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 581–600 條 · 共 712 條
7月17日週五
  1. Google DeepMind65

    Google DeepMind 發佈 Gemini 3.5 Flash Cyber 網絡安全模型

    Google DeepMind 發佈 Gemini 3.5 Flash Cyber,這款基於 3.5 Flash 並經微調的輕量網絡安全模型,旨在快速發現、驗證及修補漏洞。

    推薦理由:V8 JavaScript Engine 的固定調用測試提供了具體比較,Gemini 3.5 Flash Cyber 找到 55 個獨特確認問題,主線 3.5 Flash 與 Claude Opus 4.6 分別找到 47 個和 36 個。

7月16日週四
  1. Moonshot AI:Kimi Blog84

    Moonshot AI 發佈 2.8T 參數模型 Kimi K3

    Moonshot AI 發佈 Kimi K3,稱其為全球首個開放 3T 級模型;它有 2.8T 參數、原生視覺能力及 1-million-token 上下文窗口。

    推薦理由:資料披露 Kimi K3 相較 Kimi K2 的整體擴展效率提升約 2.5×,並交代其整體表現仍落後最強的專有模型。

  2. Hugging Face Blog76

    Hugging Face 披露 2026 年 7 月生產基礎設施遭自主 AI 智能體系統入侵

    Hugging Face 披露,其部分生產基礎設施遭自主 AI 智能體系統入侵,攻擊者存取了有限範圍的內部資料集及多項服務憑證。Hugging Face 已封堵相關程式碼執行路徑、重建受影響節點並輪換憑證;目前未發現公開、面向用户的模型、資料集或 Spaces 遭篡改,合作夥伴或客户資料是否受影響仍在評估。

    推薦理由:事件呈現託管模型安全護欄對事故分析的限制,也提供可遷移的準備方向,即預先驗證能在自有基礎設施運行的模型,以保護攻擊資料並維持調查能力。

7月10日週五
7月8日週三
  1. 美團 LongCat:HuggingFace 新模型76

    美團 LongCat 發佈 LongCat-2.0 MoE 大語言模型

    美團 LongCat 發佈 LongCat-2.0,這款 MoE 大語言模型總參數量為 1.6 trillion,每個 token 約啟用 48 billion 參數。

    推薦理由:文中按編碼、Agent、搜尋及基礎能力列出 LongCat-2.0 與多款專有模型的基準分數,並標明部分分數引用自官方報告。

  2. gihyo.jp78

    Meta 發佈 Muse Image 並預覽 Muse Video,Muse Image 開放使用

    Meta 於 2026年7月7日發佈 Muse Image,並以預覽形式公佈 Muse Video;Muse Image 已可在 Meta AI 應用程式及網頁版使用,Muse Video 則將於 Meta AI 等平台稍後提供。

    推薦理由:文章列出 Muse Image 在三項 Arena 評測均排名第 2,以及 Muse Video 在影片生成評測排名第 3,並交代兩款模型目前的開放狀態。

7月2日週四
7月1日週三
  1. gihyo.jp80

    Anthropic 發佈 Claude Sonnet 5,強化自主規劃及工具使用

    Anthropic於2026年6月30日發佈 Claude Sonnet 5,提升其自主規劃及使用瀏覽器、終端等工具工作的能力。Anthropic稱其在推理、工具使用、編碼及知識工作上大幅超越 Claude Sonnet 4.6;模型已適用所有方案,Free/Pro 預設使用。

    推薦理由:新 tokenizer 可能令相同輸入的 token 數增至約 1.0–1.35 倍,文章並指出文件估算同一文本所需 token 約增 30%;導入價旨在抵消增幅,並列出優惠期前後的 API 價格,便於評估遷移成本。

6月27日週六
6月25日週四
6月24日週三
  1. Mistral AI62

    Mistral AI 為 Connectors 新增管理、安全及除錯功能

    Mistral AI 為 Connectors 推出多項管理與安全功能,涵蓋工作區及組織層級的存取控制、具 connector scope 的 API keys、多帳户連接器,以及 MCP 連線除錯。

    推薦理由:這次更新把企業連接器的權限、執行身份與故障定位納入同一套控制,呈現智能體投入組織日常工作所需的治理環節。

6月23日週二
  1. Mistral AI60

    Mistral OCR 4 發佈,新增文件區塊定位、分類與信心分數

    Mistral AI 發佈文件解析模型 Mistral OCR 4,除提取文字外亦輸出邊界框、區塊類型和信心分數,並支援 170 種語言、10 個語言組別。獨立人工偏好評估的平均勝率為 72%,模型在 OlmOCRBench 得分 85.20;官方提醒自動基準存在評分侷限,建議以自有文件評估。

    推薦理由:文章列明 OCR 4 的結構化輸出和自動基準評分侷限,為企業按自身文件評估解析、檢索及資料管線提供具體參照。

6月22日週一
  1. Nathan Lambert:Interconnects76

    GLM-5.2 被作者視為開放智能體能力的一次重要跨越

    Nathan Lambert 認為,GLM-5.2 是首個在編碼工作框架中適合作為通用智能體的開放權重模型,代表開放模型能力跨過重要門檻。在 Arena 的智能體排行榜上,它是唯一能與 OpenAI 和 Anthropic 最新模型同場競爭的開放模型;GLM-5.2 的 max 模式與 Opus 4.8 的 no-thinking effort 表現相當。

    推薦理由:文章把 GLM-5.2 的編碼智能體能力放進開放與閉源模型競爭脈絡,説明它可能如何加劇模型服務市場的價格壓力。

6月18日週四
  1. Hugging Face Blog68

    Hugging Face 以 agent-eval 評測開源模型操作 transformers 的成功率與成本

    Hugging Face 測試開源模型使用 transformers,CLI 與 Skill 縮短大型模型耗時,卻可能降低小模型成功率。Qwen3-14B 在 classify-sentiment 任務中,clone 環境的匹配率為 100%,Skill 環境則降至 0%。agent-eval CLI 可套用於其他命令列工具,並記錄匹配率、tokens、耗時、錯誤、行為標記及執行軌跡。

    推薦理由:評測不只看任務是否成功,也追蹤 tokens、耗時與操作路徑,呈現 CLI 與 Skill 對大小模型的影響並不一致。

6月17日週三
  1. Hugging Face Blog78

    GLM-5.2 發佈,最大上下文擴至 1M tokens並提升長程任務能力

    GLM-5.2 發佈,將最大上下文長度由 200K 擴至 1M tokens,並強化長程任務與編碼能力。它在 Terminal-Bench 2.1 和 SWE-bench Pro 分別取得 81.0、62.1,高於 GLM-5.1 的 63.5、58.4。

    推薦理由:文章並列長程編碼基準成績與 IndexShare、MTP 的效率改動,讓讀者可對照模型性能數據和 1M-token 上下文的工程支撐。

  2. gihyo.jp85

    SpaceX 行使收購 Cursor 的選擇權,Cursor 預告 Origin Git 託管服務

    SpaceX 於 2026年6月16日宣佈,已行使以全股票交易收購 Cursor 的選擇權,目標是構建全球最有用的 AI 模型。此前公佈的選項條款包括在 2026 年內以 600億美元收購 Cursor,或支付 100億美元作為雙方合作費用;雙方共同訓練的模型將很快在 Cursor 和 Grok Build 推出。

    推薦理由:這次收購延續雙方此前的模型訓練合作,而 Origin 則把 Cursor 的服務拓展至程式碼託管、審查與團隊協作。

6月11日週四
6月10日週三
  1. Ethan Mollick:One Useful Thing77

    Ethan Mollick分享與Claude 5 Fable協作的體驗,並剖析人類角色轉變

    Ethan Mollick實測Claude 5 Fable後指出,模型能按多頁規格連續工作長達12小時,人的角色更像委託者。它在Claude Code中調用多個智能體研究交通資料並製作等時線地圖,也花九個半小時開發可校準人類與AI判斷的研究軟件Concord。Mollick指出,Fable消耗大量 tokens,安全護欄常令它退回能力較弱的Claude 4.8 Opus,而其決策過程不易看見。

    推薦理由:Ethan Mollick以等時線地圖和研究分析軟件的實測,呈現人類角色如何由過程操作轉向委託與驗收,以及模型自主決策帶來的可見性落差。

6月9日週二
  1. Google DeepMind72

    Google DeepMind 發佈 Gemma 4 12B 統一免編碼器多模態模型

    Google DeepMind 發佈 Gemma 4 12B,定位為可在筆記型電腦本機運行的多模態模型,並為中型模型加入原生音訊輸入。它採用免多模態編碼器架構,將視覺和音訊輸入直接整合至 LLM backbone;標準基準表現接近 26B MoE,總記憶體佔用不足其一半。Gemma 4 12B 以 Apache 2.0 授權釋出,可透過 LM Studio、Ollama 等工具試用。

    推薦理由:Gemma 4 12B 的免編碼器設計、接近 26B MoE 的基準表現與較低記憶體佔用,提供比較中型多模態模型架構和本機部署定位的具體依據。