推荐理由:通过一款无 App 助理产品的用户信任数据与算力成本细节,呈现主动型 Agent 商业化的真实约束。
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。
377 条精选近 30 天 298 条共收录 2,146 条
精选归档 · 第 18 页
Saito@SaitoWu精选AI 评分7878
Microsoft Blog精选AI 评分8080 微软推出新版 Copilot,新增 Home、Code 和 Autopilot 三项能力
微软宣布重构 Copilot 应用,新增 Home、Code 和 Autopilot 三项能力:Home 把 Chat 与 Cowork 合并为统一入口并内置 Word、Excel、PowerPoint。

推荐理由:微软把 Copilot 拆成 Home、Code、Autopilot 三块并公布分批开放节奏,可据此判断企业 AI 工作台的形态走向。
Qwen@Alibaba_Qwen精选AI 评分7878阿里发布 Qwen Intelligence,首批上线 Mobile Planner、Mobile-Use、Mobile Creative 三款手机端智能体。

推荐理由:官方给出三个手机端智能体的分工与基准成绩,并同步开放评测套件,便于判断移动端智能体当前能力边界。
Sebastian Raschka@rasbt精选AI 评分7878Sebastian Raschka 指出,小米 MiMo-V2.6 在开源权重基准的加权平均上排名第一,但架构只是经典的 GQA 加 128 token 窗口的滑动窗口注意力。
引用Artificial Analysis@ArtificialAnlysMiMo-V2.6-Pro debuts as the top open weights model on the Artificial Analysis Intelligence Index (46). At $0.13 per Intelligence Index task, it lands on the Intelligence vs. Cost per Task Pareto frontier @Xiaomi has just released MiMo-V2.6-Pro, an open weights model with major advances in intelligence over its predecessor, MiMo-V2.5-Pro (Intelligence Index: 26). Despite the improvement, it retains the same attractive pricing at $0.435 per 1M input tokens (with a 99% cache-hit discount) and $0.87 per 1M output tokens. This makes MiMo-V2.6-Pro one of the most cost-efficient models to deploy. MiMo-V2.6-Pro is an MoE model with 1.02T total parameters and 42B active parameters. Stay tuned for additional analysis of the model. Check out MiMo-V2.6-Pro full benchmarking breakdown here: https://artificialanalysis.ai
推荐理由:作者借 MiMo-V2.6 的架构与训练细节,说明开源模型进步更多来自数据与后训练配方而非注意力结构。
Xiaomi MiMo@XiaomiMiMo精选AI 评分8282小米 MiMo 发布 MiMo-V2.6 Pro 和 Flash 两款全模态模型,通过规模化强化学习训练,并开放模型权重、技术报告、RL 环境和训练代码。

推荐理由:小米发布两款全模态模型并开放权重、技术报告和训练代码,读者可对照基准表看其与 Claude Opus 5、GPT-5.6 Sol 的差距。
Qwen@Alibaba_Qwen精选AI 评分8080阿里 Qwen 团队发布 Qwen3.8-Omni-Flash,称其为 Qwen 首个围绕智能体能力构建的全模态模型,将原生音视频理解、推理与工具调用整合在一个模型中。

推荐理由:官方给出音视频智能体能力、基准提升与视频输入成本降幅,可据此判断长音视频场景的落地成本。
AI at Meta@AIatMeta精选AI 评分7575Meta 发布个人智能体 Muse,由 Muse Spark 1.3 驱动,可在生活各场景中替用户完成任务。官方同时给出介绍页面,说明 Muse 的构建过程与具体能力。
引用Muse@MuseIntroducing Muse, your personal AI agent from Meta that gets things done across every part of life. Download the Muse app and get started: https://Muse.ai
推荐理由:Meta 官方发布个人智能体 Muse,并给出构建思路与能力说明的入口。
AI at Meta@AIatMeta精选AI 评分6868
推荐理由:Meta 公开 AIRA₃ 在 Kaggle 微调竞赛中的名次与参赛条件,可据此判断自主研究系统在模型能力改进上的位置。
月之暗面 Kimi 模型发布精选AI 评分8888 月之暗面开源 Kimi K3:2.8T 参数原生多模态模型,支持 100 万 token 上下文
月之暗面发布开源权重模型 Kimi K3,总参数 2.8T、激活参数 104B,基于 KDA 与 AttnRes 架构,原生支持文本、图像、视频并具备 100 万 token 上下文窗口。

推荐理由:月之暗面开源 2.8T 参数原生多模态模型,给出完整架构参数与多榜单对比,可据此判断开源前沿模型的当前水位。
宝玉的博客精选AI 评分7474 Anthropic 博客:高效电商 AI 智能体的架构、延迟成本优化与评估实践
Anthropic 在 Claude 博客中总结其与零售、电商平台、旅游、娱乐和电信客户合作构建电商 AI 智能体的经验,给出架构设计、延迟与成本优化、生产环境运行三部分指南。

推荐理由:Anthropic 基于企业部署经验,拆解电商智能体的架构、延迟成本优化与生产评估方法。
Alex Albert@alexalbert__精选AI 评分6060引用Claude@claudeaiWe’re also introducing Enterprise Frontier Safeguards (EFS), which give enterprise customers complete privacy (the same as zero data retention), while still being state-of-the-art at preventing adversarial use. EFS rolls out in phases, starting this fall. https://www.anthropic.com/news/enterprise-frontier-safeguards
推荐理由:Anthropic 员工解释 EFS 如何在零数据保留之上为智能体加一层监控,读者可借此理解企业采用 AI 时的隐私与风险权衡。
Z.ai@Zai_org精选AI 评分8080
推荐理由:智谱把面向智能体编码与网络防御的旗舰模型开放权重,读者可据此判断本地部署与二次微调的空间。
宝玉的博客精选AI 评分6060 Warp 如何让 Agent 自我进化:用人类反馈改进代码审查 Skill
宝玉解读 Claude 博文《How Warp builds self-improving agents on Claude》中 Warp 的做法:一个基础 Skill 负责代码审查,另一个改进 Skill 定期收集工程师在 PR 中对 Agent 审查结果的评论,据此更新审查 Skill,人只需照常写评论。

推荐理由:Warp 用人类 PR 评论驱动 Skill 迭代的做法,给出了让 Agent 记住团队规范的一套可迁移机制。
宝玉的博客精选AI 评分6060 宝玉复盘 AI 原生开发流程:给 BaoCut 加远程转录功能的完整案例
宝玉以给字幕转录翻译 App BaoCut 增加远程转录功能为例,复盘了自己的 AI 原生开发流程:可行性分析、设计文档、高精度原型、编码实现、黑盒测试五个环节,执行主体由人变为 Agent,人只在关键节点确认和决策。

推荐理由:作者以自己 App 加远程转录功能为例,完整复盘从可行性分析到黑盒测试的 AI 原生开发流程,并给出瓶颈已移到代码两侧的判断。
DeepSeek@deepseek_ai精选AI 评分7575DeepSeek 在 API 平台上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp,调用时使用 model='deepseek-v4-flash-vision-exp'。

推荐理由:官方给出新模型与 V4-Flash 的文本能力对照,以及多模态智能体基准上的提升幅度,便于判断是否值得接入。
Z.ai@Zai_org精选AI 评分7878智谱宣布正在为 GLM-5.3 的开放发布做准备,称这是其迄今网络安全能力最强的模型,将先由安全合作伙伴在受控环境中评估,随后扩大访问与 API 可用性,并在完成安全评估后公开完整模型权重。
推荐理由:原文给出了 GLM-5.3 在三个安全基准上的对比数据和分阶段开放权重计划,读者可据此判断开源模型在攻防双用途上的能力边界。
Z.ai@Zai_org精选AI 评分7878
推荐理由:官方给出 GLM-5.3 在编码、智能体与网络安全基准上的对比数据,可据此判断开源模型当前水平。
DeepSeek@deepseek_ai精选AI 评分8080推荐理由:官方给出 Harness 的插件化架构与 MIT 开源仓库,读者可据此判断它能否接入现有智能体工作流。
DeepSeek@deepseek_ai精选AI 评分8080
推荐理由:官方给出 V4-Pro 的 Agent 能力升级、三档推理强度和 Codex 接入方式,可据此判断实际使用成本与场景。
DeepSeek 模型发布精选AI 评分8888 DeepSeek 发布 DeepSeek-V4-Flash-0731 正式版
DeepSeek 发布 DeepSeek-V4-Flash-0731 正式版,取代此前的预览版本,智能体能力大幅增强。该模型与 DeepSeek-V4-Flash-DSpark 结构相同,附带投机解码模块,在 Terminal Bench 2.1、NL2Repo、DeepSWE 等基准上超过 DeepSeek-V4-Pro (Preview),激活参数量则小得多。
推荐理由:官方技术报告列出多项基准对比,读者可据此判断小激活参数模型在智能体任务上的位置。