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。
这一阶段发生了什么
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。
接下来验证
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。
领域趋势 · 107 个相关事件
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 / 趋势变化
趋势变化轨迹
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。
这一阶段发生了什么
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。
接下来验证
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。
这一阶段发生了什么
编码成为首个能用测试与 diff 验收结果的高价值 Agent 市场。
接下来验证
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。
这一阶段发生了什么
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。
接下来验证
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。
这一阶段发生了什么
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。
接下来验证
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。
这一阶段发生了什么
Agent 从生成文本转向调用受控工具，但编排仍由开发者预设。
接下来验证
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。
这一阶段发生了什么
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。
接下来验证
模型能否安全连接外部工具并把建议变成可执行步骤。
02 / 关键依据
关键事件与证据
真实工作与长任务
变化说明模型峰值能力之外，恢复、记忆治理、责任边界和结果验收决定可部署性。
接下来验证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。
近 7 天 · MM-ToolSandBox · 1 条相关资料
公开报道MM-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.
近 7 天 · An Explainable Agentic System for Detection of Conversational Scams with Summary-Based Memory · 1 条相关资料
公开报道An 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。
近 7 天 · AHA · 1 条相关资料
公开报道Agent 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。
近 7 天 · World Action Models · 1 条相关资料
公开报道From 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。
近 7 天 · CVPR 2026@AdvML Workshop Challenge · 1 条相关资料
公开报道Technical 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。
近 7 天 · Vinci2 · 1 条相关资料
公开报道Vinci2: 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。
近 7 天 · OpenAI · 4 条相关资料
官方来源 · 多源核验GPT-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。
近 7 天 · VEXAIoT · 1 条相关资料
公开报道VEXAIoT: 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。
近 7 天 · Beyond Fixed Representations: The Vocabulary and Verifier Gaps in Open-Ended AI · 1 条相关资料
公开报道Beyond 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。
近 7 天 · SAGEAgent · 1 条相关资料
公开报道SAGEAgent: 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.
近 7 天 · Blind-Spots-Bench · 1 条相关资料
官方来源Blind-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。
近 7 天 · PredicateLongBench · 1 条相关资料
官方来源PredicateLongBench：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。
近 7 天 · Compete Then Collaborate · 1 条相关资料
官方来源Compete 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。
近 7 天 · Overthinking · 1 条相关资料
官方来源Overthinking：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。
近 7 天 · OpenAI · 1 条相关资料
官方来源SWE-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。
近 7 天 · Robbyant / Ant Group · 1 条相关资料
官方来源LingBot-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。
近 7 天 · OpenAI · 1 条相关资料
官方来源GPT-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。
近 7 天 · xAI / Grok · 1 条相关资料
官方来源Grok 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 条相关资料
官方来源Global 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 条相关资料
官方来源AI 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 条相关资料
官方来源GLM-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 条相关资料
官方来源Deployment 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 条相关资料
官方来源部署前行为模拟：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 条相关资料
官方来源SciAgentArena：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 条相关资料
官方来源World 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 条相关资料
官方来源Adaptive 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 条相关资料
官方来源AI 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 条相关资料
官方来源ERA 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 条相关资料
官方来源Gemini 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 条相关资料
官方来源Gemini 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 条相关资料
官方来源 · 多源核验GPT-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 条相关资料
官方来源ReasoningBank：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 条相关资料
官方来源BeTTER：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 条相关资料
官方来源Claude 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 条相关资料
官方来源Gemini 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 条相关资料
官方来源GLM-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 条相关资料
官方来源AI 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 条相关资料
官方来源Tool 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 条相关资料
官方来源Grok 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 条相关资料
官方来源MemoryArena：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 条相关资料
官方来源GLM-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 条相关资料
官方来源Belief-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 条相关资料
官方来源Kimi 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 条相关资料
官方来源Claude 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 条相关资料
官方来源Argos：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 条相关资料
官方来源Memory 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 条相关资料
官方来源Agent 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 条相关资料
官方来源Agentic 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
变化说明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。
接下来验证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 条相关资料
官方来源GLM-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 条相关资料
官方来源GLM-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 条相关资料
官方来源DeepSeek-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 条相关资料
官方来源 · 多源核验GPT-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 条相关资料
官方来源CellForge: 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 条相关资料
官方来源GLM-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 条相关资料
官方来源Subliminal 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 条相关资料
官方来源ChatGPT 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 条相关资料
官方来源Grok 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
变化说明编码成为首个能用测试与 diff 验收结果的高价值 Agent 市场。
接下来验证Agent 是否能稳定完成跨文件任务并减少 review 与返工总时间。
Anthropic · 1 条相关资料
官方来源Claude 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 条相关资料
官方来源Qwen3 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 条相关资料
官方来源Sparks: 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 条相关资料
官方来源o3 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 条相关资料
官方来源The 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
变化说明无需专用 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。
接下来验证端到端完成率、人工接管率和安全隔离能否达到生产水位。
OpenAI · 1 条相关资料
官方来源OpenAI 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 条相关资料
官方来源Gemini 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 条相关资料
官方来源Claude 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 条相关资料
官方来源Grok 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 条相关资料
官方来源Deep 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 条相关资料
官方来源Operator 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 条相关资料
官方来源Kimi 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 条相关资料
官方来源DeepSeek-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 条相关资料
官方来源Gemini 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 条相关资料
官方来源FrontierMath: 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 条相关资料
官方来源Claude 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
变化说明任务长度提升后，记忆、验证和成本成为与模型能力同等重要的约束。
接下来验证复杂计划能否跨软件执行，并在中途错误后恢复。
OpenAI · 1 条相关资料
官方来源OpenAI 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 条相关资料
官方来源Llama 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 条相关资料
官方来源LLaVA-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 条相关资料
官方来源xAI 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
变化说明Agent 从生成文本转向调用受控工具，但编排仍由开发者预设。
接下来验证系统是否能维护更长任务状态并处理工具失败。
Gemini · 1 条相关资料
官方来源Gemini：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 条相关资料
官方来源检索增强生成（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 条相关资料
官方来源Gemini 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 条相关资料
官方来源Mamba: 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 条相关资料
官方来源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 条相关资料
官方来源The 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 条相关资料
官方来源OpenAI 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 条相关资料
官方来源AI 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 条相关资料
官方来源Open 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 条相关资料
官方来源Mistral 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 条相关资料
官方来源LMMs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 条相关资料
官方来源Baichuan 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 条相关资料
官方来源The 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 条相关资料
官方来源Qwen-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 条相关资料
官方来源Consciousness 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 条相关资料
官方来源RT-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 条相关资料
官方来源Sirens' 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 条相关资料
官方来源Judging 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 条相关资料
官方来源LLaVA-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 条相关资料
官方来源The 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 条相关资料
官方来源Direct 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 条相关资料
官方来源Voyager: 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 条相关资料
官方来源Anthropic 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 条相关资料
官方来源Tree 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
变化说明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。
接下来验证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 条相关资料
官方来源ChatGPT 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 条相关资料
官方来源Sparks 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 条相关资料
官方来源Microsoft 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 条相关资料
官方来源GPT-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 条相关资料
官方来源DreamerV3: 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 条相关资料
官方来源ChatGPT 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 / 决策影响
对不同角色的影响
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。
继续关注
- 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。
继续关注
- 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。
继续关注
- 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。
继续关注
- 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
持续关注的来源
GLOBAL · 1 级来源 · 隔离验证A2A Protocol Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Anthropic Python SDK Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Anthropic TypeScript SDK Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证arXiv cs.RO研究资料 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证AWS Machine Learning Blog官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Browser Use官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Chroma Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Claude Code Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Cline官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Cloudflare AI官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证CrewAI Releases官方信息 · 每 6 小时更新 · 最近健康CN · 1 级来源 · 隔离验证DeerFlow Releases官方信息 · 每 6 小时更新 · 最近健康CN · 1 级来源 · 隔离验证Dify官方信息 · 每 6 小时更新 · 最近健康CN · 1 级来源 · 隔离验证FastGPT官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证GitHub Copilot Changelog官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Google Gen AI JavaScript SDK Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Google Gen AI Python SDK Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Hugging Face官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Instructor Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证LangChain Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Langfuse Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证LangGraph Releases官方信息 · 每 6 小时更新 · 最近健康CN · 1 级来源 · 隔离验证LightRAG Releases研究资料 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证LiteLLM Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证LlamaIndex官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Lovable Changelog官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证MCP Python SDK Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证MCP TypeScript SDK Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Microsoft MarkItDown Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Microsoft Research研究资料 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Milvus Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Ollama官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Open WebUI官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证OpenAI Codex Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证OpenAI Node SDK Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证OpenAI Python SDK Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证OpenHands官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证OpenLIT Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Playwright官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Promptfoo Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Qdrant Releases官方信息 · 每 6 小时更新 · 最近健康CN · 1 级来源 · 隔离验证RAGFlow官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Semantic Kernel Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证SGLang官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Stagehand官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Vercel AI SDK官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Weaviate Releases官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证AG2官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Anthropic Go SDK官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Anthropic Java SDK官方信息 · 每 6 小时更新 · 最近健康CN · 1 级来源 · 隔离验证BISHENG官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证CAMEL官方信息 · 每 6 小时更新 · 最近健康CN · 1 级来源 · 隔离验证Cherry Studio官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Firebase Genkit官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Genesis研究资料 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证GitHub AI & ML官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Google Agent Development Kit for JavaScript官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Google Agent Development Kit for Python官方信息 · 每 6 小时更新 · 最近健康EU · 1 级来源 · 隔离验证Haystack官方信息 · 每 6 小时更新 · 最近健康GLOBAL · 1 级来源 · 隔离验证Hugging Face smolagents官方信息 · 每 6 小时更新 · 最近健康