⌘ K
… 读取采集状态 同步中...
雷

Agent 智能体

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。

686条精选相关主题MCP 与工具调用AI 编码推理能力

最新精选

第 281–300 条 · 共 686 条
9月22日周二
  1. AGI Hunt87

    xAI 发布 Grok 4.7，主打编码与知识工作

    xAI 正式发布 Grok 4.7，官方定位其为核心面向编码与知识工作的最强模型。在性能上，该模型在 CursorBench 4.0 得分 46.3%，Terminal-Bench 4.0 得分 38.0%，并在 Harvey 法律 Agent 基准以 19.6% 大幅领先竞品；价格维持不变，输入为 $2/百万 token，输出为 $6/百万 token。

    推荐理由：原文给出了多项基准数据与价格对比，读者可据此评估其在编码和知识工作中的性价比。

  2. 深度学习与NLP87

    Claude Code Projects 重构支持多Agent并行与共享记忆

    Claude Code 的 Projects 功能完成重构，新增 Coordinator 架构与共享记忆机制，允许用户下达高阶目标后由多个云端 Agent 并行开发并提交 PR。Anthropic 披露内部数据，约26%的研发任务已达到 AL4 自动化等级，平台日常并发运行约3万个 AI Agent。

    推荐理由：Claude Code Projects重构支持多Agent并行开发并同步上下文，文中同时引用内部研发数据呈现当前协作模式的变化。

9月21日周一
  1. 极客公园69

    剪映发布 ICG Studio 互动影游平台及 AI 创作工具

    9 月 20 日，剪映在发布会上推出 ICG Studio，支持创作者通过剧本生成带剧情分支的互动影游。同期更新的一站式工作台“剪映 Hub”和智能 Agent“剪映助手”提供了从素材管理到剪辑优化的全流程工具，将即梦等生成模型产出的内容导入剪辑工作流。

    推荐理由：剪映推出 ICG Studio 互动影游工具，将 AI 生成与剧情分支结合，展示了从短视频编辑向互动叙事内容生产的扩展。

  2. AI科技评论75

    阶跃 Step 5 Preview 发布：全球开源第二，实测 3D 游戏构建能力

    阶跃星辰发布旗舰基模 Step 5 Preview，在 Artificial Analysis Intelligence Index 获 44 分，位列全球开源前二。实测中模型通过 Claude Code CLI 调用 Blender 与 Three.js，成功构建可运行的 3D 网页游戏，展示了处理复杂工程任务的 Agent 能力。

    推荐理由：通过长链路 3D 游戏实测验证了模型在工具调用与持续执行中的稳定性。

  3. 新智元89

    TypeSafe AI 宣布 Jev 模型全网解禁，并展示其在《我的世界》速通与 Agent 工作流中的应用

    TypeSafe AI 宣布 Jev 模型全面开放，注册即赠 1.2 亿 Token 额度且输出免费，用户可通过 console.typesafe.ai 或 OpenRouter 访问。

    推荐理由：新智元报道了开发者利用 Jev 进行《我的世界》速通与上下文压缩的实测结果，展示了该模型在高频结构化判断场景下的应用潜力。

  4. AI信息Gap91

    不会聊天的判断型 AI 模型 Jev 快速上手教程与开源案例解析

    TypeSafe 发布的判断型 AI 模型 Jev 提供 255 选项选择、打分和是非判断功能，定价为每百万输入 tokens 0.042 美元且输出免费。OpenRouter 已上架模型 ID typesafe/jev-1.13，Vercel AI Gateway 免费提供调用至 9 月 25 日，TypeSafe 官方候补通过后赠送 5 美元余额。

    推荐理由：Jev 不生成文字只做并行判断，定价极低成本可控，教程给出了四种接入路径及具体使用案例。

9月20日周日
  1. AGI Hunt87

    TypeSafe AI 发布 Jev 决策模型：并行输出概率与四条复刻路线实测

    TypeSafe AI 发布决策模型 Jev，它不逐 token 生成文本，而是按问题并行返回分类、评分或概率，官方端到端延迟为 70–500 毫秒。文章通过演示幻灯片自动翻页等场景说明其低延迟高频判断特性，并对比了 SemIf、LoRA、编码器和扩散模型四条复刻路线在 JevBench 等基准上的表现，指出 Jev 在复杂推理和长期规划上仍有局限。

    推荐理由：文章详细拆解了 Jev 的并行概率接口及其与 LLM 的差异，并提供了四条不同的社区复刻路线与实测数据，为工程落地提供了具体参考。

  2. Datawhale83

    Jev 模型 22 种爆火玩法及开发者接入指南

    前 OpenAI 研究员 Diogo Almeida 推出的 Jev 模型因低成本高速度决策能力，在一周内涌现 20 余种社区玩法。其核心机制是将复杂场景拆解为有限选项进行概率打分，延迟仅为几十毫秒。

    推荐理由：梳理了 Jev 模型 22 种具体落地场景，展示了低延迟分类模型在 Agent 工作流决策环节的工程化应用价值。

  3. DeepTech深科技81

    MIT教授马库斯·J·布勒利用AI自建物理研究工具探索超材料力学

    麻省理工学院（MIT）教授马库斯·J·布勒利用 Claude Code 调用 Fable 5.1，通过自然语言描述和参考图像让 AI 自主生成包含力学求解器、几何生成器和可视化界面的完整仿真工具链。基于这套工具，数百个智能体运行了 6000 次模拟，发现超材料断裂行为主要由材料分配和几何有序性决定，而非传统的层级结构，相关成果已开源在 Hugging Face。

    推荐理由：MIT 教授借助 AI 自建物理仿真工具链并复现超材料力学结论，展示了递归元智能范式在科研中的具体应用路径。

  4. APPSO74

    TypeSafe 发布非语言模型 Jev，用校准决策替代 LLM 输出

    TypeSafe 于 9 月 15 日公开其首个模型 Jev，并宣布完成 4000 万美元种子轮融资，由 DCVC 领投。Jev 是基于 Transformer 的非大语言模型，不生成完整句子，而是返回预先定义的 Choice、Score 或 Noul 结果，并附带概率分布与置信度。

    推荐理由：原文梳理了Jev的校准决策输出形式与延迟、价格、浏览器代理演示，读者可据此理解它如何替代部分 LLM 判断环节。

  5. 量子位80

    中国电信开源 Xing4.0-29B-A4B 全栈国产化代码智能体大模型

    中国电信开源全栈国产化的Xing4.0-29B-A4B模型，基于MoE架构，290亿总参数每次推理仅激活约40亿，4-bit量化后单张RTX 3090即可运行，已冲上HuggingFace模型趋势榜第四。模型支持256K上下文并兼容国产昇腾910C训练与部署，同步开放API调用。

    推荐理由：全栈国产化的29B模型可在单张3090运行，解决数据受限企业的本地化AI办公部署难题。

  7. APPSO80

    APPSO 实测阶跃星辰 Step 5 Preview：开源旗舰模型重回国产第一梯队

    APPSO 实测阶跃星辰 Step 5 Preview，发现该模型在编程、网页设计、3D资产生成、金融深度调研及数据分析等任务中表现优异。Step 5 Preview 采用 600B 稀疏 MoE 架构，实际激活参数 27B，支持 1M 上下文。

    推荐理由：实测覆盖编程、3D生成、金融调研和数据分析，提供了 Step 5 Preview 在复杂任务执行和约束遵守方面的具体能力参考。

9月19日周六
  1. 人工智能学家77

    谷歌 DeepMind 成立 DeepMind Institute，聚焦 AGI 社会影响与治理

    谷歌 DeepMind 成立 DeepMind Institute（DMI），由 Demis Hassabis、Shane Legg 与 James Manyika 共同领导，旨在研究 AGI 对经济、科学和社会的颠覆性影响。DMI 已发布三篇论文，重点涵盖 AGI 经济政策工具和推理透明度，强调哲学家、经济学家及社会科学家需共同参与 AGI 未来的治理决策。

    推荐理由：谷歌 DeepMind 将 AGI 应对从模型研发升级为跨学科社会研究，明确了经济政策与治理的探索方向。

  2. 新智元73

    Anthropic 与 Geodesic 在药物发现领域的动作对比

    Anthropic 联合 Adaptyv Bio 发起蛋白质设计公开赛，提供最多100万美元积分并在自动化实验室验证设计。另一家初创公司 Geodesic Intelligence 则反向操作，悬赏100万美元现金征集药物发现中最难的问题。文章对比了两者的策略，并指出 Anthropic 的比赛条款将中国居民排除在参赛资格之外，而 Geodesic 则向全球研究者开放提题机会。

    推荐理由：原文对比了 Anthropic 与 Geodesic 在药物发现领域的不同策略，揭示了比赛参与门槛和商业模式上的差异。

9月18日周五
  1. 机器之心77

    Hacktron 团队利用 Claude 模型在 72 小时内入侵 OpenAI 内部代码仓库

    Hacktron AI 团队利用 Claude Opus 5 模型，通过 HEIC 图片上传漏洞在 72 小时内获取 OpenAI 内部单体仓库访问权限。该攻击链始于 Discourse 论坛的 libheif 堆缓冲区溢出，随后利用 OpenAI SSO 配置缺陷接管员工账号，最终通过 Codex 提交 Pull Request 证明访问权。

    推荐理由：文章复盘了使用 Claude 在 72 小时内入侵 OpenAI 内部仓库的攻击链，展示了 AI 降低漏洞利用门槛的安全影响。

  2. 机器之心75

    Anthropic 优化生物模型与 ScienceIDE 构建科学代码 AI 训练场

    Anthropic 发布研究，利用 Claude 在四周内优化 30 多个开源生物分子模型，平均加速约 4 倍并开源代码。几乎同时，AItonomy Foundation 发布开源项目 ScienceIDE，将全球科学代码库转化为 AI 可执行、可验证的学习环境。

    推荐理由：报道了ScienceIDE如何将科学代码转化为可执行学习环境，并展示了模型在特定基准上的表现及微调后的通用能力增益。

  3. APPSO84

    Anthropic 披露 Claude 参与内部 AI 研发占比达 26% 及 3 万个 Agent 运行数据

    Anthropic 首次详细公开了 Claude 参与研发下一代 AI 的内部进度。截至今年 8 月，Claude 已能主导约 26% 的 AI 研发工作，超过 90% 的任务至少达到「AI 协作」水平。

    推荐理由：Anthropic 公开了 Claude 在内部研发中的自动化指数和监控数据，让外界得以观察 AI 参与 AI 研发的实际程度。

  4. 数字生命卡兹克77

    Jev 发布：只做分类判断的 System One 模型

    TypeSafe AI 发布模型 Jev，该模型舍弃文本生成，专注高频二元判断与分类，自称 System One Model。官方称其速度比传统 LLM 快 20-200 倍，价格低 40-400 倍，输出 Token 免费，支持并行判断且具备校准置信度。作者实测显示，Jev 在分类预筛、聚簇判定及并行问答任务中，准确率常居前列，在并行判断场景下实现了最高准确率与最快速度的结合。

    推荐理由：Jev 舍弃文本生成专攻高频决策，实测比通用大模型快 20-200 倍且成本更低，展示了 AI 从生成转向快速判断的新路径。

  5. 新智元91

    Anthropic 披露 RSI 研发进展：3 万智能体运行，Claude 主导 26% 核心研发

    Anthropic 发布内部报告，披露了衡量 AI 研发自动化程度的三大指标。截至 2026 年 8 月，Claude 已自主主导 26% 的核心研发工作，超过 90% 的研发任务实现了人机深度协同。其内部平台日常并发运行约 30,000 个研发智能体，并建立了在线拦截与离线监控的双层安全系统。算力分配方面，核心研发算力中仅约 6% 划拨给安全研究。

    推荐理由：Anthropic首次公开披露内部研发自动化数据，为行业评估 AI 自我进化进度提供了可量化基准。