技术方向
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
12 条精选近 30 天 11 条共收录 52 条
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量级智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的同一套 agent harness 直接参与训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把真实 harness 直接接入强化学习训练，并给出可复现的编码智能体训练结果。
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，预览 API 已在 Mistral Studio 上线，权重将于本月底发布。
推荐理由：Mistral 官方给出 1 万亿参数多模态模型的开放权重路线与自建欧洲算力背景，可据此判断开源前沿模型的竞争格局。
Reflection 发布 Beam，一个面向编码、智能体与科研任务的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，完整权重将以 Apache 2.0 在本月放出。
推荐理由：汇总了 Beam 的架构、训练规模与第三方评测口径，可对照同期开源模型的定位差异。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再按终端后端状态和副作用打分，而非看模型生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定成败，并给出可复现的 OpenEnv 运行方式。
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，首发仅限政府用户与 Fairwind 计划中的可信网络防御者，后续再向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，便于对照其与 Astra、Opus 5.5 的实际差距。
H 公司发布 Holo4 系列智能体模型，提供 27B 稠密和 35B-A3B MoE 两种规格，均可通过 H Models API 调用，权重已在 Hugging Face 以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源。
推荐理由：Holo4 同时支持 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，可据此判断通用计算机智能体的成本与能力取舍。
Hugging Face Hub 新增 RL Environments 筛选，带 rl-environment 标签的数据集仓库会集中展示，无需新建仓库类型、注册表或注册流程。
推荐理由：Hugging Face 把 RL 环境统一为带标签的数据集仓库，读者可据此判断跨框架复用环境与奖励评测的可行路径。
Google Research 发布 AI video co-director，一个构建在 Gemini 和 Veo 之上的多智能体编排框架，用于自动化多镜头长视频生成，并原生继承 SynthID 水印等安全机制。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性与角色保持的评测结果，便于判断多智能体编排在长时程生成中的位置。
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃分诊交给 LLM 智能体，读者可据此判断自动化安全测试的边界。
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 重写为超过 80 万行生产级 Rust，AI 智能体写了其中大部分代码，跨 128 个 PR 增量合入 main。
推荐理由：作者以亲历者身份给出把 43 万行 TypeScript 运行时迁到 Rust 的完整工程数据，可迁移到大规模 Agent 协作开发。
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件和集中文档。团队先搭建数值对齐测试框架，用自定义解析器生成调用树并调度上百个智能体补文档，再以人工把关的 coder、tester、reviewer 智能体工作流逐模块迁移，首个冲刺完成 30 万行中的 4 万行。
推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 77 的完整流程，其中先建数值对齐测试再迁移的做法可直接迁移到其他遗留系统改造。
Mistral 发布 Agentic Search，一个让模型在复杂文档中导航、阅读并核实信息的多步检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
推荐理由：原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可据此判断它与一次性 RAG 的差异。