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。
Intel 发布 DeepMath，这是一个基于 Qwen3-4B Thinking 微调的数学推理智能体。它通过生成简短 Python 代码片段并在沙箱中执行来减少输出长度并提高准确率。模型使用 GRPO 进行训练，在 MATH500、AIME 等数据集上，输出长度最多减少 66%，同时准确率得到提升。代码和模型已开源。
推荐理由：Intel 发布基于 Qwen3-4B 的 DeepMath 智能体，通过 GRPO 微调与代码执行结合，实现输出缩短 66% 且准确率提升。
Google DeepMind 发布 Gemini 3 Pro 模型，在编码、Agent 工作流及多模态理解基准上表现领先。该模型提供 100 万 token 上下文窗口，API 预览版定价为输入 2 美元/百万 token、输出 12 美元/百万 token，并同步推出 Google Antigravity 开发平台。
推荐理由：原文给出了核心能力变化和 API 定价，读者可据此评估其对现有开发工作流的影响。
Google DeepMind 发布 SIMA 2，将 Gemini 模型作为核心推理引擎，使智能体能在 3D 虚拟环境中理解复杂指令、进行链式推理并自我改进。该模型在跨游戏泛化和与用户协作方面表现显著，目前作为有限研究预览向学术界和游戏开发者开放。
推荐理由：SIMA 2 将 Gemini 推理能力引入 3D 游戏，实现了跨游戏泛化与自我改进，为具身智能提供了新路径。
Meta与Hugging Face联合推出OpenEnv Hub，提供标准化的智能体沙箱环境。同时发布OpenEnv 0.1规范（RFC），定义工具、API及执行上下文，支持RL训练与部署。
推荐理由：Meta与Hugging Face联合推出OpenEnv Hub及规范，为智能体提供标准化的沙箱环境以支持训练与部署。
Hugging Face 开源了 Smol2Operator 项目，展示了如何将轻量级视觉语言模型 SmolVLM2-2.2B-Instruct 训练为具备 GUI 操作能力的智能体。项目包含两阶段训练策略、统一动作空间转换工具、两个处理后的数据集及最终模型，在 ScreenSpot-v2 基准测试中取得了显著性能提升。
推荐理由：开源了基于SmolVLM2训练GUI智能体的全流程与模型，提供了可复现的数据处理工具与统一动作空间方案。
Hugging Face 发布 Jupyter Agent，开源了基于 Qwen3-4B 微调的模型及训练数据集，旨在让小型模型具备在 Jupyter Notebook 中执行代码解决数据分析任务的能力。该模型在 DABStep 基准测试的简单任务上准确率提升至 75%，并提供了完整的 Kaggle 数据集清洗、QA 生成及微调代码。
推荐理由：Hugging Face 开源了基于 Qwen3-4B 微调的 Jupyter Agent 模型及数据集，展示了通过高质量数据与精简脚手架提升小模型数据分析能力的有效路径。
Mistral Le Chat 发布记忆功能（beta），采用图架构实现跨会话信息检索。该功能支持自动保存与智能召回，提供透明度、用户控制权及数据可移植性，并附带 Memory Insights 辅助管理。
推荐理由：原文披露了记忆功能的底层架构与用户控制权设计，读者可据此评估其实际工作流价值。
Mistral 发布 Le Chat 的 MCP 连接器目录（beta），提供20+个涵盖数据、生产力、开发等领域的安全连接器，支持自定义扩展。同时推出记忆功能（beta），可跨会话保存偏好与事实，支持从 ChatGPT 快速导入，所有功能对免费用户开放。
推荐理由：Le Chat 新增 MCP 连接器目录与记忆功能，提供企业级数据集成与个性化上下文能力。
OpenAI 发布 GPT OSS 开源模型系列，包含 120B 和 20B 两个 MoE 版本，采用 mxfp4 量化以支持单卡部署。Hugging Face 提供详细指南，涵盖 transformers、vLLM 和 llama.cpp 等框架的本地推理、Flash Attention 3 优化及工具调用能力。
推荐理由：OpenAI 发布开源推理模型，Hugging Face 提供从本地量化部署到云端推理的完整工程支持。
NVIDIA 发布开源 AI-Q 智能体栈，基于 Llama 3.3-70B 和 Llama-3.3-Nemotron-Super-49B-v1.5 模型，在 Hugging Face DeepResearch Bench 的 LLM with Search 类别中以 40.52 分登顶。该方案支持本地部署与隐私合规，提供完整的推理追踪与评估指标。
推荐理由：NVIDIA 开源 AI-Q 智能体栈并在 DeepResearch Bench 登顶，展示了 Llama Nemotron 在复杂推理任务中的能力。
Hugging Face 官方博客介绍 Gradio 新增 Model Context Protocol (MCP) 集成，可将 Python 函数自动转换为 LLM 工具。文章演示了如何利用该功能结合 IDM-VTON 模型和 Playwright，在 VS Code 中构建一个能自动浏览网页并生成虚拟试穿效果的 AI 购物助手。
推荐理由：Gradio 新增 MCP 支持可将 Python 函数自动转为 LLM 工具，本文演示了如何快速构建具备网页浏览与虚拟试穿能力的 AI 助手。
Mistral 发布 Le Chat 多项新功能，包括 Deep Research 智能体可自动生成结构化研究报告；基于 Voxtral 模型的语音模式支持自然对话；Magistral 推理模型提供原生多语言思考能力；Projects 功能支持将对话分组管理；与 Black Forest Labs 合作实现图像直接编辑。
推荐理由：Le Chat 新增 Deep Research 智能体、Voxtral 语音交互及 Magistral 多语言推理，提供了更完整的 AI 助手工作流。
Gradio 5.38.0 版本更新，增强了对 MCP 服务器协议的支持。新增功能包括：支持本地文件上传、实时进度通知、一行代码将 OpenAPI 规范转换为 MCP 服务器、通过 gr.Header 简化认证配置以及自定义工具描述。
推荐理由：Gradio 5.38.0 新增文件上传、OpenAPI 转换等 MCP 功能，降低了构建智能体应用的技术门槛。
Mistral AI 发布 Devstral Medium 和升级版的 Devstral Small 1.1。Devstral Medium 在 SWE-Bench Verified 上得分 61.6%，超越 Gemini 2.5 Pro 和 GPT 4.1，价格仅为后者的四分之一。
推荐理由：Devstral Medium 在 SWE-Bench Verified 上超越 Gemini 2.5 Pro 且价格更低，Small 1.1 开源并刷新开放模型记录。
Mistral 发布 Agents API，提供内置代码执行、图像生成、文档库和网页搜索连接器，以及持久记忆功能。该 API 支持多智能体动态编排与任务交接，并兼容 MCP 协议。在 SimpleQA 基准测试中，开启网页搜索后 Mistral Large 和 Medium 的准确率分别提升至 75% 和 82.32%。
推荐理由：Mistral 推出官方智能体 API，内置代码执行、搜索等连接器及持久记忆，支持多智能体编排与 MCP 协议。
Mistral 发布 Le Chat Enterprise，基于全新 Mistral Medium 3 模型，提供企业搜索、自定义智能体构建、文档库及混合部署等能力。该版本支持 Google Drive、Sharepoint 等连接器，即将支持 MCP，并可在 Google Cloud Marketplace 获取，支持私有化部署与严格的数据安全控制。
推荐理由：Mistral 推出企业版 Le Chat 并集成新模型，提供私有化部署与自定义智能体构建能力。
Hugging Face 与 Adyen 联合发布 DABStep 基准，包含 450 多个基于真实金融支付业务提取的多步数据分析任务。评测显示，即使是 o3-mini 等最强推理模型，准确率也仅为 16%，暴露出当前 AI 智能体在复杂数据推理上的显著不足。
推荐理由：基于真实业务数据构建，揭示了当前最强推理模型在复杂多步数据分析任务中准确率不足20%的显著差距。
Hugging Face 开源了 smolagents 框架以复现 OpenAI Deep Research 的搜索智能体。该框架采用 CodeAgent 架构，在 GAIA 验证集上达到 55.15% 的成绩，优于此前开源方案。
推荐理由：Hugging Face 开源了复现 OpenAI Deep Research 的 smolagents 框架，展示了 CodeAgent 在 GAIA 基准上的性能提升。
Hugging Face 在 smolagents 中新增对视觉语言模型（VLM）的原生支持，允许在智能体管道中直接使用视觉能力。通过提供初始图像输入和基于回调的动态截图机制，开发者可轻松构建如自主网页浏览等视觉智能体。
推荐理由：原生支持视觉模型并给出动态截图回调示例，便于开发者快速构建具备视觉能力的智能体。
Hugging Face发布博客，从伦理视角系统分析AI智能体的自主性分级与多维价值权衡。文章指出风险随自主性增加而上升，建议不开发全自主智能体，并推荐半自主智能体。
推荐理由：文章从伦理视角系统拆解了AI智能体的自主性分级与多维价值权衡，并明确建议不开发全自主智能体。