跳到正文
11月15日周日
  1. The Decoder84

    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。

11月14日周六
  1. Google Research90

    Google Research 展示 Antigravity /teamwork 多智能体科研与工程成果

    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。

  2. AWS Machine Learning Blog55

    使用 Spring AI 和 Amazon Bedrock 构建自主 AI 智能体

    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。

11月13日周五
  1. Simon Willison79

    Google 发布 Gemini 4 Hydrogen 并公布三款模型定价

    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》

  2. GitHub Blog · AI & ML60

    GitHub Copilot 智能体技能实战指南

    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。

  3. Microsoft Research43

    Microsoft Research Focus 第 98 期:通用翻译、数学猜想、AI 编程智能体与多语言 tokenization 进展

    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。

  4. AWS Machine Learning Blog60

    基于 Amazon Bedrock 和 LiteLLM 构建自助式 LLM 网关

    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。

11月12日周四
  1. Ars Technica · AI54

    Big Walk 披露少量 AI 辅助编码后引发独立游戏评审争议

    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。

11月11日周三
  1. Latent Space60

    OpenAI 在 AI Engineer Code Summit 分享 Codex 新型工作方式

    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。

  2. Simon Willison77

    Google 向所有用户开放 Gemini 4 Carbon,并公布首发定价

    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。

11月10日周二
  1. Google DeepMind86

    Google DeepMind 发布 AlphaProof Code 深度验证 Signal 加密协议

    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。

  2. Simon Willison77

    Meta AI 发布小型高效模型 Muse Ember

    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。

11月7日周六
11月6日周五
  1. Microsoft Research71

    Microsoft Research 用 PDD Kit 形式化验证智能体编写的全栈 Web 应用

    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。

11月5日周四
  1. Mistral AI75

    Mistral Studio 扩展托管智能体、工作流与企业应用能力

    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。

10月29日周四
  1. Mistral AI82

    Mistral Large 4 开放权重发布,强化编码与网络安全能力

    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。

10月26日周一
10月21日周三
10月20日周二
10月13日周二
10月8日周四
10月6日周二
  1. Mistral AI85

    Mistral 发布开源权重模型 Mistral Large 4 公开预览版

    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。

10月5日周一
  1. GitHub Blog · AI & ML70

    GitHub 发布开放 AI 代码审查基准 ReviewBench

    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。