OpenAI 如何安全运行 Codex
OpenAI 通过沙箱、审批机制、网络策略及智能体原生遥测技术，实现 Codex 的安全运行。这些措施旨在支持编码智能体的安全合规采用，确保开发过程中的数据隔离与权限控制。
#Agent
#Agent
今日 13 条OpenAI NewsAI 评分2828
Google DeepMind精选AI 评分7878 Google DeepMind发布AlphaEvolve应用成果：Gemini编码智能体在多领域实现规模化影响
Google DeepMind发布AlphaEvolve一周年进展报告，展示该Gemini驱动的编码智能体在科学发现与基础设施优化上的广泛影响。在科研领域，AlphaEvolve帮助DeepConsensus模型将变异检测错误率降低30%，使电网优化可行解比例从14%提升至88%，并在Willow量子处理器上实现了误差比传统基线低10倍的电路设计。
推荐理由：官方汇总了AlphaEvolve在基因组学、量子计算及商业基础设施中的具体优化数据，展示了其从科研工具向通用算法引擎的演进。
OpenAI NewsAI 评分1818 OpenAI 发布 B2B Signals 研究：前沿企业如何通过 Codex 智能体工作流拉开差距
OpenAI 的 B2B Signals 研究显示，前沿企业正通过深化 AI 采用、扩展由 Codex 驱动的智能体工作流来建立持久的竞争优势。该报告揭示了这些企业如何利用技术优势在市场中进一步拉开与竞争对手的距离。
OpenAI NewsAI 评分1616 Singular Bank 利用 ChatGPT 和 Codex 构建内部助手 Singularity
Singular Bank 基于 ChatGPT 和 Codex 构建了内部助手 Singularity，帮助银行家每天在会议准备、投资组合分析和后续跟进上节省 60–90 分钟。
OpenAI NewsAI 评分2222 OpenAI 与 PwC 合作重塑 CFO 办公室
OpenAI 与 PwC 达成合作，旨在帮助企业利用 AI 智能体自动化财务工作流、改进预测并加强控制。该合作致力于推动 CFO 职能的现代化转型。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 AI co-clinician 研究：探索多模态医疗智能体与医生协作模式
Google DeepMind 宣布启动 AI co-clinician 研究计划，旨在通过“三元护理”模式让 AI 在医生监督下协助患者。该系统在 98 个初级保健查询中实现 97 例无关键错误，并在开放式药物问答基准上超越现有前沿模型。
推荐理由：原文披露了AI co-clinician在真实临床查询中的零关键错误率及多模态实时交互能力，展示了其作为辅助工具而非替代者的具体边界。
Hugging Face Blog精选AI 评分7878 NVIDIA 发布 Nemotron 3 Nano Omni 全模态模型
NVIDIA 发布 Nemotron 3 Nano Omni，这是一款支持文本、图像、视频和音频的全模态理解模型。该模型采用 Mamba-Transformer MoE 混合骨干网络，在 OCRBenchV2 和 WorldSense 等基准测试中表现优异，并针对长文档分析和智能体计算机使用进行了优化。BF16、FP8 和 NVFP4 检查点已在 Hugging Face 开放下载。
推荐理由：原文给出了混合架构细节与多基准实测数据，读者可以据此评估其在长文档和音视频联合理解任务中的实际能力边界。
OpenAI NewsAI 评分4040 OpenAI 模型、Codex 和 Managed Agents 登陆 AWS
OpenAI GPT 模型、Codex 和 Managed Agents 现已在 AWS 上线。这一集成使企业能够在其 AWS 环境中构建安全的 AI 应用。
Mistral AI精选AI 评分6868 Mistral AI 发布 Workflows 公共预览版：面向企业的 AI 编排层
Mistral AI 推出 Workflows 公共预览版，作为 Studio 的一部分提供企业级 AI 编排能力。该工具基于 Temporal 引擎构建，支持 Python SDK 开发，具备持久执行、全链路可观测性及单行代码实现的人工审批暂停功能。
推荐理由：原文展示了企业级AI编排层如何解决生产环境中的持久性、可观测性和人工审批痛点，为开发者提供了从原型到落地的具体路径。
OpenAI NewsAI 评分1111 Choco 利用 OpenAI API 自动化食品分销
Choco 使用 OpenAI APIs 实现食品分销自动化。该方案旨在简化流程、提升生产力并释放增长潜力，展示了 AI 在真实业务场景中的应用效果。
OpenAI NewsAI 评分4848 OpenAI 发布 Symphony：Codex 编排开源规范
OpenAI 推出 Symphony，这是一份用于 Codex 编排的开源规范。该规范将 issue tracker 转化为始终在线的智能体系统，旨在提升工程产出并减少上下文切换。
Hugging Face Blog精选AI 评分9595 DeepSeek-V4 发布：支持百万 token 上下文且专为智能体优化的开源模型
DeepSeek 发布 V4 系列模型，包含 DeepSeek-V4-Pro（1.6T 总参数/49B 激活）和 DeepSeek-V4-Flash（284B 总参数/13B 激活），均支持 1M-token 上下文窗口。
推荐理由：原文详细拆解了 DeepSeek-V4 通过混合注意力机制大幅降低长上下文推理成本的技术细节，并展示了其在智能体任务中的具体性能表现。
Hugging Face Blog精选AI 评分6868 Hugging Face 详解 Transformers.js 在 Chrome 扩展中的架构与实践
Hugging Face 发布指南，详解如何在 Manifest V3 约束下使用 Transformers.js 构建 Chrome 扩展。文章以 Gemma 4 E2B 为例，展示了后台服务工作者托管模型、侧边栏处理交互及内容脚本提取页面的核心架构。该方案通过明确的消息契约和状态分离策略，解决了多运行时下的模型复用与内存管理问题。
推荐理由：原文拆解了Manifest V3下模型托管与消息通信的架构细节，为开发者在浏览器扩展中落地本地AI提供了可复用的工程参考。
OpenAI NewsAI 评分3838 OpenAI Responses API 通过 WebSockets 加速智能体工作流
OpenAI 在 Responses API 中引入 WebSockets 和连接级缓存，显著降低 API 开销并优化模型延迟。该方案深入解析 Codex 智能体循环机制，旨在提升智能体工作流的执行效率与响应速度。
OpenAI News精选AI 评分6060 OpenAI 在 ChatGPT 中推出工作区智能体
OpenAI 在 ChatGPT 中推出了由 Codex 驱动的工作区智能体（Workspace agents）。这些智能体可在云端运行，旨在安全地自动化复杂工作流并帮助团队跨工具扩展工作。
推荐理由：官方介绍了基于 Codex 的工作区智能体，展示了其在云端自动化复杂工作流及跨工具协作的能力。
OpenAI NewsAI 评分2828 ChatGPT Workspace Agents 构建与使用指南
ChatGPT 推出 Workspace Agents，支持用户构建并用于自动化可重复的工作流。该功能允许连接各类工具，从而简化团队运营流程。
Google ResearchAI 评分4444 Google Research 提出 ReasoningBank：让 AI Agent 从成功与失败经验中自我进化
Google Research 在 ICLR 论文中推出 ReasoningBank，一种能从成功和失败经历中提炼高层推理模式的 Agent 记忆框架。该框架结合 MaTTS 技术，在 Web 浏览和软件工程基准测试中显著提升了 Agent 的成功率并减少了任务步骤。
Google DeepMindAI 评分3333 Google DeepMind 联合五大咨询公司加速企业 AI 转型
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte 及 McKinsey 合作，旨在推动前沿 AI 在企业规模化落地。合作伙伴将获得 Gemini 系列模型的早期访问权限，并共同开发针对金融、制造等行业的专用智能体解决方案。此举意在缩小当前仅 25% 组织成功实现 AI 生产化应用的差距，助力全球经济增长。
Hugging Face BlogAI 评分4545 Hugging Face 解析 Mythos 与开源在 AI 网络安全中的结构性优势
Hugging Face 指出 Mythos 等前沿 LLM 结合自主系统可快速发现并修补软件漏洞，但完全自主存在失控风险。开源代码和工具通过分布式协作加速检测、验证与补丁传播，有效对抗闭源系统的单点故障及逆向工程威胁。半自主智能体配合开源生态能缩小攻防能力差距，是构建防御的关键路径。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布用于将 Transformers 模型移植至 MLX 的 Agent Skill 及测试框架
Hugging Face 推出了一套专用 Skill 和测试框架，旨在帮助贡献者利用代码代理将语言模型从 transformers 库高效移植到 mlx-lm。该工具不仅自动生成符合人类审查标准的 PR，还配套了独立的非智能体测试框架以验证数值一致性和生成效果，确保在提升移植速度的同时维持开源项目的代码质量与设计契约。
推荐理由：原文提供了将 transformers 模型移植到 mlx-lm 的专用 Skill 及非智能体测试框架，展示了在代码代理时代如何平衡自动化效率与开源代码质量。
Hugging Face BlogAI 评分3434 Hugging Face 推出 Ecom-RLVE：面向电商对话智能体的自适应可验证环境
Hugging Face 发布 Ecom-RLVE，将 RLVE 框架扩展至多轮工具增强型电商对话场景。该方案提供 8 个可验证环境及 12 轴难度课程，通过算法奖励训练 Qwen 3 8B 模型完成商品发现、购物车构建等任务。
Hugging Face Blog精选AI 评分6060 IBM Research 发布 VAKRA 基准：揭示 AI Agent 推理与工具使用的失败模式
IBM Research 推出 VAKRA，这是一个用于评估 AI Agent 在企业级环境中推理和行动能力的可执行基准测试。该基准包含超过 8000 个本地托管 API 和 62 个领域的真实数据库，要求模型完成 3-7 步的复杂推理链。分析显示，尽管现代模型能执行孤立工具调用，但在多跳推理、多源检索及遵守工具使用策略时表现不佳，暴露了从表面能力到端到端可靠性的差距。
推荐理由：IBM Research 在 Hugging Face 博客发布 VAKRA 基准测试，通过执行轨迹分析揭示了当前 AI Agent 在多步工作流中的具体失败模式。
Hugging Face Blog精选AI 评分7575 HCompany 发布 HoloTab：基于 Holo3 的 AI 浏览器伴侣
HCompany 推出 Chrome 扩展程序 HoloTab，将 Holo3 计算机使用模型直接集成到浏览器中。用户无需技术背景即可通过自然语言指令让 Agent 自动执行网页任务。该工具支持“Routines”功能，允许用户录制操作过程并生成可重复运行或定时执行的自动化流程。HoloTab 目前免费开放下载。
推荐理由：原文介绍了基于 Holo3 模型的浏览器插件及其录制回放功能，展示了降低计算机使用 AI 门槛的具体路径。
OpenAI NewsAI 评分2828 Cloudflare Agent Cloud 集成 OpenAI GPT-5.4 与 Codex 支持企业智能体工作流
Cloudflare 将 OpenAI 的 GPT-5.4 和 Codex 引入 Agent Cloud，助力企业构建、部署并扩展用于真实任务的 AI 智能体。该集成旨在通过兼顾速度与安全性，赋能企业级智能体工作流的规模化落地。
Google ResearchAI 评分3030 Google Research 推出 ConvApparel 数据集以量化并弥合用户模拟器的真实性差距
Google Research 发布 ConvApparel 数据集，包含超 4,000 段多轮人机对话，旨在量化 LLM 用户模拟器的真实性差距。该研究通过双代理协议收集数据，并建立涵盖统计对齐、拟人度评分及反事实验证的评估框架，以提升模拟器在复杂交互中的可信度。
Google ResearchAI 评分4242 Google Research 推出 PaperVizAgent 与 ScholarPeer 两个学术 AI Agent
Google Research 发布 PaperVizAgent 和 ScholarPeer 两个智能体，分别用于生成学术图表和执行同行评审。PaperVizAgent 在综合评分中达到 60.2 分，超越 GPT-Image-1.5、Nano-Banana-Pro 及人类基准线 50.0；ScholarPeer 通过多智能体协作实现文献接地的高批判性评审，胜率优于现有自动化方案。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemma 4：号称每字节性能最强的开源模型家族
Google DeepMind 正式推出 Gemma 4 系列开源大模型，包含 E2B、E4B、26B MoE 和 31B Dense 四种规格，采用 Apache 2.0 许可证。
推荐理由：Google DeepMind 发布 Gemma 4 系列开源模型，提供从移动端到工作站的多种尺寸及 Apache 2.0 许可，展示了其在智能体工作流和边缘计算上的最新进展。
Mistral AI精选AI 评分6363 Mistral AI 发布 Spaces CLI：专为人类与智能体设计的命令行工具
Mistral AI 推出名为 Spaces 的 CLI 工具，旨在解决开发者工具在同时服务人类用户和编码智能体时的兼容性问题。该工具确立了“每个交互式输入都有对应的 flag”、“状态必须显式化”以及“插件作为可内省的数据模型”等设计原则，并自动生成 context.json 和 AGENTS.md 文件以提供结构化项目上下文。
推荐理由：Mistral AI 发布 Spaces CLI，通过为智能体设计显式接口和结构化上下文，展示了如何构建同时服务于人类开发者和 AI Agent 的工具。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布指南：将 OpenClaw 智能体迁移至开源模型
Hugging Face 发布教程指导用户将 OpenClaw、Pi 或 Open Code 智能体从受限的 Claude 模型迁移至开源模型。
推荐理由：针对 OpenClaw 等智能体平台受限场景，提供了切换至 Hugging Face 托管或本地开源模型的具体配置步骤与选型建议。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型
Google DeepMind 发布 Gemini 3.1 Flash Live，这是其最高质量的音频和语音模型，旨在提供更自然、低延迟的实时对话体验。
推荐理由：原文给出了新语音模型在复杂任务基准上的具体得分及多语言实时对话能力的扩展，读者可据此评估其在构建高可靠性语音智能体时的实际性能提升。
Google ResearchAI 评分4242 Google 发布 Vibe Coding XR：结合 Gemini 与 XR Blocks 实现快速 AI+XR 原型开发
Google Research 推出 Vibe Coding XR 工作流，利用 Gemini 和 XR Blocks 框架将自然语言直接转化为功能完整的 Android XR 应用。该系统通过长上下文推理与专用系统提示词处理空间逻辑，能在 60 秒内生成具备物理感知的原型，显著加速 XR 交互设计与教育体验的开发验证。
Mistral AI精选AI 评分7373 Mistral AI 发布 Voxtral TTS 文本转语音模型
Mistral AI 推出首个文本转语音模型 Voxtral TTS，参数量为 4B，支持英语、法语等 9 种语言的情感化语音生成。该模型具备极低延迟（70ms）和零样本跨语言声音适应能力，在人类评估中自然度优于 ElevenLabs Flash v2.5。
推荐理由：原文给出了多语言情感表达、低延迟指标及与竞品的对比评测，读者可据此评估其在企业级语音智能体工作流中的实际落地能力。
OpenAI NewsAI 评分4040 OpenAI 如何通过思维链监控内部编码智能体以检测对齐风险
OpenAI 利用思维链（chain-of-thought）监控技术，研究其内部编码智能体（coding agents）的对齐问题。通过分析真实部署场景，该机制旨在检测潜在风险并强化 AI 安全保护措施。
Google ResearchAI 评分5555 Google Research 阐述 AI 在医疗健康领域的创新与落地进展
Google Research 在 The Check Up 活动中概述了其 AI 技术在医疗健康领域的最新突破，涵盖个性化护理、临床协作、开发者生态、公共卫生及生物医学发现五大方向。
Mistral AIAI 评分5757 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。
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。