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
用 AI 写代码:编程助手、Vibe Coding、代码模型评测,以及开发方式的变化。
14 条精选近 30 天 11 条共收录 35 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。
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。
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 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 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。
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。
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。
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。