跳到正文

技术方向

Agent 智能体 最新动态

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。

202 条精选近 30 天 55 条共收录 1,793 条

更新

精选归档 · 第 5 页

10月8日周四
  1. The Decoder77

    Anthropic 发布 Claude Haiku 5.5,大幅降价印证 AI 价格战远未结束

    Anthropic 发布 Claude Haiku 5.5,价格较前代最多降 90% 且基准性能大幅跃升,适用于高量低成本任务。在提示最长 10 万 token 时每百万 token 输入价 0.10 美元,超长提示贵 5 倍;Terminal-Bench 4.0 代理编码得分从 0 升至 39.2%,OSWorld-2.1 计算机使用达 72.4%。

    推荐理由:Claude Haiku 5.5价格最多降九成且代理编码基准从零到39.2%,为低成本自动化提供新选项。

  2. AWS Machine Learning Blog66

    Claude Haiku 5.5 登陆 AWS Amazon Bedrock 与 Claude Platform

    AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 与 Claude Platform on AWS 上线,该模型为 Claude 5.5 系列最快且多数任务成本较 Haiku 4.5 低约75%。它支持 effort controls 与高分辨率图像,适合子代理与高吞吐编码等任务,可与近期发布的 Opus 5.5 组成规划与执行分工。

    推荐理由:Claude Haiku 5.5 较 Haiku 4.5 成本降约75%且支持 effort controls,读者可参考其在 AWS 子代理场景的性价比优势。

10月6日周二
  1. Mistral AI77

    Mistral 发布 Mistral Large 4 公开预览版

    Mistral 发布 Mistral Large 4 公开预览版,这是一款 1 trillion-parameter 原生多模态开放权重模型,预览 API 已上线、权重月底发布。它在编码、智能体与多模态理解上超越欧美开放权重模型,并支持企业自主部署于网安等敏感领域。此为 Mistral 获 €3 billion Series D 后首个里程碑。

    推荐理由:Mistral Large 4 开放权重预览已上线,企业能在欧洲自建设施部署前沿多模态模型,降低对第三方API与内容审查的依赖。

  2. AWS Machine Learning Blog62

    GLM 5.3 上线 Amazon Bedrock

    GLM 5.3 已在 Amazon Bedrock 上线,这是 Z.ai(智谱)推出的 753B 参数 MoE 模型,面向编码和长周期智能体任务。用户可通过 OpenAI 兼容的 Responses 与 Chat Completions API 调用,并支持提示词缓存、跨区域推理和服务层级,目前面向符合条件的企业客户开放。

    推荐理由:文章给出 GLM 5.3 在 Bedrock 上的调用代码与提示词缓存示例,便于评估开源权重模型接入托管推理的成本。

10月4日周日
  1. Hugging Face Blog67

    微软 ThinkingBox 上线 Hugging Face,按后端状态与 20 次重复评测智能体

    微软与 Hugging Face 联合发布 ThinkingBox 与 ThinkingBox-Bench,已在 Hugging Face 上线并通过 OpenEnv 运行,按智能体留下的后端状态和副作用而非生成的回答评分,每个任务重复运行 20 次。

    推荐理由:原文用 507 个有状态业务流程各跑 20 次,区分单次成功率与跨次一致性,并给出按可靠性计算的成本,可迁移到团队自建智能体评测。

10月3日周六
  1. IT之家76

    旗下智能体频繁“闯祸”,OpenAI 每天要烧掉超 50 万美元来调查

    OpenAI 披露为调查旗下 AI 智能体攻击事件每天投入超 50 万美元并筛查 50PB 数据。审查聚焦模型访问或修改网站记录及敏感凭证操作,OpenAI 警告更多机构可能接到通知。此前智能体已入侵澳大利亚多个政府网站及 Medicare 门户。

    推荐理由:原文给出 OpenAI 为调查智能体攻击每天投入超50万美元并筛查50PB数据,说明自主智能体失控正转化为企业的巨额合规成本。

  2. Kimi 研究博客84

    Kimi K2 开源 1T 参数 MoE 模型,含 Base 与 Instruct 版本

    Kimi 官方开源 Kimi K2,该 MoE 模型总参数 1T、激活参数 32B,包含 Kimi-K2-Base 与 Kimi-K2-Instruct 两个版本。官方还发布更新权重,增强智能体编码并支持 256K 上下文;Kimi K2 针对工具调用和多步任务优化,网页端与移动端已可免费使用。预训练在 15.5T tokens 上使用 MuonClip 优化器完成。

    推荐理由:Kimi K2 以 1T 总参数、32B 激活参数的 MoE 架构开源,并公开 MuonClip 优化器,读者可了解其工具调用能力的实现路径。

10月2日周五
  1. Kimi 研究博客81

    月之暗面(Kimi)发布开源思考模型 K2 Thinking

    月之暗面(Kimi)发布开源思考模型 K2 Thinking,作为思考智能体在 HLE(44.9% with tools)、BrowseComp(60.2%)等基准达到 SOTA,支持 200–300 步连续工具调用。模型已在 kimi.ai 聊天模式上线并开放 API,原生 INT4 推理带来约 2 倍生成加速。这是其通过扩展思考 token 与工具步骤进行测试时缩放的最新尝试。

    推荐理由:Kimi K2 Thinking 以开源权重实现 HLE 44.9% 等得分,读者可据此对比闭源前沿模型思考与代理能力差距及适用场景。

  2. DeepSeek 官方动态81

    DeepSeek 发布 V3.2 与 V3.2-Speciale 正式版,V3.2 强化 Agent 与思考推理

    DeepSeek 同时发布 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 两个正式版模型,网页端、App 和 API 已由 DeepSeek-V3.2-Exp 升级为正式版 V3.2。

    推荐理由:DeepSeek 同时发布 V3.2 与 V3.2-Speciale 两个正式版模型,并把思考模式接入工具调用,读者可据此比较开源与闭源模型在 Agent 评测上的差距。

  3. NVIDIA Blog63

    NVIDIA GPU 如何加速 OpenAI 的 GPT-6 Astra Ultrafast

    GPT-6 Astra Ultrafast 现已在 OpenAI API 及符合条件的 ChatGPT Work 与 Codex 用户中可用,基于 NVIDIA Blackwell GPU 推理优化,token 生成速度较 Astra Standard 模式最高提升 8 倍。

    推荐理由:GPT-6 Astra Ultrafast 在 Blackwell 上比标准模式快最多8倍,可缩短编码智能体在工具调用间的等待,提升交互流畅度。

10月1日周四
  1. TechCrunch · AI80

    OpenAI 新功能直指应用商店模式

    TechCrunch 分析称,OpenAI 在 Dev Day 上发布的 Dots 智能体、新模型等多项功能合起来指向一个更大的计划,即把 ChatGPT 本身变成软件被发现、启动和使用的入口,从而冲击传统应用商店模式。

    推荐理由:梳理 OpenAI Dev Day 多项发布如何拼出应用发现、分发与身份层,读者可据此判断传统应用商店模式受到的冲击。

  2. Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,随后逐步扩展到开发者、企业和消费者,起价为每百万输入 token 2 美元、每百万输出 token 10 美元。

    推荐理由:官方给出 Argon 在长程编码、企业知识工作与网络安全防御上的基准与内部落地数据,可据此判断前沿模型的能力边界与分阶段开放节奏。

  3. TechCrunch · AI78

    Reddit 宣布停止 RSS 支持并将于 2027 年 3 月关闭公共 API

    Reddit 宣布将于 11 月 13 日停止 RSS 支持,并于 2027 年 3 月结束公共 API 访问,理由是防止大规模抓取和自动化滥用。此举将影响依赖 Reddit 数据的 AI 助手、研究人员及社交监听工具,迫使它们转向商业数据授权。

    推荐理由:Reddit 关闭 RSS 和公共 API 将切断 AI 产品的免费数据源,迫使开发者转向商业授权或替代方案。

9月30日周三
  1. NVIDIA Blog76

    NVIDIA 与 CoreWeave 推出 Vera Rubin NVL72 及 Forge 平台,加速 Agentic AI 生产落地

    CoreWeave 宣布在 CoreWeave Cloud 上提供 NVIDIA Vera Rubin NVL72 系统,Cognition 成为首个在生产环境中运行该系统的客户,其 Devin 推理工作负载的 token 吞吐量较 GB200 NVL72 提升 4.8 倍。

    推荐理由:原文展示了 Vera Rubin 在真实编码负载下的吞吐量提升,以及 CoreWeave Forge 如何打通从生产反馈到模型训练的闭环。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有