DeepSeek-V3.1 发布，迈向 Agent 时代的第一步
DeepSeek-V3.1 以混合推理模型形式开源，用户可一键切换思考模式，同时 Agent 智能体支持性能得到增强。
推荐理由：DeepSeek V3.1 不是小修小补，混合推理和 Agent 支持让它从‘对话模型’转向‘行动模型’，开源这一步让 Agent 开发有了新底座。
技术方向
Agent 智能体 最新动态
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。
1,603 条精选近 30 天 173 条共收录 8,334 条
更新
精选归档 · 第 77 页
公众号：DeepSeek精选AI 评分6363 Cohere 产品与研究博客精选AI 评分6161 Cohere 发布 Command A Reasoning 企业级推理模型
Cohere 发布 Command A Reasoning，定位企业级推理任务，称在 BFCL-v3（70.3）、tau-bench、m-tau-bench 上优于 gpt-oss-120b、DeepSeek-R1 0528 和 Mistral Magistral Medium。
推荐理由：官方发布企业推理模型，给出可私有部署的硬件门槛和可控 token 预算，适合关注本地化部署与成本控制的团队参考。
DeepSeek：API 更新日志精选AI 评分7171 DeepSeek-V3.1 发布，升级 chat 与 reasoner 双模式
DeepSeek-V3.1 正式发布，deepseek-chat 与 deepseek-reasoner 分别对应其非思考与思考模式。新模型采用混合推理架构，思考效率较 DeepSeek-R1-0528 更高，并通过 Post-Training 优化提升工具使用与智能体任务表现。
推荐理由：DeepSeek 把推理和非思考模式合并到一个模型，解决了之前切模型的体验割裂，Agent 能力提升对做工具调用的开发者是直接利好。
Johann Rehberger / Embrace The Red精选AI 评分7777 Amazon Q Developer VS Code 插件被曝可通过提示词注入执行任意代码
安全研究者 Johann Rehberger 披露 Amazon Q Developer VS Code 插件（下载量超 100 万）存在间接提示词注入漏洞，可利用被归类为 readonly 的 find 命令的 -exec 参数绕过人工确认，在开发者主机上执行任意命令，甚至可诱导 Claude 4 下载远程指令并让 Sliver 恶意软件加入 C2 服务器。
推荐理由：作者完整复现了从间接提示词注入到任意代码执行的攻击链，并附绕过 Claude 拒答的细节，可帮助开发者理解此类漏洞的成因与防护。
Satya Nadella@satyanadella精选Excel 新增 =COPILOT() 函数令人惊喜，直接在单元格中调用 AI 分析数据、生成内容和头脑风暴，无需跳出表格即可完成智能操作。
推荐理由：微软 CEO 宣布 Excel 新增 AI 函数，办公场景 AI 化落地
ARC Prize：官方博客精选AI 评分6161 ARC Prize 发布 ARC-AGI-3 Preview 30天测试总结与Agent竞赛结果
ARC Prize Foundation 总结 ARC-AGI-3 Preview 发布30天的数据：超1200人玩了3900多局游戏，人类大多能通关，AI Agent 进展低效。竞赛冠军 StochasticGoose 得分12.58%、完成18关，前三名Agent均基于智能随机探索；官方指出部分游戏可被暴力搜索破解，未来将按动作效率对人类基线评分并增加撤销按钮、离线引擎等改进。
推荐理由：原文公布了30天竞赛的完整人类与Agent得分对比，读者可以看到交互式推理基准用动作效率区分人类和AI的具体依据。
蚂蚁 inclusionAI：GitHub 新仓库精选AI 评分5858 inclusionAI/UI-Venus
UI-Venus 是一款本地 UI 智能体，仅以屏幕截图作为输入，即可执行精确的图形用户界面元素定位与高效导航。该代理无需依赖系统底层代码或辅助功能接口，直接通过视觉信息理解界面结构，实现自动化操作。其核心能力在于对任意应用或网页中的按钮、菜单、文本框等元素进行准确识别与交互，提升了跨平台任务执行的通用性与可靠性。
推荐理由：蚂蚁这个纯截图驱动的 UI Agent 在当时算是早期探索，代码开源可直接用，做 GUI 自动化的值得看看底层怎么实现元素定位和导航。
METR：Research精选AI 评分6161 METR 研究更新：算法评分高估 AI 智能体真实软件工程能力
METR 在 stdlib-js 和 hypothesis 两个仓库的 18 个真实 issue 上评估 Claude 3.7 Sonnet（Inspect ReAct 智能体），按维护者测试用例算法评分成功率为 38%（±19%），但人工评审的 15 个 PR 中没有一个可以直接合并。
推荐理由：METR 用人工评审对照算法评分，给出量化证据说明测试类基准为何高估智能体的真实软件工程能力。
Ethan Mollick：One Useful Thing精选 GPT-5：只管做事
GPT-5 不再需要详细提示工程，只需给出目标即可自主完成任务。将 AI 置于主导地位，用户只需设定方向，具体执行由模型自行处理。
推荐理由：Ethan Mollick 深度解读 GPT-5 自主执行能力，洞察 AI 代理新范式
英国 AI Security Institute：Blog精选AI 评分6565 英国 AISI 开源 Inspect Sandboxing Toolkit 用于安全的 AI 智能体评估
英国 AI Security Institute 开源 Inspect Sandboxing Toolkit，一套用于安全运行智能体 AI 评估的沙箱插件。
推荐理由：原文给出三个沙箱插件和三层隔离协议，并说明架构如何分离推理与工具执行，读者可据此选择评估隔离方案。
LMSYS Blog精选 智谱发布 GLM-4.5 系列模型并原生支持 SGLang
智谱发布旗舰模型 GLM-4.5（355B/32B 激活）与 GLM-4.5-Air（106B/12B 激活），含 FP8 量化版本，即日起原生支持 SGLang 框架。采用 MoE 架构与 128k 上下文，在 12 项基准测试中分列第 3 与第 6。GLM-4.5 在 BrowseComp 网页浏览任务中以 26.4% 准确率超越 Claude 4 Opus，工具调用成功率达 90.6%，编程与数学推理能力突出。
推荐理由：国产大模型Agent与编码能力跻身第一梯队，为开发者提供Claude/GPT之外的高性价比替代方案
上海人工智能实验室 InternLM：原创项目精选AI 评分6767 上海AI实验室开源 Intern-S2-Preview-397B 与 Intern-S2-Preview-35B 科学多模态模型
上海人工智能实验室 InternLM 团队发布 Intern-S2-Preview-397B，定位面向科学智能与长程智能体的最强多模态基础模型，通过新的视觉语言预训练范式、20 多个领域的大规模多任务强化学习以及沙盒环境中的智能体强化学习提升通用推理与科学能力。
推荐理由：官方仓库同时给出 Intern-S2 两档新模型与 S1 系列的架构细节和基准对比，便于读者评估科学场景下的开源选型。
Anthropic：Alignment Science Blog精选AI 评分6868 Anthropic 开发并评估三个自动执行对齐审计的智能体
Anthropic 发布三个自主执行对齐审计任务的智能体，并用含植入缺陷的模型环境进行评估。调查智能体在真实条件下以 13% 的胜率解开 Marks et al. 审计博弈，多智能体聚合后提升到 42%；评估智能体在 88% 的运行中能区分有/无植入行为的模型；广度优先红队智能体发现 10 个植入行为中的 7 个。
推荐理由：Anthropic 报告了三个对齐审计智能体在植入缺陷模型上的可复现成绩，并公开部分代码与提示词，读者可以了解自动化审计的实际能力与局限。
Manus：Blog精选AI 评分6868 Manus 团队分享构建 AI 智能体的上下文工程经验教训
Manus 团队成员 Yichao 'Peak' Ji 撰文分享构建 Manus 智能体的上下文工程经验，核心原则包括围绕 KV-cache 命中率设计、用 logits 遮蔽而非移除工具、把文件系统当作终极上下文、通过复述待办列表操控注意力，以及保留错误和避免少样本陷阱。
推荐理由：Manus 团队复盘构建智能体的上下文工程经验，KV缓存、工具遮蔽和文件记忆等做法可直接迁移到读者的 Agent 项目。
OpenAI：官网动态精选AI 评分8080 OpenAI 发布 ChatGPT agent System Card
OpenAI 发布 ChatGPT agent 的 System Card，说明其智能体模型整合了研究、浏览器自动化和代码工具。文档按 Preparedness Framework 给出了相应的安全防护措施。
推荐理由：原文给出 ChatGPT agent 的安全文档定位，读者可了解其研究、浏览器自动化与代码工具能力和 Preparedness Framework 防护安排。
OpenAI：官网动态精选AI 评分8484 OpenAI 发布 ChatGPT agent：可思考并调用工具完成任务
OpenAI 发布 ChatGPT agent，能够思考并行动，调用工具完成研究、预订和幻灯片等任务，全程在用户指引下进行。
推荐理由：OpenAI 官方宣布 ChatGPT agent 上线，可自主调用工具完成任务，读者可据此了解智能体能力的落地方向。
Lilian Weng@lilianweng精选AI 评分7070引用Mira Murati@miramuratiThinking Machines Lab 的存在是为了通过推进协作式通用智能来赋能人类。 我们正在构建多模态 AI，它能配合你与世界自然互动的方式——通过对话，通过视觉，通过我们协作时那种杂乱无章的方式。我们很兴奋，在未来几个月内我们将能够分享我们的首个产品，它将包含一个重要的开源组件，并对开发自定义模型的研究人员和初创公司有用。很快，我们还将分享我们最好的科学成果，以帮助研究界更好地理解前沿 AI 系统。 为了加速我们的进展，我们很高兴地确认，我们已筹集了 20 亿美元，由 a16z 领投，NVIDIA、Accel、ServiceNow、CISCO、AMD、Jane Street 等与我们使命相同的机构参与。 我们一直在寻找那些通过实践学习、将研究转化为有用之物的非凡人才。我们相信 AI 应当作为个人能动性的延伸，并且本着自由的精神，尽可能广泛而公平地分发。我们希望这一愿景能引起那些与我们同样致力于推动该领域发展的人的共鸣。如果是这样，加入我们。https://thinkingmachines.paperform.co/
推荐理由：Mira Murati 的 Thinking Machines Lab 拿了 20 亿美金，a16z 领投、NVIDIA 跟投，前 OpenAI CTO 的新牌桌已经摆好，做多模态 Agent 的人该盯着他们的开源组件了。
Jim Fan@DrJimFan精选推荐理由：Jim Fan 称机器人领域处 GPT-1 时刻，具身智能是 AGI 必要条件
Cognition 模型 / Devin 博客精选AI 评分7979 Cognition 签约收购智能体 IDE 公司 Windsurf
Cognition 签署最终协议收购智能体 IDE 公司 Windsurf，交易包括其 IP、产品、商标、品牌和业务，Windsurf 团队将加入 Cognition。
推荐理由：官方公告披露了交易范围、Windsurf 的 ARR 和用户规模及员工待遇安排，读者可以据此了解这起收购的实际内容。
Hugging Face 社区博客精选AI 评分6464 Hugging Face 发布 ScreenEnv：用 Docker 容器部署桌面 GUI Agent
Hugging Face 发布开源 Python 库 ScreenEnv，可在 Docker 容器中创建隔离的 Ubuntu 桌面环境，用于测试和部署 GUI Agent（Computer Use）。
推荐理由：官方介绍了 Docker 化桌面环境的部署速度、双集成模式和 smolagents 用法，方便开发者按自己架构搭建桌面 Agent。