跳到正文

Agent 智能體

讓模型自主規劃、調用工具、完成多步任務的技術方向——從 Claude Code、Manus 到各家 Agent 框架與評測基準的全部動態。

最新精選

第 561–580 條 · 共 712 條
9月3日週四
  1. Google DeepMind60

    Google DeepMind 推出 Fairwind Program,向政府機構及可信賴夥伴有限度開放 AI 網絡防禦能力

    Google DeepMind 推出有限度開放的 Fairwind Program,讓政府機構及可信賴夥伴使用進階 AI 網絡防禦能力。計劃把 Gemini 3.8 Flash Cyber 與 CodeMender 結合,用於自主發現、驗證及修復漏洞,並可在機構安全雲端環境內於數分鐘生成經驗證、可部署的修補程式。

    推薦理由:Fairwind 將 Gemini 3.8 Flash Cyber 與 CodeMender 結合,讓參與機構在安全雲端環境內生成經驗證、可部署的漏洞修補程式,將人工修補由數週縮至數分鐘。

  2. Google DeepMind76

    Google DeepMind 發佈 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber

    Google DeepMind 發佈 Gemini 3.8 Flash 與 Gemini 3.8 Flash Cyber,並稱 Gemini 3.8 Flash 是其迄今推理與編碼能力最強的模型,速度和成本與 3.7 Flash 相同。

    推薦理由:兩款模型共享基礎智能,普通版面向長程編碼與智能體任務,Cyber 版則限可信防守者使用,提供漏洞發現與修補能力。

9月2日週三
8月28日週五
  1. Anthropic:Research(發表成果 · 網頁)77

    Anthropic 研究:Claude 自動研究可穩定緩解 10 類對齊失敗

    Anthropic 的研究報告顯示,Claude 透過搜尋文獻、提出方法、訓練及測試模型,為 10 類對齊失敗找到可改善目標基準、且未損害受測一般能力的方法。

    推薦理由:研究以 10 類對齊失敗的基準測試 Claude 自動研究流程,並檢查未見評估、能力保留及更大模型上的表現,也交代測試範圍和方法的限制。

8月25日週二
  1. Hugging Face Blog62

    Granite 4.2 大語言模型如何構建

    IBM Granite 團隊詳述 Granite 4.2 推理模型系列的構建流程,涵蓋架構、訓練方法及評測結果。該系列有 3B、8B、30B 三種稠密、僅解碼器模型,均由 Granite-4.1 base models 後訓練;後者以約 15T tokens 預訓練,並透過五階段策略將上下文窗口延至 512K tokens。

    推薦理由:文中並列三種規模共用的訓練主線,以及 8B、30B 額外加入真實環境 Agentic RL 的分支,可據此理解各規模訓練階段和智能體能力培養的差異。

8月21日週五
  1. Hugging Face Blog63

    Hugging Face Inference Endpoints、Jobs 和 Buckets 如何支撐 Papers with Code 搜尋

    Hugging Face 以 Inference Endpoints、Jobs 和 Storage Buckets 建立 Papers with Code 混合搜尋系統,為來自 arXiv 和 Daily Papers 的超過 110,000 篇論文維護嵌入向量。

    推薦理由:文章拆解離線批次建向量與線上查詢的分工,並説明端點冷啟動時如何回退全文檢索,呈現混合搜尋進入生產環境的工程取捨。

8月20日週四
  1. Mistral AI68

    Mistral 推出 Agentic Search,以多步檢索提升準確率並降低延遲和 token 使用量

    Mistral 推出 Agentic Search,讓模型透過多步檢索搜尋、查看、導覽及核實複雜文件中的資料。在 FinanceBench 金融文件測試中,正確率由 26.7% 升至 86%;OfficeQA Pro 表格密集的多文件問題則由 6.3% 升至 51.9%。

    推薦理由:FinanceBench 和 OfficeQA Pro 的基準數據呈現 Agentic Search 相較單次 RAG 的準確率提升,也量化延遲與 token 使用量變化。

8月18日週二
  1. Anthropic:Research(發表成果 · 網頁)80

    Claude 如何加快蛋白質設計與分析化學研究

    Anthropic公佈 Claude 在蛋白質結合劑設計及分析化學的兩項實驗結果,前者成功覆蓋15個目標中的14個,後者與實驗室分析結果相符。Mythos Preview 單一目標設計的命中率為35.1%;Claude Opus 5 分別用23及19分鐘處理 NMR 和 LC-MS,測得純度為96.4%,實驗室結果為96.33%。不過,針對 MBP 的90項設計均未確認有結合。

    推薦理由:兩組實驗分別呈現蛋白質設計的濕實驗驗證,以及 NMR、LC-MS 分析與實驗室結果的對照,勾勒 Claude 在兩類生命科學任務中的表現。

8月14日週五
8月12日週三
  1. Google Research68

    Google Research 推進 AMIE 邁向專家級視聽臨牀會診

    Google Research 展示基於 Gemini 和 Project Astra 的 AMIE (Video),在模擬即時視像會診中,核心臨牀能力獲評與基層醫生相當。

    推薦理由:研究以 300 場模擬視像會診比較 AMIE (Video)、文字版 AMIE 與基層醫生,呈現視聽感知和虛擬檢查的表現差異,並交代病人演員研究的適用邊界。

8月11日週二
  1. gihyo.jp78

    Meta 發佈面向本地 AI 智能體的 30B 開放權重模型 Muse Glimmer

    Meta 於 2026年8月10日發佈開放權重模型 Muse Glimmer,面向可在本地持續運行的 AI 智能體,規模約 30B 參數。模型以 Apache License 2.0 公開,提供約 4-bit 量化版本;Meta 稱模型可在 24GB 或 32GB 記憶體環境運行,並支援多階段推理、工具呼叫及長時間任務。

    推薦理由:文章比較 Muse Glimmer 與 Gemma4-31B、Qwen3.6-27B 的基準表現,並説明 24GB、32GB 記憶體環境的量化配置,呈現本地部署條件與任務表現。

8月10日週一
  1. Hugging Face Blog77

    Meta 發佈 Muse Glimmer 30B 多模態模型,採用 Apache 2.0 授權並面向本地智能體應用

    Meta 發佈 Muse Glimmer,一款由 Muse 蒸餾而來、面向本地智能體應用的多模態 30B 模型,採用 Apache 2.0 授權。模型由 2B ViT-style 視覺編碼器和 28B 文字解碼器組成,支援圖像、影片輸入及多模態工具調用。

    推薦理由:文章把 Muse Glimmer 的本地智能體定位、30B 架構與 transformers、llama.cpp、vLLM 等入口連起來,提供從本地推理到託管部署的實作參考。

8月3日週一
  1. gihyo.jp77

    參數量達 2.4T 的 Qwen 家族最高效能模型 Qwen3.8-Max 發佈,開放權重版預計下週公開

    Alibaba Qwen 於 2026年8月3日正式發佈 Qwen3.8-Max,稱其為 Qwen 家族迄今效能最高的模型。該模型以 Qwen 3.5 架構為基礎,活躍參數量為 950億,最高可擴展至 2.4T 參數;公司稱它在多個領域的基準測試中,表現達到或超越部分競品旗艦模型。

    推薦理由:文章並列阿里巴巴自測的多領域基準結果、QwenCloud API 價格和下週開放權重安排,讓效能比較與使用條件一併呈現。

7月30日週四
  1. Google DeepMind66

    Google DeepMind 發佈 Gemini Robotics ER 2,支援影片理解、任務編排與多機械人協作

    Google DeepMind 發佈 Gemini Robotics ER 2,這款面向機械人的具身推理模型可理解連續影片、編排多步任務,並支援多機械人協作。它在任務進度分類達 57.4% 準確率,關鍵時刻定位達 91.3% 準確率、平均絕對距離為 0.96s。

    推薦理由:文章將影片進度追蹤與多機械人協作納入模型更新,並提供任務評測數據,讓讀者掌握 Gemini Robotics ER 2 的具身推理能力變化。

7月28日週二
  1. Google DeepMind69

    Gemini Robotics 2 為機械人帶來全身智能控制

    Google DeepMind 發佈 Gemini Robotics 2 系列模型,為機械人帶來全身控制、靈巧操作及多機協作能力。系列包括將視覺與語言輸入轉為動作控制的 Gemini Robotics 2、用於具身推理與多步任務規劃的 Gemini Robotics ER 2,以及可在機械人裝置本地運行的 Gemini Robotics On-Device 2。

    推薦理由:全身控制、靈巧操作、多機協作與本地適配均有具體案例,呈現 Gemini Robotics 2 系列面向機械人任務的能力佈局。

7月25日週六
  1. gihyo.jp87

    Anthropic 發佈 Claude Opus 5 並開始提供

    Anthropic 發佈 Claude Opus 5,並於7月24日開始提供;模型面向編碼、長期智能體任務及知識工作,性能較 Claude Opus 4.8 提升。

    推薦理由:文章並列多項基準分數、正答率與誤答率變化,並交代預設推理設定及 API 價格,方便掌握性能評估與部署差異。

7月21日週二
  1. The Next Platform77

    Microsoft 與 AMD 合作部署大規模 AI CPU 及 GPU 叢集

    Microsoft 與 AMD 宣佈合作,在 Azure 部署基於 AMD「Helios」機架的大規模 AI 系統,主要用於前沿模型推理。每個雙寬 Helios 機架配備 72 張 Altair MI455X GPU 和 18 顆 Venice Epyc 9006 CPU,GPU FP4 算力為 2.9 exaflops,合計搭載 31 TB HBM 4 記憶體。

    推薦理由:文章提供 Helios 機架的硬件配置與 Azure 部署方向,可看出 GPU 推理叢集和 Venice CPU 叢集各自對應的工作負載。