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。
Anthropic 发布 Claude Opus 5.5，为 Claude 5.5 家族首个模型，官方称多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，速度约快 30%，并成为 Claude Code 与 Claude 应用的默认模型。
推荐理由：同一天两家实验室分别发布新模型并大幅降价，读者可对比能力与每任务成本的实际差异。
NVIDIA 在加拿大多伦多 ROSCon 大会上发布 Isaac ROS 5.0，这是一套基于 ROS 的 GPU 加速软件包集合，新增智能体工作流与平台支持，免费开源。
推荐理由：Isaac ROS 5.0 把智能体工作流引入机器人开发，并给出多家厂商的落地案例，可据此判断开源机器人栈的演进方向。
小米发布 MiMo-V2.6 系列，包含原生全模态模型 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash，并推出输出速度最高提升 20 倍的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由：小米首次进入前沿开源模型序列，其 RL 训练成本与开源环境细节提供了观察后训练路线的新样本。
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 智能体写了其中大部分代码，跨 128 个 PR 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 万行运行时从 TypeScript 迁到 Rust 的完整工程细节，可迁移到大规模 Agent 协作开发。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，前者面向规模与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：两款语音对话模型同时发布，给出语音智能体基准成绩与开发者接入路径，可据此判断实时语音 Agent 的当前水位。
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve 新增的一致性指南与 Consistency Analyzer，用于衡量并改善智能体重复运行同一任务时的稳定性。
推荐理由：原文提出用 Pass^k 衡量智能体重复运行的一致性，并给出把一致性差距减半的检测与改进方法。
GitHub 发布研究预览 Project HydraFusion，在 GitHub Copilot CLI 中通过运行时编排多个提供商的模型，自动选择 Single、Cascade、Critique 三种执行模式来平衡质量、成本与延迟。
推荐理由：GitHub 官方给出多模型编排的三种执行模式与三项基准的成本质量对比，可据此判断路由式编排在编码任务上的取舍。
Hugging Face 发布 funes，一个面向 Claude Code、Codex、pi 和 Hermes 的持久记忆层，从本机已有会话构建索引，一条命令即可接入。
推荐理由：Hugging Face 官方发布的本地记忆层，给出安装命令与检索管线细节，可判断跨 Agent 记忆的落地方式。
Google 推出 Fairwind Program，面向政府机构、关键基础设施运营商和网络安全合作伙伴限量开放其最先进的网络防御能力，首批提供 Gemini 3.8 Flash Cyber 模型与 CodeMender 工具链，用于自主发现、验证并修复漏洞。
推荐理由：Google 把 Gemini 3.8 Flash Cyber 与 CodeMender 组合成受限访问项目，读者可了解前沿模型在漏洞修复上的落地方式与准入条件。
Google DeepMind 发布 Gemini 3.8 Flash 和面向网络安全的 Gemini 3.8 Flash Cyber，称其为目前推理与编码能力最强的模型，速度与成本与 3.7 Flash 持平。
推荐理由：官方给出两个变体的基准表现与定价，读者可据此判断长时程编码与网络安全任务的成本取舍。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能，官方称视频分析 token 消耗最多降低 88%、成本最多降低 66%、质量最多提升 7%。
推荐理由：官方给出 token 与成本降幅及准确率变化，并说明在长视频场景下与静态处理的取舍差异。
Google 在 Earth AI 计划下推出实验性研究能力 planetary prediction engine（PPE），可依据自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，并生成报告，把原本需要数周人工数据工程的建模过程压缩到几分钟。
推荐理由：Google 官方给出 PPE 在公共卫生、粮食安全与疫情预测上的基准对比，可看自主地理空间建模的自动化程度。
Google DeepMind 发布 Gemini 3.5 Transcribe，称其为目前最精确的语音转文本模型，可将原始音频直接转为准确、格式化文本。
推荐理由：官方给出 WER、延迟与多语言等可核验指标，并说明开发者与消费端入口，便于判断语音转写能力边界。
IBM 发布 Granite 4.2，这是其首个稠密、decoder-only 的推理模型家族，包含 3B、8B、30B 三个规模，均以 Apache 2.0 许可开源。
推荐理由：IBM 公开了 Granite 4.2 从预训练到多阶段 RL 的完整构建流程，可对照其数据配比与奖励设计理解推理模型的训练取舍。
Hugging Face 在 Gradio 中推出 gr.Workflow，把多步 AI 流水线描述为带类型的节点图，并直接提供可拖拽画布，每个节点可运行、中间结果可见。
推荐理由：原文给出 gr.Workflow 的节点图、REST 端点和一键部署路径，读者可据此判断多步 AI 流水线如何落地。
Mistral 发布 Agentic Search，一个让模型在多步检索循环中查找、打开、导航、阅读和验证信息的检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries。
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，可据此判断它相对一次性 RAG 的取舍。
Replit 推出 Free Mode，由 GPT-5.6 Luna 驱动，让任何人都能把想法变成可运行的软件，无需担心 token 成本。
推荐理由：Replit 推出由 GPT-5.6 Luna 驱动的免费模式，读者可了解软件创建门槛与 token 成本的变化。
IBM Research 在 Hugging Face 博客发布 ALTK-Evolve 研究，用 AppWorld 的 585 个多步任务测试八款模型后发现，智能体记忆不是开关而是需要按模型校准的剂量。
推荐理由：八模型横评显示智能体记忆的合适剂量随模型能力分层，并给出检索与提示词缓存的成本对照。
Hugging Face 发布 2026 年 1 月至 8 月的开源模型观察报告，基于 Hub 数据给出六项发现。报告显示模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，Spaces 从 100 万增至 144 万，但 85.6% 的模型累计下载不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用 Hub 七个月数据拆解开源模型格局，可看到中美实验室规模路线与下载依赖的分野。
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码和智能体的最强主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：官方给出与 3.6 Flash 的多项基准对比和半价定价，可据此判断编码与智能体场景的升级幅度。