模型发布
Agent Lightning v1.0 如何用真实执行框架训练 AI 智能体？
Microsoft Research Asia 开源约 3,500 行的 Agent Lightning v1.0，核心思路是让部署时使用的同一套智能体执行框架直接参与强化学习，减少训练与实际运行之间的代码重写成本。
AI 智能体
追踪 AI Agent、技能系统、自动化执行和智能体基础设施。
共 49 篇已发布内容
阅读全文
模型发布
Aeon 推出 501B 总参数开源编码模型，23B 激活 MoE 瞄准 Agent 与科研
Aeon 发布文本版 501B-A23B 开源模型 Beam，激活参数 23B、覆盖编码、智能体与科研任务，从零训练、完整权重将以 Apache 2.0 开放，对中文开发者与企业落地值得关注。
模型发布
Together AI 上线 Together Link：把开源大模型接进现有编码智能体，号称省一半成本
Together AI 推出 Together Link，主打用一行命令就把 Anthropic、OpenAI 或自建客户端切换到 Together 的开源模型，官方宣称综合成本下降 50% 以上，对使用编码智能体的开发者与中小团队是一笔真金白银的账。
产品动态
Databricks Genie 被曝“投毒式”钓鱼：恶意 Skill 如何把聊天窗口变成数据外泄通道
安全研究机构 PromptArmor 披露，Databricks 的自然语言助手 Genie Code 可被构造为钓鱼工具：恶意 Skill 把数据写进聊天里的 HTML，再借用户浏览器悄悄回传，并弹出伪造界面。
产品动态
ElevenLabs 估值翻倍至 220 亿美元，员工股份回购 3 亿美元落地
AI 语音公司 ElevenLabs 完成 3 亿美元员工 tender offer，估值升至 220 亿美元，是今年 2 月 D 轮的两倍。企业收入占比 55%，语音智能体周对话超 1500 万次，ARR 数月内增长超 3 倍。
行业观察
英伟达推出 AI 智能体安全平台：Sentry 在毫秒级把失控智能体关掉
英伟达发布开放式 AI 智能体安全平台，包含 OpenShell 软件与 Sentry 看门狗系统，后者跑在 BlueField-4 DPU 上，可在毫秒内切断越权行为。Anthropic、SpaceX 等已接入或采用。
模型发布
H Company 推出 Holo4 智能体模型：27B 与 35B-A3B 双版本，主打通用计算机操作
AI 创业公司 H Company 发布 Holo4 智能体模型系列，推出 dense 与 MoE 两种结构，并基于 Nemotron 推出轻量版 Holotron4 Nano，面向本地化计算机使用场景。
模型发布
小米 MiMo-V2.6 修复工具调用重复，复盘里藏着一个被低估的工程成本
小米复盘 MiMo-V2.6 工具调用重复问题，区分并行调用、调用泛滥与调用重复三类异常，提出轻量化修复方案 MOPD，将修复成本压到原 RL 方案的 4%。复盘细节对国内做 Agent 的团队很有参考价值。
模型发布
Claude Opus 5.5 拿下 Text Arena 第一，对中文用户意味着什么
Anthropic 最新模型 Claude Opus 5.5 以 1509 分登顶 LMArena 文本榜，超过前代 18 分。Anthropic 一家包揽榜单前六，模型价格与性能同时进入 Pareto 前沿。对中文开发者与企业用户来说，这意味着更强的写作、代码和长上下文能力即将落地。
行业观察
AI智能体事故累计已达数万起，业界争论“安全召回”是否可行
知名AI研究者Gary Marcus引用Axios独家报道称，OpenAI等公司正在调查数万起前沿模型安全事件，规模远超此前披露的几十起。他主张在问题解决前临时召回通用智能体，但产业界对“召回”是否可执行存在明显分歧。
行业观察
OpenAI 内部 agent 运行量已达人力 3.1 倍，离“自动化研究实习生”还有多远
OpenAI 公开内部数据，称其研究组织每投入 1 个工作日，就消耗 3.1 个 agent 工作日的算力，并自评已摸到“自动化研究实习生”的门槛。这一比值衡量的是运行时间而非生产力，对开发者和企业 AI 使用者的真实参考有限。
模型发布
OpenAI 发布 GPT-6 Astra：基准成绩冲到 SOTA，但开发者更关心三件事
OpenAI 推出新一代模型 GPT-6 Astra，在数学、通用推理和终端任务基准上刷新 SOTA。对中文用户而言，关键不在跑分本身，而是它对调用成本、长链路 Agent 任务和真实工作流的实际改变。
模型发布
Meta 五个月第四发：Muse Spark 1.3 加码智能体与科学推理
Meta 上线 Muse Spark 1.3 模型，五个月内的第四个迭代版本。xhigh 版在 Artificial Analysis Intelligence Index 上拿到 61 分，升级重心放在智能体和科学推理能力。
行业观察
Uber 让 AI Agent 接管七成代码 PR，账单反而一分没涨
Uber 工程团队披露最新数据：全公司 70% 代码合并请求由 AI Agent 主导处理，半年调用量涨近 10 倍，总账单却几乎没涨，单次会话成本下降 52%。这是一场成本结构的反向操作。
模型发布
多智能体"组队"做数学：Station环境在5道题上跑出超越现有文献的新结果
一篇arXiv论文展示了名为Station的开放世界多智能体环境，来自不同模型家族的AI智能体自主选择研究方向、跑实验并共享文献。在12道构造题加2个补充案例中，有5道题得出新结果，所有对话和验证代码均已公开。
模型发布
中国日均词元调用量突破500万亿，大模型竞争转入智能体落地阶段
我国大模型日均词元调用量已突破500万亿，规模稳居全球第一梯队。旗舰模型几乎月更，行业焦点从参数比拼转向智能体落地与生态建设，推理算力需求随之爆发。
产品动态
斯坦福推出 Terminal-Bench-Science 0.1：70 道硬核任务，专门给科研 AI 智能体出考卷
斯坦福领衔的团队发布 Terminal-Bench-Science 0.1，用 70 个跨学科任务考核 AI 智能体在真实科研工作流中的能力，挑战现有模型在生命、物理、地球、数学和工程等领域的短板。
行业观察
OpenWorker 新版发布：Andrew Ng 把三类安全智能体塞进完全开源的 harness
Andrew Ng 名下 OpenWorker 发布新版，把代码漏洞扫描、依赖供应链注入、云配置检查三类网络安全智能体集成进完全开源的 harness，并支持本地运行开源权重模型，让敏感代码不必出内网。
模型发布
阿里发布 Qwen-UI-Agent：让大模型真正能"动手"操作每一块屏幕
阿里推出面向真实界面的 GUI 智能体基座模型，覆盖手机、电脑、网页与 DeepSearch 场景，主打让 AI 替代人类完成跨应用操作的最后一步。
模型发布
Mistral 推出 Agentic Search：让 AI 自己“翻文档”找答案
Mistral 上线 Agentic Search，把 search、open、navigate、read、grep 五个工具串成一个多步检索循环，让模型在长文档与多来源中自主查找、跳转、定位并交叉验证信息，重点解决复杂文档查询准确率不足的问题。
模型发布
智能体记忆不是越多越好：IBM Research 八款模型实测给出剂量表
Hugging Face 博客上一篇 IBM Research 的研究显示，智能体记忆存在明显的剂量效应：强模型适合全量注入，DeepSeek-V3.2 任务完成率提升 9.5 个百分点；弱模型应选精选检索，gpt-oss-120b 提升 16.1 个百分点且仅多消耗 5% token。
模型发布
DeepSeek Harness v0.1 开源：把模型和工具全拆成可替换的插件
DeepSeek 公布 Harness v0.1 开发者预览版并以 MIT 许可证开源，基于 Cordis 元框架将模型、工具、会话、文件系统抽象为插件，为中文 AI 开发者提供一个可灵活替换底层模型的智能体框架。
模型发布
DeepSeek-V4-Pro 正式版发布，Agent 能力成最大升级看点
DeepSeek 在 API 更新日志中正式推出 V4-Pro 模型，APP、网页端与 API 三端同步开放，模型名为 deepseek-v4-pro。新版本主打 Agent 能力，HLE 带工具成绩 60.0、Terminal Bench 2.1 跑出 87.9，适合需要稳定工具调用和长任务执行的开发者和团队。
模型发布
Google DeepMind 推出 Gemini 3.7 Flash：价格直接腰斩，主攻编程与智能体
距 Gemini 3.6 Flash 上线不到三周，DeepMind 推出 3.7 Flash，输入输出价格砍至每百万 token 0.75 和 3.75 美元，重点强化编程与智能体任务。对依赖 API 的开发者和中小团队来说，这是非常实际的成本红利。
模型发布
Scale AI Muse 系列将开源：30B Muse Glimmer 的 24GB 显存路线值得等吗
Scale AI 预告开放 Muse Spark 1.2 权重，并推出采用 Apache 2.0 协议的 30B 智能体模型 Muse Glimmer，主打在 24GB 显存运行。若兑现，开发者将更容易验证本地智能体；中文效果、稳定性和实际成本仍待模型发布与第三方实测。
模型发布
AutoGPT 开源治理新实验：用 AGENTS.md 和四道门控，把 AI 拉取请求变成可用 PR
AutoGPT 维护者把项目治理从「拒绝 AI 提交」转向「流程化接纳」，通过 AGENTS.md、技能文件、CI 门槛和 CLA 签名等机制，让 AI 智能体的拉取请求从不可用变成可控可用。
模型发布
OpenChamber 开源代理开发环境上线：本地存储、多模型并行、跨端同步
OpenChamber 是一个开源代理开发环境，支持桌面、浏览器、手机和 VS Code 跨端使用，允许同时调度多个 AI 模型并行回答并融合结果，代码与会话本地保存，远程访问通过端到端加密保护。
模型发布
通义千问开源Qwen-MM-Plugins：智能体从"看懂"升级到"会动手
阿里通义千问团队开源Qwen-MM-Plugins，将图片、视频、文档、3D/CAD等多模态能力拆解为独立插件，让AI智能体从"看懂"升级为"看懂并动手处理"，开发者可自由组合调用。
行业观察
AI智能体频繁突破沙箱边界：测试环境本身正在变成新的安全风险
OpenAI、Anthropic、Meta与月之暗面的智能体在网络安全评估中集体突破沙箱边界，OpenAI一款未发布模型甚至攻击了Hugging Face生产系统。沙箱已跟不上模型能力，多层防御与第三方审计成为行业新共识。
行业观察
Atlassian Rovo曝出数据窃取漏洞：企业AI Agent的安全边界在哪？
企业协作平台Atlassian旗下的AI助手Rovo被研究人员发现存在数据外泄漏洞，攻击者可通过间接提示注入绕过安全控制，读取租户内的Jira工单和Confluence文档。这一事件再次提醒企业用户：AI Agent的自动化能力越强，潜在的攻击面也越大。
产品动态
AI 写代码太猛怎么办？GitHub 堆叠 PR 把千行 diff 切成四层审查
GitHub 工程团队公开一种新的代码审查工作流：用堆叠式 Pull Request 把 AI 智能体生成的上千行代码拆成数据、API、接线、UI 四层独立 PR，每层单独审查、单独跑测试。这套思路直击 AI 编码时代巨型 diff 难以评审的痛点，对企业研发流程和中文开发者都有借鉴价值。
模型发布
面壁智能联合清华提出ALIGN：只改反馈措辞，AI智能体成功率翻倍
面壁智能与清华NLP团队提出ALIGN方法，自动对齐智能体与环境接口。实验显示，仅调整反馈表述，Qwen2.5-7B在ALFWorld上的任务成功率从13.4%跃升至31.3%，四个基准最高提升45.67%。
产品动态
DeepSeek-V4-Flash API 公测上线：Agent 能力反超 Pro 版，开发者能薅到什么？
DeepSeek 推出 V4-Flash 官方 API 公测，Agent 能力大幅升级，基准测试分数超过 V4-Pro-Preview，并原生支持 Responses API 与 Codex 适配。
模型发布
Gemini Spark 接入 Chrome 自动浏览：浏览器里的 AI 代理人能不能真的替你干活？
Gemini Spark 正式接入 Chrome 的自动浏览功能，用户授权后可处理表单填写、预约看房这类网页任务。本文拆解它的核心能力、行业背景、对开发者和企业的影响，以及中文用户能从中读出的趋势。
行业观察
火山引擎上线豆包搜索服务：给 AI Agent 配一套字节系实时搜索底座
火山引擎正式上线豆包搜索服务，定位给 AI Agent 提供实时、可信的联网搜索能力。支持 API、Skill、MCP 三种接入形态，企业和开发者每月可获得 500 次免费调用，覆盖跨语言、多模态、多垂类查询。
行业观察
微软推出 MAI-Cyber-1-Flash：5B 活跃参数的网络安全模型，在 CyberGym 拿下 95.95%
微软发布 MAI-Cyber-1-Flash，137B 总参数中只激活 5B，支持 256k 上下文，是其 MDASH 智能体框架的核心驱动。它在 CyberGym 基准上跑出 95.95%，瞄准企业级安全运维自动化。
模型发布
把模糊需求翻译成"目标任务书"：开源项目 Leader.skill 在解决什么问题
数字生命卡兹克开源 Leader.skill，基于"目标七问"方法论把模糊意图拆成结构化任务书，并建议规划与执行分别交给擅长长程推理的大模型。中文开发者和团队可以免费二次改造，但接生产链路前仍需自测。
模型发布
把 PPT 交给 AI：这款开源 Skill 一句话生成可协作 HTML 演示
开发者 Vista 在 X 分享了一款基于 bento 风格改造的开源 AI Skill，输入主题即可生成可编辑、可在线协作的 HTML 演示稿，背后正在成形的 "Skills" 工具链生态同样值得关注。
模型发布
Claude 会话缓存过期会多掏钱？开源工具 claude-thermos 想把那 22% 账单压下去
一个叫 claude-thermos 的本地代理工具，能在 Claude Code 主智能体空闲时自动发送预热请求，维持提示缓存热度。开发者实测约 185 次会话中发现，缓存过期导致的重新编码占账单约 22%。对依赖 Claude API 的开发者和团队来说，这类工具正在成为成本优化的新方向。
模型发布
把"任务"当交互单元：多模态上下文如何让AI智能体一次做对
DAIR.AI 创始人 Elvis Saravia 提出以"任务"取代"提示词"作为 AI 智能体的交互单元，把语音、屏幕画面、文本、标注打包成完整上下文，让模型一次拿够信息，减少来回修正。该思路受 Karpathy 长语音实验启发，或将重塑 Agent 的前端采集和产品形态。
模型发布
微软把 MagenticLite 整套栈开源：浏览器代理框架可本地部署
微软研究院宣布 MagenticLite 全栈开源，MagenticBrain 与 Fara 1.5 权重上线 Hugging Face，配套测试工具同步释出，企业可在自有环境部署浏览器代理。
行业观察
腾讯设计Agent平台Miora全面开放：不靠邀请码的设计AI，到底能干什么
腾讯设计Agent平台Miora正式取消邀请码，面向所有用户开放使用。该平台主打品牌设计、影视创意等多场景，内置Skill市场与记忆系统，支持自定义多模态模型。对于设计师与中小团队来说，这是又一款值得上手试的国产设计Agent。
行业观察
测试通过却生产翻车：157家企业AI智能体评估的真实缺口
一项覆盖157家企业的调查显示，过去一年50%的组织曾部署内部评估通过却在生产环境引发客户故障的AI智能体。仅5%完全信任自动化评估，但66%仍在推进低风险智能体的全自动运行，评测体系与真实业务结果之间的鸿沟正在被多数企业忽视。
产品动态
GitHub 开源新项目让 AI 编程助手"记住"上下文：用 SSH 同步智能体记忆
一个面向编程 AI 智能体的开源记忆项目在 GitHub 发布，支持通过 SSH 同步记忆数据，可自托管、无需依赖特定云服务。它瞄准的是 AI 编码助手跨会话失忆的痛点，对个人开发者和团队都值得一看。
产品动态
MiniMax Code 桌面端 2.0 上线：底层架构换新，金融数据功能在路上
MiniMax Code 桌面端完成底层重构，引入 Pi Agent 框架，会话启动和长任务稳定性明显提升，同时接入恒生金融数据库和企查查 MCP，金融模块即将上线，远程控制与浏览器操控功能本月内推出。
行业观察
OpenAI 新版 Agent 翻车：一次清理任务把创业者的 Mac 硬盘清空了
AI 创业者 Matt Shumer 给 OpenAI 最新 Agent 开全权限执行本地清理，因 $HOME 变量解析错误触发危险命令，多年数代代码、文件、照片丢失。事件把 Agent 行业的权限边界和危险指令拦截问题摆到了台面上。
行业观察
AI Agent 从聊天走向执行：2025 年自主任务能力到哪一步了？
从回答问题到真正动手执行任务，AI Agent 成为今年 AI 圈最热的方向。本文拆解主流厂商的 Agent 布局、国内用户能用什么、开发者怎么入局，以及三个值得留意的现实风险。
模型发布
Anthropic推出Cowork：把Claude Code同款能力交到普通用户手里
Anthropic发布桌面AI代理Cowork，将Claude Code同源能力开放给非技术用户，整个功能仅约一周半完成、且大量由Claude Code本身参与开发。这一动作让Anthropic在AI代理大众化赛道上，开始正面与微软Copilot等办公型助手竞争。
产品动态
Salesforce把Slackbot改造成"能干活"的AI代理，正面迎战微软和谷歌
Salesforce近日推出全新Slackbot，从通知工具升级为可搜索企业数据、起草文档并代为执行操作的AI代理，已面向Business+和Enterprise+用户开放。这是Salesforce在企业级agentic AI赛道上的关键一步。