Hugging Face 与 IBM 发布两个实验性预览模型 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview，基于 Granite 4.1 base 训练以消费和生成 LLMON（LLM Object Notation）标记文本，并同步开源 LLMON 工具库与示例。
推荐理由：原文用 OPI 基准对比数据说明指令与数据分离对间接提示词注入的防护效果，同时给出与 JSON 的差异和训练方法，便于评估其可迁移性。
AWS 宣布在 Amazon Bedrock AgentCore 上推出 Web Search API，让开发者用一次 API 调用直接搜索网页，返回带文本摘录及可选标题、URL、发布时间的排序结果，无需先创建资源。
推荐理由：原文对比了 API 与 Gateway 的适用场景，读者可据此判断自己的项目该走哪条接入路径。
Mistral AI 宣布扩展其企业 AI 平台 Mistral Studio，新增托管智能体（managed agents）、应用、工作流能力，以及 enterprise context、agent observability 和 evaluations 等功能，配合 Mistral Large 4（Le Chonk）模型使用。
推荐理由：原文给出托管智能体、工作流与应用的具体能力和部署选项，可据此评估企业如何在保留数据控制的前提下落地智能体。
Mistral AI 发布 Voxtral 3，包含语音转文本、文本转语音模型与基于 LiveKit 的语音 Agent SDK，把听、推理、工具调用与说话整合进单一实时流式管线，每轮对话在 1 秒内完成。
推荐理由：原文给出各模型定价与多项评测口径，读者可据此比较它与现有语音方案的成本和适用场景。
GitHub Security Lab 发布 Fuzzing Taskflow，一个基于 Taskflow Agent 的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness、分诊崩溃并生成漏洞报告。
推荐理由：GitHub Security Lab 开源了面向 C/C++ 的自主模糊测试流水线，读者可了解 LLM 智能体如何接管写 harness、追覆盖率与崩溃分诊。
Mistral 发布 Agentic Search，一个让模型在多步检索循环中查找、检查和验证信息的检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
推荐理由：Mistral 公开了 Agentic Search 的检索循环设计与 FinanceBench、OfficeQA Pro 基准数据，可对比传统 RAG 的差距。
OpenAI 发布 GPT-5.4，称其为面向专业工作、能力与效率兼备的前沿模型，具备 SOTA 级编码、计算机使用、工具搜索能力，并支持 1M token 上下文窗口。
Hugging Face 官方博客介绍 Modular Diffusers，它用可复用的块（如文本编码、图像编码、去噪、解码）组合构建扩散流水线，作为现有 DiffusionPipeline 的灵活替代，API 保持一致。
推荐理由：原文给出可复用块的组合方式与自定义块写法，读者可据此判断如何改造现有扩散工作流。
Hugging Face 联合社区推出开放推理标准 Open Responses，基于 OpenAI 的 Responses API 并开源，面向智能体工作负载，默认无状态、支持加密推理，流式输出建模为语义事件。
推荐理由：梳理了从 Chat Completion 迁移的核心改动与工具循环规范，便于开发者评估接入成本。
开发者现在可以向 ChatGPT 提交应用进行审核与发布，通过的应用会出现在新的产品内目录中以便发现。OpenAI 同时更新了工具、指南和 Apps SDK，帮助开发者构建把现实操作带入 ChatGPT 的聊天原生体验。
推荐理由：说明了应用进入 ChatGPT 的审核发布流程与发现入口，便于开发者判断接入路径。
Hugging Face 发布教程，介绍让 OpenAI Codex 接入 HF Skills 仓库后完成端到端机器学习实验的流程。
推荐理由：教程给出从数据校验到成本预估的完整操作链，可直接迁移到自己的微调实验。
Hugging Face 官方宣布 huggingface_hub 发布 v1.0，这是该库五年 35+ 个版本后的首个大版本，支撑 GitHub 上 200,000+ 仓库和 PyPI 上 3,000 个包，月下载量达 113.5 million。
推荐理由：官方系统梳理了 v1.0 的破坏性变更与迁移路径，读者可据此评估升级影响与兼容范围。
Meta-PyTorch 与 Hugging Face 合作推出 OpenEnv Hub，一个用于构建、分享和探索 OpenEnv 兼容智能体环境的开放社区中心，同时发布 OpenEnv 0.1 Spec (RFC) 征集反馈。
推荐理由：原文说明了智能体环境要解决的工具暴露问题和与RL训练栈的对接方式，读者可据此判断它在现有工作流中的位置。
OpenAI 宣布在 ChatGPT 内推出可直接对话交互的新一代应用，开发者现在即可使用新发布的 Apps SDK（预览版）开始构建这些应用。
推荐理由：官方给出新入口与开发者可用的 SDK，读者可据此判断 ChatGPT 内应用生态的构建方式。
Mistral AI 为 Le Chat 发布 20+ 个基于 MCP 的安全连接器（beta）与 Memories 记忆功能（beta），覆盖 Databricks、Snowflake、GitHub、Atlassian、Stripe 等数据、生产力、开发、自动化与商务工具，支持搜索、总结与执行操作，并可接入任意远程 MCP server。
推荐理由：原文列出连接器分类与部署方式，读者可据此判断它如何把企业工作流接入助手。
OpenAI 发布更先进的语音到语音模型 gpt-realtime，并为 Realtime API 新增 MCP server 支持、图像输入和 SIP 电话呼叫能力。
推荐理由：原文列出了语音模型升级与三项新 API 能力，读者可据此判断实时语音应用的接入范围是否扩大。
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重语言模型，采用 Apache 2.0 许可证，主打低成本下的强真实世界性能。原文称二者在推理任务上超越同规模开放模型，具备较强的工具使用能力，并针对消费级硬件的高效部署做了优化。
推荐理由：原文说明了模型规模、许可证与部署目标，读者可据此判断其在消费级硬件上的可用性。
Mistral AI 发布 Agents API，将 Mistral 模型与代码执行、web search、图像生成、MCP 工具等内置连接器结合，提供跨会话持久记忆和智能体编排能力，作为 Chat Completion API 的补充。
推荐理由：原文列出内置连接器、状态化会话与多智能体编排的具体能力，可据此评估其对智能体开发工作流的实际影响。
Hugging Face 发布教程，介绍如何用 Python 构建约 70 行代码的 MCP 驱动 Tiny Agent，并宣布 tiny-agents 已支持 AGENTS.md 标准。
推荐理由：文章拆解了 MCPClient 与 Agent 的关键代码，读者可据此理解一个 MCP 智能体如何用极少代码搭起来。
Hugging Face 发布 Tiny Agent，用约 50 行 TypeScript 代码实现一个由 MCP 驱动的 Agent，核心思路是 MCP 客户端之上套一个 while 循环。
推荐理由：文章把 MCP 客户端与 Agent 的实现拆解到 50 行代码级别，读者可直接照搬这套 while 循环结构到自己的项目。