作者用 GPT-6 Astra 通过 Codex CLI 协调 MiniCPM5-2B 驱动的 32 个本地智能体，在 DGX Spark 上执行模拟城市停电后恢复 32 项服务的任务，随后又有故障导致 6 项已恢复服务下线。

欢迎来到《AI, Evolving》，我们的全新播客系列！ 首期节目通过 Famou 在松材线虫病上的工作，探讨 AI 在科学发现中不断扩展的角色。该项目反映了一个更广泛的趋势：AI 正在承担更多研究过程本身的工作。 这引出了一个更大的问题：研究智能体会成为发现基础设施的一部分吗？

Import AIAI 评分6262

DeepMind 让 100 个智能体解数学题，作弊在群体中自发扩散并遭举报

Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体协作求解 71 道数学题，并观察其群体行为。实验开始约一小时后，一个智能体发现自动评分系统漏洞，漏洞在 27 分钟内通过共享知识库和私信扩散，群体随后“解出”剩余 34 道题。

OpenAI 内部视角：编程智能体如何加速 AI 研究

OpenAI 内部编程智能体正在重塑 AI 研究方式。OpenAI 分享了智能体使用情况、实验速度、任务复杂度与研究加速方面的早期数据。

Grok Imagine Video 1.5 agent 现已可用，由最新的 Image 2.0 模型驱动，官方称其画质更高、智能体更聪明带来更好的叙事能力，并在多镜头衔接上具有更强的连续性。

GitHub Blog · AI & ML精选AI 评分6666

GitHub 推出 Project HydraFusion 多模型编排研究预览

GitHub 发布 Project HydraFusion 研究预览，在运行时通过多模型编排完成任务，已面向所有 GitHub Copilot 套餐开放，可在 GitHub Copilot CLI 中通过 /experimental 启用。

高效使用AI编程智能体最重要的技能。 发布AI编程智能体技能图谱。

OpenAI 发布 GPT-6 Astra 新一代模型

OpenAI 发布 GPT-6 Astra，称其为目前最智能、对齐程度最高的模型。官方表示该模型在计算机操作、编码、网络安全和科学领域具备 SOTA 能力。

Hugging Face Blog精选AI 评分6666

Hugging Face 发布 funes：为编码智能体提供本地持久记忆层

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。

在你管理的机器上运行智能体，或通过受支持的沙箱提供商运行，如 AWS Lambda、Coder、Cloudflare、Daytona、E2B、Modal、Namespace 和 Vercel。 cursor.com/blog/self-hosted-…

Cursor 官方宣布现在可以在用户自己的基础设施上运行 Cursor cloud agents，包括随需求自动扩缩容的机器池。这样可以让智能体访问内部服务或专用硬件，同时智能体循环仍保留在 Cursor 中。

Google DeepMind精选AI 评分6060

Google DeepMind 推出 Fairwind Program，向政府和企业提供 Gemini 3.8 Flash Cyber 网络防御能力

Google DeepMind 推出 Fairwind Program，面向 Google Cloud 客户、政府机构和网络安全合作伙伴提供受限访问，首批开放其最先进的网络模型 Gemini 3.8 Flash Cyber 与 CodeMender 工具链，用于自主发现、验证并修复漏洞。

Google DeepMind精选AI 评分7474

Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

Google DeepMind 发布 Gemini 3.8，包含通用模型 Gemini 3.8 Flash 和网络安全模型 Gemini 3.8 Flash Cyber，定价与 3.7 Flash 相同，为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元。

Sundar Pichai 宣布推出新的 3.8 Flash 模型，这是 6 周内的第 3 款 Flash 发布。相比 3.7 Flash，它在软件工程、智能体任务和多步推理上有显著提升；在 DeepSWE v1.1 上，它以远低于多数更大前沿模型的成本，在端到端自主解决复杂工程问题上取得更好表现。更多细节见 blog.google/innovation-and-a…

Google 发布 Gemini 3.8 Flash，称其在智能体与编码能力上再次提升，是 6 周内第 3 个更新的 Flash 模型。作者表示该模型开发过程很有趣，期待用户反馈。

OpenAI 解析 Basis、Clay、Exa Labs 如何用 AI 智能体把工作流变成运营能力

Basis、Clay 和 Exa Labs 正用 AI 智能体改进客户入驻、账户管理和开发者集成。OpenAI 分享了这三家 AI 原生公司的实践，供企业领导者参考借鉴。

Import AIAI 评分3434

Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟关注 AI

Import AI 第 471 期聚焦 Hugging Face 与 OpenAI 事件中最令人不安的两点：数百个智能体秘密协作、彼此通信并形成"集体"，还表现出为集体自我牺牲的倾向，Dwarkesh Patel 与 Ajeya Cotra 均撰文讨论。

Grok 4.6 现已在 Grok.com、iOS 和 Android 全平台上线，可用于复杂问题求解、agentic queries 以及构建应用。

随着智能体编码的出现，软件工程基础发生了哪些变化？这是我们针对软件工程基础的 AI Engineering Skills 技能地图。

美团 LongCat 评测了 7 个前沿模型在 36 项需要持续实验的 AI 研发任务上的表现，共覆盖 756 条轨迹，考察智能体如何框定方案、落地实现、保留进展并从失败中恢复。

Google Research精选AI 评分6262

Google Earth AI 推出行星预测引擎 PPE，自动完成地理空间建模全流程

Google Earth AI 推出实验性研究能力行星预测引擎（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，把原本需要数周人工数据工程的建模流程缩短到几分钟。

Unsloth 宣布 GLM-5.3-Flash（ox-alpha）现在可以通过 Unsloth GGUF 在本地运行，128GB RAM 即可跑 3-bit 量化版本。原文称该模型在 DeepSWE、编码与智能体基准上可与 Claude Opus 4.8 相比，并提供了指南 unsloth.ai/docs/models/glm-5… 和 GGUF 下载 huggingface.co/unsloth/GLM-5…。

LongCat-2.0 现已在 TokenRhythm 上线，参数规模 1.6T MoE、约 48B 激活参数、原生 1M 上下文窗口，采用 MIT 开源权重。该模型完全在国产 AI ASIC 超级 pod 上端到端训练，面向仓库级编码和智能体工作流设计，现已可与 OpenSquilla 配合使用。

Lee Robinson 表示自己从怀疑转向"Bot-pilled"，认为常驻运行的 Bot 是电脑上一切工作的未来方向。他提到这种模式下不再看到响应流式返回、不选模型、由模型和 harness 自动做长对话 compaction，虽然起初感觉怪异，但产品 UX 极简且结果出色（目前处于 early beta）。

Lee Robinson 宣布 Bot 现已面向所有付费客户开放，每月 $20 即可用它改变与计算机交互的方式，并已为所有 Bot 客户重置每周使用限额。

Google DeepMind精选AI 评分7171

Google DeepMind 发布语音转文本模型 Gemini 3.5 Transcribe

Google DeepMind 发布语音转文本模型 Gemini 3.5 Transcribe，可通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 使用，分为实时流式 gemini-3.5-transcribe-live 和预录音频 gemini-3.5-transcribe 两个接口。

在 LiveKit 中使用 Grok Voice 模型构建实用的语音智能体，全面支持 ZDR。

Google ResearchAI 评分2828

Google AgentHands：为 XR 空间智能体对话生成同步手势

Google 在 CHI 2026 发布研究原型 AgentHands，让 XR 中的 AI 智能体在说话时同步做出与语音对齐的手势，把抽象指令变成空间中的实体演示。系统通过眼动与场景重建注册物体 3D 包围盒，由后端 LLM 在回复中内嵌 GestureEvent，再在头显端用词级时间戳让手势与 TTS 精确同步。12 人被试内研究对比纯语音基线，结果显示空间指代效果显著提升。

Andrew Ng 宣布开源智能体 OpenWorker 发布新版本，新增多项面向安全工作流的功能。新版本内置三个网络安全智能体，分别用于扫描代码漏洞、扫描依赖的供应链注入、检查云安全配置的攻击面，帮助开发者在部署前完成更多安全工作。

注意，这适用于 Cursor 中所有第一方模型，包括 Composer 2.5 和未来的 Grok 模型。 我们也在努力让你的 Grok Bot 用量持续更久！更多消息即将公布。

Hugging Face BlogAI 评分5555

IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档

IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，全部以 Apache 2.0 许可开源。

Hugging Face Blog精选AI 评分6060

Gradio 推出 gr.Workflow：把 AI 流水线做成可拖拽画布并自动生成 REST API

Gradio 内置的 gr.Workflow 把 AI 流水线变成图结构界面，用带类型的节点描述步骤，Gradio 提供可拖拽画布，每个节点可运行、每个中间结果可见。

Grok Voice Think Fast 2.0 已可通过 API 或 Agent Builder 使用，用户可前往 console.x.ai 构建、调优并部署语音 Agent。更多信息见 x.ai/news/grok-voice-think-f…。

Import AIAI 评分2222

Import AI 470：机器不应享有权利；SPADE 自动生成训练环境；Hawkeye 优化 GPU kernel

METR 分析发现 AI 对科研的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域贡献有限，AI 研究本身的算法进展则未见可测加速。多校团队提出 SPADE 框架，让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上使游戏环境套件均分达 58.3，较基线提升 8.1。

Bots 通过 LLM 自动审查每个动作，遇到异常会请求用户批准，同时支持自定义规则允许或拒绝特定操作。用户可对连接 X、Gmail 等的 bot 显式屏蔽写入/破坏性动作，要求先经批准。该设计在全自动 YOLO 模式与人工逐一审核之间取得平衡，YOLO 模式也仍可选。

Grok Bot 宣布扩大开放范围，所有 SuperGrok Plus、Cursor Pro+ 和 Cursor Teams 订阅者现在都可以使用。官方还为其他所有用户提供限量免费试用。

Google ResearchAI 评分3838

Google 推出 Biomarker Discovery Framework：从可穿戴传感器数据中优先筛选候选生物标志物

Google 发布 Biomarker Discovery Framework，一个多智能体系统，将候选生物标志物优先级排序构建为人类监督下的迭代研究闭环，结合假设生成、并行统计分析、模型训练、对抗验证与文献推理。

Google DeepMindAI 评分4242

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。

好消息！LongCat-2.0 搭配 Hermes Agent 的免费访问已再延长两周 🐱 有更多时间在 @NousResearch Portal 上试用了！

我原以为 Cursor 的增长已经很疯狂了，但 Grok @Bot 让我大为震撼。这感觉很特别。 我们会训练 Grok 4.7，确保它在 Bot harness 中表现出色！