让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
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。
Import AI 创始人 Jack Clark 撰文指出，根据 SWE-Bench、METR 等公开基准数据及前沿实验室动向，有超过 60% 的概率在 2028 年底前出现能自主构建后继模型的无人类参与 AI 研发。
推荐理由：作者基于公开基准数据与行业动向，梳理了自动化 AI 研发的技术拼图，并给出了具体的时间概率预测。
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。
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。
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。
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 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 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。
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。
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。
OpenAI 发布了新的产品更新，重点增强了 Agent（智能体）相关能力。该更新旨在提升模型在自主任务执行和工具调用方面的表现。
推荐理由：官方发布的新功能聚焦智能体能力增强，读者可据此评估其对现有自动化工作流的潜在影响。
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。
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 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 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 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。
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。
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 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。
IBM Research与UC Berkeley合作发布研究，引入多智能体系统失败分类法（MAST）分析IT-Bench基准测试中的执行轨迹，旨在解决传统基准仅报告成功率而无法解释失败原因的“黑盒”问题。
推荐理由：IBM与UC Berkeley联合提出MAST框架，通过细粒度失败模式分类揭示企业级智能体在IT自动化任务中的具体故障原因及修复策略。