Google 用 Tunix 在 TPU 上实现 LLM 自主后训练 autofinetune
Google 推出 autofinetune，将自主研究循环用于 LLM 后训练，基于 Tunix、Gemma 和 Cloud TPU，由 Antigravity CLI 与 Gemini Flash 3.7 编排。
#Agent
#Agent
今日 12 条Google Developers BlogAI 评分4646 Google ResearchAI 评分4949 Google Research 提出 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad，一种“答案优先”的工具调用数据集生成范式：先生成真实工具调用链，再反向标注用户提示词，只需一步 LLM 调用。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot app 新手教程：用 diff、终端和浏览器面板完成 AI 编码闭环
GitHub Copilot app 新增内置 diff、终端和浏览器面板，让新手不用离开应用即可审查 agent 改动、运行命令并预览界面。
Sakana AI Blog精选AI 评分6262 Sakana AI 发布 Fugu Max 与 Fugu Ultra v2 编排系统
Sakana AI 发布 Fugu Max 和 Fugu Ultra v2，用多智能体编排同时优化成本与性能。
推荐理由：原文给出具体基准成绩、定价对比和 API 升级方式，读者可据此评估编排架构在成本与性能上的实际位置。
OpenAI NewsAI 评分5858 OpenAI 在 ChatGPT Work 中推出 Data agent
OpenAI 推出 ChatGPT Work 中的 Data agent，可用自然语言连接公司数据、挖掘洞察并借助 AI 构建交互式仪表盘。
Cursor Blog精选AI 评分7676 Cursor 推出 Projects，用协调智能体管理大规模长期开发工作
Cursor 推出 Projects，可承接一项功能、一次迁移或完整应用等大规模工作，在长达数月的工作中维持上下文，并向数千个子智能体委派任务。它由不写代码的协调智能体统一指挥，核心包括默认云端运行、跨机器同步的共享上下文，以及监听 Slack、按计划运行和跟进 PR 的订阅能力。
推荐理由：官方说明给出协调机制、共享上下文和订阅三类核心功能，以及内部使用数据，读者可据此评估是否纳入自己的开发流程。
OpenRouter AnnouncementsAI 评分5757 OpenRouter 教程：如何用 Presets 实现 LLM 配置即代码
OpenRouter 发布 Presets 使用教程，介绍如何把模型选择、系统提示词、provider 路由和采样参数存为一个命名且有版本的配置，并在任意 API 请求中通过 "model": "@preset/名称" 引用。
OpenAI News精选AI 评分6464 OpenAI 发布 Agents API，用于构建云端智能体
OpenAI 发布 Agents API，一项用于构建和上线云端智能体的托管服务，底层由 Codex harness 驱动，支持编排、长时间运行会话和工具调用。
推荐理由：OpenAI 官方宣布 Agents API，读者可从中了解其托管架构与工具调用能力如何服务云端智能体开发。
Claude Platform release notesAI 评分5252 Claude Managed Agents 新增 auto 权限策略与 CLI 会话连接功能
Claude Managed Agents 权限策略新增 auto 模式，由服务端评估每个 agent 或 MCP 工具调用并自动运行、拒绝或暂停等待审批，agent.tool_use 与 agent.mcp_tool_use 事件新增 evaluation 字段说明评估结果。
Anthropic Newsroom精选AI 评分8484 Anthropic 发布 2026 年 9 月威胁情报报告，披露多起 Claude 恶意使用案例
Anthropic 威胁情报团队发布报告，披露 2025 年 12 月至 2026 年 8 月期间在七个危害领域识别并处置的 Claude 恶意使用活动，涉及疑似国家支持组织、犯罪团伙、商业间谍软件供应商等。
推荐理由：报告用具体案例和数据说明AI如何改变网络攻击的成本与速度，并揭示AI供应链本身正成为攻击目标。
Anthropic Research精选AI 评分7474 Anthropic 红队发布 AI 模型战术情报定位与常规武器能力评测报告
Anthropic 前沿红队发布新评测，测量模型在战术情报定位（基于碎片信息找人）和常规武器开发（如编写无人机制导软件）上的能力，显示部分任务上模型能做到过去只有稀缺专家才能做的事。
推荐理由：原文用自建评测给出模型在情报定位和武器开发任务上的具体表现与模型间差距，读者可据此理解这类双用途能力的分布。
Mistral AI精选AI 评分6464 Mistral 用 AI 智能体将欧洲能源运营商 40,000 行 Fortran 77 迁移到 C++
Mistral 帮助一家欧洲能源运营商将 40 万行油藏模拟器代码库中的 40,000 行 Fortran 77 核心功能迁移到 C++，该代码无测试套件且文档分散。
推荐理由：原文复盘了完整迁移过程和三条可迁移经验，读者可以借鉴其验证优先与结构化工作流的落地方法。
Google Developers BlogAI 评分4343 如何评估、迭代与守护 AI 编程智能体：Harness Engineering 的行为评测方法论
针对 AI 编程智能体评测，Google 提出用行为评测替代 Terminal-Bench、DeepSWE 等端到端基准的复合分数，直接断言工具调用等中间执行步骤。
Google Developers BlogAI 评分5353 Google 发布 ADK for Kotlin 1.0，支持 Android 端侧智能体开发
Google 发布 Agent Development Kit (ADK) for Kotlin 1.0 正式版，实现与 ADK Python 和 Java 的完全功能对齐，并提供面向 Android 的端侧扩展。
OpenAI NewsAI 评分2323 GPT-5.6 Sol 如何助力运行量子计算实验
MIT 研究人员使用 GPT-5.6 Sol 配合 Codex，自主运行量子计算实验、分析结果并校准量子比特。该案例展示了 GPT-5.6 Sol 在量子计算实验流程中的自动化能力。
OpenRouter Announcements精选AI 评分7373 OpenRouter 推出 Shell 工具、容器与 Files API
OpenRouter 发布 openrouter:shell 服务端工具、openrouter:bash 工具和 Files API，让平台上任意支持工具调用的模型都能在托管 Linux 容器中执行命令，目前以 beta 提供。
推荐理由：原文给出了定价、容器网络与文件管理等具体配置细节，可帮助读者评估在现有 Agent 工作流中如何复用这套服务端沙箱。
GitHub Blog · AI & ML精选AI 评分6767 GitHub 推出 Project HydraFusion 多模型编排研究预览
GitHub 发布 Project HydraFusion 研究预览，通过运行时多模型编排提供前沿级编码质量，所有 GitHub Copilot 计划用户可在 Copilot CLI 通过 /experimental 使用。
推荐理由：原文给出三种执行模式和三项基准的质量与成本数据，读者可以据此评估多模型编排对现有编码工作流的适用性。
Google Developers BlogAI 评分2929 Google Cloud 详解 Gemini Enterprise DevEx 计划的智能体治理冲刺
Google Cloud 的 Gemini Enterprise DevEx 计划本轮聚焦智能体治理，梳理出从配置受治理的智能体身份、注册 Agent Registry、绑定 Agent Gateway，到执行策略与内容安全、验证端到端执行的五步工作流。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Copilot app 新手教程：如何同时运行多个 agent 会话
GitHub 官方博客发布面向新手的教程，介绍如何在 GitHub Copilot app 中同时运行多个 agent 会话。每个会话可运行在独立的 Git worktree 上互不干扰，各自保留上下文，用户通过 sessions 视图追踪进度，教程以 tailspin-toys 仓库演示了并行添加功能、无障碍审查和运行测试的做法。
推荐理由：官方教程讲清了并行 agent 会话如何借助 Git worktree 隔离运行，读者可以照着示例直接上手尝试。
Anthropic Research精选AI 评分8080 Anthropic：Claude 用 11 天完成费马大定理首个完整机器验证证明
Anthropic 发布首个完整经计算机检验的费马大定理证明，Claude 在约 11 天内基本自主写出 1300 万行 Lean 代码，证明 30,300 个定理（最终使用 29,500 个）。
推荐理由：原文详述了多智能体协作与 Prove2Me 平台的具体做法，对想复现大规模形式化工作的读者有可迁移的方法参考。
Hugging Face Blog精选AI 评分6969 Hugging Face 发布开源工具 funes，为编码 Agent 提供本地自有记忆层
Hugging Face 发布开源工具 funes，把机器上已有的 Agent 会话记录变成可检索的记忆层，一条 funes add 命令即可接入 Claude Code、Codex、pi 和 Hermes。
推荐理由：原文给出 funes 的本地检索管线、跨机器同步与 token 成本对比数据，读者可以据此判断它能否改善多机多 Agent 的工作流。
Hugging Face BlogAI 评分5353 用 TRL 和 OpenEnv 训练编码模型画水彩画：Hugging Face 开放完整复现配方
Hugging Face 博客用 TRL 和 OpenEnv 开放复现 Surya Narreddi 让语言模型写 p5.brush JavaScript 画水彩的方法，训练 Qwen/Qwen3.5-35B-A3B，参考池、RL 环境、训练脚本和模型全部公开，一条命令即可在 HF 上端到端运行。
Google DeepMindAI 评分4747 Google 推出 Fairwind Program，向政府和企业提供 Gemini 3.8 Flash Cyber 网络防御能力
Google 推出 Fairwind Program，向 Google Cloud 客户、政府机构和网络安全合作伙伴提供 Gemini 3.8 Flash Cyber 与 CodeMender 组合，可自主发现并修复漏洞，将原本数周的手动修复缩短至分钟级生成可部署补丁。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款模型
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber。
推荐理由：官方给出具体基准数据和定价，可用于对比 3.7 Flash 判断升级性价比，Cyber 版的开放范围也值得安全团队留意。
Claude Platform release notesAI 评分5252 Claude ant CLI 1.30.0 新增 ant apply 资源即代码命令
Claude 平台发布 ant CLI 1.30.0，新增 ant apply 命令，可从仓库文件创建和更新 agents、environments、skills、memory stores 和 deployments。
Google Blog: AIAI 评分5353 Google 推出 Fairwind Program，向政府和企业开放 Gemini 3.8 Flash Cyber 网络防御能力
Google 发布 Fairwind Program，为政府和可信合作伙伴提供 Gemini 3.8 Flash Cyber 模型与 CodeMender 工具，用于自主发现并修复漏洞，可在组织安全云环境内数分钟生成经验证的补丁。该计划初期面向政府、关键基础设施运营方和核心技术平台开放，已有超过 650 个合作伙伴参与；同时 Google.org 将全球网络安全资金累计提升至超过 1 亿美元。
Cursor Blog精选AI 评分6767 Cursor 推出自托管机器，云端智能体可在自有基础设施上运行
Cursor 发布自托管机器功能，云端智能体的工具执行可迁移到团队自管的基础设施上，而智能体循环、推理和规划仍留在 Cursor 云端。
推荐理由：官方给出自托管机器的适用场景判断方法和扩缩容、休眠等机制细节，团队可以据此评估智能体是否迁入自有基础设施。
Meta EngineeringAI 评分5050 Meta 构建从专家学习的组织级第二大脑 AI 智能体
Meta 工程团队构建了一个作为组织第二大脑的 AI 智能体，通过结构化知识体系、可组合 recipes 推理层和自动自我改进循环，把专家反馈编译为无需模型重训练的验证更新。系统将 200+ 知识文件按密度与使用频率划分、以 YAML 依赖图组织，六周内把单项评估时间从数天降到数分钟，每轮次 token 消耗减少约 80%，改进周期零回归。
Google Developers Blog精选AI 评分6262 Google 复盘 AI Agents Challenge 最强提交背后的 4 种工程模式
Google for Startups AI Agents Challenge 评选结束后，官方从高分提交中总结出四种工程模式：双向 MCP、事件驱动并发、同标准降级（Gemini 3.1 Pro 503 时回退 Gemini 3.6 Flash 并共用同一校验函数）、以及模型调用前的分层路由。
推荐理由：文章从真实参赛代码中提炼四个可复用的工程模式，覆盖工具暴露、并发、降级校验和分层路由，可直接迁移到自己的智能体项目。
Runway News精选AI 评分6868 Runway 发布 Interface World Model 首个模型 Solaris，实时生成可交互界面
Runway 发布 Solaris，定位为 Interface World Model 系列的首个模型，基于 Gen-4.5 改造，逐帧实时生成应用和网站界面，无需代码等中间表示。用户研究显示 250 名参与者约 7500 次成对评判中，61% 偏好其遵循指令（对比编码界面的 24%），71% 认为交互更自然；文本渲染、长会话一致性和无障碍集成仍是待解难题，现已开放早期访问申请。
推荐理由：官方详细说明了实时生成的原理、与 Claude Opus 5 的对比数据和遗留短板，读者可以据此判断这类界面生成模型的实际边界。
Anthropic Newsroom精选AI 评分8686 Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1
Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，两者为同一模型、安全防护级别不同，Fable 5.1 全面开放，Mythos 5.1 限可信访问计划。
推荐理由：原文给出新旧模型基准对比、cache reads 降价幅度和访问政策变化，读者可据此评估升级成本与适用场景。
Claude Platform release notes精选AI 评分7171 Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1，默认 1M token 上下文并下调缓存读取价格
Anthropic 发布 Claude Fable 5.1（claude-fable-5-1），面向长时运行的智能体编码、知识工作和研究，并向 Project Glasswing 参与者提供 Claude Mythos 5.1。
推荐理由：官方发布说明列出了定价、上下文窗口和多项 API 变更，方便现有使用方评估迁移和缓存成本影响。
Anthropic NewsroomAI 评分4848 Anthropic 推出 Enterprise Frontier Safeguards：零数据留存叠加滥用检测
Anthropic 发布 Enterprise Frontier Safeguards（EFS），将零数据留存（ZDR）与滥用检测防护结合，数据存储在客户自有云基础设施而非 Anthropic，今秋起分阶段向客户推出。
Google ResearchAI 评分5151 Google 发布行星预测引擎 PPE，用自然语言自动完成地理空间建模
Google 在 Earth AI 体系下推出实验性研究能力 PPE（planetary prediction engine），从自然语言查询出发自主完成地理空间预测的全流程，包括数据发现、清洗、特征工程、模型训练与评估。
LMSYS BlogAI 评分5151 LMSYS 发布 Infer-forge 方法论：围绕 SGLang 的 Harness、Loop 与 Graph 工程
LMSYS 团队发布 Infer-forge，一套围绕 SGLang 独立构建、未开源的推理工程系统，公开其 Harness、Loop、Graph 三层方法论，供团队用 AI 编码工具自行搭建。
Linear Now精选AI 评分6464 Linear 用 1000+ 个 PR 将 React 应用从 styled-components 迁移到 StyleX
Linear 宣布完成从 styled-components 到 StyleX 的迁移，历时逾 1000 个 PR。迁移动机包括 styled-components 进入维护模式、React 18 并发渲染下的性能回归，以及团队希望为 Agent 参与代码库建立更清晰的样式边界。
推荐理由：Linear 团队亲历者复盘超千个 PR 的迁移过程，给出可迁移的确定性工具加 Agent 加人工判断的方法和降险步骤。
Anthropic Newsroom精选AI 评分6060 Anthropic 开启 Model Hardware Standard 研究预览，让 AI 智能体安全操控实验与制造设备
Anthropic 开放 Model Hardware Standard（MHS）研究预览，这是让 AI 智能体安全操作物理设备的标准规范，首批面向科研实验室和先进制造商，可将原本需数周至数月的硬件集成缩短到数小时或数分钟。
推荐理由：官方介绍 MHS 标准化驱动如何把硬件集成从数周缩到数分钟，并给出多家机构实测用例，对关注智能体操控实体设备的读者有参考。
Linear Now精选AI 评分6969 Linear 完成 9900 万美元回购，估值翻倍至 25 亿美元，ARR 突破 1 亿美元
Linear 完成 9900 万美元回购，估值 25 亿美元，是去年 12.5 亿美元的两倍，Accel、01A、Salesforce Ventures 和 S32 参与其中；公司现金流为正，账上现金超过历史融资总额。
推荐理由：官方披露 2.5B 估值回购与 100M ARR 等关键数据，读者可借此了解 Linear 的经营现状与智能体业务进展。
Claude Blog精选AI 评分7373 Claude Cowork 桌面端内置浏览器上线
Anthropic 在 Claude Cowork 桌面应用中内置浏览器，Claude 可自主导航网页、阅读、点击、填表，本周起向 Pro、Max 和 Team 计划推送，Enterprise 管理员即日起可开启。
推荐理由：官方说明了内置浏览器与 Claude in Chrome 的分工、登录方式和安全边界，读者可据此判断网页类任务该交给哪条路径。
Claude Blog精选AI 评分7878 Claude in Chrome 正式全面开放，支持自动执行浏览器操作
Anthropic 宣布 Claude in Chrome 正式向所有付费 Claude 计划开放，Claude 可在浏览器中自主执行读取、点击、填表等操作，无需逐项确认。
推荐理由：官方给出各模型在提示词注入评测中的具体成功率数字，读者可以据此评估浏览器智能体的安全进展。