Google DeepMind 推出 AlphaProof Code，用 AI 智能体形式化验证 Signal 协议代码
Google DeepMind 发布 AlphaProof Code，一个多 LLM 智能体形式化验证框架，用 AI 智能体对 Signal 协议实际运行的代码做数学证明，验证其关键安全属性。
Agent 智能体
全部主题让模型自主规划、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。
最新精选
第 21–40 条 · 共 212 条11月10日
Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，重夺 LLM 榜首
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，在 Artificial Analysis Intelligence Index v5 上以 65 分重回第一，超过 Gemini 4 Carbon 的 60 分和 Opus 5.5 的 59 分。
Claude Fable 5.2 与 Mythos 5.2 上线 Amazon Bedrock
Anthropic 的 Claude Fable 5.2 和 Claude Mythos 5.2 已在 Amazon Bedrock 与 Claude Platform on AWS 上线。
11月9日
NVIDIA 在 CoRL 发布 GR00T 2 世界动作模型与 Isaac Lab 3.0
NVIDIA 在 CoRL 上发布开放世界动作模型 GR00T 2，基于 NVIDIA Cosmos 构建，训练数据包含 10 万小时 NVIDIA 开源人类第一视角数据，可在无任务专属演示的情况下完成 50 项评测任务中的 40 项。
11月8日
Vals AI 基准显示开源与闭源模型的网络攻击能力差距持续缩小
Vals AI 的 CyberOffense 基准让 AI 智能体在隔离的 Kali Linux 机器上独立攻击模拟企业网络，OpenAI 受限网络项目 Daybreak 中的 GPT-6 Sol 取得 80.8% 的目标完成率，开源权重模型 Deepseek V4.1 Flash 1017 以 72.8% 紧随其后，单次运行成本约 3 美元而非约 22 美元。
11月7日
九个 AI 智能体挑战美国国家实验室开放研究问题，无一达到专家标准
一项论文基准让 Claude Opus 4.8、Claude Opus 5、Claude Fable 5、Claude Opus 5.5、GPT-5.6 Sol。
11月6日
OpenAI 发布 GPT-6 Cyber 安全模型，可挖漏洞并给出修复方案
OpenAI 推出专为挖掘软件安全漏洞训练的 GPT-6 Cyber，能发现缺陷、构建可用利用代码并建议补丁。OpenAI 称其在无额外安全指令时 99.93% 的测试未越界，前代为 94.49%；ExploitGym 得分 48.5%，前代 GPT-5.6 Cyber 为 32.1%。
OpenAI 发布 GPT-6 Cyber 网络安全模型
OpenAI 发布 GPT-6 Cyber，这是一款用于发现可利用漏洞并开发修复方案的网络安全模型，训练目标是让模型始终在授权范围内行动。
Mistral 发布 Mistral Large 4（Le Chonk）并扩展 Mistral Studio
Mistral 发布 Mistral Large 4（代号 Le Chonk），主打编码、防御性网络安全和复杂文档推理，同时扩展企业平台 Mistral Studio，新增托管智能体、应用、工作流能力以及企业上下文、智能体可观测性和评估功能。
11月5日
OpenAI 自主流水线在 Linux 内核中发现 948 个本地提权漏洞
OpenAI 构建了一条自主流水线，在 Linux 内核中发现、验证并生成补丁，覆盖 948 个本地提权漏洞。材料仅给出这一结果，未披露流水线的具体构成与漏洞细节。
生产级 AI 智能体的四层上下文工程：Deep Insight 如何在可运行代码中落地
AWS 团队以开源多智能体数据分析方案 Deep Insight 为参考实现，把生产级 AI 智能体的上下文工程拆成四层：多智能体架构隔离上下文、用提示词限制输出、把重内容外置到文件系统、用独立智能体与兜底机制做验证。
11月4日
OpenAI 称 GPT-6 Astra 不到一周从零设计出一款硬件设备
OpenAI 称其硬件团队用 GPT-6 Astra 设计了一款让用户与 Codex 编码智能体对话的设备，作为副项目在不到一周内完成。Astra 承担了外壳设计、含元件选型与走线的 PCB 布局、固件和用户界面等全部环节，代工厂在不到一个月内产出小批量原型，但因 Astra 未总能考虑制造约束、公差和装配细节，经历了几轮修改。
Google Antigravity 上线化学信息学技能，一小时完成药物发现流程
Google DeepMind 为 Google Antigravity 推出化学信息学技能（Cheminformatics Skills），基于 RDKit 并接入 ChEMBL 和 PubChem，由语言模型负责流程编排与科学推理、确定性化学工具执行分子计算。
同一模型换 harness：CUGA、Hermes 与 Deep Agents 在 AppWorld 上的对比
IBM 团队用同一开源权重模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比 CUGA、Hermes 和 Deep Agents，任务通过率分别为 81.1%、46.7% 和 30.0%，场景全通过率为 66.7%、26.7% 和 6.7%。
10月30日
Epoch AI：开源权重模型 GLM 5.3 在 48 小时内零人工输入构建完整 Firefox 漏洞利用链
Epoch AI 研究人员发现，开源权重模型 GLM 5.3 能利用安全补丁发布到用户更新之间的空窗期，对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本自主构建完整漏洞利用链，每次成功攻击的 API 费用约 1000 美元。
10月29日
Mistral 发布 1 万亿参数多模态模型 Mistral Large 4（Le Chonk）开放权重
Mistral 发布旗舰多模态模型 Mistral Large 4（代号 Le Chonk）的开放权重，参数量 1 万亿，主打编码与防御性网络安全能力。
Google DeepMind 发布 Gemini 4 Carbon，距 Argon 仅两周
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分登顶，前代 Argon 为 50 分。
Google 在 Android Dev Summit 开放 Android Studio 接入第三方 AI 智能体并发布新 Gemini API
Google 在 Android Dev Summit 上发布 Android Studio Rabbit 2，通过开源 Agent Client Protocol 支持在 IDE 内运行 40 多个编码智能体，包括 Claude Agent、Codex 和 Google Antigravity。
Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长周期任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
10月28日
安全公司 Cathedral 用 AI 智能体攻入 Anthropic 内部系统
安全初创公司 Cathedral 通过第三方商业软件，用 AI 智能体进入 Anthropic 的内部系统，接触到会议记录、薪资数据、招聘信息和 Slack 消息。