IBM 研究提出一致性指南，将 GPT-4.1 智能体一致性差距从 24.4 点降至 12.0 点
IBM 研究团队在 ALTK-Evolve 中新增一致性指南（consistency guidelines），基于 Consistency Analyzer 诊断智能体轨迹中易翻转的决策点。
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 41–60 条 · 共 107 条9月16日
9月10日
OpenAI 推出面向金融服务的 ChatGPT
OpenAI 推出面向金融服务的 ChatGPT，内置金融数据并接入 GPT-6 Astra，用于研究、建模和生成可直接交付客户的材料。
用 Gradio Workflow 重建 AUTOMATIC1111：Workflow1111 的 73 节点画布
Hugging Face 团队用 Gradio Workflow 把 AUTOMATIC1111 的大部分功能重建为一张画布 Workflow1111，由 11 条媒体流水线和 73 个节点组成，覆盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 风格标注器、背景移除、PNG Info 与图生视频。
OpenAI 发布 Agents API，支持构建云端智能体
OpenAI 发布 Agents API，这是一个由 Codex harness 驱动的托管服务，用于构建和上线云端智能体。该服务支持编排、长时间运行的会话以及工具调用。
9月9日
Mistral 如何用 AI 智能体迁移 4 万行 Fortran 遗留代码
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，对象是一个没有测试套件和集中文档的物理密集型油藏模拟器。团队先搭建数值对齐测试框架，用 Skill.md 引导智能体导出状态快照并校验迁移模块，再用 Vibe CLI 启动上百个智能体解析调用树、结合 Mistral OCR 整理散落文档。
OpenAI 发布 GPT-6 Astra，面向企业工作场景
OpenAI 发布 GPT-6 Astra，称其为面向企业场景能力最强的模型，具备高级推理、计算机操作能力，并在写作与设计判断上更强。
9月5日
GitHub 推出 Project HydraFusion：多模型编排实现前沿级编码质量
GitHub 发布研究预览 Project HydraFusion，通过运行时多模型编排为 Copilot 提供前沿级编码能力，用户可在 GitHub Copilot CLI 中通过 /experimental 启用，费用按各模型实际消耗的 token 标准价计。
9月3日
Hugging Face 开源 funes，为编码智能体提供可自有的记忆层
Hugging Face 发布开源工具 funes，为 Claude Code、Codex、pi、Hermes 等编码智能体提供持久记忆层，从本机已有会话构建索引，默认在本地完成嵌入与重排。
Google DeepMind 推出 Fairwind Program，向政府与企业开放 Gemini 3.8 Flash Cyber 网络防御能力
Google 推出 Fairwind Program，面向 Google Cloud 客户、政府机构和网络安全合作伙伴限量开放其网络防御能力，首批提供 Gemini 3.8 Flash Cyber 模型与 CodeMender 工具链，用于自主发现、验证并修复漏洞。
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber，前者面向长时程编码与自主智能体，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。
9月2日
Google DeepMind 为 Gemini 3.7 Flash 等模型推出智能体视频理解功能
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能，视频分析 token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。
8月28日
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 Research 在 Google Earth AI 下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，并生成报告，把原本需要数周人工数据工程的建模过程压缩到数分钟。
8月27日
Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文本模型
Google DeepMind 发布 Gemini 3.5 Transcribe，称其为目前最精确的语音转文本模型，可直接把原始音频转成准确、经过格式化的文本。
8月25日
Hugging Face 在 Gradio 中推出 gr.Workflow，把 AI 管线变成可拖拽画布与 REST API
Hugging Face 在 Gradio 中推出 gr.Workflow，把多步 AI 管线描述为带类型节点的图，Gradio 直接提供可拖拽画布，每个节点可运行、每个中间结果可见。
8月20日
Mistral 发布 Agentic Search 检索层，FinanceBench 准确率从 26.7% 升至 86%
Mistral 发布 Agentic Search，一个让模型在多步检索循环中查找、检视并核实信息的检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
8月19日
IBM 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 个多步任务测试八款模型后发现，智能体记忆不是开关而是需要按模型校准的剂量。
8月14日
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 月的开源模型观察报告，基于 Hub 数据指出中国实验室在多数月份推出的最大开源模型参数量超过美国实验室，中国月度上限在 754B 至 2.78 万亿参数之间，美国模型在七个月中有五个月低于 130B。
用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 打通录制、训练与部署闭环
Hugging Face 博客给出 Strands Robots 的流式数据闭环教程，用同一个 Robot() 对象完成录制演示、同步到 Storage Bucket、从 Hub 流式读取训练并把 checkpoint 部署回硬件，全程保持 LeRobot 磁盘格式不变。
Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码和智能体的最强主力模型，距 Gemini 3.6 Flash 发布仅三周。
8月13日
Hugging Face 复盘 ICML 2026 论文复现黑客松：2226 篇论文、6816 份日志
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 日志，覆盖 2226 篇论文，约占大会论文的三分之一。