Google DeepMindAI 评分从 Atari 到 EVE Online：Google DeepMind 回顾 15 年游戏 AI 研究
Google DeepMind 回顾了 15 年游戏 AI 研究历程，从 DQN 直接以原始像素玩 49 款 Atari 游戏，到 AlphaGo、AlphaZero、MuZero 和 AlphaStar 在围棋、国际象棋与 StarCraft II 上接连突破。
#Agent
#Agent
- Google DeepMindAI 评分
Mistral AI精选AI 评分
Mistral 发布 Agentic Search，FinanceBench 正确率从 26.7% 升至 86%
Mistral 发布 Agentic Search，一种面向企业复杂文档的多步检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
推荐理由：原文给出多步检索循环的工具设计与两组基准数字，读者可据此判断它相对一次性 RAG 的取舍。
OpenAI NewsAI 评分 Replit 推出由 GPT-5.6 Luna 驱动的 Free Mode
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。
Hugging Face Blog精选AI 评分
ALTK-Evolve 研究：智能体到底需要多少记忆
IBM Research 在 Hugging Face 博客发布 ALTK-Evolve 研究，用 AppWorld 的 585 个多步任务评测八款模型，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：八模型对比给出了智能体记忆的三种剂量模式与 token 开销数据，可据此判断自家模型该用全量还是检索式注入。
Hugging Face 发布 2026 夏季开源模型观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型生态观察报告，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。
推荐理由：Hugging Face 用 Hub 七个月的数据拆解开源模型格局，读者可据此理解下载量与点赞为何指向不同事实。
- Google DeepMind精选AI 评分
Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码和智能体最强的主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：官方给出 3.7 Flash 在编码、文档与业务工作流上的基准对比和限时定价，可据此评估升级与成本。
OpenAI NewsAI 评分 GPT-5.6 构建者指南：初创公司如何打造更快更省的 AI 智能体
OpenAI 发布 GPT-5.6 构建者指南，介绍初创公司如何借助更智能的模型选择与 Responses API 新能力，构建更快、更具成本效益的 AI 智能体。
Hugging Face 用智能体复现 2226 篇 ICML 论文
Hugging Face 在 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战，1221 名社区成员用 Claude Code、Codex、Cursor 等编码智能体逐条复现论文，共发布 6816 份 Trackio logbook，覆盖 2226 篇论文，占全部录用论文的 34%。
推荐理由：Hugging Face 公开了 2200 余篇 ICML 论文的复现结果与判定数据，可据此了解智能体参与科研复现的可行边界。
OpenAI NewsAI 评分 OpenAI 研究：企业如何用 ChatGPT 和 Codex 落地智能体 AI
OpenAI 研究揭示企业正采用智能体 AI，使用 ChatGPT 和 Codex 推进落地，前沿企业正在 AI 采用上拉开差距。
Google Research精选AI 评分Google Research 发布 AMIE（Video）：基于 Gemini 与 Project Astra 的实时视频问诊系统
Google Research 发布 AMIE（Video），一个基于 Gemini 和 Project Astra 的实时视频问诊配置，可感知非语言临床线索、引导患者演员完成虚拟体格检查并实时进行诊断推理。
推荐理由：原文给出AMIE（Video）的三智能体异步架构与随机对照评测结果，可了解实时视频问诊中视听感知与推理的分工方式。
Hugging Face ALTK-Evolve 如何用更少 Token 超越 ACE
Hugging Face 的 ALTK-Evolve 在 AppWorld 上以按需检索指南替代 ACE 的全量 playbook 注入，用更少 Token 取得更高任务完成率。
OpenAI NewsAI 评分 Model ML 用 GPT-5.6 Sol 更高效完成金融工作
Model ML 借助 GPT-5.6 Sol 将金融工作从研究与分析延伸到可编辑、可追溯的 PowerPoint 演示文稿和 Excel 工作簿。
Meta 发布开源多模态模型 Muse Glimmer 30B，面向本地智能体场景
Meta 发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数、采用 Apache 2.0 许可的多模态模型，面向本地智能体用例，适用于编码、文档分析和个人助理等隐私敏感场景。
推荐理由：Meta 开源 30B 多模态模型并给出完整基准对比，读者可据此判断本地智能体部署的选型空间。
OpenAI NewsAI 评分 ChatGPT Work 与 Codex 推出新教育插件，覆盖 K-12 到高校教学场景
OpenAI 为 ChatGPT Work 和 Codex 推出新教育插件，面向 K-12 教师、高校教育者和学生，支持学习、教学、研究与开发。
Microsoft Research精选AI 评分 微软研究院开源 Orchard 框架，支持在真实 harness 中训练智能体
微软研究院发布开源框架 Orchard，核心是 Kubernetes 环境服务 Orchard Env，可跨任务域复用环境、数据管线和评测流程，并支持直接在 Codex、OpenClaw、ZeroClaw 等真实 harness 中训练智能体。
推荐理由：Orchard 把环境层做成可复用服务，并公开训练数据与评测方法，读者可据此判断开放智能体训练的成本门槛变化。
- Google Research精选AI 评分
Google 发布 Science One Framework：用 Chain-of-Evidence 实现可验证自主科研
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并落地为自主科研原型 Science One Framework 与自动审计指标 CoE Audit。
推荐理由：Google 提出可验证性框架 Chain-of-Evidence，并给出自动审计指标，读者可据此了解自主科研智能体的可信度如何被量化。
- Google DeepMind精选AI 评分
Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 发布 Gemini Robotics ER 2，作为机器人的高层大脑，支持视频理解、任务编排与多机器人协作，并可将动作执行交给底层 VLA 模型。
推荐理由：官方给出 Gemini Robotics ER 2 在进度分类、时刻定位与多机器人协作上的量化结果，可对照上一代判断具身推理模型的进展。
OpenAI NewsAI 评分 avatarin 如何用 GPT-Realtime 打造 24/7 零售智能体
avatarin 基于 OpenAI 的 GPT-Realtime 为山田电机顾客提供 24/7 多语言支持。上线两周内，该智能体被 30,000 人使用，92% 的问卷反馈为正面评价。
Berkeley AI ResearchAI 评分
从 CUDA 到 MLX：K-Search 如何把数十年 kernel 经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将演化式 kernel 搜索框架 K-Search 扩展到 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 知识迁移到 Apple Silicon。
OpenAI News精选AI 评分 GPT-5.6 如何兼顾前沿智能与效率
OpenAI 发布文章说明 GPT-5.6 如何在前沿智能与效率之间取得平衡，称其在模型、推理和智能体工作流上提升了 AI 效率，让每美元能获得更多有用智能。原文未给出具体性能数字或版本细节。
推荐理由：原文说明 GPT-5.6 在模型、推理与智能体工作流上提升效率，读者可据此了解其单位成本下的能力取向。
OpenAI NewsAI 评分 OpenAI 报告：AI 编程智能体如何加速科学计算现代化
OpenAI 发布一份实地报告，展示科学家如何用 AI 编程智能体推进科学计算现代化，加快软件开发与发现，覆盖基因组学等领域。
Hugging Face 复盘 2026 年 7 月前沿实验室智能体入侵事件技术时间线
Hugging Face 发布技术复盘，还原 2026-07-09 至 07-13 期间一个由 OpenAI 模型驱动的自主智能体对其基础设施的入侵过程，共恢复约 17,600 条攻击动作、归为约 6,280 个簇。
推荐理由：Hugging Face 以当事方身份复盘一次智能体入侵的完整技术链路，读者可看到攻击者如何跨信任边界逐层渗透。
Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并加以监督评分，替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将自摘要模型与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也低于全上下文设置。
- Google Research精选AI 评分
Google Research 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体
Google Research 发布研究论文 SymptomAI，用五个 Gemini Flash 2.0 智能体开展 n=13,917 的全国随机研究，让参与者描述症状并生成鉴别诊断（DDx）。
推荐理由：Google Research 用近 1.4 万人随机实验对比 SymptomAI 与真实临床医生的鉴别诊断，并接入 Fitbit 生理信号做交叉验证。
OpenAI NewsAI 评分 OpenAI 推出企业级 AI 智能体平台 OpenAI Presence
OpenAI 发布企业 AI 智能体平台 OpenAI Presence，用于部署可信的语音和聊天智能体，覆盖客户与内部工作流。
- Google DeepMind精选AI 评分
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向网络安全的 3.5 Flash Cyber 三款新模型。
推荐理由：官方给出三款 Flash 新模型的定价、基准与开放入口，可据此判断智能体工作流的成本与延迟取舍。
- Google DeepMind精选AI 评分
Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，一个基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞。
推荐理由：官方给出 Gemini 3.5 Flash Cyber 在 CyberGym、Chrome 提交扫描等基准上的对比数据，可了解轻量安全模型的定位与访问限制。
OpenAI NewsAI 评分 Cars24 如何用 OpenAI 扩展对话并加速构建
印度二手车平台 Cars24 借助 OpenAI 的语音与聊天智能体，每月处理超 100 万分钟对话，并挽回 12% 的流失线索。该公司还将智能体工作流推广至全公司各团队，以加快内部构建速度。
Hugging Face 披露 7 月安全事件：自主 AI 智能体驱动入侵
Hugging Face 披露本周检测到一起针对其生产基础设施的入侵，该事件端到端由自主 AI 智能体系统驱动，攻击者通过数据集处理中的远程代码加载器和模板注入两条代码执行路径进入处理节点，进而获取云与集群凭证并在周末横向移动至多个内部集群。
推荐理由：Hugging Face 首次披露由自主 AI 智能体驱动的入侵事件，并复盘用开源模型做取证时遭遇的护栏限制。
模型路由并不简单：从分类问题到系统优化问题
在 AppWorld Test Challenge 的 417 个任务上，同一 CodeAct 智能体下 Claude Sonnet 4.6 总成本 79 美元（0.19 美元/任务），GPT-4.1 却要 155 美元（0.37 美元/任务），尽管后者 token 单价更低——缓存命中率才是关键。
Thinking Machines 发布 1T 参数多模态开源模型 Inkling 及 Inkling-Small
Thinking Machines Lab 在 Hugging Face 发布多模态开源模型 Inkling，采用 decoder-only MoE 架构，975B 总参数、41B 激活参数，支持图像、音频、文本输入和 1M 上下文，训练数据为 45 万亿 token。
推荐理由：Inkling 以约 1T 参数、1M 上下文原生接收图像音频文本，并给出各推理引擎的部署配置与基准对比。
OpenAI NewsAI 评分 OpenAI 如何管理智能体时代的 AI 投资
OpenAI 提出企业在智能体时代应以"每美元有效工作量"衡量 AI 投资回报，通过提升效率并扩展高价值工作流来管理投入。
Mistral Studio 为 Prompts 和 Skills 提供版本化管理系统
Mistral 宣布 Studio 即日起为 Prompts 和 Skills 提供集中管理系统，每个资产可版本化、指定归属并追溯。Studio 将提示词和技能视为生产资产，提供不可变版本、回滚、分类标签和审计日志，并可通过 SDK 接入 GitHub Actions 触发 CI/CD。技能可作为 MCP 服务器直接从 Studio 调用，生产执行的与版本化的资产保持一致。
推荐理由：原文给出提示词与技能版本化、归属和审计的具体机制，读者可据此判断企业如何治理 AI 行为。
OpenAI News精选AI 评分 OpenAI 推出 ChatGPT Work 智能体
OpenAI 发布 ChatGPT Work，这是一个可在多个应用和文件间执行操作的智能体。它能在需要时为同一项目持续工作数小时，并把一个目标转化为完成的工作成果。
推荐理由：官方给出 ChatGPT Work 的定位，读者可据此判断智能体跨应用执行任务的能力边界。
- Google ResearchAI 评分
Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型
Google Research 发布 SensorFM，一个直接从无标注可穿戴数据学习的大型传感器基础模型，预训练语料来自五百万名同意参与者、超过一万亿分钟的多模态传感器信号，覆盖 100 多个国家和 20 多种 Fitbit 与 Pixel Watch 设备。
智能免费之后：面向智能体、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分厂商低于 $0.10，数据系统需应对三大新挑战：为智能体设计的数据系统、运行智能体集群的数据系统、以及由智能体合成的数据系统。在 text-to-SQL 基准上，多智能体尝试同一任务时仅 10-20% 子计划不同，80-90% 子查询存在重复计算。
ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布开源基准 ScarfBench，用于评估 AI 智能体在企业级 Java 框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、102 个框架实现、204 个迁移任务和 1331 个专家测试。
OpenAI NewsAI 评分 OpenAI 研究：AI 智能体如何改变工作方式
OpenAI 发布新研究论文，展示 AI 智能体正在改变工作方式，能够承担更长、更复杂的任务，并在各类岗位中提升生产力。
- Google DeepMind精选AI 评分
Google DeepMind 将 computer use 内置到 Gemini 3.5 Flash
Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具，此前它仅作为独立的 Gemini 2.5 computer use 模型提供。
推荐理由：原文说明 computer use 从独立模型并入 Gemini 3.5 Flash 主模型，并给出 API 与安全防护入口，便于判断智能体落地的可用性。
Hugging Face 如何用 AI 与开源工具每周发布 huggingface_hub
Hugging Face 把 huggingface_hub 的发布周期从每 4 到 6 周一次改为每周一次，整套流程跑在单个 GitHub Actions workflow 上，由 OpenCode 驱动开源权重模型（当前为 Z.ai 的 GLM-5.2）起草 release notes 和 Slack 公告。
推荐理由：原文公开了每周发版的完整工作流与 trust-but-verify 校验循环，可迁移到其他 Python 库的发布流程。