程助手在私有化部署、定制化及可观测性方面的限制。
推荐理由：Mistral AI 官方发布了 Codestral 25.08 及完整企业级编码栈，提供了从代码补全到自主智能体工作流的集成方案，适合关注私有化部署和合规性要求的工程团队参考。
OpenAI NewsAI 评分1313 Intercom 构建可持续 AI 优势的三个关键经验
Intercom 分享了构建可扩展 AI 平台的三个关键经验，涵盖从评估体系到架构设计。这些实践旨在帮助企业在客户支持领域建立长期竞争优势并引领未来方向。
OpenAI NewsAI 评分1515 Outtake 利用 GPT-4.1 和 OpenAI o3 将数字威胁解决速度提升 100 倍
Outtake 使用 GPT-4.1 和 OpenAI o3 构建 AI 智能体，实现数字威胁检测与解决速度比之前快 100 倍。
OpenAI NewsAI 评分1818 Model ML 助力金融企业基于 AI 重建基础设施
Model ML CEO Chaz Englander 指出，AI-native 基础设施与自主智能体正在重塑金融服务工作流。该观点出自 OpenAI Executive Function 系列访谈，强调金融企业正利用这些技术从底层重建业务体系。
OpenAI NewsAI 评分4242 OpenAI 与 Penda Health 推出 AI 临床副驾驶
OpenAI 与 Penda Health 联合推出 AI 临床副驾驶，在真实世界应用中使诊断错误率降低 16%。该工具旨在为医疗领域提供安全有效的 AI 应用新路径。
Mistral AI精选AI 评分6868 Mistral Le Chat 发布深度研究、Voxtral 语音模式及 Magistral 推理新功能
Mistral AI 为其助手 Le Chat 推出多项重大更新，包括预览版 Deep Research 模式、基于 Voxtral 模型的语音交互以及由 Magistral 模型驱动的原生多语言推理能力。
推荐理由：Mistral 为 Le Chat 集中上线了深度研究、语音交互及原生多语言推理等核心功能，展示了其助手向全能型生产力工具演进的具体路径。
OpenAI News精选AI 评分7070 OpenAI 发布 ChatGPT Agent 模式
OpenAI 在 ChatGPT 中推出 Agent 模式，该功能允许模型自主规划并执行多步任务。用户可通过文本或语音指令启动，系统将调用虚拟浏览器和计算机环境完成网页操作、文件处理及代码运行等工作。
推荐理由：官方发布的新智能体功能展示了从对话到自主执行任务的转变，为理解 AI 代理的实际落地形态提供了直接参考。
OpenAI News精选AI 评分7878 OpenAI 发布 ChatGPT Agent 模式
OpenAI 正式推出 ChatGPT Agent 模式，该功能允许模型自主规划并执行多步任务。用户可通过自然语言指令让 AI 操作浏览器、调用工具及处理文件，实现从简单问答到复杂工作流的自动化升级。
推荐理由：官方发布的新功能直接展示了智能体在复杂任务中的执行能力，为评估自动化工作流提供了最新参考。
Hugging Face BlogAI 评分4242 Consilium：多 LLM 协作平台实现结构化辩论与共识
Hugging Face 开发者在 Gradio Agents & MCP Hackathon 中构建 Consilium，支持多个 LLM 通过结构化辩论达成共识。该平台兼具可视化 Gradio 界面与 MCP 服务器功能，可集成至 Cline 等应用。其核心机制包括角色分配、Ring/Star 通信模式及 Lead Analyst 综合评估，旨在提升复杂决策质量。
Hugging Face BlogAI 评分4848 Hugging Face 推出 FutureBench：评估 AI Agent 预测未来事件的能力
Hugging Face 发布 FutureBench，通过让 AI Agent 预测新闻与 Polymarket 市场中的未来事件来评估其推理能力。该基准利用 DeepSeek-V3 生成每周约 5 个时效性问题，并整合 Polymarket 数据，旨在解决传统测试集的数据污染问题并提供可验证的客观评分。
Hugging Face Blog精选AI 评分7171 Hugging Face 发布 ScreenEnv：用于部署全栈桌面智能体的 Python 库
Hugging Face 推出 ScreenEnv，这是一个允许在 Docker 容器中创建隔离 Ubuntu 桌面环境的 Python 库，专门用于测试和部署 GUI Agents（即 Computer Use agents）。
推荐理由：提供了基于 Docker 的隔离桌面环境构建方案及 MCP 集成代码，展示了快速部署 GUI Agent 的具体实现路径。
OpenAI NewsAI 评分2121 Genspark 基于 GPT-4.1 和 Realtime API 构建无代码个人智能体
Genspark 利用 GPT-4.1 和 OpenAI Realtime API 构建了无代码个人智能体。该 AI 产品在 45 天内实现了 3600 万美元的 ARR。
OpenAI NewsAI 评分1818 Retell AI 基于 GPT-4o 实现无代码语音智能体自动化
Retell AI 利用 GPT-4o 和 GPT-4.1 推出无代码平台，助力企业部署自然实时的语音智能体。该方案无需编写脚本或设置等待时间，即可自动处理客户对话，有效降低通话成本并提升客户满意度（CSAT）。
OpenAI NewsAI 评分1212 Unify 利用 OpenAI o3、GPT-4.1 和 CUA 实现规模化增长
Unify 采用 OpenAI 的 o3、GPT-4.1 和 CUA 模型，自动化执行潜在客户挖掘、调研及外联工作。该 AI 驱动的平台通过超个性化消息传递与全天候工作流，帮助团队在聚焦高价值客户互动的同时，实现销售管道的规模化生成。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 ScreenSuite：最全面的 GUI 智能体评估套件
Hugging Face 发布 ScreenSuite，这是一个包含 13 个基准测试的综合评估套件，用于评估视觉语言模型（VLM）在感知、定位、单步操作和多步智能体等方面的能力。
推荐理由：原文整合了13个GUI智能体基准并统一为纯视觉评估环境，提供了支持本地部署的Docker容器和快速启动指南。
Mistral AI精选AI 评分6060 Mistral AI 发布 Mistral Code 企业级 AI 编码助手
Mistral AI 推出 Mistral Code，这是一款面向企业软件团队的 AI 编码助手，现已在 JetBrains IDEs 和 VSCode 开放私有测试。
推荐理由：原文展示了面向企业的安全合规AI编码助手，整合了模型、IDE插件及私有化部署选项，适合关注代码安全与效率的团队评估。
Hugging Face Blog精选AI 评分6565 H Company 发布 Holo1 GUI 自动化 VLM 家族及 Surfer-H 智能体
H Company 在 Hugging Face Hub 上发布了 Holo1 系列动作视觉语言模型（Action VLMs）和 WebClick 基准测试。该系列包含 Holo1-3B 和 Holo1-7B 两个版本，基于 Qwen2.5-VL 架构，其中 Holo1-7B 在通用 UI 定位基准上达到 76.2% 的平均准确率。
推荐理由：原文发布了专为GUI自动化设计的开源视觉语言模型家族及基准，提供了低成本实现网页任务自动化的具体性能数据。
Hugging Face Blog精选AI 评分6363 Hugging Face 研究：结构化生成提升 CodeAgent 执行可靠性
Hugging Face 发布研究指出，强制 CodeAgent 以 JSON 格式生成思考和代码能显著提升执行可靠性。在 SmolBench 基准测试中，该方法使高性能模型的准确率平均提高 2-7 个百分点，并将因解析错误导致的失败率从 2.4% 降至零。
推荐理由：原文通过对比实验量化了结构化输出对代码智能体解析错误率的降低作用，并明确了模型能力阈值，为 Agent 架构选型提供了具体依据。
Mistral AI精选AI 评分6565 Mistral AI 发布 Agents API 以支持构建具备工具调用和记忆能力的 AI 智能体
Mistral AI 正式推出 Agents API，旨在通过结合其语言模型与内置连接器、持久记忆及智能体编排能力，解决传统模型在动作执行和上下文维持上的局限。
推荐理由：Mistral 推出 Agents API，整合内置连接器与 MCP 工具，提供持久记忆及多智能体编排能力，助力企业构建复杂任务处理框架。
Hugging Face Blog精选AI 评分7676 Hugging Face 发布 Python Tiny Agents：用 MCP 协议在约 70 行代码内构建智能体
Hugging Face 推出 Python Tiny Agents，扩展 huggingface_hub SDK 使其作为 MCP Client，允许 LLM 从 MCP 服务器拉取工具并在推理中调用。
推荐理由：展示了基于 huggingface_hub SDK 构建极简 Python Agent 的方法，通过 MCP 协议连接外部工具，代码量仅约 70 行。
OpenAI NewsAI 评分3232 OpenAI o3 系统卡附录：Operator 模型替换为基于 o3 的版本
OpenAI 将 Operator 的底层模型从 GPT-4o 替换为基于 OpenAI o3 的版本。API 版本仍保持基于 GPT-4o。
Hugging Face Blog精选AI 评分6868 Hugging Face 回顾视觉语言模型年度进展：涵盖推理、智能体与多模态 RAG
Hugging Face 发布博客详细回顾了过去一年视觉语言模型（VLMs）的技术演进，重点解析了 Any-to-any 模型、推理模型、小型化模型及 Mixture-of-Experts 解码器等新趋势。
Mistral AIAI 评分4545 Mistral AI 推出 Le Chat Enterprise，基于 Mistral Medium 3 模型
Mistral AI 发布 Le Chat Enterprise，由 Mistral Medium 3 模型驱动，提供企业搜索、Agent 构建及混合部署功能。该方案支持 Google Drive 等数据连接器并即将集成 MCP，主打隐私优先与深度定制。目前已在 Google Cloud Marketplace 上线，后续将登陆 Azure AI 和 AWS Marketplace。
OpenAI NewsAI 评分1919 Lowe’s 与 OpenAI 合作推出 Mylow 和 Mylow Companion
Lowe’s 与 OpenAI 合作构建 AI 工具 Mylow 和 Mylow Companion，为顾客及门店员工提供专家级支持。这些工具旨在简化复杂家装项目的规划、导航与完成流程。
Hugging Face Blog精选AI 评分7373 Hugging Face 发布仅 50 行代码的 Tiny Agents 实现指南
Hugging Face 博客发布了名为 Tiny Agents 的实现指南，展示如何用约 50 行 TypeScript 代码构建一个基于 MCP（Model Context Protocol）的智能体。
推荐理由：原文展示了基于 MCP 协议构建极简 Agent 的完整代码逻辑，为开发者提供了理解智能体核心机制的可复用实现方案。
OpenAI NewsAI 评分1818 BrowseComp：面向浏览智能体的基准测试
OpenAI 推出 BrowseComp，这是一个专门评估浏览智能体能力的基准测试。该工具旨在衡量 AI 代理在网页浏览任务中的表现，为相关模型提供标准化的评测依据。
OpenAI NewsAI 评分3838 PaperBench：评估 AI 智能体复现前沿 AI 研究的能力
OpenAI 推出 PaperBench，这是一个专门用于评估 AI 智能体复现前沿人工智能研究能力的基准测试。该基准旨在量化模型在重现最新科研成果方面的表现，为衡量 AI 系统的科研辅助能力提供标准化指标。
OpenAI NewsAI 评分1212 OpenAI 探讨从意图驱动机器人向主动式 AI 智能体的演进
OpenAI 发布文章探讨从意图驱动机器人向主动式 AI 智能体的技术演进。该转变旨在提升 AI 系统的自主性与交互能力，标志着智能体架构的重要发展方向。
OpenAI NewsAI 评分2121 Hebbia 利用 OpenAI 智能体自动化 90% 金融与法律工作
Hebbia 的 deep research 功能借助 OpenAI 技术，实现了 90% 金融和法律工作的自动化。该方案通过智能体处理复杂任务，显著提升了相关领域的效率。
OpenAI NewsAI 评分1313 ChatGPT for Business 2025年3月新功能发布
OpenAI 在 ChatGPT for Business 中推出2025年3月最新功能。此次更新使产品更具交互性，支持根据团队工作方式定制，并具备智能体（agentic）能力。
Mistral AIAI 评分2828 Mistral AI 展示基于 Mistral Large 2 的 TranscriptToPRDTicket 智能体工作流
Mistral AI 推出 TranscriptToPRDTicket 智能体工作流，利用 Mistral Large 2 自动将会议记录转化为 PRD 和开发工单。该方案包含 PRDAgent 与 TicketCreationAgent，支持在 Linear 或 Jira 中自动生成结构化任务。完整实现代码已在 Google Colab notebook 提供。
Hugging Face BlogAI 评分4343 使用 Arize Phoenix 追踪与评估 Agent
Arize Phoenix 提供集中平台，支持对 Agent 进行实时追踪、评估与调试。结合 smolagents 和 OpenTelemetry，可自动捕获工具调用等执行步骤。利用 GPT-4o 作为 LLM-as-a-judge，能量化评估搜索结果的响应相关性。
OpenAI NewsAI 评分1212 Endex 基于 o1 和 o3-mini 构建自主金融分析师
Endex 利用 OpenAI 的推理模型 o1 和 o3-mini 构建自主金融分析师。该项目旨在通过 AI 技术推动金融分析的未来发展。
Mistral AI精选AI 评分7373 Mistral AI 发布全新 le Chat 助手并推出 Pro/Team/Enterprise 服务层级
Mistral AI 正式发布全新 le Chat AI 助手，支持 iOS 和 Android 平台，并引入 Pro、Team 及企业级私有预览服务。该助手具备高达 ~1000 words / sec 的 Flash Answers 快速响应能力、基于 Black Forest Labs Flux Ultra 的图像生成以及 Code interpreter 代码执行功能。
推荐理由：原文详细列出了 Flash Answers、Code interpreter 及 Enterprise 私有预览等具体功能变化，读者可据此评估其作为通用助手与生产力工具的实际能力边界。
Hugging Face Blog精选AI 评分8080 Hugging Face 开源 DeepResearch 复现框架
Hugging Face 发布开源项目 Open Deep Research，旨在复现 OpenAI Deep Research 的功能并公开其智能体框架。该项目利用 smolagents 库构建代码代理（CodeAgent），在 GAIA 验证集上达到 55.15% 的成绩，优于此前开源框架约 46% 的水平。
推荐理由：Hugging Face 开源了基于 smolagents 的 DeepResearch 复现框架，展示了代码代理在 GAIA 基准测试中相比传统 JSON 动作生成的显著性能提升。
Hugging Face BlogAI 评分5555 Adyen与Hugging Face联合发布DABstep多步推理数据智能体基准
Adyen和Hugging Face共同推出了DABstep（Data Agent Benchmark for Multi-step Reasoning），这是一个包含450多个真实世界数据分析任务的基准测试，旨在评估LLM和AI智能体的能力。
OpenAI News精选AI 评分8282 OpenAI 发布 Deep Research 智能体
OpenAI 推出名为 Deep Research 的新智能体，能够利用在线资源进行多步骤研究并生成详细报告。该工具旨在通过结合网络搜索与模型推理能力来辅助复杂的研究任务，目前向 Plus 和 Pro 用户开放。
推荐理由：官方介绍了具备多步推理能力的研究智能体，展示了其整合在线信息生成报告的工作流。
OpenAI NewsAI 评分1515 OpenAI deep research 助力 Bain & Company 理解复杂行业趋势
OpenAI deep research 帮助 Bain & Company 理解复杂的行业趋势。该工具通过深度研究能力，协助企业分析并洞察多维度的市场动态与数据关联。