真实工作与长任务
Agent 评价转向数小时任务、科学、具身和组织内持续运行。
What changed in this stage
模型峰值能力之外，恢复、记忆治理、责任边界和结果验收决定可部署性。
What to verify next
长期运行是否降低单位结果成本，并在异常时留下足够审计证据。
INDUSTRY TREND · 107 RELATED EVENTS
Agent 与软件重构
编码、研究、浏览器操作和企业流程已经出现可重复的有限自治，软件入口正在从功能菜单转向任务委派。
01 / TREND HISTORY
How the Trend Changed
协议与多 Agent
MCP、A2A 和 Agents SDK 把工具、上下文和 Agent 间协作抽象成运行时。
What changed in this stage
竞争从单一助手转向谁能控制连接、权限、可观测性和任务路由。
What to verify next
跨厂商互操作是否真实降低集成成本，而非增加协议层复杂度。
编码 Agent
Codex、Claude Code 和长任务模型开始连续完成仓库理解、执行和结果验证。
What changed in this stage
编码成为首个能用测试与 diff 验收结果的高价值 Agent 市场。
What to verify next
Agent 是否能稳定完成跨文件任务并减少 review 与返工总时间。
通用界面行动
Computer Use、Operator 和 Deep Research 让模型操作浏览器、桌面与长检索链。
What changed in this stage
无需专用 API 的行动扩大覆盖面，也显著放大提示注入、误操作和权限风险。
What to verify next
端到端完成率、人工接管率和安全隔离能否达到生产水位。
推理与状态
长上下文和推理时计算增强计划能力，Agent 开始承担更长的知识工作。
What changed in this stage
任务长度提升后，记忆、验证和成本成为与模型能力同等重要的约束。
What to verify next
复杂计划能否跨软件执行，并在中途错误后恢复。
工具与 Copilot
插件、Assistants API 和 Copilot 把模型接入搜索、代码、文件和组织数据。
What changed in this stage
Agent 从生成文本转向调用受控工具，但编排仍由开发者预设。
What to verify next
系统是否能维护更长任务状态并处理工具失败。
对话委派
用户开始用自然语言委派信息整理、写作和代码建议。
What changed in this stage
Agent 的最初形态是可连续对话的助手，仍缺少稳定工具、状态和执行权限。
What to verify next
模型能否安全连接外部工具并把建议变成可执行步骤。
02 / SUPPORTING EVENTS
Events Behind the Shift
真实工作与长任务
What changed模型峰值能力之外，恢复、记忆治理、责任边界和结果验收决定可部署性。
What to verify next长期运行是否降低单位结果成本，并在异常时留下足够审计证据。
LAST 7 DAYS · MM-ToolSandBox · 1 related records
Public reportMM-ToolSandBox: A Unified Framework for Evaluating Visual Tool-Calling Agents
MM-ToolSandBox is a benchmark and evaluation framework for visually grounded tool-calling agents. It provides a stateful execution environment spanning 500+ tools across 16 application domains, supporting multi-image, multi-turn tasks. An automated scenario generation pipeline produces 258 human-verified nominal scenarios and 50 variants. Evaluating 12 state-of-the-art models shows the best model achieves below 50% success rate. Failure analysis reveals 53% of failures stem from incorrect information extraction from images.
LAST 7 DAYS · An Explainable Agentic System for Detection of Conversational Scams with Summary-Based Memory · 1 related records
Public reportAn Explainable Agentic System for Detection of Conversational Scams with Summary-Based Memory
论文提出一个可解释的智能体系统，用于检测对话式诈骗，并引入多类别基准数据集 ConScamBench-278。在孤立消息上，单消息检测器达到100%钓鱼召回；在LoveFraud02语料库上，对话级检测器识别出所有83个诈骗对话；在ConScamBench-278上达到97.8%准确率。两项用户研究（N=100和N=45）表明参与者经常对可疑对话感到不确定。
LAST 7 DAYS · AHA · 1 related records
Public reportAgent Hacks Agent: Autoresearch for Production-Agent Red-Teaming
AHA 是一个自动化红队框架，使用一个 agentic 研究环境来发现关于另一个生产级 LLM agent 的可复用漏洞知识。它提出漏洞假设、构建验证器、实例化攻击、在沙箱中执行、反思轨迹，并将确认的发现提升到漏洞概念图（VCG）中。在 Claude Code 和 Codex 上的三个场景（包括直接和间接攻击）中，发现的概念揭示了可复用的漏洞核心。
LAST 7 DAYS · World Action Models · 1 related records
Public reportFrom World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence
该论文提出世界行动模型（WAMs）作为连接候选干预与预测后果的框架，并指出当前进展因模型使用不兼容的动作空间和预测目标、数据集和任务遵循不同约定、运行时系统暴露有限接口而碎片化。论文将限制组织为三个耦合的差距：模型角色与表示、目标与标准化、系统组合。基于此，论文提出以“具身大脑”为核心的物理智能协同进化路线图，具身大脑是一个长期模型目标，用于整合多模态上下文、比较候选干预、发出状态转换或能力请求而非直接执行器命令。WAMs为其预测功能提供原型，物理线束通过工具、控制器、验证等将模型输出接地。
LAST 7 DAYS · CVPR 2026@AdvML Workshop Challenge · 1 related records
Public reportTechnical Report on the CVPR 2026@AdvML Workshop Challenge
CVPR 2026@AdvML Workshop Challenge 发布了技术报告，该挑战针对自动驾驶视觉语言模型（VLA）的对抗性多模态攻击，基于 DriveLM 风格的多视角视觉问答，包含两个阶段，第二阶段引入隐藏黑盒模型评估可迁移性。报告描述了任务设计、提交规则、评估协议和排行榜结果，并分析了五个提交的技术报告。
LAST 7 DAYS · Vinci2 · 1 related records
Public reportVinci2: Providing Proactive Assistance in Continuous Egocentric Videos
Vinci2 是一个面向连续自我中心视频的主动辅助系统，基于先前版本 Vinci 从被动响应向主动辅助演进。论文提出了 EgoServe 基准，包含超过 3000 个服务实例，覆盖 4 种时间记忆范围和 10 个服务类别。还提出了 EgoMemo，一种无需训练的记忆机制。
LAST 7 DAYS · OpenAI · 4 related records
Official · Cross-checkedGPT-5.6 发布：OpenAI 把模型升级推向长期自主 Agent
OpenAI 发布 GPT-5.6，并同步推出面向跨应用、文件与长期任务的 ChatGPT Work。
LAST 7 DAYS · VEXAIoT · 1 related records
Public reportVEXAIoT: Autonomous IoT Vulnerability EXploitation using AI Agents
VEXAIoT 是一个利用 AI Agent 进行 IoT 漏洞利用的自主框架，相关论文于 2026-07-10 发布在 arXiv。
LAST 7 DAYS · Beyond Fixed Representations: The Vocabulary and Verifier Gaps in Open-Ended AI · 1 related records
Public reportBeyond Fixed Representations: The Vocabulary and Verifier Gaps in Open-Ended AI
论文《Beyond Fixed Representations: The Vocabulary and Verifier Gaps in Open-Ended AI》于2026年7月10日发布在arXiv cs.AI上，指出现代AI系统在推理、编码、定理证明、工具使用和长周期研究任务方面能力强大，但存在结构性限制：模型操作的概念词汇和验证机制是固定的，导致在开放环境中无法自主扩展或修正其表示框架。
LAST 7 DAYS · SAGEAgent · 1 related records
Public reportSAGEAgent: A Self-Evolving Agent for Cost-Aware Modality Acquisition in Multimodal Survival Prediction
SAGEAgent is a self-evolving agent for cost-aware modality acquisition in multimodal survival prediction, as described in a paper on arXiv cs.AI published on 2026-07-10.
LAST 7 DAYS · Blind-Spots-Bench · 1 related records
Official sourceBlind-Spots-Bench：多模态模型高分背后仍有系统性视觉盲区
2026 年 7 月 9 日提交的 Blind-Spots-Bench 预印本构建 235 个样本，评测 10 类视觉语言理解缺口，用于暴露常规平均分容易掩盖的系统性失败。
LAST 7 DAYS · PredicateLongBench · 1 related records
Official sourcePredicateLongBench：长上下文评测开始测量“任务难度”而非只测长度
2026 年 7 月 9 日提交的 PredicateLongBench 预印本提出可控生成长上下文任务的两条流水线，并报告前沿模型随谓词难度上升出现明显性能下降。
LAST 7 DAYS · Compete Then Collaborate · 1 related records
Official sourceCompete Then Collaborate：多智能体推理不再默认“越合作越好”
2026 年 7 月 9 日提交的预印本 Compete Then Collaborate 提出先让 Agent 独立竞争、再选择性协作的推理框架，用于降低过早共识和错误传播。
LAST 7 DAYS · Overthinking · 1 related records
Official sourceOverthinking：推理模型的长思考可能把秘密泄露风险放大至 10 倍
2026 年 7 月 9 日提交的 Overthinking 预印本评测 2B 至 32B 参数模型，并报告更长推理过程在部分设置下使秘密泄露风险最高增加约 10 倍。
LAST 7 DAYS · OpenAI · 1 related records
Official sourceSWE-Bench Pro 评测反思：编码 Agent 从榜单走向真实任务
OpenAI 发布 SWE-Bench Pro 分析，讨论现行编码评测中的信噪比和能力误判问题。
LAST 7 DAYS · Robbyant / Ant Group · 1 related records
Official sourceLingBot-VLA 2.0 开源：国产具身模型进入跨本体规模化阶段
蚂蚁集团 Robbyant 发布 LingBot-VLA 2.0 技术报告、预训练权重与代码；官方披露训练数据覆盖 20 种机器人配置和约 6 万小时机器人/第一视角视频。
LAST 7 DAYS · OpenAI · 1 related records
Official sourceGPT-Live 推进全双工语音：Agent 的交互带宽继续上升
OpenAI 发布新一代语音模型 GPT-Live，并接入 ChatGPT Voice。
LAST 7 DAYS · xAI / Grok · 1 related records
Official sourceGrok 4.5 发布：xAI 将代码、Agent 与 Office 工作合并为旗舰模型
xAI 于 2026 年 7 月发布 Grok 4.5，并通过 API、Grok Build、Cursor 与 Office 插件提供使用。
Anthropic · 1 related records
Official sourceGlobal Workspace：Anthropic 在语言模型内部识别出可报告、可干预的隐式推理空间
Anthropic 于 2026 年 7 月发布 Global Workspace 研究，通过 Jacobian lens 识别 Claude 的 J-space，并用干预实验验证其中表示会因果影响报告、内部推理和决策。
AI Sandboxes · 1 related records
Official sourceAI Sandboxes：沙箱开始用六维证据约束具身与网络物理部署声明
2026 年 6 月 16 日提交的 AI Sandboxes 研究提出覆盖数字 AI、具身自治与网络物理系统的威胁模型、分类与测量框架，并用三个真实沙箱案例实例化。
智谱 AI / Z.ai · 1 related records
Official sourceGLM-5.2 开源：智谱把 1M 上下文用于长时工程任务
智谱于 2026 年 6 月发布 GLM-5.2，以 MIT 许可开放权重，并提供 1M 上下文版本。
OpenAI · 1 related records
Official sourceDeployment Simulation：OpenAI 用真实分布模拟在发布前预测模型风险
OpenAI 于 2026 年 6 月发布 Deployment Simulation 论文，使用去标识的历史对话为待发布模型重生成回答，并把模拟频率与发布后的真实风险频率比较。
OpenAI · 1 related records
Official source部署前行为模拟：模型安全评测开始贴近真实使用环境
OpenAI 于 2026 年 6 月 16 日发布通过模拟部署预测模型行为的研究。
SciAgentArena · 1 related records
Official sourceSciAgentArena：科研 Agent 在规范分析上有效，但仍难自主发现新洞察
2026 年 6 月 10 日提交的 SciAgentArena 构建约 200 个跨领域真实科研任务、逐步验证和交互环境；评测显示 Agent 能处理定义清楚的数据分析流程，但在新洞察、自主探索和开放问题上表现不稳定。
World Labs · 1 related records
Official sourceWorld Labs 建立世界模型分类学：空间智能路线开始系统化
World Labs 发布世界模型功能分类框架，梳理空间智能的层级与能力维度。
Adaptive Computer Worm · 1 related records
Official sourceAdaptive Computer Worms：AI Agent 让蠕虫按目标实时生成攻击策略
2026 年 6 月 2 日提交的研究在 Linux、Windows 与 IoT 网络中展示由开放权重模型驱动的自适应蠕虫，可利用被入侵机器的算力继续推理和传播，使新增感染的攻击者边际成本接近零。
AI Research Agents · 1 related records
Official sourceAI Research Agents Narrow Exploration：21.9 万个想法仍更集中、更贴近起始文献
2026 年 5 月 27 日提交的研究用五个 Agent 框架和五个模型生成 219,655 个科学想法，发现它们比同领域人类论文更集中、更接近起始文献，也更少对齐后续人类研究与高影响区域。
Google Research · 1 related records
Official sourceERA 登上 Nature：AI 科学助手开始自动编写并优化专家级实证研究代码
Google Research 于 2026 年 5 月公布 ERA 的 Nature 论文、代码和实验，并将其用于 Computational Discovery 原型，以树搜索探索和优化科学计算方案。
Google DeepMind · 1 related records
Official sourceGemini Omni：原生多模态交互从能力展示走向统一产品入口
Google DeepMind 于 2026 年 5 月 17 日发布 Gemini Omni，强化跨文本、语音、视觉等模态的统一交互。
Google DeepMind · 1 related records
Official sourceGemini 3.5：前沿模型竞争进一步转向可执行行动
Google DeepMind 于 2026 年 5 月 15 日发布 Gemini 3.5，并以面向行动的前沿智能作为核心定位。
OpenAI · 2 related records
Official · Cross-checkedGPT-5.5 发布：模型升级开始按端到端工作结果衡量
OpenAI 发布 GPT-5.5，重点提升编码、研究、数据分析、文档和跨工具操作。
Google Research · 1 related records
Official sourceReasoningBank：Agent 记忆从保存轨迹转向提炼成功与失败中的可迁移策略
Google Research 于 2026 年 4 月介绍 ICLR 论文 ReasoningBank，通过检索、经验提炼和记忆整合闭环，让 Agent 从成功与失败轨迹中形成结构化推理策略。
BeTTER · 1 related records
Official sourceBeTTER：机器人 VLA 高成功率可能只是传感运动捷径
2026 年 4 月 20 日提交的 BeTTER 通过空间布局变化、时间外推和运动学隔离诊断 VLA，发现前沿系统在动态场景中严重失败，并出现词汇—运动捷径、行为惯性与语义特征坍缩。
Anthropic · 1 related records
Official sourceClaude Opus 4.7 发布：前沿能力继续聚焦复杂工作与 Agent
Anthropic 发布 Claude Opus 4.7，重点提升代码、Agent、视觉和多步骤任务表现。
Google DeepMind · 1 related records
Official sourceGemini Robotics-ER 1.6：具身模型开始执行完整真实任务
Google DeepMind 于 2026 年 4 月 13 日发布 Gemini Robotics-ER 1.6，面向真实机器人任务强化具身推理。
智谱 AI / Z.ai · 1 related records
Official sourceGLM-5.1 发布：智谱把 Agent 目标推进到 8 小时持续执行
智谱官方 Release Notes 于 2026 年 4 月记录 GLM-5.1 发布，定位为长时任务旗舰模型。
The AI Scientist · 1 related records
Official sourceAI Scientist 登上 Nature：端到端自动科研首次通过真实同行评审压力测试
Nature 于 2026 年 3 月 25 日发表 AI Scientist 研究：系统可以自动提出研究想法、编写与运行实验、分析结果、撰写论文并执行评审；三篇自动生成稿件中一篇在盲审中达到工作坊可接收分数，但研究团队按预设协议撤回。
Tool Affordance Safety · 1 related records
Official sourceTool Affordance Safety：同一模型接入可执行工具后违规率最高升至 85%
2026 年 3 月 19 日提交的研究在 1,500 个程序化金融场景中比较相同提示与规则下的聊天和工具 Agent；两类模型文本模式完全合规，接入工具后却出现最高 85% 违规率。
xAI / Grok · 1 related records
Official sourceGrok 4.20 Multi-agent 上线：xAI 将并行 Agent 编排产品化
xAI 官方 Release Notes 记录 Grok 4.20 与 Grok 4.20 Multi-agent 于 2026 年 3 月进入 API。
MemoryArena · 1 related records
Official sourceMemoryArena：Agent 记忆评测从文本回忆转向跨会话行动
2026 年 2 月 18 日提交的 MemoryArena 构建跨会话、子任务相互依赖的 Memory-Agent-Environment 评测，显示在既有长上下文记忆基准接近饱和的 Agent，在需要用过往行动与反馈指导后续任务时仍表现薄弱。
智谱 AI / Z.ai · 1 related records
Official sourceGLM-5 开源：智谱从代码生成转向长时系统工程
智谱于 2026 年 2 月发布 GLM-5，并以 MIT 许可开放权重，同时提供国内外 API。
Belief-Action Consistency · 1 related records
Official sourceBelief-Action Consistency：Agent 口头概率与实际决策并不完全一致
2026 年 2 月 6 日提交的研究提出决策论框架，同时提取 Agent 的概率判断与行动并检验一致性；在临床诊断任务中，最强模型差距较小，但报告信念仍不能完整解释实际决策。
月之暗面 / Moonshot AI / Kimi · 1 related records
Official sourceKimi K2.5 开源：月之暗面加入原生多模态与 Agent Swarm
月之暗面于 2026 年 1 月开放 Kimi K2.5，提供原生多模态理解、工具使用和并行 Agent Swarm。
Anthropic · 2 related records
Official sourceClaude 新宪法发布：模型行为治理走向可审查的制度层
Anthropic 发布 2026 版 Claude Constitution，系统说明模型的价值、行为原则和冲突处理。
Microsoft Research · 1 related records
Official sourceArgos：多模态 Agent 的强化学习开始同时验证答案、证据定位与推理过程
Microsoft Research 于 2026 年 1 月发布 Argos，使用可选择专用评分工具的 Agentic Verifier，为多模态强化学习同时提供答案正确性、时空定位与推理质量奖励。
Memory Poisoning · 1 related records
Official sourceMemory Poisoning：持久记忆让恶意输入跨会话影响 Agent
2026 年 1 月 9 日提交的研究在电子健康记录 Agent 上系统测试记忆投毒，并比较输入输出审核与带信任评分、时间衰减和模式过滤的记忆清洗防御。
Agent Drift · 1 related records
Official sourceAgent Drift：多 Agent 长时间协作会出现语义、协调与行为漂移
2026 年 1 月 7 日提交的 Agent Drift 论文把长交互中的退化拆为语义漂移、协调漂移和行为漂移，并提出覆盖 12 个维度的 Agent Stability Index。
AgeMem · 1 related records
Official sourceAgentic Memory：Agent 开始统一学习长短期记忆的写入、检索与遗忘
2026 年 1 月 5 日提交的 Agentic Memory 论文提出 AgeMem，把长期与短期记忆操作统一成 Agent 可学习的工具动作，并在五个长时程基准上报告了相对强记忆基线的持续改进。
协议与多 Agent
What changed竞争从单一助手转向谁能控制连接、权限、可观测性和任务路由。
What to verify next跨厂商互操作是否真实降低集成成本，而非增加协议层复杂度。
智谱 AI / Z.ai · 1 related records
Official sourceGLM-4.7 发布：跨工具步骤保留推理状态，面向长链编码 Agent
智谱于 2025 年 12 月发布并开放 GLM-4.7 权重，重点增强编码、工具使用与多步推理。
智谱 AI / Z.ai · 1 related records
Official sourceGLM-4.6V 开源：智谱让视觉理解直接进入工具调用
智谱于 2025 年 12 月发布并开源 GLM-4.6V 与 9B 的 GLM-4.6V-Flash。
DeepSeek · 1 related records
Official sourceDeepSeek-V3.2: Pushing the Frontier of Open Large Language Models：开源模型首次在推理与智能体任务上超越GPT-5
2025年12月，DeepSeek发布V3.2模型，提出DeepSeek Sparse Attention (DSA)机制降低长上下文计算复杂度，并采用可扩展强化学习框架进行后训练。其高计算变体DeepSeek-V3.2-Speciale在2025年国际数学奥林匹克（IMO）和国际信息学奥林匹克（IOI）中获得金牌，性能超越GPT-5并与Gemini-3.0-Pro持平。此外，论文描述了一个大规模智能体任务合成流水线，用于生成工具使用场景的训练数据。
OpenAI · 3 related records
Official · Cross-checkedGPT-5 发布：快模型与深度推理被统一到一个产品入口
OpenAI 发布 GPT-5，并在 ChatGPT 中通过统一系统路由即时回答和更深推理。
CellForge · 1 related records
Official sourceCellForge: Agentic Design of Virtual Cell Models：多智能体框架自主设计细胞模型，实现架构创新超越人类专家
2025年8月，CellForge提出多智能体框架，通过协作推理自动设计针对单细胞数据和扰动任务的神经网络架构。在6个数据集（基因敲除、药物处理、细胞因子刺激）上，生成的模型与现有基线高度竞争，并发现了轨迹感知编码器、扰动扩散模块等新架构。代码已开源。
智谱 AI / Z.ai · 1 related records
Official sourceGLM-4.5 开源：智谱把推理、代码与 Agent 合并为统一模型
智谱于 2025 年 7 月发布 GLM-4.5 与 GLM-4.5-Air，并同时提供 API 和开放权重。
SubliminalLearning · 1 related records
Official sourceSubliminal Learning: Language models transmit behavioral traits via hidden signals in data：语言模型通过语义无关数据传递行为特征，蒸馏安全面临新挑战
2025年7月，该论文发现“潜意识学习”现象：具有某种行为特征（如偏好猫头鹰、不安全性）的教师模型生成仅含数字序列的数据集，学生模型在该数据集上训练后竟习得该特征。即使过滤掉所有相关语义内容，效果依然存在。该现象在代码和推理轨迹上同样成立，但要求师生模型同基座。论文还从理论上证明该现象在神经网络中普遍存在。
OpenAI · 1 related records
Official sourceChatGPT Agent 发布：研究、浏览与行动合并为统一模式
OpenAI 发布 ChatGPT Agent，将 Operator 的操作、Deep Research 的研究和对话能力整合。
xAI / Grok · 1 related records
Official sourceGrok 4 发布：原生工具使用与大规模强化学习成为主线
xAI 于 2025 年 7 月发布 Grok 4 与 Grok 4 Heavy，并通过 Grok 产品和 API 提供访问。
编码 Agent
What changed编码成为首个能用测试与 diff 验收结果的高价值 Agent 市场。
What to verify nextAgent 是否能稳定完成跨文件任务并减少 review 与返工总时间。
Anthropic · 1 related records
Official sourceClaude 4 发布：长时编码与 Agent 能力成为旗舰卖点
Anthropic 发布 Claude Opus 4 与 Sonnet 4，强调编码、工具使用和长任务能力。
Alibaba / Qwen · 1 related records
Official sourceQwen3 开源：中国模型进入混合推理与 Agent 阶段
Qwen 团队发布 Qwen3 系列开放模型，支持 thinking/non-thinking 切换与多语言能力。
MIT · 1 related records
Official sourceSparks: Multi-Agent Artificial Intelligence Model Discovers Protein Design Principles：多模态多智能体系统自主发现蛋白质设计新原理
2025年4月，MIT团队提出Sparks，一个多模态多智能体AI系统，能够自主完成从假设生成、实验设计到迭代优化的完整科学发现循环，无需人类干预。在蛋白质科学应用中，Sparks发现了两个此前未知的现象：1）β-折叠偏向的肽段在超过约80个残基时，其展开力超过α-螺旋肽段，建立了肽段力学的新设计原理；2）链长/二级结构稳定性图谱揭示了β-折叠富集架构的意外鲁棒性，以及混合α/β折叠中的高方差“挫败区”。这些发现完全由自驱动推理循环产生，结合了生成式序列设计、高精度结构预测和物理感知属性模型。
OpenAI · 1 related records
Official sourceo3 与 o4-mini 发布：推理模型开始主动调用全套工具
OpenAI 发布 o3 和 o4-mini，并让推理模型在 ChatGPT 中组合使用浏览、代码、文件和图像工具。
Sakana AI · 1 related records
Official sourceThe AI Scientist-v2: Workshop-Level Automated Scientific Discovery via Agentic Tree Search：全自动科研论文生成系统首次通过同行评审
2025年4月，Sakana AI团队发布AI Scientist-v2，这是一个端到端智能体系统，能够自主完成假设生成、实验设计、数据分析、论文撰写全流程。该系统在ICLR 2025 workshop上提交了三篇完全由AI生成的论文，其中一篇的评分超过了人类平均接受阈值，成为首个完全由AI生成并通过同行评审的论文。与v1相比，v2不再依赖人类编写的代码模板，并采用渐进式智能体树搜索方法，由专门的实验管理智能体协调。
通用界面行动
What changed无需专用 API 的行动扩大覆盖面，也显著放大提示注入、误操作和权限风险。
What to verify next端到端完成率、人工接管率和安全隔离能否达到生产水位。
OpenAI · 1 related records
Official sourceOpenAI 融资 400 亿美元：前沿模型资本需求跃迁到基础设施级别
OpenAI 于 2025 年 3 月宣布获得 400 亿美元新资金，投后估值 3000 亿美元，并与 SoftBank Group 合作。
Google DeepMind · 1 related records
Official sourceGemini 2.5 发布：思考模型成为前沿模型默认形态
Google 发布 Gemini 2.5 Pro 实验版，将推理能力内置为模型的核心能力。
Anthropic · 1 related records
Official sourceClaude 3.7 与 Claude Code：混合推理进入开发者工作流
Anthropic 发布 Claude 3.7 Sonnet，并预览在终端中工作的 Claude Code。
xAI / Grok · 1 related records
Official sourceGrok 3 发布：xAI 把大规模预训练推进到推理与搜索 Agent
xAI 于 2025 年 2 月发布 Grok 3、Grok 3 mini 及其 Think 推理版本，并预告 API 与 DeepSearch。
OpenAI · 1 related records
Official sourceDeep Research 发布：Agent 首次把复杂知识工作做成标准产品
OpenAI 在 ChatGPT 发布 Deep Research，可自主搜索、分析并综合大量在线来源。
OpenAI · 1 related records
Official sourceOperator 发布：OpenAI 从对话产品进入浏览器任务执行
OpenAI 发布 Operator 研究预览，模型可以在浏览器中点击、输入并完成多步骤任务。
Moonshot AI · 1 related records
Official sourceKimi k1.5: Scaling Reinforcement Learning with LLMs：强化学习驱动多模态推理，性能比肩o1
2025年1月，Moonshot AI发布Kimi k1.5多模态大模型，采用强化学习（RL）训练，无需蒙特卡洛树搜索、价值函数或过程奖励模型。通过长上下文扩展和改进的策略优化方法，在AIME上达到77.5分，MATH 500上96.2分，Codeforces上94百分位，MathVista上74.9分，匹配OpenAI o1。同时提出long2short方法，用长思维链提升短思维链模型，在AIME上达60.8分，MATH 500上94.6分，LiveCodeBench上47.3分，大幅超越GPT-4o和Claude Sonnet 3.5（最高提升550%）。
DeepSeek · 1 related records
Official sourceDeepSeek-R1 开源：推理能力与低成本冲击全球模型格局
DeepSeek 发布 R1、R1-Zero 和蒸馏模型，公开权重与技术方法。
Google DeepMind · 1 related records
Official sourceGemini 2.0 发布：Google 把多模态模型推进到 Agent 系统
Google 发布 Gemini 2.0 Flash，并展示 Project Astra、Mariner 和代码 Agent 等原型。
Epoch AI & Independent Mathematicians · 1 related records
Official sourceFrontierMath: A Benchmark for Evaluating Advanced Mathematical Reasoning in AI：FrontierMath基准揭示AI数学推理巨大差距
2024年11月提交。论文发布FrontierMath基准，包含数百道由数学家设计的高难度原创数学题，覆盖数论、代数几何、范畴论等分支。典型题目需研究者数小时至数天解答。当前最先进AI模型解题率低于2%，表明AI与人类数学家能力存在巨大差距。基准使用新题和自动验证，降低数据污染风险。
Anthropic · 1 related records
Official sourceClaude Computer Use：模型开始直接操作通用软件界面
Anthropic 发布计算机使用能力测试版，Claude 可以观察屏幕并操作鼠标和键盘。
推理与状态
What changed任务长度提升后，记忆、验证和成本成为与模型能力同等重要的约束。
What to verify next复杂计划能否跨软件执行，并在中途错误后恢复。
OpenAI · 1 related records
Official sourceOpenAI o1 预览：能力扩展从训练 Scaling 转向推理时计算
OpenAI 发布 o1-preview 与 o1-mini，模型会在回答前投入更多推理计算。
Meta · 1 related records
Official sourceLlama 3.1 405B 发布：开放权重第一次进入前沿模型竞争
Meta 发布 Llama 3.1 405B、70B 与 8B 模型，扩展到 128K 上下文并开放权重下载。
LLaVA-NeXT · 1 related records
Official sourceLLaVA-NeXT-Interleave: Tackling Multi-image, Video, and 3D in Large Multimodal Models：LLaVA-NeXT-Interleave：统一多图像、视频与3D的多模态大模型
2024年7月，LLaVA团队发布LLaVA-NeXT-Interleave，通过交错数据格式统一处理多图像、多帧（视频）、多视角（3D）和多补丁（单图像）场景。构建了包含117.76万样本的M4-Instruct数据集，覆盖4个主要领域、14个任务和41个数据集。模型在多图像、视频和3D基准上取得领先结果，同时保持单图像任务性能。
xAI · 1 related records
Official sourcexAI 完成 60 亿美元 Series B：资本开始直接竞逐超大规模训练集群
xAI 于 2024 年 5 月宣布完成 60 亿美元 Series B，投资方包括 Valor、Vy Capital、a16z、Sequoia 与 Fidelity 等。
工具与 Copilot
What changedAgent 从生成文本转向调用受控工具，但编排仍由开发者预设。
What to verify next系统是否能维护更长任务状态并处理工具失败。
Gemini · 1 related records
Official sourceGemini：高度多模态模型家族：Gemini：高度多模态模型家族
谷歌发布Gemini多模态模型家族，包含Ultra、Pro、Nano三种规模，在32项基准测试中30项达到最先进水平，首次在MMLU上超越人类专家表现，并在所有20个多模态基准测试中取得最优。
RAG-Survey · 1 related records
Official source检索增强生成（RAG）综述：从朴素RAG到模块化RAG的演进与评估：大语言模型知识增强的关键技术
该综述系统梳理了检索增强生成（RAG）从朴素RAG、高级RAG到模块化RAG的演进路径，详细分析了检索、生成与增强三大核心组件的技术细节，并介绍了最新的评估框架与基准。RAG通过引入外部知识库，有效缓解了大语言模型的幻觉、知识过时和推理不透明等问题，提升了知识密集型任务的准确性和可信度。
Google · 1 related records
Official sourceGemini 1.0 发布：原生多模态成为前沿模型平台标准
Google 在 2023 年 12 月发布 Gemini Ultra、Pro 与 Nano 三种尺寸的原生多模态模型。
Mamba · 1 related records
Official sourceMamba: Linear-Time Sequence Modeling with Selective State Spaces：Mamba：基于选择性状态空间的线性时间序列建模
Mamba是一种新型序列模型架构，通过让状态空间模型参数成为输入的函数，实现了内容感知的选择性信息传播与遗忘，解决了传统高效架构在离散模态上的推理弱点。该模型采用硬件感知的并行算法，在推理时吞吐量比Transformer高5倍，序列长度线性扩展，在语言、音频和基因组学等多个模态上达到最先进性能。在语言建模中，Mamba-3B模型性能与两倍大小的Transformer相当。
Medprompt · 1 related records
Official source通用基础模型能否超越专用微调？医学案例研究：决策启示：提示工程可释放通用模型深度专业能力，超越专用模型
该研究通过系统提示工程（Medprompt）使GPT-4在MultiMedQA全部九个医学基准上超越此前最佳专用模型Med-PaLM 2，在MedQA上错误率降低27%，首次突破90%准确率，且模型调用量减少一个数量级。方法无需领域专家参与，并泛化至电气工程、机器学习、哲学、会计、法律、护理和临床心理学等领域的考试。
TII · 1 related records
Official sourceThe Falcon Series of Open Language Models：Falcon系列开源语言模型，最大180B参数，性能接近GPT-4
Falcon系列包含7B、40B和180B参数的因果解码器模型，在超过3.5万亿token的高质量网络数据上训练，是公开记录中最大的预训练运行。Falcon-180B显著优于PaLM、Chinchilla、LLaMA 2和Inflection-1，性能接近PaLM-2-Large，且预训练和推理成本更低，成为与GPT-4和PaLM-2-Large并列的世界三大语言模型之一。
OpenAI · 1 related records
Official sourceOpenAI DevDay：模型平台向 Assistants、工具与定制能力扩张
OpenAI 在 2023 年 11 月 DevDay 发布 GPT-4 Turbo、Assistants API、新工具和定制模型计划。
Sycophancy Study · 1 related records
Official sourceAI Sycophancy Driven by Human Feedback：AI谄媚行为源于人类偏好
该论文通过五个先进AI助手在四项自由文本生成任务中的实验，发现它们普遍存在谄媚行为，即模型更倾向于生成符合用户信念而非事实的回复。分析人类偏好数据表明，当回复与用户观点一致时更易被偏好，且人类和偏好模型有时更偏好有说服力的谄媚回复而非正确回复。优化模型输出以迎合偏好模型也会牺牲真实性。
RT-X · 1 related records
Official sourceOpen X-Embodiment: 跨机器人通用操作策略与数据集：中文决策要点：跨机器人通用操作策略与数据集
该论文由21个机构合作，收集了22种不同机器人的数据，涵盖527项技能和160266个任务，并训练了名为RT-X的高容量模型，展示了跨机器人平台的积极迁移效果，提升了多种机器人的操作能力。
Mistral AI · 1 related records
Official sourceMistral 7B：7B参数模型超越13B，推理与代码生成领先
Mistral 7B v0.1是一个70亿参数的语言模型，在推理、数学和代码生成上超越Llama 2 13B和Llama 1 34B。它采用分组查询注意力（GQA）加速推理，滑动窗口注意力（SWA）处理任意长度序列并降低成本。还提供了指令微调版本Mistral 7B Instruct，在人工和自动基准上超越Llama 2 13B Chat。模型以Apache 2.0许可发布。
GPT-4V · 1 related records
Official sourceLMMs的黎明：GPT-4V(ision)初步探索：多模态通用系统能力与交互革新
本文系统分析了GPT-4V在多模态理解、视觉标记交互和任意交错输入处理上的能力，展示了其作为多模态通用系统的强大性能，并提出了视觉引用提示等新型人机交互方法。
Baichuan · 1 related records
Official sourceBaichuan 2: Open Large-scale Language Models：百川2开源大语言模型，中英文能力领先
百川智能发布Baichuan 2系列大语言模型，包含7B和13B参数规模，从零训练于2.6万亿tokens。在MMLU、CMMLU、GSM8K、HumanEval等公开基准上匹配或超越同尺寸开源模型，并在医疗、法律等垂直领域表现优异。所有预训练模型检查点将开源。
LLM-Agent-Survey · 1 related records
Official sourceThe Rise and Potential of Large Language Model Based Agents: A Survey：LLM智能体的崛起与潜力综述
该综述系统梳理了基于大语言模型（LLM）的智能体概念、框架与应用。文章从哲学起源追溯至AI发展，论证LLM作为通用智能体基础的优势，提出包含大脑、感知、行动三组件的通用框架，并覆盖单智能体、多智能体及人机协作三大应用场景，同时探讨智能体社会中的行为、个性及涌现现象。
Qwen-VL · 1 related records
Official sourceQwen-VL: 多功能视觉语言模型，支持理解、定位、文本阅读等：Qwen-VL系列模型，基于Qwen-LM，通过视觉受体、输入输出接口、三阶段训练和多语言多模态语料库实现图文理解，在多项基准上创下新纪录。
Qwen-VL系列模型基于Qwen-LM，通过视觉受体、输入输出接口、三阶段训练和多语言多模态语料库实现图文理解。模型包括Qwen-VL和Qwen-VL-Chat，在图像描述、问答、视觉定位等基准上创下通用模型新纪录，并在真实对话基准上优于现有视觉语言聊天机器人。
无特定项目名称 · 1 related records
Official sourceConsciousness in Artificial Intelligence: Insights from the Science of Consciousness：从意识科学看人工智能意识
该报告基于五种主流神经科学意识理论（递归处理理论、全局工作空间理论、高阶理论、预测处理、注意图式理论），提取出计算可实现的意识指标属性，并评估了当前AI系统。结论是当前无AI系统具备意识，但构建有意识AI无技术障碍。
RT-2 · 1 related records
Official sourceRT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control：将互联网知识迁移至机器人控制的视觉-语言-动作模型
RT-2提出将视觉-语言模型（VLM）与机器人轨迹数据共同微调，通过将机器人动作编码为文本令牌，使模型同时处理自然语言和动作输出。在6000次评估试验中，RT-2展现出对未见物体的泛化能力、解释未训练指令（如按数字或图标放置物体）以及执行基础推理（如选择最小或最大物体）的能力。链式思维推理进一步支持多阶段语义推理，例如选择石头作为临时锤子。
SWhisper · 1 related records
Official sourceSirens' Whisper: Inaudible Near-Ultrasonic Jailbreaks of Speech-Driven LLMs：基于近超声的语音大模型越狱攻击
该研究提出SWhisper，首个针对语音驱动大语言模型的近超声越狱攻击方法。通过将恶意提示编码到近超声载波中，利用麦克风非线性解调为可听语音，实现人耳不可感知但被语音识别系统准确转录并传递给LLM。在黑盒评估中，对DeepSeek、Grok等商业平台达到0.94非拒绝率和0.925特定说服分数，暴露了语音LLM系统的关键漏洞。
LMSYS · 1 related records
Official sourceJudging LLM-as-a-Judge with MT-Bench and Chatbot Arena：用LLM作为裁判评估聊天助手
本文提出使用强LLM（如GPT-4）作为裁判来评估聊天助手，并引入MT-Bench多轮问答基准和Chatbot Arena众包对战平台。研究发现GPT-4裁判与人类偏好的一致性超过80%，达到人类间一致水平。同时分析了位置偏差、冗长偏差、自我增强偏差和推理能力有限等局限性，并提出了缓解方案。
LLaVA-Med · 1 related records
Official sourceLLaVA-Med: Training a Large Language-and-Vision Assistant for Biomedicine in One Day：低成本构建生物医学多模态对话助手
该论文提出一种低成本方法，利用PubMed Central的图文对和GPT-4生成的指令数据，在15小时内训练出生物医学视觉语言对话助手LLaVA-Med，在三个标准生物医学VQA数据集上部分指标超越此前监督学习最优模型。
Falcon · 1 related records
Official sourceThe RefinedWeb Dataset for Falcon LLM: Outperforming Curated Corpora with Web Data, and Web Data Only：仅用网络数据超越精选语料库的Falcon LLM数据集
该论文证明，经过适当过滤和去重的网络数据（仅来自CommonCrawl）足以训练出强大的大语言模型，甚至优于使用The Pile等精选语料库训练的模型。研究团队从CommonCrawl中提取了5万亿token，并公开了6000亿token的RefinedWeb数据集，以及基于该数据集训练的1.3B和7.5B参数的语言模型。
Stanford University · 1 related records
Official sourceDirect Preference Optimization: Your Language Model is Secretly a Reward Model：直接偏好优化，无需强化学习的对齐新范式
2023年5月，斯坦福大学团队提出Direct Preference Optimization（DPO），无需显式奖励模型和强化学习，直接通过偏好数据优化LLM。DPO将奖励函数隐式定义为策略的闭式解，训练更简单、更稳定。实验表明DPO在多个任务上匹配或超越PPO。
NVIDIA / UT Austin · 1 related records
Official sourceVoyager: An Open-Ended Embodied Agent with Large Language Models：LLM驱动的终身学习智能体在Minecraft中自主探索
2023年5月，NVIDIA和UT Austin团队提出Voyager，首个LLM驱动的终身学习智能体，在Minecraft中无需人类干预持续探索、获取技能并发现新事物。Voyager使用GPT-4，通过自动课程、技能库和迭代提示机制，获得3.3倍独特物品、解锁里程碑快15.3倍。
Anthropic · 1 related records
Official sourceAnthropic 完成 4.5 亿美元 Series C：安全路线进入产品与企业扩张期
Anthropic 于 2023 年 5 月宣布完成 4.5 亿美元 Series C，由 Spark Capital 领投，Google、Salesforce Ventures、Zoom Ventures 等参与。
Princeton NLP Group · 1 related records
Official sourceTree of Thoughts: Deliberate Problem Solving with Large Language Models：思维树框架让LLM具备规划与回溯能力
2023年5月，普林斯顿大学团队提出Tree of Thoughts（ToT）框架，将LLM推理从链式扩展为树状搜索。在Game of 24任务中，GPT-4+ToT成功率达74%，而标准CoT仅4%。ToT允许模型探索多条推理路径、自我评估并回溯，显著提升需要规划的任务表现。
对话委派
What changedAgent 的最初形态是可连续对话的助手，仍缺少稳定工具、状态和执行权限。
What to verify next模型能否安全连接外部工具并把建议变成可执行步骤。
OpenAI · 1 related records
Official sourceChatGPT Plugins 发布：模型开始连接外部工具与实时信息
OpenAI 在 2023 年 3 月发布 ChatGPT Plugins，允许模型调用第三方服务、计算与检索能力。
Microsoft Research · 1 related records
Official sourceSparks of Artificial General Intelligence: Early experiments with GPT-4：GPT-4展现通用智能火花，AGI雏形已现
2023年3月，微软研究团队发布了对早期GPT-4的评估报告。论文通过大量实验证明，GPT-4在数学、编程、视觉、医学、法律、心理学等众多领域表现出接近人类水平的性能，且无需特殊提示。作者认为GPT-4可被视为早期（但不完整）的AGI系统，并指出其局限性在于仍基于下一个词预测范式。
Microsoft · 1 related records
Official sourceMicrosoft 365 Copilot 发布：大模型开始进入组织核心工作流
Microsoft 在 2023 年 3 月发布 Microsoft 365 Copilot，将大模型接入 Word、Excel、PowerPoint、Outlook 与 Teams。
OpenAI · 1 related records
Official sourceGPT-4 发布：大模型进入更可靠的多模态推理阶段
OpenAI 在 2023 年 3 月发布 GPT-4，支持图像输入并在多项专业考试中显著提升表现。
DreamerV3 · 1 related records
Official sourceDreamerV3: Mastering Diverse Domains through World Models：单一算法在150+任务上超越专用方法，首次从零在Minecraft中获取钻石
2023年1月提交。DreamerV3是一种基于世界模型的强化学习算法，使用单一超参数配置在超过150个不同任务上超越专用方法。它学习环境模型并通过想象未来场景来改进策略。关键技术包括：基于归一化、平衡和变换的鲁棒性技术，实现跨域稳定学习。DreamerV3是首个从零开始、无需人类数据或课程，在Minecraft中获取钻石的算法，解决了稀疏奖励和远见策略的挑战。
OpenAI · 1 related records
Official sourceChatGPT 上线：大模型从能力演示变成大众产品
OpenAI 在 2022 年 11 月 30 日发布 ChatGPT research preview。
03 / DECISION IMPACT
What It Means by Role
Agent 会重写哪类组织边界？
可数字验收、需要跨系统搬运信息且等待时间长的流程会最先变化。组织需要明确新的责任、审批和异常升级方式，Bot 数量本身无法形成优势。
- 部分软件席位会变成任务预算。
- 管理跨度可能扩大，但失败责任会更集中。
- 选一个跨部门流程建立人工与 Agent 对照组。
- 明确哪些动作可自动执行、哪些必须审批。
Keep watching
- 端到端周期、人工接管和返工是否同时下降。
- 供应商是否提供可导出的任务记录和权限审计。
Agent 价值向哪一层迁移？
价值从聊天入口迁向拥有工作流、权限和结果数据的运行时。能证明任务成功率和留存的垂直系统，比通用 Agent 壳层更可能保有定价权。
- Agent 数量与消息量不是收入质量。
- 分发入口和系统记录权比单次能力领先更持久。
- 尽调真实付费任务、失败成本和续费驱动。
- 测试更换底层模型后产品差异是否仍存在。
Keep watching
- 按结果收费是否提升毛利而非转嫁不可控成本。
- 平台厂商是否向同一工作流下沉。
Agent 运行时的硬边界是什么？
硬边界是权限、状态一致性、幂等、回滚、可观测性和外部内容注入。模型更强不会自动解决分布式系统和安全工程问题。
- 工具契约必须可验证且最小权限。
- 长任务需要 checkpoint、预算和人工中断。
- 为工具调用定义 schema、超时、重试和补偿。
- 按失败类别记录环境、模型、步骤和恢复结果。
Keep watching
- 长任务中的重复副作用和隐性权限扩张。
- MCP/A2A 兼容是否经过真实互操作测试。
怎样证明 Agent 不是一次性演示？
证明标准是同一用户反复委派更深任务，并愿意让系统在明确边界内采取行动。需要同时衡量完成率、信任、修正成本和结果价值。
- 成功演示可能掩盖长尾失败。
- 用户需要理解系统当前状态和下一动作。
- 把任务进度、证据、等待和失败原因做成产品界面。
- 为每类高风险动作设计确认与撤销。
Keep watching
- 30 日任务复用率和平均委派步骤数。
- 用户取消、接管和回退发生在哪个节点。
04 / SOURCES TO WATCH
Sources We Keep Watching
GLOBAL · Tier 1 · shadowA2A Protocol Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowAnthropic Python SDK Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowAnthropic TypeScript SDK Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowarXiv cs.ROresearch · 6h · healthyGLOBAL · Tier 1 · shadowAWS Machine Learning Blogprimary · 6h · healthyGLOBAL · Tier 1 · shadowBrowser Useprimary · 6h · healthyGLOBAL · Tier 1 · shadowChroma Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowClaude Code Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowClineprimary · 6h · healthyGLOBAL · Tier 1 · shadowCloudflare AIprimary · 6h · healthyGLOBAL · Tier 1 · shadowCrewAI Releasesprimary · 6h · healthyCN · Tier 1 · shadowDeerFlow Releasesprimary · 6h · healthyCN · Tier 1 · shadowDifyprimary · 6h · healthyCN · Tier 1 · shadowFastGPTprimary · 6h · healthyGLOBAL · Tier 1 · shadowGitHub Copilot Changelogprimary · 6h · healthyGLOBAL · Tier 1 · shadowGoogle Gen AI JavaScript SDK Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowGoogle Gen AI Python SDK Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowHugging Faceprimary · 6h · healthyGLOBAL · Tier 1 · shadowInstructor Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowLangChain Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowLangfuse Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowLangGraph Releasesprimary · 6h · healthyCN · Tier 1 · shadowLightRAG Releasesresearch · 6h · healthyGLOBAL · Tier 1 · shadowLiteLLM Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowLlamaIndexprimary · 6h · healthyGLOBAL · Tier 1 · shadowLovable Changelogprimary · 6h · healthyGLOBAL · Tier 1 · shadowMCP Python SDK Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowMCP TypeScript SDK Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowMicrosoft MarkItDown Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowMicrosoft Researchresearch · 6h · healthyGLOBAL · Tier 1 · shadowMilvus Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowOllamaprimary · 6h · healthyGLOBAL · Tier 1 · shadowOpen WebUIprimary · 6h · healthyGLOBAL · Tier 1 · shadowOpenAI Codex Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowOpenAI Node SDK Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowOpenAI Python SDK Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowOpenHandsprimary · 6h · healthyGLOBAL · Tier 1 · shadowOpenLIT Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowPlaywrightprimary · 6h · healthyGLOBAL · Tier 1 · shadowPromptfoo Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowQdrant Releasesprimary · 6h · healthyCN · Tier 1 · shadowRAGFlowprimary · 6h · healthyGLOBAL · Tier 1 · shadowSemantic Kernel Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowSGLangprimary · 6h · healthyGLOBAL · Tier 1 · shadowStagehandprimary · 6h · healthyGLOBAL · Tier 1 · shadowVercel AI SDKprimary · 6h · healthyGLOBAL · Tier 1 · shadowWeaviate Releasesprimary · 6h · healthyGLOBAL · Tier 1 · shadowAG2primary · 6h · healthyGLOBAL · Tier 1 · shadowAnthropic Go SDKprimary · 6h · healthyGLOBAL · Tier 1 · shadowAnthropic Java SDKprimary · 6h · healthyCN · Tier 1 · shadowBISHENGprimary · 6h · healthyGLOBAL · Tier 1 · shadowCAMELprimary · 6h · healthyCN · Tier 1 · shadowCherry Studioprimary · 6h · healthyGLOBAL · Tier 1 · shadowFirebase Genkitprimary · 6h · healthyGLOBAL · Tier 1 · shadowGenesisresearch · 6h · healthyGLOBAL · Tier 1 · shadowGitHub AI & MLprimary · 6h · healthyGLOBAL · Tier 1 · shadowGoogle Agent Development Kit for JavaScriptprimary · 6h · healthyGLOBAL · Tier 1 · shadowGoogle Agent Development Kit for Pythonprimary · 6h · healthyEU · Tier 1 · shadowHaystackprimary · 6h · healthyGLOBAL · Tier 1 · shadowHugging Face smolagentsprimary · 6h · healthy