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。
OpenAI 推出 GPT-6 Astra Ultrafast 模式，在 NVIDIA Blackwell GPU 上通过推理优化实现比标准模式快 8 倍的 token 生成速度。该模式已开放 API 访问，旨在缩短编码 Agent 的编辑测试循环及工具调用响应时间。
推荐理由：GPT-6 Astra Ultrafast 模式提供 8 倍加速，直接优化了 Agent 编码与工具调用的响应延迟。
H company 发布 Holo4 系列通用智能体模型，包含 27B 密集版和 35B-A3B MoE 版，支持通过 GUI、代码、MCP 和 API 与软件交互。模型在 OSWorld 2.0 等基准测试中表现优异，权重已在 Hugging Face 开源，并提供 Holotron4 Nano 版本。
推荐理由：提供多接口通用智能体模型及开源权重，展示跨平台工作流能力与成本优势。
Hugging Face Hub 上线 RL 环境专用分类与筛选功能，通过给数据集添加 rl-environment 标签即可在 Hub 发现。该功能支持 Harbor、Verifiers、OpenEnv 和 NeMo Gym 等框架，统一了环境数据的托管与发现入口。
推荐理由：Hugging Face Hub 新增 RL 环境专用分类，统一了多框架环境的数据托管与发现入口。
Google Research 发布 AI 视频联合导演框架，通过 Co-Director、CANVAS、A²RD 和 VQQA 四个模块解决长视频生成的语义漂移和一致性难题，并推出 GenAD-Bench、HardContinuityBench、LVBench-C 等评测基准。
推荐理由：提出多智能体框架解决长视频生成的语义漂移与一致性难题，并发布了四个专用评测基准。
GitHub Security Lab 开源 Fuzzing Taskflow，这是一个基于 LLM 智能体的 C/C++ 自动化模糊测试流水线。该工具能自动识别入口点、编写 Harness、运行 AFL++ 并通过覆盖率反馈循环优化测试，最终自动生成包含根因分析和修复建议的漏洞报告。
推荐理由：开源了端到端自动化模糊测试智能体，覆盖从Harness编写到漏洞报告生成的全流程。
NVIDIA 在 ROSCon 发布 Isaac ROS 5.0，引入支持 AI 智能体的工作流与技能包，并加速 FoundationPose 推理达 5.5 倍。该版本新增对 ROS Lyrical 和 Ubuntu 24.04 的支持，并兼容从 Jetson Orin Nano 到 Jetson Thor 的多种边缘计算平台。
推荐理由：引入AI智能体工作流与FoundationPose推理加速，为开发者提供构建和部署高性能机器人应用的新路径。
Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两款实时对话模型，支持近实时视觉输入、97 种语言自动切换及后台工具调用。3.8 Live Extended Thinking 在 Artificial Analysis 语音质量指数中排名第一，并在 τ-Voice 基准测试中展现多步推理能力。
推荐理由：新增实时对话与扩展推理能力，提供语音基准数据与多语言支持，便于开发者构建生产级语音智能体。
IBM 在 ALTK-Evolve 中引入一致性指导原则，通过一致性分析器定位决策点并生成指导原则，在不损失平均准确率的前提下显著缩小智能体表现波动。
推荐理由：提出通过一致性分析器定位决策点并生成指导原则，在不损失平均准确率的前提下显著缩小智能体表现波动。
Google Research 提出 ToolGrad，通过文本梯度迭代构建 API 工作流，以更低成本生成高质量工具调用数据。在 BFCL 基准上，基于该方法微调的 Gemma-3-12B 模型得分 83.1，超越 Gemini-2.5-pro、Claude 4.5 Opus 和 GPT-5。
推荐理由：提出基于文本梯度的答案优先范式，以更低成本生成高质量工具调用数据，使小模型在基准上超越主流闭源模型。
Google DeepMind 推出 Fairwind 计划，向政府和可信合作伙伴开放 Gemini 3.8 Flash Cyber 模型与 CodeMender 工具，实现自主发现并修复代码漏洞。该方案旨在以较低成本在安全云环境中生成可部署补丁，缩短从漏洞检测到修复的时间。
推荐理由：结合 Gemini 3.8 Flash Cyber 与 CodeMender 提供自主漏洞修复能力，为政企客户提供了规模化防御的可选方案。
Google DeepMind 发布 Gemini 3.8 Flash 及 Gemini 3.8 Flash Cyber，在保持 3.7 Flash 同等低成本（$0.75/$3.75 per million tokens）的同时，显著提升了编码、推理及网络安全能力。
推荐理由：在保持3.7 Flash同等低成本的同时，显著提升了编码、推理及网络安全能力，为开发者提供了高性价比的升级选择。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 中推出智能体视频理解功能。该功能通过动态搜索和扫描视频片段，将长视频分析的 token 消耗降低高达 88%，成本降低 66%，准确率提升 7%。
推荐理由：Gemini 3.7 Flash 等模型新增智能体视频理解功能，通过动态检索显著降低视频分析成本并提升准确率。
IBM 发布 Granite 4.2 推理模型系列，包含 3B、8B 和 30B 三个尺寸，采用密集解码器架构并支持思考模式切换与原生工具调用。模型基于约 15T token 预训练，并通过包含 SWE、终端和搜索的多阶段强化学习进行后训练，在 SWE-bench Verified 等基准上表现强劲。
推荐理由：原文披露了从预训练到多阶段强化学习的完整构建细节，为同类模型提供了可迁移的技术参考。
Google Research 发布 Biomarker Discovery Framework，这是一个多智能体系统，用于从可穿戴设备数据中优先筛选候选生物标志物。
推荐理由：原文展示了多智能体系统如何结合统计严谨性与人类监督，从可穿戴设备数据中自动化发现候选生物标志物。
IBM发布ALTK-Evolve研究，发现智能体记忆需按模型能力分级注入。强模型适用全量指南，弱模型适用检索，饱和模型无增益。检索策略能以极低成本提升弱模型表现，全量指南可通过提示词缓存降低开销。
推荐理由：研究揭示了智能体记忆需按模型能力分级注入，为兼顾性能与成本的Agent部署提供了可迁移的校准方法。
AWS Strands Robots 结合 Hugging Face Storage Buckets 实现机器人数据闭环。通过 Xet 字节级去重降低同步成本，利用流式读取避免全量下载，完成从采集、训练到部署的无缝衔接。
推荐理由：原文给出了基于 Storage Buckets 和流式读取的机器人数据闭环实操，读者可据此优化采集训练部署流程。
Google DeepMind 发布 Gemini 3.7 Flash，在编码、智能体和复杂文档处理任务上显著优于 3.6 Flash，并提供半价定价。该模型已用于 Gemini Spark，并更新了 CBRN 和网络安全方面的安全护栏。
推荐理由：在编码和智能体任务上性能显著提升，并提供半价定价，有助于开发者低成本扩展生产级应用。
Hugging Face 联合社区复现 2226 篇 ICML 2026 论文，发现 51% 的论文至少有一个声明被验证，23% 存在被证伪的声明。文章指出纯智能体验证存在局限，人类应转向管理智能体、设定环境和提出关键问题。
推荐理由：Hugging Face 通过大规模开源复现揭示了 AI 论文复现危机，并探讨了人类在智能体时代的审稿新角色。
Meta 发布 Muse Glimmer 30B 多模态模型，专为本地智能体场景设计，采用 2B 视觉编码器与 28B 文本解码器架构。该模型开源并提供 transformers、llama.cpp 及 vLLM 支持，具备多模态工具调用与代码生成能力，演示了模型自量化与自部署等智能体应用。
推荐理由：Meta 发布 30B 多模态模型，针对本地智能体场景优化，提供多种推理框架支持与自部署演示。
Google Research发布Science One Framework及Chain-of-Evidence (CoE) 框架，旨在解决AI自主科研中的可验证性问题。该框架通过构建完整的证据链，实现了零虚假引用和完全可复现的实验分数，同时在MLE-Bench和Parameter-Golf等前沿基准上达到SOTA性能。
推荐理由：提出Chain-of-Evidence框架与CoE Audit，通过强制证据链解决AI科研幻觉，在保持前沿性能的同时实现零虚假引用。