技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
16 条精选近 30 天 15 条共收录 78 条
OpenAI 公布一条自主漏洞发现、验证、利用与补丁生成流水线，在一次运行中用一款尚未发布的网络安全模型在 Linux 内核中动态复现 1724 个漏洞，并生成 948 个可获取 root 权限的本地提权（LPE）利用，API 成本约 121.3 万美元，折合每个 LPE 利用 1279 美元。
推荐理由：OpenAI 公开了一条自主漏洞挖掘流水线的完整成本与产出数据，可用于比较模型能力提升与自动化安全研究的投入产出。
Microsoft Research 联合 GitHub Next 发布研究原型 PDD Kit，把开发者的意图转成 Verus 形式化规格，再证明智能体写的代码对每个输入都满足该规格，证明覆盖不到的部分则回退到测试。
推荐理由：原文完整展示了从自然语言意图到 Verus 形式化规格、再到证明与测试的流程，可据此判断智能体生成代码的审查方式会如何变化。
Mistral 发布 Mistral Large 4（代号 Le Chonk），并扩展企业平台 Mistral Studio，新增托管智能体、应用、工作流能力以及企业上下文、智能体可观测性和评测功能。
推荐理由：Mistral 同时更新模型与企业平台，并给出客户在生产环境中的具体用法和节省工时数据，可据此判断企业智能体落地的形态。
OpenAI 发布 GPT-6 Cyber 网络安全模型，在 ExploitGym 上得分 48.5%，高于 GPT-5.6 Cyber 的 32.1%，相对提升 51%。
推荐理由：原文给出 ExploitGym 与越界测试的具体数字，可对照 GPT-5.6 Cyber 判断安全智能体的能力与对齐取舍。
AWS 团队以开源多智能体数据分析方案 Deep Insight 为参考实现，把生产级 AI 智能体的上下文工程拆成四层：多智能体架构隔离上下文、用提示词限制输出、把重内容外置到文件系统、用验证智能体与兜底机制把关。
推荐理由：AWS 团队把 Anthropic 的上下文工程建议整理成四层可落地做法，并给出开源参考实现中的具体代码与节省比例。
Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills，让智能体在约一小时内完成从文献检索数千化合物、匹配分子对分析到提出新型刚性化大环化合物及合成路线的流程。
推荐理由：原文给出化学信息学技能在真实肺癌药物案例中的完整流程演示，可了解智能体如何把数天迭代压缩到一小时。
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是其 1 万亿参数原生多模态旗舰模型，此前已进入公开预览。
推荐理由：Mistral 公开 1 万亿参数多模态模型的权重，并给出编码、网络安全与 token 效率的对比数据，可据此判断开源前沿模型的成本位置。
Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长程任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：官方给出 Carbon 在网络安全与长程智能体任务上的基准与价格，可对照两周前发布的 Argon 看迭代节奏。
Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并支持用自然语言实时修改场景。Genie 4 是首个原生生成音频的实时世界模型，角色可实时对话，物理场景覆盖空气动力学与碰撞等；Gemini 3.8 Flash 在循环中充当引导智能体，负责拆解目标并校验每一步。
推荐理由：Genie 4 把实时世界模拟、原生音频与 Gemini 的推理能力结合起来，读者可以据此了解世界模型当前的能力边界与已知局限。
微软研究院发布 Flint-interactive，一种构建在 Flint 之上的交互式数据可视化语言，让智能体生成用户可点击、筛选、缩放和跨图表联动的图表。它把点击拖拽等原始触发交给 Flint 编译器解析为语义事件，用户和智能体只需用高层算子描述更新行为，从而减少布局、渲染和调试问题。
推荐理由：微软研究院把图表交互逻辑交给编译器处理，读者可据此判断智能体生成交互式可视化的成本与可靠性变化。
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，证明在高维对数凹分布下，最佳超平面切割与任意形状最佳切割的差距不超过一个与维度无关的固定常数。研究采用人机协作的智能体搜索流程，探索了约 100 条候选路径，由研究者评估、剪枝并决定方向；同期另有独立团队给出完整证明，并有 Lean 4 形式化验证发布。
推荐理由：微软研究员与合著者借助人机协作的智能体搜索证明 KLS 猜想，读者可了解 AI 在数学发现中的具体分工。
Mistral 发布 Voxtral 3 语音模型家族及基于 LiveKit 的语音智能体 SDK，把语音输入、推理、工具调用和语音输出整合为一条实时流式管线，单轮响应低于 1 秒。
推荐理由：原文给出语音智能体 SDK 与转录、合成模型的完整规格和定价，可据此判断实时语音工作流的落地成本。
Google Research 发布博客，介绍三项把 AI 智能体与真实湿实验室实验连接起来的研究：VERID 框架为实验室工作单元建立语义数字孪生，让智能体在动作前检查 3D 状态、做虚拟试运行并拦截无效指令。
推荐理由：Google Research 用三个项目展示智能体如何接入湿实验室的物理状态与闭环实验，读者可了解其安全与可复现设计。
Google 扩展 Earth AI 地理空间推理智能体的早期访问，在 Ask Google Earth 中开放深度分析预览，并向开发者提供实验性 Agent-to-Agent API 和 Planetary Prediction Engine 预览。
推荐理由：原文给出四组基准对比与合作伙伴实测，可据此判断专用地理工具与前置规划对空间推理的实际增益。
Google 宣布公开发布 Deep Review，一个面向复杂文档提供严谨反馈与技术验证的智能体系统，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。
推荐理由：Google 公开了 Deep Review 的四阶段智能体审阅流程与会议试点规模，可据此判断自动审稿在真实工作流中的位置。
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿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、520 亿激活的规格与多项基准，可据此判断开源权重模型在企业与安全场景的位置。