美团开源 1.6 万亿参数智能体模型 LongCat-2.5，全程用国产芯片训练
美团 LongCat 团队在模型正式亮相一周后发布了 LongCat-2.5 的权重，这是一个为自主多步任务（尤其是编码）打造的 1.6 万亿参数 MoE 模型，每 token 约激活 480 亿参数。
推荐理由：材料记录了 1.6 万亿参数 MoE 模型在国产芯片上完成训练与部署的细节和基准对比。
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。
39 条精选近 30 天 22 条共收录 160 条
更新
Agent 智能体的精选
The Decoder精选AI 评分8181
Google Research精选AI 评分7979 Google 在 Antigravity 开放 /teamwork 多智能体工作流
Google 将 Antigravity 的 /teamwork 多智能体工作流连同 /boost 等智能体开放给外部研究者和开发者，可搭配 Gemini 4 Argon、Carbon、Hydrogen 使用。
推荐理由：Google 公开 /teamwork 多智能体工作流在数学证明、形式化验证与内核优化上的具体结果，并说明外部用户可用的入口。
OpenAI News精选AI 评分7373 OpenAI 推出 ChatGPT Wallet，让智能体在用户批准下完成购买
OpenAI 推出 ChatGPT Wallet，为 ChatGPT Work、Codex 和 dots 中的智能体提供安全的购买方式，需经用户批准并沿用现有银行卡保护。原文未披露更多功能细节。
推荐理由：原文交代了 ChatGPT Wallet 的适用场景与用户审批机制，可据此判断智能体代付的边界。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 4 Hydrogen 模型
Google DeepMind 发布 Gemini 4 Hydrogen，定位为面向日常编码与智能体工作流的高效执行模型，即日起在 Gemini API、AI Studio、Gemini app、Google Search 及 Google Antigravity 等渠道向所有用户开放。
推荐理由：官方给出 Hydrogen 与 Carbon、Argon 的分工定位及多模型编排的配额与速度数据，可据此判断日常编码与智能体工作流如何选型。
AWS Machine Learning Blog精选AI 评分6767 Amazon Bedrock AgentCore runtime 更新，会话启动最高快 15 倍、算力扩至 4 倍
AWS 宣布更新 Amazon Bedrock AgentCore runtime，每个会话仍在独立的 Firecracker MicroVM 中运行，会话启动最高快 15 倍、算力扩至 4 倍、内存消耗最多减少 68%。
推荐理由：官方给出会话启动速度、算力上限与内存效率的具体倍数变化，可对照上一代运行时评估迁移成本。
OpenAI Developers Blog精选AI 评分7070 OpenAI 如何为 OpenClaw 等常驻智能体构建安全防护
OpenAI 在开发者博客中说明其内部部署数百个 OpenClaw 常驻智能体时采用的安全控制，包括隔离可信网关与不可信 LLM 执行环境、用沙箱限制网络和文件访问、以第二个模型做 Auto-review 审批。
推荐理由：OpenAI 公开内部数百个常驻智能体的沙箱、身份与审批配置，可作为企业部署 Agent 时的安全基线参考。
AWS Machine Learning Blog精选AI 评分6060 AWS 详解 Amazon Bedrock Managed Knowledge Base 工具的细粒度访问控制
AWS 发布教程，介绍如何让共享同一智能体和知识库的员工只检索到自己有权查看的文档。
推荐理由：原文给出可复用的多层防御架构与完整 CDK 示例，读者可据此为共享知识库的智能体设计按用户隔离的检索权限。
AWS Machine Learning Blog精选AI 评分6060 AWS 在 Amazon Bedrock AgentCore 上推出 Web Search API
AWS 发布 Amazon Bedrock AgentCore 的 Web Search API，开发者用一次 InvokeWebSearch 调用即可检索 Amazon 自运营网页索引，返回带文本摘录及标题、URL、发布时间的有序结果。
推荐理由：原文给出独立 API 的调用方式、与 Gateway 的分工和计费口径，便于判断何时绕过网关直接接入搜索。
The Decoder精选AI 评分7878 Google 发布 Gemini Decision 1 与 Gemini Decisions API，单次可处理 1000 个问题
Google DeepMind 推出 Gemini Decisions API，其底层模型 Gemini Decision 1 可在单次处理中完成最多 1000 个独立的封闭式问题，覆盖文本、图像、音频、视频和 PDF，直接对选项打分并返回概率与置信度，耗时 150 到 250 毫秒。
推荐理由：读者可了解 Gemini Decision 1 单次处理千条封闭式问题的能力、定价与已落地场景。
AWS Machine Learning Blog精选AI 评分6060 AWS 开源 UAEF：跨框架的 AI 智能体闭环评测系统
AWS 发布开源框架 UAEF（Universal Agent Evaluation Framework），通过适配器把 LangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore 和 Langfuse 的执行轨迹统一为 AgentTrace，再用 7 个维度下的 36 项内置指标打分。
推荐理由：原文给出跨框架统一评测的适配器设计与 36 项指标清单，可据此判断多框架智能体如何做版本对比。
Microsoft Research精选AI 评分7474 微软研究发现 Lazarus 后门，改写不到 10 个休眠神经元即可控制 AI 智能体
微软研究人员发现名为 Lazarus 的后门技术，改写 LLM 中不到 10 个休眠神经元即可让基于其构建的 AI 智能体在触发时执行攻击者命令，且无需训练。被植入后门的模型仍能通过标准评测，触发条件可以简单到日期变化，例如时钟跨入 2027 年。微软 Foundry 通过校验模型来源、将模型绑定到可信发布者并扫描运行环境来防护，同时正研发权重扫描与模型签名等额外手段。
推荐理由：研究显示改写不到 10 个休眠神经元即可给智能体植入后门，读者可据此理解权重来源与完整性为何成为部署前提。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 向开发者、企业和消费者开放 Gemini 4 Carbon，称其在网络安全能力和长程智能体工作流上达到前沿水平。
推荐理由：官方给出 Carbon 与 Argon 的定位差异、多项基准排名和定价，便于判断何时该用更重的模型。
NVIDIA Blog精选AI 评分6262 NVIDIA 将 OpenShell 捐赠给 CNCF，并发布 DSX AI Factory 平台新组件
NVIDIA 在 KubeCon + CloudNativeCon 上宣布把用于保障和治理自主智能体的开源运行时 NVIDIA OpenShell 捐赠给 CNCF，作为 Sandbox 项目由社区治理。
推荐理由：原文给出 OpenShell 捐赠 CNCF 与 NVKE、NVKR、Snapshot 三个组件的具体能力，可据此判断 Kubernetes 上智能体治理与推理扩容的落地方式。
The Decoder精选AI 评分8080 Anthropic Fable 5.2 在远程劳动指数 RLI 上完成 41.3% 真实自由职业任务
Anthropic 新模型 Fable 5.2 在 Scale Labs 与 CAIS 的 Remote Labor Index 上以 41.3% 登顶，远高于一年前最高系统的 2.5%。
推荐理由：RLI 以真实 Upwork 付费项目衡量智能体交付质量，这组分数可与一年前 2.5% 的起点直接对照。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 AlphaProof Code，用 AI 智能体形式化验证 Signal 协议代码
Google DeepMind 发布 AlphaProof Code，一个结合人类专家与多 LLM 智能体的形式化验证框架，首次用 AI 对广泛部署的 Signal 协议实际代码做深度形式化验证。
推荐理由：DeepMind 用多 LLM 智能体框架对 Signal 协议实际代码做形式化验证，四周完成过去需数年的工作，并开源验证产物。
AWS Machine Learning Blog精选AI 评分7272 Claude Fable 5.2 与 Mythos 5.2 上线 Amazon Bedrock
AWS 宣布 Claude Fable 5.2 与 Claude Mythos 5.2 已在 Amazon Bedrock 和 Claude Platform on AWS 上可用。
推荐理由：文中给出了 Fable 5.2 在编码与科研任务上的定位、数据保留要求与 Bedrock 调用方式，便于评估迁移成本。
Anthropic Engineering精选AI 评分6262 Anthropic 解析智能体记忆的组成部分与 dreaming 机制
Anthropic 工程团队发文拆解智能体记忆的组成部分，涵盖记忆笔记、dreaming 离线整理、wiki 表示和记忆分层注入。在 CL-Bench 1.0 数据库任务中，Claude Opus 5 能把验证过的规则写入记忆形成学习闭环，而 Sonnet 4.6 只留下未经验证的猜测。
推荐理由：文中对比了不同 Claude 模型在记忆写入上的差异，并给出 dreaming 与 wiki 两类可迁移的记忆组织方法。
Mistral AI精选AI 评分6868 Mistral 发布 Mistral Large 4（Le Chonk）并扩展 Mistral Studio 托管智能体与工作流
Mistral 发布 Mistral Large 4（代号 Le Chonk），主打编码、防御性网络安全和复杂文档推理，同时扩展企业平台 Mistral Studio，新增托管智能体、应用、工作流、企业上下文、智能体可观测性与评估能力。
推荐理由：原文给出 Studio 新增托管智能体、工作流与可观测能力，以及 ABANCA、BNP Paribas 等客户的生产使用情况，可据此判断企业自建智能体的落地路径。
Google DeepMind精选AI 评分6262 Google DeepMind 为 Antigravity 发布化学信息学 Skills
Google DeepMind 为 Google Antigravity 发布一套化学信息学 Skills，安装 Science 插件后即可使用。演示中智能体从文献中检索数千个化合物、完成匹配分子对分析与效力建模，并在一小时内提出带合成路线的新型刚性化大环分子。团队同时说明稀疏数据、实验室间测定噪声和窄动态范围会限制预测精度，计算设计仍需合成与实验验证。
推荐理由：官方演示了从文献抽取化合物到生成合成路线的完整流程，可看到智能体与确定性化学工具分工的具体做法。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长周期任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：原文给出 Carbon 在网络安全与长周期编码任务上的基准成绩和分阶段开放路径，可对照两周前发布的 Argon 看迭代节奏。