Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，这是其最快、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：Anthropic 小模型大幅降价并首次开放推理档位，读者可据此判断高并发任务的成本结构变化。
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。
18 条精选近 30 天 16 条共收录 67 条
更新
Agent 智能体的精选
The Decoder精选AI 评分7878 TechCrunch · AI精选AI 评分7878 Google 在 Gemini 中引入智能体能力，先从企业场景落地
Google 在 Google Cloud 活动上宣布为 Gemini 推出统一智能体，可接受目标而非仅指令，自主规划任务、调用自定义技能与工具并连接企业内部系统。
推荐理由：Google 把 Gemini 从对话助手推进到可自主执行任务的智能体，并给出企业侧接入与管控细节。
The Decoder精选AI 评分7676 Zenity Labs 发现 AWS AgentCore 漏洞：一个公开智能体可接管同区域全部智能体
安全公司 Zenity Labs 称，AWS 的 Bedrock AgentCore 存在一串被其命名为 AgentCorruption 的漏洞，攻击者只需对一个公开智能体拥有聊天权限，用一条提示词即可接管同一 AWS 账号和区域内的所有 AgentCore 智能体，读取私密对话、源代码和存储的凭证。
推荐理由：Zenity Labs 披露 AWS AgentCore 的默认权限与隔离缺陷，呈现了智能体平台在权限边界上的系统性风险。
Latent Space精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，官方称其平均运行成本比 Haiku 4.5 低约 75%。
推荐理由：汇总了 Haiku 5.5 的定价、独立评测与 token 消耗数据，可据此判断小模型在智能体工作流中的成本取舍。
Hugging Face Blog精选AI 评分7474 作者用 ML Intern 两天训出六个模型，总花费约 103 美元
作者在 HuggingChat 中开启 ML-intern 模式，用提示词驱动它完成数据构建、训练、评测和发布，两天内做出六个模型，总计算成本约 103 美元。
推荐理由：作者用 ML Intern 在两天内从零训出六个模型，并公开全部提示词与成本明细，可迁移到自己的训练流程。
Google Research精选AI 评分6767 Google Research 研究：AI 辅助提升专利撰写产出，但未必加速初级律师专业判断成长
Google Research 与 NBER 发布一项为期三个月的专利撰写实地实验，将当时未发布的 Google Labs AI 专利写作助手（现属 Gemini Notebook）随机分配给 11 家知识产权律所的 133 名律师。
推荐理由：三个月专利撰写实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，为理解 AI 对专业能力的影响提供了实证。
AWS Machine Learning Blog精选AI 评分6666 AWS 上线 Claude Haiku 5.5
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用。
推荐理由：文章给出 Haiku 5.5 在 Bedrock 上的能力定位、成本变化与调用方式，便于判断它在多智能体分层中的位置。
NVIDIA Blog精选AI 评分7474 NVIDIA 与 Microsoft 发布 RTX Spark 与 Windows 智能体基础设施
在旧金山 Microsoft 活动上，NVIDIA 与 Microsoft 宣布为 Windows PC 上的 AI 智能体共同设计软硬件，Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers（MXC）正式可用，让智能体在系统控制下安全持久地在后台运行。
推荐理由：NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力硬件一并给出，读者可据此判断 Windows 端侧智能体的落地路径。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的同一 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，给出真实 harness 参与 RL 训练的设计取舍与实测增益，可据此判断自建智能体训练链路的成本。
Latent Space精选AI 评分8888 OpenAI 内部模型发布 722 篇数学论文，覆盖 500 个开放问题中的 90 个
OpenAI 以公开 GitHub 仓库形式发布了一批来自内部前沿模型的数学成果，共 722 篇论文、归入 372 个相关结果族，来自约 4000 个研究问题的评测，平均每个结果消耗约 3 小时 ChatGPT Pro 思考算力，模型本身仍未发布。
推荐理由：OpenAI 用内部未发布模型产出 722 篇数学论文，读者可据此了解其规模、算力成本与学界反应。
Mistral AI精选AI 评分8080 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，权重将于本月底开放。
推荐理由：Mistral 官方给出 1 万亿参数开源权重模型的能力细节与开放节奏，可据此判断开源前沿模型的当前水位。
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生成文本判定成败，每个任务重复 20 次。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用后端状态而非生成文本判定成败，并给出 20 次重复下的稳定性与成本数据。
Google DeepMind精选AI 评分8484 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方开放，随后逐步扩展至开发者、企业和消费者，起步价每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全防御上的基准表现和内部落地案例，可据此判断前沿模型的能力边界与分阶段开放节奏。
Google Research精选AI 评分6767 Google Research 发布 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 与 Veo 之上的编排层，将长视频生成建模为全局优化与世界状态跟踪问题，缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个可复用框架，读者可了解多智能体编排如何缓解语义漂移与级联失败。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Security Lab 发布 Fuzzing Taskflow 智能体，自动完成 C/C++ 模糊测试
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，它就能识别入口点、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，读者可据此判断自动化安全测试的边界。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：官方给出两款语音模型的基准成绩、定价定位与开发者接入渠道，可据此判断语音智能体的落地成本与能力边界。
Mistral AI精选AI 评分6262 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也没有集中文档。团队先搭建数值对齐测试框架，用 Skill.md 引导智能体导出状态快照并在 C++ 侧校验，再用 Vibe CLI 启动上百个智能体解析调用树、结合 Mistral OCR 整理散落的 PDF 文档并逐节点提交 PR。
推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 的完整流程，其中先建数值对齐测试再迁移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一次性 RAG
Mistral 发布 Agentic Search，作为检索层让模型在多步循环中查找、检查和验证信息，通过 Mistral Search Toolkit 提供，并内置到 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。