美团发布 1.6 万亿参数开源多模态智能体模型 LongCat-2.5
美团 LongCat 团队发布 LongCat-2.5 权重,这是一款总参数量 1.6 万亿、每 token 激活约 480 亿参数的 MoE 智能体模型,面向长流程编码任务,并支持文本、图像和视频输入。
推荐理由:文章梳理了 LongCat-2.5 的开放权重、硬件适配方式与多项智能体基准表现,便于评估其部署成本和能力位置。
美团 LongCat 团队发布 LongCat-2.5 权重,这是一款总参数量 1.6 万亿、每 token 激活约 480 亿参数的 MoE 智能体模型,面向长流程编码任务,并支持文本、图像和视频输入。
推荐理由:文章梳理了 LongCat-2.5 的开放权重、硬件适配方式与多项智能体基准表现,便于评估其部署成本和能力位置。
NVIDIA NeMo Switchyard 是一个开源库,可按 Stage 或 Random 策略为 Claude Code、OpenAI Codex CLI 等 coding agent 选择模型。
Google Research 展示了 Antigravity /teamwork 多智能体工作流在科学研究与系统工程中的成果,包括辅助证明信息论猜想、形式化 Weil 猜想和解析分子结构,并完成代码迁移与基础设施优化。团队称该功能已面向研究者和开发者在 Antigravity 开放,用户每周可免费调用两次 Deep Review,后续将加入正式证明等专用工作流。
推荐理由:文章汇总了多智能体系统在数学证明、化学发现和系统工程中的实验结果,并说明其验证机制与工程实践。
AWS 介绍让开发者工作站上的 OpenAI Codex 通过 Amazon Bedrock 调用受支持的 OpenAI 模型,并纳入企业现有身份、IAM、区域和可观测性治理。
AWS 演示如何使用 Spring AI 与 Amazon Bedrock AgentCore 在 Java 中构建自主 AI 智能体。示例包含支持工具调用、流式响应和会话记忆的旅行助手,以及由 5 个专用智能体、规则引擎和告警机制组成的 IDP 多智能体系统。文章还介绍规划、工具使用、记忆、路由、评估器与并行扇出等模式,以及基于 Terraform 的 AWS 部署流程。
GDC Festival of Gaming 年度调查显示,40%的受访游戏开发者将生成式 AI 用于工作,高于2025年的36%,移动游戏从业者使用率达70%。73%用于研究与头脑风暴,62%用于数据分析和摘要,56%用于代码生成与调试;22%用于概念美术或视觉构思,8%用于制作美术或最终游戏素材。
ArtCraft 创始人 Brandon Thomas 在 AI Engineer Code Summit 介绍了公司以 AI 开发 PhotoCraft、PdfCraft 等 17 款开源应用的进展,并计划开放自主软件工厂 AutoCraft。
Google 发布 Gemini 4 家族中成本最低的 Gemini 4 Hydrogen,输入、缓存输入和输出价格分别为 $1.50、$0.075 和 $7.50 每百万 token。Hydrogen 目前成为免费层模型,并将为 Google Search 的 AI 功能提供支持;相较 Gemini 4 Carbon 和 Argon,其价格折让较小,作者实测生成的 pelican 质量差异明显。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Hydrogen 模型》
GitHub Copilot 团队介绍了构建可复用 Agent skills 的方法,涵盖任务定义、多技能协作、manifest 配置、共享执行路径、人工审批和 CI 检查。
推荐理由:文章以 Proof Agent 和 Data Forge 为例,拆解技能的职责划分、配置隔离、执行路径、审批检查与跨客户端打包方法。
Microsoft Research Focus 第 98 期聚焦通用翻译、31 年 KLS 猜想破解、AI 编程智能体效率与 104 种语言的 tokenization。APEC 可让 AI 编程智能体在后台准备摘要,评测中编码性能提升、成本最多降低 25.4%、执行时间减少 9.6%;LCT 则在保持相近效率的同时提升四个多语言 benchmark 表现。
AWS 展示了如何将 LiteLLM 部署在 AWS Fargate 上,通过 OpenAI 兼容 API 为 Claude Code、Continue 和 Cursor 提供统一的 Amazon Bedrock 接入,并支持按用户成本控制、API key 自助签发和可观测性。
推荐理由:文章提供完整架构与 AWS CDK 片段,并总结数百名开发者规模下的延迟、成本和权限配置经验。
Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码和智能体工作流,支持 1 million-token 上下文与四档思考级别。
推荐理由:材料给出了Hydrogen的多档思考级别、价格、基准成绩与上线范围,便于开发者评估其性能收益和适用工作流。
Simon Willison 为 tools.simonwillison.net 增加按标签浏览功能,基于 tree-sitter 分析工具代码中的 JavaScript API、库和 Web API 主机。首页现提供标签云,已收集的 vibe-coded 工具数量为 244 个且仍在增加。
独立游戏 Big Walk 的开发商 House House 公开承认曾在开发后期借助 LLM 修复 Unity 引擎相关问题,相关代码占比远低于 0.1%。Independent Games Festival Awards 的 19 名评委主张拒绝对任何使用生成式 AI 的游戏投票,并呼吁赛事采取全面禁止政策;部分评委则认为这会惩罚主动披露的小范围使用。
OpenAI 在 AI Engineer Code Summit 的工作坊介绍了 Codex Cloud 2、个人智能体 dots 和语音模式等使用方式。Codex Cloud 2 可发布一次环境并运行多个隔离任务,也能在公司内共享;本地任务和云端任务的交接仍在改进,OpenAI 开发者体验工程师称语音可作为控制层,dots 则可用于检查遗漏、分派工作和推进 PR。
Google 向所有用户开放两周前面向部分网络防御人员宣布的 Gemini 4 Carbon。首发输入价格为 $2/million、输出价格为 $10/million,12 月 1 日将分别涨至 $4/million 和 $20/million。
推荐理由:文章实测了 Gemini 4 Carbon 的思考档位、定价和代码生成效果,并提供可运行结果供读者对照体验。
Latent Space 实测 Naive-N0.5-Flash 在编码场景中的速度与生成质量,评估对象包括 DeepSeek V4.1 Flash 1017 和 GLM 5.3 Flash。
Google DeepMind 发布 Gemini 4 Carbon,面向开发者、企业、科学家和消费者开放,聚焦复杂知识工作、长程智能体流程、编程与网络安全。
Google DeepMind 发布 AlphaProof Code,以多 LLM 智能体形式化验证 Signal 核心加密协议的实际代码。该框架由人类定义安全目标并审核规格,Gemini Carbon 驱动的智能体生成逾 600 万行 Lean 证明,Lean 自动检查结果供专家复核。
推荐理由:材料展示多 LLM 智能体如何形式化验证 Signal 加密协议,并提供 Lean 检查、缺陷复测与开源验证产物等可核查细节。
Meta AI 发布 Muse Ember,将其定位为面向复杂推理及智能体重复任务的高效模型,并提供 6 个推理档位。其短提示词价格为每百万输入 token $0.10、每百万输出 token $0.50,支持最多 100 万输入 token,超过 200k 提示词后输入与输出价格分别升至 $0.30 和 $1.50。
推荐理由:文章对比了 Muse Ember 与两款同级模型的定价、上下文阈值和任务成本,并展示不同推理档位的实际输出差异。
GitHub Copilot 可通过 Plan、Build、Verify、Observe 四个阶段协助开发者完成从需求规划、编码实施、验证审查到线上观察的智能体工程工作流。
Microsoft Research 与 GitHub Next 推出研究原型 PDD Kit,将用户意图转换为 Verus 形式化规范,约束编码智能体生成的代码,并在无法证明的部分回退到测试。
推荐理由:文章以完整登录流程展示形式化验证如何约束智能体生成代码,并明确区分可证明部分、信任边界与测试覆盖。
Mistral 扩展 Mistral Studio,新增托管智能体和应用,并加强工作流、企业上下文、智能体可观测性与评测能力。该平台可连接企业数据和系统,支持在云端、自有 VPC、本地或混合环境部署,并通过 Mistral MCP server 让开发者用 Mistral Vibe 或现有编码智能体测试并部署。
推荐理由:这次更新覆盖智能体、流程和应用,并提供本地测试到部署的统一路径,便于评估企业落地方式。
Mistral AI 发布改进后的 Mistral Large 4 开放权重版本,这是一款 1-trillion-parameter、原生多模态模型,强化学习后提升编码、推理效率与防御性网络安全能力。
推荐理由:材料给出开放权重、部署入口、价格及多项编码和网络安全评测,开发者可据此评估其落地方式与性能成本。
Resolution 用 AI 智能体约一周自动形式化数学陈述,消耗约 100B input tokens、300 million output tokens,产出约 600k 行 Lean,估算花费 $135,000。
3 位 Java Champions 分享了 GitHub Copilot 在生产和开源项目中的实践,包括通过 coding agent 迁移演示文稿、构建应用、排查 Pi4J 缺陷,以及用 Agent Skills 和确定性检查工具约束开发流程。
GitHub Copilot app 会话可直接在 VS Code 中继续,并保留原有对话、代码差异和工作树。开发者可逐行审查智能体改动、手动编辑代码、运行本地测试,再将更新推送到会话关联的 pull request。
GitHub Copilot 应用可通过四种方式适配项目:自定义指令定义规范,agent skills 封装可复用流程,custom agents 承担复杂专项任务,MCP servers 连接外部工具与数据源。
GitHub 与 Microsoft Applied Sciences 合作推出 ModernBERT 密钥检测分类器,用于在推送前拦截非结构化密钥,目前处于私有预览。
推荐理由:GitHub 用九个季度的数据说明密钥泄露治理的扩展瓶颈,并给出模型性能、覆盖范围和上线节奏。
Mistral AI 发布 Mistral Large 4 公开预览版,这是一款 1T 参数、激活 52B 参数的原生多模态模型,权重计划于本月底发布。模型面向编码、智能体工作流、多模态理解和专业任务,公开预览 API 已上线 Mistral Studio,模型在 Mistral 自有欧洲数据中心训练并提供服务。
推荐理由:文章披露了模型规模、核心基准、训练基础设施与 RL 方法,便于比较其能力边界和部署选择。
GitHub 发布研究预览版开放基准 ReviewBench,用于统一评估 AI 代码审查智能体。基准包含 219 个公开拉取请求,覆盖 19 种语言,并提供六项指标、公共排行榜及自托管评测工具。其黄金集由多来源发现、人工标注和 Claude Sonnet 5 评审构建,资深工程师独立复核的一致率为 96.6%;GitHub 称该基准的离线评测方向与生产实验一致。
推荐理由:ReviewBench公开了数据、评分方法与提交流程,便于团队在统一条件下比较代码审查智能体并复现实验结果。