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。
14 条精选近 30 天 14 条共收录 54 条
AWS 提出 Trust in Depth 分层方法，用范围界定、身份识别、边界控制和运行观测提高 AI 智能体的可控性。文章以帮助台智能体处理员工离职为例，介绍 Policy in AgentCore、AgentCore Gateway、Strands Box 和 Amazon CloudWatch Omni 如何执行权限、身份、策略与追踪控制。
推荐理由：文章以生命周期为线索拆解智能体的范围、身份、边界和观测层，并结合 AWS 产品说明如何落实这些控制。
NVIDIA 发布 120B 参数的开放多模态智能体模型 Nemotron 3.5 Super VL，以及面向端侧设备的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。
推荐理由：这三款开放模型覆盖企业服务器到端侧设备，并披露训练、部署和行业定制信息，便于比较不同智能体场景的算力需求。
Google Earth AI 发布地理空间推理智能体技术报告、合作伙伴测试进展，并扩大 Ask Google Earth 与 Geospatial Reasoning Agent API 的早期访问。
推荐理由：技术报告比较了地理空间工具与预先规划在四项基准上的作用，并开放两个新基准，便于研究者复现和扩展评估。
Anchor Browser 已与 Amazon Bedrock AgentCore payments 集成，可让 AI 智能体通过 x402 协议自主购买网页内容和 API 服务。
推荐理由：文章拆解了托管支付层的接入流程及安全边界，为现有浏览器智能体增加自主付费能力提供可迁移实现。
Google DeepMind 开始广泛推出 Gemini 4 Argon，并将其用于网络安全、软件开发等复杂任务。Google 称该模型在 12 个端到端模拟网络攻击场景中全部解题，相比上一代的 5 个有所提升；Wiz 还使用 Argon 发现了此前模型遗漏的医院软件关键漏洞。其安全措施包括输入筛查、内部探针、持续监测、自动失配监控和提示词注入防护。
推荐理由：原文同时呈现了 Gemini 4 Argon 的复杂任务能力、有限访问案例与分层安全防护，便于理解模型能力提升对应的风险控制思路。
Liquid AI 发布 LFM2.5-24B-A2B，这是一款总参数量为 24B、每个 token 仅激活 2B 参数的推理模型，面向端侧智能体的工具调用和多步任务。
推荐理由：原文同时给出模型架构、训练规模、端侧推理速度与多类评测结果，适合比较本地智能体的效果和部署成本。
Google DeepMind 发布通用物理推理模型 Gemini 4 Argon，面向机器人控制、Real2Sim、物理理解和研究自我改进。该模型在 Embodied Reasoning (ERQA) 基准以纯推理取得 87%，并通过多模态推理、代码生成和视觉语义理解支持机器人生命周期。
推荐理由：文章把 Argon 在机器人控制、仿真构建和数据生成中的代表性提示词集中展开，便于比较其机器人工作流覆盖范围。
NVIDIA 与合作伙伴将在 RTX Spark 笔记本上市前推出本地 AI 智能体、模型、创作应用和开发者工具更新，相关笔记本计划于 10 月 16 日上市。文章还介绍 Nemotron 3.5 Bolt 74B、开源路由器 NVIDIA PAIR、Adobe 应用优化、Broadcast 2.3、llama.cpp Windows 应用及 DLSS 5 等更新。
推荐理由：文章集中梳理 RTX Spark 发布前的软件生态、模型、创作工具、开发者环境和游戏支持，能帮助读者判断本地 AI 工作流的实际覆盖范围。
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，覆盖编码、智能体及金融和法律等专业任务。
推荐理由：汇总了模型规格、定价、开放渠道和多组独立评测，便于比较其编码与智能体能力及实际使用限制。
Hugging Face 展示了如何在 HuggingChat 中启用 ML Intern，通过自然语言提示完成数据准备、基线测试、训练、评测和模型发布。作者用 7 个项目验证了工作流，总计算成本约 USD 103，其中 0.8B Pocket Rewriter 可在 CPU 上运行，并提供全部提示词与模型、数据集和应用。
推荐理由：文章拆解了用 ML Intern 自动规划、训练、评测并发布模型的方法、成本控制和多组项目结果。
Microsoft Research Asia 发布并开源 Agent Lightning v1.0，以约 3,500 行代码构建轻量级 Agentic RL 控制平面。
推荐理由：原文同时说明框架架构、训练流程和编码智能体实验结果，便于评估其如何接入现有 Agent harness。
Mistral AI 发布 Mistral Large 4 公开预览版，用户可在 Mistral Studio 调用预览 API，模型权重将于本月底发布。
推荐理由：公开了模型规模、训练方式与主要评测结果，并明确权重开放时间，便于判断其多模态和企业任务能力。
Microsoft Research 发布 Quine，一套面向生物学研究的多模态世界模型与交互式科研流程系统。Quine 可连接模型、科学工具、文献、湿实验和科研人员，用于生成、排序并验证候选研究路径；研究团队用它预测数千种可能推动胰腺癌细胞状态转变的化合物，并在多个湿实验测定中验证了部分高排名候选。Quine 目前仅限研究用途，首批访问通过 Quine Fellows 计划及选定研究合作开放。
推荐理由：文章介绍 Quine 如何连接多模态生物学世界模型、科研工具与实验流程，并展示其在胰腺癌细胞状态研究中的候选化合物排序与湿实验验证。
GitHub Copilot 作者 Burke Holland 认为，聊天框并非适合所有任务的智能体交互界面，定制化 canvas 能更好地支持任务型 AI 工作流。
推荐理由：文章以游戏、Winget、SQLite 和开发工作流为例，说明定制化 canvas 可让智能体围绕具体任务提供更合适的交互界面。