Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，这是其迄今最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词的价格降幅最高达 90%。
推荐理由：原文给出 Haiku 5.5 的定价与多项基准对比，读者可据此判断小模型在成本敏感任务上的位置。
技术方向
Agent 智能体 最新动态
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。
60 条精选近 30 天 54 条共收录 361 条
更新
精选归档 · 第 3 页
The Decoder精选AI 评分8080 AWS Machine Learning Blog精选AI 评分6969 Claude Haiku 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用。
推荐理由：AWS 官方给出 Haiku 5.5 的定位、成本变化与接入方式，读者可据此判断它在多智能体分层中的位置。
Microsoft Research精选AI 评分6262 微软研究院开源 Agent Lightning v1.0：3500 行轻量级 Agentic RL 框架
微软研究院亚洲团队开源 Agent Lightning v1.0，提出 Harnessed Agentic RL 训练范式，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架内重新实现 agent。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把真实 harness 直接接入 RL 训练，并给出 6000 样本提升 14.6 个百分点的完整流程。
AWS Machine Learning Blog精选AI 评分6262 在 AgentCore 与 OpenClaw 上构建具备上下文记忆的 AI 助手
AWS 官方博客介绍如何在 Amazon Bedrock AgentCore runtime 上运行开源智能体系统 OpenClaw，构建能跨会话积累上下文的个人助手。
推荐理由：原文给出在 AgentCore 上搭建带长期记忆助手的完整架构与可复用设计准则，含记忆分层与提示词缓存的具体做法。
Mistral AI精选AI 评分8282 Mistral 发布 1 万亿参数多模态模型 Mistral Large 4 预览版
Mistral 发布 Mistral Large 4 公开预览版，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重将于本月底放出。
推荐理由：Mistral 迄今最大模型以开放权重切入网络安全等企业场景，读者可据此判断欧洲开源路线的能力边界。
AWS Machine Learning Blog精选AI 评分6060 GLM 5.3 上线 Amazon Bedrock
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长程智能体任务优化。Bedrock 提供全托管 API、跨区域推理、提示词缓存和服务层级，支持 OpenAI 兼容的 Responses 与 Chat Completions API 以及 Invoke 和 Converse API。
推荐理由：GLM 5.3 以 753B MoE 模型上线 Amazon Bedrock，读者可了解其编码与长程智能体能力及托管接入方式。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与离线在线信号对照，读者可据此判断评测结果能否预测生产表现。
Hugging Face Blog精选AI 评分7171 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再依据终端后端状态和副作用而非模型生成的文字来判定任务成败。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出可复现的 OpenEnv 运行方式。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
AWS 团队介绍如何用 Amazon SageMaker AI 的多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，仅调整 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数，其余走默认值。
推荐理由：AWS 团队公开了用多轮 RL 微调搜索智能体的完整配置与四个基准的对比数据，可据此评估该方法在自有检索场景的迁移成本。
Latent Space精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络防御者中开放，之后才面向开发者、企业和消费者。
推荐理由：汇总了 Gemini 4 Argon 的基准、定价与内部部署数据，并附上外界对公布数字的质疑。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御者开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 按输入价的 95% 折扣计费。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准与内部落地数据，可据此判断前沿模型的能力边界与分阶段开放节奏。
NVIDIA Blog精选AI 评分6060 NVIDIA 与 CoreWeave 将 Vera Rubin NVL72 投入生产，Cognition 为首家客户
CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网网络，成为首批向客户交付该平台的云厂商之一，Cognition 是首个在生产环境运行 Vera Rubin 的客户。
推荐理由：CoreWeave 上线 Vera Rubin NVL72 并公布 Devin 实测吞吐数据，可据此判断智能体编码负载的算力成本走向。
Latent Space精选AI 评分8888 OpenAI DevDay 2026 发布 Dots、GPT-6.1 Sol、Ultrafast 与 Decisions API
OpenAI 在 DevDay 2026 上发布 Dots 常驻智能体、GPT-6.1 Sol、Ultrafast 模式、Decisions API、ChatGPT Spaces 与 Marketplace，并称 ChatGPT 周活达 12 亿。
推荐理由：汇总 OpenAI DevDay 2026 的发布清单与独立评测数据，便于对照各家模型的价格与能力差异。
Hugging Face Blog精选AI 评分7171 H 公司发布 Holo4 系列智能体模型，含 27B 与 35B-A3B 两个版本
H 公司发布 Holo4 系列智能体模型，包含 27B dense 和 35B-A3B MoE 两个版本，均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face，同时发布基于 Nemotron 3 Nano Omni 的 Holotron4 Nano。
推荐理由：Holo4 同时支持 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，读者可据此判断通用计算机智能体的成本与能力边界。
Google Research精选AI 评分6060 Google Research 发布 AI 视频联合导演框架，自动化生成连贯长视频
Google Research 发布 AI 视频联合导演（AI video co-director）多智能体框架，作为编排层构建在 Gemini 和 Veo 之上，用于自动化多镜头长视频生成。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性与角色保持的评测结果，适合了解多智能体编排如何缓解语义漂移。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 智能体
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，智能体便会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃分诊交给 LLM 智能体，读者可了解其分层设计与安全边界。
GitHub Blog · AI & ML精选AI 评分8282 GitHub 用 Copilot 把 Copilot 运行时迁移到 Rust
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，AI agent 写了其中大部分代码，分布在 128 个合入 main 的 PR 中并增量发布。
推荐理由：作者以亲历者身份给出把 Copilot 运行时从 TypeScript 迁到 Rust 的完整工程细节，可迁移到大规模 agent 协作开发。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，分别面向规模化低成本场景与高复杂度多步推理任务。
推荐理由：两款语音对话模型同时给出实时推理、工具调用与多语言切换的能力边界，并列出开发者与企业的开放入口。
Mistral AI精选AI 评分6060 Mistral 用 AI 智能体迁移 4 万行 Fortran 77 遗留代码
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件和集中文档。团队先搭建数值对齐校验框架，用自定义解析器生成调用树并让上百个智能体结合 Mistral OCR 补文档，再以规划、编码、测试、审查的智能体工作流逐模块迁移，并保留人工审核环节。
推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 的完整流程，其中先建数值对齐校验、再让智能体文档化的做法可迁移到其他遗留系统改造。
Mistral AI精选AI 评分7171 Mistral 发布 Agentic Search，用多步检索循环替代传统 RAG
Mistral 发布 Agentic Search，一种让模型在文档中搜索、打开、导航、读取和 grep 的多步检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
推荐理由：原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可据此判断传统 RAG 的替代路径。