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。
Mistral AI 宣布与 Mozilla 合作，由 Mistral 模型为 Firefox Smart Window（beta）提供支持，帮助用户理解复杂搜索、找回浏览记录中的重要内容，并根据浏览器标签页整理信息。该功能将先面向法国和北美用户，英国和德国预计于今年晚些时候跟进；对话默认不会保存到 Mozilla 服务器，Mistral 等合作方同意零数据保留。
推荐理由：Mistral AI 与 Mozilla 将开放模型接入 Firefox Smart Window，材料同时交代了地区范围、隐私机制和本地化语言方向。
Hugging Face Blog 介绍 ALTK-Evolve 的一致性指南，通过对已有轨迹的决策步骤进行重采样，定位容易翻转的决策点并生成可复用指南。
推荐理由：文章将平均成功率与重复运行的一致性区分开，并给出无需重跑任务即可定位不稳定决策点的方法与实测改进。
GitHub 日本和韩国市场的营销负责人介绍了如何用 GitHub Copilot、Issues、Labels 和 GitHub Actions，把活动从规划、报名筛选到会后跟进串成自动化流程。流程通过 API 或 CLI 连接外部工具，以 DRY_RUN、测试套件和代码审查降低风险，并用 SKILL.md 描述可复用的会后操作。文章还提醒，定时自动化必须设置明确的失败告警。
推荐理由：文章展示了如何用 GitHub Issues、Actions、SKILL.md 和 DRY_RUN 把跨工具的活动运营流程自动化，并保留人工审批与代码审查。
Google Research 在 ACL 2026 介绍 ToolGrad，通过先生成经验证的 API 工具链、再标注对应用户查询的 answer-first 范式生成工具使用数据。
推荐理由：ToolGrad 将工具链生成与用户查询标注拆开，并用文本反馈迭代 API 工作流，为降低工具使用数据的生成成本提供了可复用思路。
GitHub Copilot app 将 diff、终端和浏览器面板整合在同一处，帮助用户审查 Agent 生成的代码、运行项目并验证界面效果。用户可在 diff 面板接受或评论改动，在终端面板运行命令和 `npm run dev`，再通过浏览器面板测试功能并使用 Pick & Polish 继续调整，完成后直接接受修改并创建 pull request。
推荐理由：文章把 AI 编码变更的审查、运行和浏览器验证整合为一套流程，适合了解 GitHub Copilot app 如何减少工具切换。
Hugging Face 发布 Workflow1111，用单一 Gradio Workflow 画布重建 AUTOMATIC1111 的大部分功能，包含 11 条媒体管线和 73 个节点，覆盖文生图、图生图、放大、检测、背景移除及图生视频。
推荐理由：文章以完整案例展示 Gradio Workflow 如何把多种媒体管线组合为可编辑画布，并自动提供 REST 与 MCP 接口，便于迁移到实际应用。
Hugging Face 介绍了在分离机器的 Hugging Face Jobs 上运行 AsyncGRPO 的方案：训练端仅将 LoRA adapter 通过 Storage Bucket 同步到 vLLM，并用代理完成鉴权、KV 前缀路由和多副本广播。
推荐理由：文章给出了跨 Hugging Face Jobs 部署 AsyncGRPO 与 LoRA 的完整方案，并用多轮指标定位瓶颈和优化路径。
Mistral AI 帮助一家欧洲能源运营商将40,000行Fortran 77迁移到C++，对象是没有测试套件和集中式文档的物理密集型储层模拟器。项目先建立数值一致性校验框架并整理代码文档，再由规划、编码、测试和代码质量审查智能体按模块协作，配合人工审核合并。首个冲刺覆盖300,000行代码中的40,000行，团队总结出先建校验框架、先整理文档，以及采用带人工审核门的结构化工作流三项原则。
推荐理由：文章以40,000行Fortran 77迁移为例，拆解校验、文档整理和人机协作流程，为复杂遗留代码现代化提供可复用方法。
GitHub 在 GitHub Copilot CLI 中推出 Project HydraFusion 研究预览，通过运行时编排多个模型，自动选择单模型、级联或批评审执行模式来完成编码任务。
推荐理由：HydraFusion把多模型选择、级联和交叉评审纳入运行时，并用三个基准展示质量与成本的权衡。
Hugging Face 发布 funes，为 Claude Code、Codex、pi 和 Hermes 提供基于本地会话轨迹的持久记忆层。funes通过向量与 BM25 搜索、重排序和来源追踪，让智能体可在本机或 Hugging Face 私有数据集中检索原始会话；作者称在 handoff-vs-recall 基准中，recall 的成本分别低至书面交接的 1/8 和 1/4。
推荐理由：funes把多个编码智能体的会话轨迹转为可检索、可溯源的本地记忆，并支持同步到用户拥有的私有数据集。
Hugging Face Blog 介绍了用 TRL、OpenEnv 和 Qwen/Qwen3.5-35B-A3B 训练代码模型绘制水彩画的完整开源流程。项目公开了参考图池、RL 环境、训练脚本、模型和画廊，并比较了 judge-led、hps-led 与 hps-only 三种奖励配比。
推荐理由：文章完整拆解了用 TRL 和 OpenEnv 复现水彩画代码模型的训练管线，并比较了三种审美奖励配比的训练结果。
Google DeepMind 推出 Fairwind Program，向政府、Google Cloud 客户和可信网络安全伙伴限量开放 Gemini 3.8 Flash Cyber 与 CodeMender，用于自主发现、验证和修复漏洞。该项目声称可在组织的安全云环境中于数分钟内生成经过验证、可部署的补丁，并要求参与机构限制内部网络安全团队访问及启用多因素认证。已有超过 650 家合作伙伴参与。
推荐理由：Fairwind Program 将 Gemini 3.8 Flash Cyber 与 CodeMender 结合，展示了受控环境中自动发现、验证并修复漏洞的企业级路径。
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，前者面向长程编码、智能体任务与多步推理，后者面向漏洞发现和自动修复。
推荐理由：Gemini 3.8 将通用推理编码与网络安全能力拆分为两个版本，并给出价格、基准和实际使用案例，便于比较其适用场景与成本。
Google DeepMind推出Agentic视频理解功能，覆盖Gemini 3.7 Flash、3.6 Flash和3.5 Flash-Lite，可动态搜索视频中的画面、音频和转录内容。
推荐理由：Google DeepMind给出了Agentic视频理解的工作方式、基准变化和接入示例，便于开发者评估长视频分析的成本与实现路径。
Google Research 介绍 Planetary Prediction Engine（PPE），这是 Google Earth AI 旗下的实验性研究能力，可根据自然语言查询自主完成地理数据发现、清理、特征工程、模型训练与评估。
推荐理由：文章展示了 PPE 如何把地理数据发现、特征构建和模型评估串成自动化流程，并用多个领域的基准结果说明其应用价值。
IBM Granite Team 介绍 Granite 4.2 推理模型家族的构建过程，模型分为 3B、8B 和 30B 三种规模，均基于 Granite-4.1 基座模型进行后训练。
推荐理由：文章系统梳理了 Granite 4.2 从预训练、SFT 到多阶段 RL 的构建流程，并说明不同规模模型的智能体训练差异。
Hugging Face 介绍 Gradio 内置的 gr.Workflow，它用带类型节点的图来组织 AI 流程，并提供可拖拽运行的画布、REST API 和一键部署到 Hugging Face Spaces 的能力。
推荐理由：文章通过多个可运行案例说明 gr.Workflow 如何把多步骤 AI 流程组织成可视化图、REST API 和可部署应用。
Google Research 介绍 Biomarker Discovery Framework，这是一个在人工监督下运行的多智能体系统，用于从可穿戴设备数据中迭代生成、分析和验证候选生物标志物。
推荐理由：文章展示了如何将多智能体协作、确定性统计计算与对抗验证结合，用于在可穿戴传感器数据中筛选候选生物标志物。
Google DeepMind 回顾了从 DQN、AlphaGo、AlphaZero、MuZero 到 AlphaStar 的游戏 AI 研究，并介绍与 Fenris Creations 合作探索 EVE Universe 中的 AI 智能体。
推荐理由：文章梳理了 Google DeepMind 从游戏智能体研究到 EVE Universe 合作的路径，具体呈现了持续学习、记忆和长期规划等研究挑战。
Hugging Face 介绍了 Papers with Code 搜索系统的生产架构：用 Jobs 批量生成论文嵌入，用 Storage Buckets 交接可校验的数据产物，再由 Inference Endpoints 为在线查询提供低延迟嵌入。
推荐理由：文章拆解了 Papers with Code 搜索的混合检索架构与生产经验，涵盖批处理、在线推理、增量更新和故障回退。