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。
技术方向
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。
30 条精选近 30 天 26 条共收录 95 条
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。
Amazon Bedrock AgentCore runtime V2 通过预构建快照、恢复内存状态并将文件按需读取,让新会话启动时间缩短且更稳定。官方教程建议把静态导入、客户端和内存数据移至初始化阶段,使用构建钩子预热大文件,并在用户进入应用时后台启动会话以追求亚秒级响应。
推荐理由:文章给出四种会话快速启动模式,并说明初始化重构、构建钩子与预热的适用边界。
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。
Amazon Bedrock 可将每次推理调用归因到发起请求的 IAM principal,并通过 CUR 2.0、Cost Explorer 和组织标签提供用户、团队及成本中心级成本视图。
推荐理由:文章提供从身份传播、权限集到成本报表和用量控制的完整配置路径,便于评估多款 AI 工具共用 Bedrock 时的治理方案。
Amazon Bedrock AgentCore 发布 Web Search API,开发者可通过 AWS SDK 或 AWS CLI 调用 InvokeWebSearch,以单次 API 请求获取网页搜索结果。
推荐理由:文章给出直接调用、网关集成和私有网络接入方案,便于开发者按智能体或非智能体场景选择集成路径。
AWS 提出 Agent DLC,通过一个生命周期、内外两层循环和统一的验收标准来评估并改进生产环境中的 AI 智能体。其参考实现展示了高检索精度可能掩盖事实级覆盖不足,并说明提示词改动为何无法解决知识库缺失。文中还给出五维验收标准、三级发布门槛,以及在 AWS 上建立首个评估基线的步骤。
推荐理由:文章用内部 HR 政策助手案例说明单一指标可能掩盖检索覆盖问题,并给出可复现的评估流程。
Amazon Bedrock Managed Knowledge Base 可通过请求拦截器、ACL awareness、Policy in AgentCore 和资源策略实现 MCP 工具的细粒度访问控制。
推荐理由:文章用可部署的 AWS CDK 示例说明如何在共享智能体和知识库中实施用户级检索隔离,并覆盖身份注入、策略校验与绕过防护。
AWS 演示了如何用 A2A 协议连接两个独立 AWS 账户中的多智能体系统,LangChain 编排器可通过 Agent Card 发现并调用基于 Strands Agents SDK 构建的 SaaS 智能体,双方无需依赖彼此的框架或 SDK。
推荐理由:文章提供跨框架、跨组织智能体协作的完整 AWS 参考架构,并展示身份隔离、双向回调与信任边界测试的实现方式。
OpenAI 推出 ChatGPT Wallet,为 ChatGPT Work、Codex 和 dots 中的智能体提供经用户批准完成购买的支付方式。该方式沿用用户现有的银行卡保护机制。
推荐理由:ChatGPT Wallet 明确了智能体完成购买所需的用户授权和银行卡保护机制,读者可据此理解其支付交互方式。
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。
AWS 提供了一套在 Amazon Bedrock 上核算和降低智能体任务成本、验证 ROI 的实践框架。成本核算需考虑 tokenizer 效率、输出冗余、智能体循环和推理开销四项隐性因素,并通过提示词缓存、智能路由、输出约束和批量推理优化成本;效果验证则依赖人工基线、受控留出实验、流程遥测,以及效率、质量、成本和业务影响等维度的记分卡。
推荐理由:文章给出按任务核算智能体成本的完整方法,并说明如何通过基线、留出实验和五维记分卡验证投入回报。
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。
Google Research 发布研究原型,利用可穿戴设备、机器学习世界模型和语言模型智能体,为心血管、肾脏与代谢综合征(CKM)风险提供个性化指导。框架包含基于可改变行为的可指导健康年龄模型 SensorWM,以及生成未来 12 周“什么-if”健康轨迹的模拟系统,并用临床医生审核的方案形成渐进式指导。
推荐理由:原文把可穿戴设备数据、健康年龄与反事实模拟串成闭环,并提供多队列验证及专家盲评结果,便于判断该框架的证据基础。
Tether AI Research 发布 BotPsy,一款基于 Qwen3.5-0.8B、面向工具调用和智能体工作流的 0.8B 模型,适合在端侧部署个人助手任务。
推荐理由:文章详述了 BotPsy 的训练方法、端侧定位与基准结果,也明确列出开放搜索和多步任务等限制,便于判断其适用场景。
Microsoft Research 提出 Lazarus 后门技术,少于 10 个休眠神经元被重编程后,无需重新训练即可让 LLM 在隐藏触发条件出现时执行恶意命令。
推荐理由:文章说明少量休眠神经元即可植入无需训练的后门,并给出模型来源、权重完整性和分层防护建议。
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。
NVIDIA宣布向CNCF贡献用于安全治理自主智能体的开源运行时OpenShell,并参与Google主导的智能体工作负载框架Agent Substrate。
推荐理由:NVIDIA通过开源项目捐赠与组件更新,呈现其扩展Kubernetes智能体基础设施和AI工厂平台的具体路径。
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。