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。
127 条精选近 30 天 58 条共收录 327 条
Mistral 发布 Mistral Medium 3.5，这是其首个合并指令遵循、推理与编码的 128B 稠密旗舰模型，采用修改版 MIT 许可开放权重，支持 256k 上下文窗口，最少四块 GPU 即可自托管，在 SWE-Bench Verified 上得分 77.6%，超过 Devstral 2 和 Qwen3.5 397B A17B。
推荐理由：Mistral 把编码智能体搬到云端并同步开源 128B 旗舰模型，读者可据此判断自托管与异步编码的可行边界。
Mistral AI 在 Studio 发布 Connectors，内置连接器和自定义 MCP 均可通过 API/SDK 用于所有模型与 Agent 调用，目前处于 Public Preview。
推荐理由：原文给出连接器注册、直接工具调用与人工审批三段能力，读者可据此判断企业级 Agent 集成层的落地方式。
Google 发布 Empirical Research Assistance（ERA），一个用 Gemini 编写和优化科学代码的研究工具，相关论文今日发表于 Nature。
推荐理由：Google 把 ERA 从 Nature 论文推进到可申请使用的工具，读者可据此判断科研编码自动化的落地进度。
Google DeepMind 在实验性原型 Project Genie 中上线 Street View 真实影像锚定能力，用户可在地图上选择美国地点并搭配风格与角色描述，生成以真实地点为起点的可交互世界。
推荐理由：官方说明 Genie 接入 Street View 真实影像，读者可了解世界模型如何以真实地点为锚点生成可交互环境。
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上三项实验原型：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：Google 把 Co-Scientist、AlphaEvolve 等研究原型打包成可申请试用的科学工具，读者可据此判断科研智能体的落地路径。
Google DeepMind 发布 Gemini 3.5 模型系列，首发的 3.5 Flash 面向智能体与编码任务，在 Terminal-Bench 2.1 取得 76.2%、GDPval-AA 取得 1656 Elo、MCP Atlas 取得 83.6%，多模态理解在 CharXiv Reasoning 上为 84.2%，输出速度是其他前沿模型的 4 倍。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的具体分数和速度对比，可据此判断其能力定位。
Google DeepMind 在 Nature 发表 Co-Scientist 研究，推出基于 Gemini 的多智能体 AI 系统，可迭代生成、辩论和演化复杂科学问题的新假设。
推荐理由：原文给出多智能体系统的三阶段架构与真实科研案例，读者可据此判断它在假设生成环节的可用边界。
Google DeepMind 回顾 Gemini 驱动的编码智能体 AlphaEvolve 发布一年来的应用成果，称其已从试点成为 Google 基础设施的核心组件。
推荐理由：官方汇总 AlphaEvolve 一年间在基因组、电网、量子与 TPU 设计等领域的落地数据，可据此判断编码智能体的实际外溢范围。
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗的“三方照护”模式。在 98 个真实初级保健问题的盲评中，该系统 97 例无关键错误，医生对其回答的偏好高于现有证据综合工具；在 140 项问诊技能评估中，AI 在 68 项上达到或超过初级保健医生水平，但识别危险信号和指导关键体格检查仍不如专家医生。
推荐理由：Google DeepMind 公布 AI co-clinician 研究计划，用医生盲评和模拟问诊数据说明医疗智能体当前的能力边界。
Google Research 介绍了科学家使用 Empirical Research Assistance（ERA）的四类实践：公共卫生领域，团队每周向 CDC 的流感。
推荐理由：Google 官方汇总 ERA 在流行病预测、宇宙学、碳监测与神经科学四个方向的落地结果，可看到 AI 辅助科研的具体边界。
Mistral AI 发布企业 AI 编排层 Workflows 公开预览版，提供持久化执行、可观测性和人工介入能力，ASML、ABANCA、CMA-CGM、France Travail、La Banque Postale、Moeve 等客户已用它自动化关键流程。
推荐理由：Mistral 把企业级 AI 编排的持久化执行、可观测与人工审批打包进 Studio，读者可据此判断生产化落地的门槛变化。
Google Research 在 ICLR 论文中提出 ReasoningBank，一个从成功和失败经验中蒸馏高层推理记忆的智能体框架，代码已开源。
推荐理由：论文给出从成功与失败经验中蒸馏记忆的框架，并附 WebArena 与 SWE-Bench-Verified 上的成功率与步数对比。
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以四个尺寸覆盖从手机到工作站的部署，并给出 Arena 排名与 Apache 2.0 许可，便于判断开源模型的可用边界。
Google DeepMind 公布 AI 指针的四条交互原则，并展示由 Gemini 驱动的实验性指针演示，用户可在 Google AI Studio 中通过指向和语音编辑图片或查找地点。
推荐理由：Google DeepMind 公开 AI 指针的四条交互原则，并已在 Chrome 落地，读者可据此判断 AI 交互从提示词转向指向与语音的路径。
Google 发布 Vibe Coding XR 工作流，将 Gemini 与基于 WebXR、three.js、LiteRT.js 的 XR Blocks 框架结合，把自然语言提示词直接转成具备物理感知的 Android XR 应用，耗时不到 60 秒。
推荐理由：Google 把 Gemini 的长上下文推理接到 WebXR 框架上，读者可据此判断自然语言生成 XR 原型的可行边界。
Mistral AI 推出 Forge，一套让企业基于自有专有知识构建前沿级 AI 模型的系统，支持预训练、后训练和强化学习等阶段，并支持 dense 与 MoE 架构及多模态输入。
推荐理由：原文给出企业用自有知识训练前沿模型的分阶段训练路径与智能体落地方式，可据此判断企业自建模型的门槛与形态。
Mistral 基于其开源编码助手 Vibe 构建了一个自动编写 Rails 测试的智能体，可读取源码、生成或改进 RSpec 测试并在 CI/CD 中无人干预运行。
推荐理由：Mistral 公开了用 Vibe 构建自动写 RSpec 测试智能体的完整方法，包括 AGENTS.md、技能文件和自定义工具的具体做法。
Mistral 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选项澄清、斜杠命令技能、统一智能体模式和自动更新。
推荐理由：官方给出 Vibe 2.0 的自定义子智能体、斜杠命令技能等能力与订阅入口，可据此判断终端编码智能体的工作流变化。
Mistral 发布下一代编码模型家族 Devstral 2，含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者均为开源许可，Devstral 2 采用修改版 MIT、Small 2 采用 Apache 2.0。
推荐理由：原文给出 Devstral 2 的 SWE-bench 成绩、开源许可与部署门槛，读者可据此判断开源编码模型与闭源模型的差距。
Mistral 发布 Mistral AI Studio，一个面向企业团队的生产级 AI 平台，由 Observability、Agent Runtime 和 AI Registry 三大支柱组成。
推荐理由：Mistral 把自家大规模系统的运维经验产品化，读者可据此了解企业级 AI 从原型走向生产需要哪些基础设施。