跳到正文
Agent 智能体

技术方向

Agent 智能体 最新动态

能自己拆解任务、调用工具、一步步把事办完的 AI 智能体:Claude Code、Manus 等应用,各家 Agent 框架与评测。

28 条精选近 30 天 23 条共收录 257 条

更新

Agent 智能体的精选

今天11月16日周一第 1–20 条
  1. 模型发布·Qwen (@Alibaba_Qwen)官方

    Qwen4-Max 上线 OpenRouter

    Qwen 宣布 Qwen4-Max 已在 OpenRouter 上线,可直接用于构建。据 OpenRouter 介绍,Qwen4-Max 是 Qwen4 系列的首个模型,面向编码、办公工作和长程智能体。

11月14日周六
  1. 产品与应用·AWS Machine Learning Blog官方

    AWS 发布下一代 AgentCore runtime,会话启动快至 15 倍

    AWS 发布下一代 Amazon Bedrock AgentCore runtime 更新,每个会话仍运行在独立的 Firecracker MicroVM 中,会话启动快至 15 倍、算力扩至 4 倍、运行效率提升 68%。会话规格提升到最高 8 vCPU 和 32 GB,支持 10 GB 容器镜像,启动时间低于 2 秒且不受镜像大小和并发影响。计费改为按实际用量,空闲会话可缩容至零,多轮会话每会话内存消耗最多减少 68%,并支持通过 FUSE 将工作数据挂载到 Amazon S3 等文件系统。

  2. 智能体·Google Research Blog官方

    Google 在 Antigravity 开放 /teamwork 多智能体工具

    Google 在 Antigravity 中向外部研究者与开发者开放 /teamwork 多智能体工具,可与 Gemini 4 Argon、Carbon、Hydrogen 及 /boost、Deep Review 配合使用。官方称该工具已在信息论、形式化验证、分子结构解析和内核优化上产出成果,例如 /teamwork-LEAP 自主生成约 180 万行 Lean 的 Weil 猜想形式化。Google 同时开放 1 万名学术研究者六个月的免费高用量档申请,并称后续会把形式化证明模式等更多工作流带入 Antigravity。

  3. 产品与应用·GitHub (@github)官方

    Gemini 4 Hydrogen 在 GitHub Copilot 正式可用

    GitHub 宣布 Google 的 Gemini 4 Hydrogen 已在 GitHub Copilot 中正式可用。该模型面向快速高效的智能体编码、工具调用和多步工作流,指令遵循较 Gemini 3.8 Flash 有所改进。用户可在 GitHub Copilot 应用、CLI 和 @code 中找到它。

11月13日周五
  1. 产品与应用·DeepSeek (@deepseek_ai)官方

    DeepSeek 通过 API 开放 App 的搜索、文件与语音能力

    DeepSeek 将 DeepSeek App 背后的搜索、文件、链接、安全与语音能力通过 DeepSeek API 开放。开发者可用少量参数启用内置功能,或调用 OCR、ASR、TTS 等独立 API,在自己的应用中构建对话或复刻完整 App 体验。官方同时放出支持导入 DeepSeek 对话历史的开源前端 demo,代码托管在 GitHub。

  2. 产品与应用·爱范儿

    World Labs 开放世界模型 Atlas 并上线网页应用与 API

    World Labs 正式开放世界模型 Atlas,同步上线网页应用和开发者 API,新用户注册送 10000 积分。平台包含 Viewfinder、Chisel、Relight、Splat to mesh 四款工具,覆盖从图片或提示词生成场景、智能体搭白模、重新打光到转 GLB 网格的链路。作者实测用一句提示词生成重庆山城场景,Chisel 内置智能体执行 6 步计划、耗时约 30 分钟,最终场景含 38 级石阶和 8 个零遮挡机位。

  3. 公司与融资·Latent Space

    黄仁勋辞去NVIDIA CEO职务,CFO Kress出任临时CEO

    NVIDIA宣布黄仁勋辞去CEO、总裁和董事职务,结束其33年任期,CFO Colette Kress保留原职并兼任临时CEO。SEC文件显示董事会于11月11日接受辞呈,公司11月12日对外公布,Harvey Jones成为董事会首任主席,董事会已启动继任者搜寻。此前独立董事于11月10日聘请Joon H. Kim与Wachtell, Lipton, Rosen & Katz就相关指控展开调查。

  4. 模型发布·量子位

    无界前沿开源生信大模型Fx-Bio-1031,开放完整权重

    无界前沿开源生物信息大模型Fx-Bio-1031并开放完整模型权重,面向专业生信分析任务。在Anthropic的BioMysteryBench困难子集上,其Pass@5为70.59%,高于同框架下GPT-6-Astra的47.06%和Claude Opus-5的52.94%;BiomniBench的Pass@3为89.50%。模型基于Qwen3.8-Flash-Next做RSI后训练,采用总参数125B、每token激活6B的MoE架构,原生支持512K上下文,权重以Qwen Community License 1.0协议发布。

  5. 模型发布·Google DeepMind Blog官方

    Google DeepMind 发布 Gemini 4 Hydrogen 模型

    Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流,并同步开放给 AI Studio、Gemini API、Gemini app、Google Search 及付费 Pro/Ultra 订阅用户。该模型在 Artificial Analysis 智能指数默认高档得 51 分,高于 Argon 的 50 分,xhigh 档达 54 分;100 万 token 上下文窗口统一按每百万输入 token $1.50、输出 $7.50 计价。相比 Gemini 3.8 Flash,其默认高档完成任务快 2.5 倍,Terminal-Bench 4.1 得分从 18.2% 升至 57%。

11月12日周四
  1. 产品与应用·Google AI (The Keyword)官方

    Google 发布 Gemini Decisions API 与 Gemini Decision 1 模型

    Google DeepMind 推出 Gemini Decisions API,由新模型 Gemini Decision 1(gemini-decision-1)驱动,已在 Google AI Studio 的 Gemini API 中开放。该接口对文本、图像、音频、视频和 PDF 的同一份多模态输入(上限 256K tokens)一次评估最多 1000 个是/否、多选和评分问题,单次前向打分返回概率与 0 到 1 的置信度,端到端延迟 150-250 ms。定价为每 1M 输入 tokens $0.10、输出 tokens 不计费,并提供 AI Studio 免费额度用于原型开发。

11月11日周三
  1. 模型发布·Qwen (@Alibaba_Qwen)官方

    Qwen 宣布 Qwen4 即将推出,Qwen4-Max 已在 Token Plan 开启预览

    Qwen 宣布 Qwen4 即将推出,主打更深的知识、更强的世界理解以及编码与智能体能力,面向复杂编码、知识工作、前端构建和专业软件工作流等真实任务。Qwen4-Max 已在阿里 Token Plan 开启预览,并可在 QwenWork、Qoder、Qwen APP 和 QwenStudio 提前体验。

  2. 论文与研究·Microsoft Research官方

    微软研究披露Lazarus后门技术,可重编程休眠神经元控制AI智能体

    微软研究人员披露后门技术Lazarus,通过重编程LLM中不到10个休眠神经元即可给基于该模型的智能体植入后门,且无需训练。被植入后门的模型能通过标准评测并正常表现,直到触发条件出现,例如时钟跨入2027年,智能体便会在普通任务中发出下载并运行攻击者代码的命令,并以用户授予的权限执行。作者指出检测需与原始未修改权重做diff,权重来源与完整性因此关键;微软Foundry已通过来源校验、绑定可信发布方和容器扫描防范来自可信实验室的模型,并计划将权重扫描、红队工具和模型签名用于开放权重模型接入。

  3. 模型发布·Simon Willison

    Google 向所有用户开放 Gemini 4 Carbon

    Gemini 4 Carbon 此前两周仅面向部分网络安全人员开放,现已向所有用户开放。该模型定价为输入$2/百万、输出$10/百万,与GPT-6.1 Sol、Claude Sonnet 5.5同档,并计划在12月1日翻倍至$4/$20。作者用低中高三档思考强度各生成一张鹈鹕图,默认中档,并在Google Antigravity IDE中让它生成Three.js动画。

  4. 产品与应用·GitHub (@github)官方

    GitHub Copilot 上线 Gemini 4 Carbon

    GitHub 宣布 Google 的 Gemini 4 Carbon 已在 GitHub Copilot 中正式可用,该模型面向复杂编码、智能体和推理任务,并特别侧重安全工作。用户可在 GitHub Copilot 应用、CLI 和 @code 中试用。

  5. 开源·NVIDIA Blog官方

    NVIDIA 将 OpenShell 贡献给 CNCF 并发布 DSX AI Factory 新组件

    NVIDIA 在 KubeCon + CloudNativeCon 上宣布把用于保障和治理自主智能体的开源运行时 NVIDIA OpenShell 贡献给 CNCF,作为 Sandbox 项目由社区治理。NVIDIA 同时参与 Google 主导的 Agent Substrate 项目,并发布 DSX AI Factory Platform 的三个新组件 NVIDIA Kubernetes Engine、NVIDIA Kubernetes Recipes 和 NVIDIA Snapshot,其中前两者已进入公开预览。NVIDIA 称 OpenShell 上线不到一年已有数百家组织使用、收到数万次贡献;Snapshot 在 Crusoe 上用 NVIDIA HGX B300 测试 GLM-5.3,工作负载就绪时间从约 8 分钟缩短到 31 秒。

11月10日周二
  1. 论文与研究·Google DeepMind Blog官方

    DeepMind 用 AlphaProof Code 形式化验证 Signal 协议代码

    Google DeepMind 研究人员用 AlphaProof Code 智能体框架对 Signal 协议实际代码做形式化验证,证明其关键安全属性。该框架由多个 LLM 智能体分工,先由人类专家与模型共同把安全目标转成形式化规范,再由 Gemini Carbon 驱动的智能体生成超 600 万行 Lean 证明,人工只需复核约 1% 代码。整个验证过程耗时四周,而这类任务历史上需专家团队数年;团队还向隔离版本重新植入两个已修复的真实漏洞,系统均给出机器可检验的不安全证明。DeepMind 表示这是 AI 首次以这种深度形式化验证广泛部署的加密协议,并将开源相关验证产物。

  2. 模型发布·Simon Willison

    Meta AI 发布小模型 Muse Ember,主打智能体重复任务

    Meta AI 发布 Muse Ember,称其为自家最小、最高效的模型,面向复杂推理执行和智能体重复工作,包括工具调用、编码子任务、路由、抽取和长文档解析。短提示词下它与 GPT-6 Luna、Claude Haiku 5.5 同价,均为每百万输入 token $0.10、输出 $0.50;超过 200k 输入 token 后涨至 $0.30/$1.50,介于另外两家之间。Simon Willison 用六档推理级别各生成一张骑自行车鹈鹕 SVG,发现 high 档未返回完整 SVG,且推理级别与画面质量没有清晰对应。

  3. 模型发布·Latent Space

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,重夺模型榜首

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,称两者在多数评测能力上超过 Opus 5.5,并重夺世界第一模型位置。Fable 5.2 定价为每百万输入 token $8、输出 token $40,比 Fable 5.1 的 $10/$50 低 20%,但 SemiAnalysis 的 GDPx 基准上单任务成本从 $67.16 升至 $88.15,因其会生成数百到数千个测试用例并调用子智能体自查。Artificial Analysis 智能指数 v5 中 Fable 5.2 以 65 分居首,Gemini 4 Carbon 60 分、Opus 5.5 59 分;多个评测显示 max 档表现反而不如 high 档。

  4. 产品与应用·One Useful Thing

    Ethan Mollick 实测 Claude Fable 5.2 称其接近 Jagged AGI

    Ethan Mollick 提前试用 Claude Fable 5.2 后认为,按他给出的定义,即 AI 在多数可用电脑完成的知识任务上达到多数人类专家水平,这已接近 AGI,但仍属他所说的 Jagged AGI。他用硬件破解、创业方案、复现 Auden 课程、原创学术论文和 3D 世界生成等项目测试,多数任务达到专家水准,例如一篇 182 页论文和 450 多个由代码实时绘制的世界。他指出主要短板是模型不会自己发现作品冗长、重复或乏味,评审 agent 只查错不查质量,因此他仍不放心让模型独立经营业务。