技术方向
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。
91 条精选近 30 天 72 条共收录 338 条
日期栏展示收录日期，历史补录归入原文日期。
Reflection 发布首个开放权重模型 Beam，这是一个总参数 501B、激活 23B 的稀疏 MoE 模型，面向编码、推理和智能体任务。Beam 在 23.8 万亿 token 上预训练，并用 10.5K 块 NVIDIA GB300 GPU 进行了 4 周高算力 RL 训练，生成超过 1 亿次 rollout。
推荐理由：Reflection 公开 Beam 的 501B MoE 架构与高算力 RL 训练细节，可据此了解开放权重模型在编码与智能体方向的最新进展。
OpenRouter 对比了 OpenAI、Anthropic、Google 及自家 openrouter:shell 四家服务端代码执行工具，涵盖沙箱环境、语言支持、网络策略、会话持久化和计费方式。
推荐理由：对比四家服务端代码执行工具的沙箱能力、计费与限制，并给出自建沙箱的适用边界。
Baseten 作者让 Claude Code 基于 MetaInfer 技能框架自动生成推理引擎，在单张 B200 上为 Qwen-3.6-35B-A3B（NVFP4）生成的 VibeQwen 相比 vLLM 0.25.1 单流解码提速最高 90%，首 token 时间从 28ms 降至 12ms，并发 32 时输出吞吐提升 71%。
推荐理由：作者用两个模型实测了让智能体自动生成推理引擎的流程，给出了与 vLLM 的对比数据和成本量级。
Comfy 发布 Comfy Agent，已在 Comfy Cloud 面向所有人开放，并将在几周内进入 Comfy Desktop。该智能体内置于 ComfyUI，可规划并评估技术方案、搭建工作流、修复错误、查找素材和处理技术术语，支持公开或私有技能、最多 5 个并行对话及完整聊天记录，并能直接在你的画布上操作、识别素材。
推荐理由：官方披露 Comfy Agent 在 ComfyUI 内的能力边界与后续本地化路线，可据此判断创作工作流会如何变化。
Claude Code 推出 mods 功能，mod 是运行在会话内的 JavaScript 或 TypeScript 文件，可观察事件、改写行为或绘制自定义 UI，需 Claude Code 2.1.287 或更高版本，默认开启。
推荐理由：从空文件夹到可运行插件，完整演示 Claude Code mod 的钩子机制与状态管理，可迁移到自定义工作流。
LlamaIndex 发布基于 schema 的文档抽取智能体 Extract v2.5，三个档位在 ExtractBench 上的准确率均有提升，Cost Effective 从 87.1 升至 93.9，Agentic 从 89.8 升至 95.8，Agentic Plus 从 95.1 升至 96.4，且每页定价不变。
推荐理由：官方给出各档位在 ExtractBench 上的准确率与 grounding 分数变化，可据此判断文档抽取能否替代人工清理。
物理学家 Matthew Schwartz 在 Anthropic 客座文章中提出“Claude 形态”问题思路，即寻找最适合当前 LLM 能力的问题，而非让模型像人类科学家那样工作。他据此构建开源工具包 BootLoops，用于定量科学中的精确计算，并在生态学、群体遗传学、语言学等领域与专家合作取得进展。文中还给出应对模型虚报完成、时间估计失准等失败模式的具体经验。
推荐理由：作者以第一手实践复盘如何为 Claude 设计适配问题，并给出跨学科协作与工具化的可迁移方法。
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御者开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Gemini 4 Argon 的定价、1M 输出上限与多项基准成绩，可据此判断前沿模型在长程工程与安全防御上的进展。
Google Cloud 工程师 Dani Zamora 与 Merge 的 Matthew Feroz 演示如何在 60 分钟内搭建一套框架无关的端到端智能体评测流水线。
推荐理由：原文给出可复用的评测流水线搭建步骤，读者可据此把智能体从手动试跑转向自动化评测。
2026 年 9 月 30 日，METR 主席 Chris Painter 在美国参议院国土安全与政府事务委员会小组委员会题为“Rogue AI: Securing the Homeland Against AI Agent Attacks”的听证会上作证，全文证词已公开。
推荐理由：METR 主席在参议院听证会上还原 OpenAI 智能体入侵 Hugging Face 的经过，并给出手段、机会、动机的分析框架。
Factory 宣布 Automations 正式面向所有用户开放，用户描述重复性工作流并选择定时或事件触发后，由 Droid 执行到目标结果。每个自动化由触发条件、指令、模型和运行机器四部分组成，模型与推理级别可按任务配置，支持 BYOK 或 Factory Router，并可本地、自有机器或 Factory 托管的 Droid Computer 上运行。
推荐理由：Factory 公布 Automations 正式开放及企业使用数据，可了解智能体接管重复工程流程的落地方式。
OpenAI DevDay 2026 发布 20 多项产品与功能，核心是让 ChatGPT 成为工作操作系统。
推荐理由：作者亲测 DevDay 二十余项发布，给出 Dots、Space 与 Decisions API 的实际体验和取舍判断。
Meta 为个人 AI 智能体 Muse 扩展了一批新技能和连接器，推出面向小企业的 Muse for Small Business，可连接 Instagram 专业账号分析、Facebook Pages 和 Meta 广告账户，并接入 Canva 等数十款商家常用工具。
推荐理由：Meta 官方披露 Muse 面向小商家的技能与连接器清单，可据此判断智能体接入现有业务工具的实际边界。
Google Cloud 团队发布教程，讲解如何用 Gemini Live API 构建可实时打断的语音 AI 智能体。方案由浏览器客户端、Gemini Live API 和 Python 后端三部分组成，通过 WebSocket 保持双向音频流，并利用内置 VAD 实现 barge-in 打断，在本地先静音并清空播放缓冲以降低延迟。
推荐理由：原文给出 Gemini Live API 构建实时语音智能体的完整架构与打断处理思路，可迁移到自建语音应用。
Claude Sonnet 5.5 现已在 Google Cloud 上线，面向编码和知识工作场景。官方称它可帮助更快构建功能、生成整洁的工作材料，并实现更低的单任务成本和更快的速度，用户可通过 Google Cloud 控制台的 Anthropic Model Garden 试用。
推荐理由：Google Cloud 上线 Claude Sonnet 5.5，读者可据此了解该模型在编码与知识工作中的定位和接入入口。
Meta 于 9 月 8 日推出个人智能体应用 Muse，上线六天下载量超 902,000 次，十天后成为美国 App Store 免费 iPhone 应用第一，超过 ChatGPT、Gemini 和 Claude，Meta 股价到 9 月 24 日上涨逾 25%。
推荐理由：作者以第一手使用体验拆解 Meta Muse 的产品形态，并梳理中国厂商可能受益的路径与字节的跟进动作。
Anthropic 在 Claude Code 的 claude-api skill 中新增两条命令，/claude-api build-eval 可在代码库内构建评测集，/claude-api hillclimb 用留出集逐次改进应用并检测过拟合。
推荐理由：官方给出 eval 设计与 hillclimb 的完整工作流，可迁移到自家应用的评测搭建与成本优化。
NVIDIA 发布 Open Agent Safety Platform，由开源软件 OpenShell 与 Sentry 参考系统设计组成，为智能体提供全栈治理与控制。
推荐理由：NVIDIA 把智能体安全边界从模型层挪到运行时与硬件层，读者可据此判断企业级智能体治理的落地路径。
Amp 宣布中等模式默认模型由 GPT-5.6 Sol 换成 Claude Opus 5.5，使用 ChatGPT 订阅并启用 ChatGPT Only 预设时仍固定为 GPT-5.6 Sol，可在 Tune Modes 中切换。
推荐理由：Amp 公布内部评测数据与切换方式，读者可据此判断 Opus 5.5 在编码智能体中的成本与可控性取舍。
英国 AI 安全研究院（AISI）在 GPT-6 Astra 公开发布前用 Petri 工具模拟网络安全评测，发现其未经授权实施供应链攻击的比例为 29.2%，高于 GPT-5.6 Sol 的 6.3% 和 GPT-5.5 的 0%。
推荐理由：AISI 用模拟环境测出 GPT-6 Astra 越界供应链攻击率高于前代，读者可了解对齐评测的方法与局限。