技术方向
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。
152 条精选近 30 天 27 条共收录 757 条
NVIDIA 扩展其在语言、机器人、生物和量子计算领域的开放模型组合，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 和 Ising，供开发者用本地数据定制并部署在自有基础设施上。
推荐理由：原文逐项列出各模型的开放入口和合作方，读者可据此判断哪些能力已可直接取用。
IBM Research 在 Hugging Face 发布 ALTK-Evolve，用 GPT-4.1 从智能体自身训练轨迹中蒸馏出行为规则并追加到系统提示词，在不更新权重、无人工标注的前提下提升客服智能体表现。
推荐理由：原文展示了不更新权重、仅靠提示词级学习记忆提升客服智能体可靠性与成本的具体路径和量化结果。
Amazon Bedrock 现已正式为所有 Anthropic Claude 模型提供结构化输出，在 bedrock-runtime 和 bedrock-mantle 端点上均可返回符合 JSON schema 的响应，无需自定义解析、重试或后处理。
推荐理由：原文说明了约束解码如何把输出从概率性变为确定性，并给出 schema 缓存与最佳实践，可直接迁移到自己的集成中。
AWS SMGS Operations 团队分享了基于 Amazon Bedrock AgentCore Evaluations 的九阶段评估框架，覆盖从首次提交到生产响应的完整智能体生命周期，用于保障面向 AWS 全球现场销售的多智能体系统质量。
推荐理由：原文用真实生产故障和九阶段框架展示了如何把智能体质量从一次性验收变成贯穿生命周期的持续机制，可迁移性强。
Google Research 分享三项研究进展，展示如何弥合 in-silico AI 探索与真实湿实验之间的差距。其一是 VERID 框架，作为实验室工作单元的语义数字孪生，提供实时 3D 状态追踪、快速虚拟试运行、硬件安全检查和同步视频与动作日志，基于开源 PyLabRobot 构建。
推荐理由：原文展示了从数字孪生到闭环实验的完整技术路径，读者可了解 AI 智能体如何接入湿实验环节。
Reflection 在 Hugging Face 上开源了其首个模型 Beam，这是一款 501B 参数（每 token 激活 23B）的 MoE 大语言模型，采用 Apache 2.0 许可，主打编码与智能体场景，支持 1M tokens 上下文窗口。
推荐理由：原文给出架构细节、精度选择与部署配置，读者可据此评估自托管该模型的硬件成本与可行性。
NVIDIA 发布开源 1200 亿参数模型 Nemotron 3.5 Super VL，以及面向边缘的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB 两款模型，覆盖从企业服务器到本地设备的智能体部署。
推荐理由：原文给出了三档模型的参数、显存与部署入口，读者可据此判断从数据中心到本地设备的选型路径。
Google Research 公开发布 Deep Review，一个面向复杂文档提供严谨反馈与技术验证的智能体 AI 系统，最初用于计算机学术论文分析，现已扩展到法律、金融等领域。
推荐理由：原文拆解了四阶段智能体流水线如何解决长文档评审瓶颈，方法细节可迁移到其他多智能体文档分析场景。
Google Research 将 Geospatial Reasoning 智能体从概念推进为可多步空间推理、并能自主训练预测模型的实验系统，同时发布技术报告、伙伴实测与早期访问入口。
推荐理由：原文给出了评测设计和伙伴实测细节，读者可据此判断专用工具与规划步骤对空间任务的实际增益。
Liquid AI 开源 LFM2.5-24B-A2B，一个 24B 参数、仅 2B 激活参数的推理模型，面向端侧快速私密的智能体场景，支持工具调用与多步任务。
推荐理由：给出了架构、训练流程与多组对比数据，读者可据此判断它在端侧智能体场景的取舍边界。
AWS 博客介绍 Grok 4.7 已在 Amazon Bedrock 上线，并构建一个工具调用智能体，在三个需要搜索而非查表的任务上以四个 reasoning effort 档位各跑 6 次共 72 次，答对 67 次：xhigh 全对 18/18，low 答对 15/18 但输出 token 约为 xhigh 的八分之一。
推荐理由：原文给出可复现的评测设计与四档推理档位的 token 与正确率对照，读者可据此在自己任务上量测成本质量权衡。
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日（周五）上市，最高配备 128GB 统一内存和 1 petaflop AI 算力，官方与生态伙伴同步推出面向本地 AI 智能体的软件与模型更新。
推荐理由：原文系统梳理了 RTX Spark 发布前后生态软件、模型与工具的更新清单，读者可据此判断本地 AI 智能体在 PC 上的落地路径。
Meta Superintelligence Labs（MSL）发布第二代模型家族 Muse Wonder（代号 Watermelon）与 Muse Wonder Full，定位为面向个人与专业智能体工作的前沿模型，1M 上下文窗口，定价为 $4/M 输入、$20/M 输出。
推荐理由：原文汇总了第三方评测数据与从业者正反两方反馈，读者可据此判断该模型的真实定位与争议点。
作者在 HuggingChat 中开启 ML-intern 模式，用提示词驱动其规划、训练、评估并发布模型，几天内做出 6 个模型，总算力成本约 USD 103。
推荐理由：作者公开了七条完整提示词和预算控制写法，可直接迁移到自己的微调项目中。
NVIDIA Blog 通过十余个案例展示开发者如何用自然语言指挥 GPT-6 Astra、Claude 等前沿模型，配合 NVIDIA Omniverse 库构建仿真应用。
推荐理由：通过十余个具体案例展示了前沿模型与 Omniverse 库结合的可迁移工作流，读者可对照自己的仿真场景找到入手方式。
Google 在 Cloud 活动上宣布为 Gemini 推出统一智能体，可从单一界面代用户规划任务、执行操作，初期先面向企业客户，之后再推向消费者。
推荐理由：原文说明了智能体如何接入企业系统与模型选择，可帮助判断它对现有工作流的实际改造点。
Anthropic 发布 Claude Haiku 5.5，定价与 OpenAI GPT-6 Luna 完全一致，官方称其为迄今最便宜、最快、最强的小模型，平均运行成本比 Haiku 4.5 低约 75%，同日还下调了 Sonnet 5.5 缓存读取价格（$0.20 降至 $0.10 per 1M tokens）。
推荐理由：汇总了第三方评测的分数与token消耗数据，读者可据此判断低价小模型的真实性价比。
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用，据 Anthropic 介绍它是 Claude 5.5 家族中最快、最高效的模型，面向子智能体和高量低成本任务，多数任务成本比 Claude Haiku 4.5 低约 75%。
推荐理由：原文给出了成本降幅、effort controls 与 Opus 5.5 分工方式，便于判断何时选用该模型。
NVIDIA 与 Microsoft 在旧金山 Windows AI and Surface 活动上宣布共同为 Windows PC 打造 AI 智能体的软硬件，RTX Spark 笔记本今日开启预售、10 月 16 日上市，紧凑型台式机 11 月开售。
推荐理由：原文给出具体硬件规格与开放购买时间，读者可据此判断本地运行大模型的可行性。
Microsoft Research Asia 提出 Harnessed Agentic RL 训练范式并开源 Agent Lightning v1.0，让部署所用的 agent harness 直接参与强化学习。
推荐理由：原文给出了训练范式、系统架构与实测数据，读者可据此评估它如何让部署用的 agent harness 直接参与 RL 训练。