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。
GitHub Blog · AI & ML精选AI 评分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。
推荐理由：GitHub 官方披露 HydraFusion 的三种编排模式与三套基准的成本质量对比，可据此判断多模型编排在编码任务上的取舍。
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。
推荐理由：OpenAI 官方公布 GPT-6 Astra 的发布信息，读者可据此了解新模型在计算机操作、编码等方向的能力定位。
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：原文给出了跨 Claude Code、Codex 等智能体的本地记忆层设计与安装方式，读者可据此判断它能否替代会话压缩和手写交接。
Google DeepMind精选AI 评分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。
推荐理由：原文给出了面向政府和企业的受限访问计划与配套模型组合，读者可了解其准入范围与责任约束。
Google DeepMind精选AI 评分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。
推荐理由：官方给出 3.8 Flash 与 Cyber 两个变体的基准成绩、定价和开放入口，可据此判断长程编码与漏洞修复的可用性。
Grok 4.6 现已在 Grok.com、iOS 和 Android 上线。官方建议将其用于复杂问题、智能体式查询以及构建应用等场景。
推荐理由：Grok 4.6 已在网页与移动端开放，读者可据此了解新版本覆盖的入口和官方给出的三类使用场景。
Google Research精选AI 评分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。
推荐理由：原文给出PPE在公共卫生、粮食安全与疫情预测上的基准对比，可了解地理空间建模自动化的能力边界。
LongCat-2.0 已在 TokenRhythm 上线，采用 1.6T MoE 架构、约 48B 激活参数、原生 1M 上下文，并以 MIT 许可开放权重。该模型全程在国内 AI ASIC 超算集群上训练，面向仓库级编码和智能体工作流，可通过 OpenSquilla 使用。
推荐理由：LongCat-2.0 的参数量、激活规模、上下文长度与开源许可集中披露，可据此判断它在代码与智能体场景的定位。
Google DeepMind精选AI 评分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。
推荐理由：官方给出流式与非流式两套 API 的 WER 数字和延迟对比，可据此判断语音转写能否接入现有产品。
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。
推荐理由：原文给出 gr.Workflow 的节点类型、REST 端点和部署路径，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。
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 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，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。
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。
Google Research精选AI 评分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。
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。
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 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，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。