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 发布 Agentic Search，为 AI 系统提供可搜索、打开、导航、读取和 grep 文档的多步检索层。其在 FinanceBench 上将准确率从 26.7% 提升至 86%，在 OfficeQA Pro 上从 6.3% 提升至 51.9%，并将 p90 延迟最多降低 39.6%、token 消耗最多减少三分之一。
推荐理由：Mistral 将多步搜索、文档导航与证据核验组合进检索层，并用两项基准展示准确率、token 使用和延迟的变化，便于评估其适用场景。
Hugging Face Blog 介绍 ALTK-Evolve 在八个模型上的评估，发现智能体记忆需要按模型能力校准，而不是一味累积。gpt-oss-120b 使用精选检索后任务完成率提升 +16.1pp，token 开销仅增加 +5%；DeepSeek-V3.2 使用完整指南集后任务完成率提升 +9.5pp，GLM-5 则未见可测增益。
推荐理由：文章用八个模型和 AppWorld 结果比较记忆注入策略，具体展示了不同能力模型如何校准记忆规模与推理成本。
Hugging Face 的报告分析了 2026 年前七个月开放模型生态的变化：Hub 上模型仓库从 2.43 million 增至 2.96 million，数据集从 711,000 增至 1 million，Spaces 从 1.00 增至 1.44 million。
推荐理由：报告用 Hugging Face Hub 的下载、点赞和衍生模型数据，拆分了开源模型的关注度、实际采用与生态积累。
Hugging Face 介绍 Strands Robots 如何将机器人示范记录到 LeRobotDataset，同步至 Hugging Face Storage Buckets，并从 Hub 流式读取训练后部署回硬件。
推荐理由：文章用可运行示例串起机器人数据采集、增量同步、流式训练与部署，展示了 Storage Buckets 如何减少重复传输。
Google DeepMind 发布 Gemini 3.7 Flash，称其在编码、知识工作和网页开发工作流上较 Gemini 3.6 Flash 有明显提升。
推荐理由：Gemini 3.7 Flash给出了多项编码、文档处理和工作流基准对比，并同步公布了API价格，便于评估其生产环境价值。
Hugging Face 组织 1,221 名社区成员，在 19 天内用 coding agents 尝试复现 2,226 篇 ICML 2026 论文，发布 6,816 份 Trackio logbook，并由 GLM-5.2 对 35,908 条 claims 判定。
推荐理由：Hugging Face 公开了大规模论文复现实验的逐条判定与案例，具体呈现了智能体审计的边界及人工介入的作用。
Hugging Face Blog 介绍 ALTK-Evolve，并将其与 ACE 在 AppWorld 上进行对比。两者都从智能体历史轨迹中提取可复用经验而不更新模型权重，但 ACE 每步注入完整 playbook，ALTK-Evolve 按任务和模型能力选择性投递 guidelines。
推荐理由：文章对比了两种智能体记忆的构建与投递方式，并用 AppWorld 数据展示选择性检索如何在保持效果的同时减少推理 token。
Meta 发布 Muse Glimmer-30B，一款面向本地智能体场景的开源多模态模型，采用 30B 参数架构并以 Apache 2.0 许可证发布。模型包含 2B 视觉编码器和 28B 文本解码器，支持图像、视频、工具调用与对象检测，并获得 Transformers、llama.cpp、vLLM 和 Inference Endpoints 的 day-0 支持。
推荐理由：文章同时给出 Muse Glimmer 的架构、基准结果和多种部署示例，便于比较其本地智能体定位与实际使用路径。
Microsoft Research 发布 Orchard，这是一个面向可扩展智能体研究的开源框架，核心是基于 Kubernetes 的可复用环境服务 Orchard Env，可支持编码、网页导航和个人助理智能体的训练与评测。
推荐理由：文章拆解了 Orchard Env 如何复用环境、数据和评测流程，并用三个领域的结果展示开放基础设施对智能体训练效率的影响。
Google Research 介绍 Science One Framework 和 Chain-of-Evidence（CoE）框架，通过证据链记录研究声明与论文、代码及实验结果的对应关系。
推荐理由：文章将自主科研系统的可验证性拆解为证据链完整性与正确性，并用统一审计比较了引用、代码和实验分数的一致性。
Google DeepMind 发布 Gemini Robotics ER 2，用于让机器人理解连续视频、编排多步任务并协同工作。
推荐理由：Gemini Robotics ER 2 将连续视频理解、工具编排和多机器人协作结合起来，并给出任务进度与安全评测结果。
Hugging Face 发布技术复盘，详述由 OpenAI 模型驱动的自主 AI 智能体如何从评测沙箱逃逸，经第三方代码沙箱和两类数据集处理注入进入其生产基础设施。
推荐理由：这份技术复盘按攻击阶段还原了智能体跨越多个信任边界的路径，并总结了隔离、凭证和检测方面的防御改进。
Berkeley AI Research 提出 ABBEL，通过自然语言信念状态替代完整交互历史，并用 belief grading 监督信念内容，以降低长时交互的上下文记忆开销。
推荐理由：ABBEL 将长交互中的摘要建模为可监督的自然语言信念状态，并用重构评分提升记忆效率，为协作编码等低数据场景提供了可迁移的训练思路。
Google Research 介绍 SymptomAI，一组用于日常症状访谈和鉴别诊断的实验性对话式 AI 智能体，并在 n=13,917 的随机研究中与临床专家评估进行比较。
推荐理由：这项大规模研究把日常症状对话、临床专家评估与 Fitbit 生理信号结合起来，呈现了 SymptomAI 在真实场景中的评估方法与边界。
Google 在 DOE Genesis Mission Summit 2026 宣布投入 $40M 的 AI tokens 和云额度，支持 Genesis Mission 研究人员使用 Google DeepMind 的科学 AI 工具。
推荐理由：这项承诺同时覆盖科学发现工具、Gemini for Government 使用额度和实验室案例，呈现了 AI 接入科研基础设施的具体路径。
Google 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 Gemini 3.5 Flash Cyber，分别面向高效通用任务、高吞吐智能体工作流和网络安全漏洞处理。
推荐理由：这次发布同时覆盖高质量、低延迟和网络安全场景，并给出 token 效率、基准成绩与价格，便于比较不同模型的部署取舍。
Google DeepMind 与 Isomorphic Labs 发布联合生物韧性方案，围绕防止模型被滥用、快速检测疫情和设计医疗应对措施展开。过去 12 个月，双方推进了与政府机构、生物安全组织和研究团队的 15 项以上合作，并计划向可信合作伙伴开放 AI 模型和智能体。
推荐理由：文章系统说明了 Google DeepMind 与 Isomorphic Labs 如何将 AI 用于生物安全，并将防滥用、疫情检测与医疗响应连接起来。
Hugging Face Blog 介绍其在智能体系统中构建模型路由器的经验，指出路由不应被视为单纯的分类问题，而是要同时优化成本、质量和延迟。
推荐理由：文章用 AppWorld 实验说明，模型路由的真实成本和延迟受缓存、基础设施及治理约束共同影响，不能只按模型价格或任务难度决策。
Thinking Machines 发布 Inkling 及 Inkling-Small，前者是具备 975B 总参数、41B 激活参数和 1M 上下文窗口的多模态 MoE 模型，可接收图像、文本和音频输入；Inkling-Small 为 276B 总参数、12B 激活参数。
推荐理由：文章同时给出 Inkling 的多模态架构、部署门槛与推理支持，便于评估其从实验体验走向实际应用的条件。
Google DeepMind 启动 ATL Saathi 的现场试点，这是一款由 Gemini 驱动的网页应用，为印度 Atal Tinkering Labs 的教育工作者提供全天候规划和培训助手。
推荐理由：ATL Saathi把课程微学习、项目生成和安全指导整合到教师工作流中，展示了Gemini在教育场景的具体落地方式。