Google Research 三个月实验：AI 辅助提升专利撰写产出，但未加速初级律师判断力成长
Google Research 在 NBER 发布三个月实地实验，将当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师。
推荐理由：三个月专利撰写实验区分了AI带来的即时产出提升与无辅助判断力的变化，为理解AI对专业能力的影响提供了实证。
方向与市场
Agent 智能体 最新动态
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。
22 条精选近 30 天 21 条共收录 97 条
更新
Agent 智能体的精选
Google Research精选AI 评分7171 The Decoder精选AI 评分8282 Anthropic 发布 Claude Haiku 5.5，价格较 Haiku 4.5 平均降约 75%
Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词最高降价 90%，超过 10 万 token 则贵 5 倍。
推荐理由：Haiku 5.5 的定价与基准数据同时给出，读者可据此判断小模型在智能体与计算机操作任务中的性价比变化。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行轻量智能体 RL 框架，支持真实 harness 训练
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 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，读者可了解无需重写 harness 的智能体 RL 训练范式与 3500 行实现。
东方财富研报·行业精选AI 评分6262 金圆统一证券：大模型从技术竞赛到商业闭环，AI生态收敛与竞争格局前瞻
金圆统一证券发布人工智能系列研报，指出全球大模型需求高增长且行业集中度提升，OpenRouter平台周度Token调用量由2025年9月的5.26T增至2026年9月约127T，DeepSeek、Google、OpenAI三家合计份额超60%，中国模型在TOP10中合计份额超40%。
推荐理由：研报用OpenRouter周度Token调用量等数据，梳理大模型从技术竞赛转向商业闭环的竞争格局与三类厂商路径。
东方财富研报·行业精选AI 评分6060 国金证券：什么AI应用值得长期跟踪
国金证券发布计算机行业研报，认为大模型能力突破、成本降低与开放权重模型加速迭代推动2026年AI应用百花齐放，重点看好铲子股/卖水人、Infra、定制化重的IT交付、与业务流程深度结合的行业软件四类方向。
推荐理由：国金证券以四类方向梳理AI应用长期跟踪逻辑，并用海外与国内厂商财报数据交叉印证需求。
东方财富研报·行业精选AI 评分6262 国金证券：AI安全评估——模型能力升级下智能体风险与纵深防御
国金证券发布计算机行业研报，指出大模型风险正从内容生成扩展到能调用工具、访问外部系统并修改现实状态的智能体。AISI数据显示前沿模型完成初级网络安全任务的成功率由2023年末低于9%升至2025年的50%，METR测得2023年后前沿模型在50%成功率下的任务时长翻倍周期约130.8天。
推荐理由：研报用AISI与METR数据说明智能体风险已从内容生成扩展到工具调用，并给出训练、评估、运行三阶段的防御框架。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral AI 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、49B 激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底发布。
推荐理由：官方给出 1 万亿参数、49B 激活的开放权重模型在编码、智能体与网络安全上的具体评测数字，可据此判断开放权重模型当前的能力边界。
The Decoder精选AI 评分7777 Reflection 发布首个开源权重模型 Beam，主打低算力编码与智能体任务
AI 公司 Reflection 发布首个免费开放模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
推荐理由：Beam 以 MoE 架构和超大规模 RL 训练换取低算力成本，读者可据此判断开源模型在编码与智能体任务上的性价比路线。
Latent Space精选AI 评分7878 Reflection 发布 Beam：501B-A23B 美国开源 MoE 模型
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，Apache 2.0 全量权重预计本月放出。
推荐理由：Reflection 从隐身状态交出首个开源权重模型，读者可据此判断美国开源阵营与 DeepSeek、GLM 等中国模型的相对位置。
AWS Machine Learning Blog精选AI 评分6262 GLM 5.3 上线 Amazon Bedrock
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码与长时程智能体任务，可通过全托管 API 调用。
推荐理由：GLM 5.3 在 Bedrock 上的托管接入与提示词缓存用法，可帮助读者判断长时程编码与安全测试工作流的落地成本。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含 19 种语言的 219 个公开 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评分口径，读者可据此理解 AI 代码审查评测的取舍。
Hugging Face Blog精选AI 评分6262 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
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，再根据其留下的后端终态和副作用打分，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任务成败，并给出可复现的 OpenEnv 运行方式。
Latent Space精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon，支持 100 万 token 输出
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，首发仅限政府用户和 Fairwind 计划中的可信网络防御者，开发者与企业访问时间未定。
推荐理由：汇总了 Gemini 4 Argon 的基准、定价与可用范围，并列出评测机构与观察者的质疑，便于对照官方口径。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者。
推荐理由：官方披露了 Argon 在编码、企业知识与网络安全防御上的能力与定价，可据此判断前沿模型的分阶段开放路径。
NVIDIA Blog精选AI 评分6060 NVIDIA 与 CoreWeave 将 Vera Rubin NVL72 和 Forge 平台投入生产
CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网，Cognition 成为首个在生产环境运行该系统的客户，其早期测试显示 SWE-2 推理的 token 吞吐量相比 GB200 NVL72 最高提升 4.8 倍。
推荐理由：CoreWeave 上线 Vera Rubin NVL72 与 Forge 平台，读者可了解智能体训练到推理闭环的落地方式。
Latent Space精选AI 评分8888 OpenAI DevDay 2026 发布 Dots、GPT-6.1 Sol 与 Decisions API
OpenAI 在 DevDay 2026 上发布 Dots 常驻智能体、GPT-6.1 Sol 模型、Ultrafast 加速模式、Decisions API 与 ChatGPT Spaces，并称 ChatGPT 周活达 12 亿。
推荐理由：汇总 OpenAI DevDay 2026 的发布清单与第三方评测数据，可快速了解智能体产品与模型定价的当期格局。
Hugging Face Blog精选AI 评分7171 H 公司发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两个版本
H 公司发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 版，两者均已在 H Models API 上线，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
推荐理由：Holo4 同时覆盖 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，读者可据此判断通用计算机智能体的成本与能力边界。
Google Research精选AI 评分6666 Google Research 提出 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，把长视频生成建模为全局优化与世界状态跟踪问题，以缓解语义漂移和级联失败。
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分钟级生成的评测结果。
GitHub Blog · AI & ML精选AI 评分6565 GitHub Security Lab 发布 Fuzzing Taskflow 智能体流水线
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，最后对每个崩溃做定级并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃定级交给 LLM 智能体，读者可据此判断自动化安全测试的边界。
GitHub Blog · AI & ML精选AI 评分8080 GitHub Copilot 用 Copilot 把运行时迁移到 Rust
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，AI 智能体写了大部分代码，分布在 128 个 PR 中增量合入 main，而非一次性切换。
推荐理由：作者以亲历者身份给出把 80 万行运行时迁到 Rust 的完整工程细节，可迁移到大规模 Agent 协作开发。