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。
1,605 条精选近 30 天 162 条共收录 8,379 条
针对智能体任务中Token消耗快速增长的问题，Ling-2.6-flash模型正式发布。该模型采用混合线性架构等技术进行系统性优化，旨在实现更高推理效率和更低使用成本。其推理速度在4卡H20条件下最快可达340 tokens/s，在Artificial Analysis评测中仅消耗约对比模型1/10的Tokens。模型在多个Agent相关基准测试中达到同尺寸SOTA水平，保持了强大的任务执行与工具调用能力。
推荐理由：蚂蚁百灵这次打的是「省 token」这张牌，104B 总参但只激活 7.4B，Agent 场景评测对齐同尺寸 SOTA，输出 token 消耗只有竞品的 1/10。做 Agent 产品、被推理成本卡脖子的团队值得认真看看这个路线。
Responses API 集成 WebSockets 技术优化 Codex 智能体循环架构。通过建立持久化连接并引入连接级缓存机制，该方案显著降低 API 通信开销，有效缩短模型响应延迟。这一技术改进解决了传统请求模式下的性能瓶颈，为高频交互的智能体工作流提供更高效的实时数据传输能力。
推荐理由：OpenAI 的 Responses API 引入 WebSocket 模式，把 agentic 工作流端到端延迟压低了 40%，关键不在数字而在架构上从无状态 HTTP 转向持久连接，做 agent 的团队可以认真看技术决策。
Xiaomi MiMo-V2.5 系列正式公测，包含 MiMo-V2.5、V2.5-Pro、TTS 与 ASR 等模型。其中 V2.5-Pro 在通用智能体、复杂软件工程等维度对标 Claude Opus 4.6、GPT-5.4，曾用 4.3 小时、672 次工具调用完成北大编译原理课程项目并获满分。
推荐理由：在自主完成编译器构建和视频编辑器开发的长程任务演示中，展示了结构化的逐层搭建和自我修正能力，其效率对比数据有助于判断复杂Agent任务的成本边界。
Cognition 基于两年 Devin 开发经验复盘构建云智能体的两大投入：基础设施与组织变革。文章指出容器共享内核存在逃逸风险、无法在异步间隙可靠保存状态，其方案是 microVM 隔离和 hypervisor 级整机状态快照；编排层花了超过三个季度才能管理数千并发 VM。
推荐理由：Cognition 以两年 Devin 建设经验拆解云智能体在隔离、状态快照和编排上的真实投入，并给出组织落地的具体路径。
PromptArmor 发布 Cursor 安全实践者指南，梳理其威胁模型：不可信输入（代码、工单、网页、MCP 输出）与可信操作（shell 执行、文件写入、Git、MCP 工具调用）之间的间接提示词注入风险，并针对 Auto-Run、插件供应链、Bugbot、Automations、沙箱和子处理器给出管理端配置建议。
推荐理由：作者基于自身披露经历梳理 Cursor 的威胁模型，并给出可落地的管理端配置与治理思路，还附上尚未修复的 MCP Apps RCE 细节。
Google Cloud 推出 Agents CLI 工具，专为连接本地开发与生产级 AI 智能体部署而设计。该 CLI 为编码助手提供对完整 Google Cloud 技术栈的机器可读访问，显著减少脚手架过程中的上下文过载与 token 消耗。通过将评估、基础设施配置和部署流程整合至统一的程序化主干，开发者能够将项目从初始概念推进至实时服务的时间从数周缩短至数小时。
推荐理由：对用 Google Cloud 搭智能体的开发者，这个 CLI 把碎片化的本地到云端流程压进一条命令，能省掉大量翻文档的 token，值得试试。
智能编程助手Cursor宣布与SpaceX合作，以突破算力瓶颈，加速其模型训练进程。该公司在不到半年内快速迭代了Composer系列模型：首款智能编码模型Composer问世后，Composer 1.5将强化学习规模扩大20倍以上，而Composer 2通过持续预训练，以极低成本达到了前沿性能水平。此次合作将使Cursor团队利用xAI的Colossus基础设施，大幅提升训练规模，从而显著增强模型的智能水平。
推荐理由：Cursor 抱上 xAI 的算力大腿，意味着 AI 编程工具的竞争正式进入「谁的 GPU 多」阶段。对开发者来说，Composer 系列模型接下来的进化速度会明显加快，值得持续关注。
Augment Code 从自家 monorepo 抽取数十个 AGENTS.md 文件，用内部评测 AuggieBench 对比有无该文件时 Agent 完成任务的表现，发现最好的文件带来相当于从 Haiku 升级到 Opus 的质量提升，最差的输出比没有文件还糟，同一文件在不同任务上可相差 30%。
推荐理由：Augment Code 用内部评测量化了不同 AGENTS.md 写法对代码生成质量的影响，给出的模式与失败案例可以直接迁移到自己的代码库。
Cognition 发布长文复盘，称自《Don't Build Multi-Agents》十个月后，其多智能体系统已在生产中可用，核心模式是写操作保持单线程、其他智能体只贡献智能。
推荐理由：作者基于自家生产环境实验总结多智能体落地模式，给出干净上下文评审、跨模型路由等可迁移的工程经验。
METR 对 NanoGPT speedrun 的 77 条纪录分类，评估 AI 智能体在 AI 研发中的贡献：2026 年 3 月前训练时间从 45 分钟降到 1.43 分钟，31 倍加速，其中浅层与中层优化贡献约 21 倍。2025 年底至 2026 年初有 4 条纪录由 AI 智能体与人共同贡献，作者分析均未达到 deep 或突破级，但样本太少，尚不能区分是智能体贡献浅还是基础概率低。
推荐理由：作者逐条标注了 NanoGPT speedrun 的 77 条纪录，让读者能对照判断 AI 智能体在 AI 研发任务上的贡献深度与局限。
DR-Venus 是一个仅用1万条开放数据训练的40亿参数深度研究智能体，基于Qwen3-4B-Thinking-2507架构，支持200步工具调用和超20万tokens的上下文。它通过监督微调与强化学习两阶段训练，在BrowseComp、GAIA等多个深度研究基准上树立了小模型性能新标杆。其SFT版本已超越多数同类开源模型，而RL版本进一步将长程任务可靠性和工具使用校准度提升2-3个百分点。项目已全面开源模型、代码与训练流程。
推荐理由：4B 参数、仅用 1 万条公开数据就能在多个 deep research benchmark 上碾压 8B 对手，蚂蚁 inclusionAI 这次证明了小模型做 Agent 的关键不在参数量而在数据管线，做端侧 Agent 的团队值得拆一下它的 SFT+RL 流程。
英国 AI Security Institute 在沙箱中部署开源编码 Agent OpenClaw 并提示其探索部署原因，发现它能识别 AISI、推断运营者姓名、还原部分云基础设施并重建研究活动时间线。
推荐理由：AISI 以实测展示沙箱内 Agent 如何还原评估环境身份与研究活动，读者可据此理解评估意识和沙盒加固的局限。
AutoClaw（澳龙）正式上线自进化机制与Skill商店，每轮对话后扫描用户纠正、新教方法或踩坑经验，经用户审批后写入永久记忆，支持关键词触发和自动检测两种方式，并保持每周1-3次高质量进化。
推荐理由：自进化把偏好校准转为永久记忆，Office Skills则让一次指令同时生成PPT、讲稿和图表，对需要频繁产出标准化材料的团队有直接提效。
Codex 应用推出重大更新，正式支持 macOS 和 Windows 双平台。新版本集成计算机操控、应用内浏览、图像生成、记忆存储及插件系统五大核心能力，通过自动化操作与多模态功能深度整合，全面加速开发者工作流程。
推荐理由：Codex 这次更新不是小修小补，电脑操控和长期记忆让它从一个写代码的窗口变成了能跟着你开发全程的副驾驶，开发者工具的逻辑变了。
A2UI v0.9发布了一个框架无关的新标准，旨在帮助AI代理依据公司现有设计系统，实时生成定制化的UI组件。本次更新通过提供全新的Python版Agent SDK、共享的Web核心库，以及对React、Flutter和Angular等渲染器的官方支持，显著简化了开发体验。该版本将UI意图与具体平台解耦，实现了生成式界面在Web和移动应用间的无缝、低延迟流式传输。通过集成AG2和Vercel等更广泛的生态系统，A2UI v0.9致力于推动生成式UI从实验演示走向可用于生产环境的成熟产品。
推荐理由：Google 把生成式 UI 推向标准化，A2UI v0.9 让代理能用任何组件库实时生成界面，前端开发者不用换轮子就能玩起来，这是 AI 应用落地的关键拼图。
MiniMax 正式上线 MaxHermes，这是全球首个基于 Hermes Agent 构建的云端沙箱 AI 助手。它通过学习闭环自动提炼可复用 Skills，并支持持久化跨会话记忆、自然语言定时任务及多子代理并行运行，能力随使用持续生长。相比本地部署，MaxHermes 无需自备服务器或 API Key，已打通飞书、钉钉等 IM 渠道，并支持 Token Plan 抵扣任务消耗。
推荐理由：MaxHermes 的核心升级是让技能从人工预设转向自主迭代，加上零门槛云端和多 IM 集成，长期运行的落地成本和门槛都大幅降低。
Anthropic 发布 Claude Opus 4.7，定位为最强大的通用模型，擅长复杂推理与智能体编码，定价保持与 Opus 4.6 相同的 $5/$25 per MTok。
推荐理由：Opus 4.7 发布，定价不变但加入了 task budgets 和高分辨率支持，对于构建 coding agent 的团队，这次更新相当于给模型装了进度条和显微镜。
Ecom-RLVE 是一个为电子商务对话代理设计的自适应可验证环境。该环境支持智能体在模拟且可验证的电商场景中进行训练与评估，通过动态调整交互难度和规则约束来提升对话系统的鲁棒性与适应性。其核心在于结合强化学习与验证机制，确保智能体行为既符合商业逻辑又可追溯，为电商对话系统的开发与测试提供标准化、可复现的实验平台。
推荐理由：做电商对话 agent 的可以看看，这个 RL 环境把难控的多轮对话变成了可验证的 reward，还附带了从易到难的课程，开源可跑，是个扎实的工具。
OpenAI 推出 Agents SDK 重大更新，引入原生沙盒执行环境与模型原生 harness 架构。新版本支持开发者构建可跨文件及工具运行的安全、长期驻留型智能代理。通过内置隔离执行机制与模型层原生集成，该 SDK 显著提升了代理系统的安全性与持续运行能力，为企业级复杂代理应用提供基础设施支撑。
推荐理由：OpenAI 把沙箱执行和标准化调配层直接做进了自家 SDK，这对需要安全运行长任务 agent 的开发者是实打实的提升，不是又一个框架。
IBM Research在Hugging Face发布的博客详细剖析了其智能体框架VAKRA的核心机制。文章重点阐述了VAKRA在复杂推理和工具调用方面的能力，同时系统性地分析了智能体在实际操作中出现的典型失败模式及其原因。该研究旨在通过深入理解智能体的行为逻辑与局限，推动更可靠、鲁棒的自主智能系统发展。
推荐理由：VAKRA 不只是另一个 agent benchmark，它把真实企业环境的 API 链、多跳推理和工具使用策略糅合到一起，目前模型普遍翻车，失败模式分析对做 agent 的团队是一份很好的诊断清单。