Hugging Face 发布多 harness RL 指南：同一模型在不同 harness 下得分 62% 与 33%
Hugging Face 团队发布多 harness RL 训练指南，指出同一模型在相同权重下，在一个 agent harness 中得分 62%，在另一个中仅 33%。
推荐理由：同一模型在不同 agent harness 下得分相差近一倍，这篇开源研究给出了不改 harness 的多环境 RL 训练方法。
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。
31 条精选近 30 天 23 条共收录 172 条
更新
精选归档 · 第 2 页
Hugging Face (X)精选AI 评分7878
Google AI (X)精选AI 评分6969 Google 发布 Gemini 4 Argon 前沿模型
Google 发布新前沿模型 Gemini 4 Argon，面向复杂长程工作流持续进行深度推理，在真实软件工程、法律与金融等企业知识工作以及网络安全防御场景中提供前沿性能。该模型输出 token 上限提升至 1M tokens，目前正通过 Fairwind Program 向一批受信任的网络安全防御方逐步开放，后续将尽快扩大可用范围。
推荐理由：官方给出 Gemini 4 Argon 的定位与 1M 输出 token 上限，可据此判断长程复杂工作流的可用边界。
Qwen (X)精选AI 评分7878 阿里发布 Qwen Intelligence，推出三款手机端 SOTA 智能体
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。
Qwen (X)精选AI 评分8080 阿里发布 Qwen3.8-Omni-Flash 全模态模型，主打智能体能力
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 (X)精选AI 评分7575 Meta 发布个人智能体 Muse，由 Muse Spark 1.3 驱动
Meta 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。
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 (X)精选AI 评分6868 Meta 的 AIRA₃ 在 NVIDIA Kaggle 竞赛中获金牌，约 4000 支队伍中排第 8
Meta 称其在 6 月让自主 AI 研究系统 AIRA₃ 参加 NVIDIA 在 Kaggle 举办的竞赛，任务是微调一个 30B 的 Nemotron 模型，使其推理能力更强。AIRA₃ 在约 4000 支队伍中排名第 8，获得金牌，成绩超过使用同等前沿工具的人类参赛者。Meta 认为这表明 AIRA₃ 能在特定能力上把模型提升到接近人类专家的水平。
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。
DeepSeek (X)精选AI 评分7575 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API 平台
DeepSeek 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。
DeepSeek (X)精选AI 评分8080 DeepSeek 发布智能体框架 Harness v0.1 开发者预览版并开源
DeepSeek 发布 DeepSeek Harness v0.1 开发者预览版，面向构建智能体框架的开发者开放，并以 MIT 许可证开源代码库。该框架基于 Cordis 元框架，核心设计是“一切皆插件”，模型、工具、技能、会话、沙箱、文件系统、循环、编排和 UI 均以插件形式实现，可自由组合、替换和扩展。
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 (X)精选AI 评分8080 DeepSeek 发布 DeepSeek-V4-Pro
DeepSeek 发布 DeepSeek-V4-Pro，重点升级 Agent 能力并带来明显的生产环境收益。V4-Pro 与 V4-Flash 支持灵活推理强度，简单任务用 low、日常 Agent 工作流用 high、复杂任务用 max；同时原生支持 OpenAI Responses API，并针对 Codex 提供一键配置。V4 Pro 已在 app 和网页端以 Expert Mode 上线，也可通过 API 调用，模型名称保持不变。
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 (X)精选AI 评分7878 DeepSeek-V4-Flash 官方 API 开启公测
DeepSeek 宣布 DeepSeek-V4-Flash 官方 API 进入公开测试。官方称其 Agent 能力大幅升级，基准分数已明显超过 V4-Pro-Preview，并原生支持 Responses API 格式、完成对 Codex 的适配，配置细节见官方 API 文档。
推荐理由：官方公布 V4-Flash API 公测，并给出 Agent 能力提升与 Codex 适配的配置入口。
DeepSeek (X)精选AI 评分8080 DeepSeek 发布 DeepSeek-V3.2 与 DeepSeek-V3.2-Speciale 推理模型
DeepSeek 发布 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 两款以推理为先、面向智能体的模型。DeepSeek-V3.2 是 V3.2-Exp 的正式后继版本，已在 App、Web 和 API 上线；DeepSeek-V3.2-Speciale 侧重进一步拓展推理能力，目前仅通过 API 提供。官方同时放出了技术报告链接。
推荐理由：官方给出两个版本的定位差异与开放渠道，可据此判断面向智能体的推理模型如何分层落地。