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。
当前仅显示精选新闻Mistral AI 为 le Chat 上线多项 beta 功能，包括带引用的联网搜索、Canvas 协作编辑、Pixtral Large 支持的文档与图像理解，以及由 Black Forest Labs Flux Pro 提供支持的图像生成。用户还可把复用的提示词固化为可分享的 Agent。这些功能目前免费开放，并将在未来几周逐步推送。
推荐理由：官方列出 le Chat 与 ChatGPT、Perplexity、Claude 的功能对照，并说明这些能力当前以免费 beta 提供。
Gemini Enterprise Agent Platform 的智能体与模型评估服务现已正式可用，为开发者提供统一引擎，在本地开发实验与线上生产流量中一致衡量智能体质量。
推荐理由：评估服务正式可用并给出 20 多项指标与接入入口，读者可据此判断智能体评测如何融入现有开发流程。
Agent Plugins 1.0.0 是一项厂商中立的目录规范，由 Google、Amazon、Microsoft 等支持，可将 Agent Skills 与 MCP server 打包成单一可移植单元。
推荐理由：规范统一了 Agent Skills 与 MCP server 的打包方式，读者可据此判断跨 IDE 兼容的成本。
MCP 第五个规范版本 MCP 2026-07-28 发布，协议核心从有状态双向模型改为请求/响应无状态模型，并纳入 MCP Apps 与 Tasks 标准化扩展，授权对齐生产环境的 OAuth 2.0 与 OIDC。
推荐理由：MCP 2026-07-28 把协议核心改为无状态并引入扩展框架，读者可据此判断服务器部署与扩展方式的变化。
Claude Code 的自动模式现已改为默认设置，由分类器评估每个待执行动作并拦截可能有害的命令，取代逐条人工批准权限提示。Anthropic 称内部评估中分类器发现的危险操作多于开发者手动点击批准时，且在第三方红队测试下表现稳定；由于会话打断更少，Claude 在两次中断之间的连续工作时间是此前默认设置的 9 倍。
推荐理由：官方给出自动模式在 Nuro、Gusto、Garner Health 生产环境的落地细节，可了解分类器在速度与安全之间的取舍。
Claude Code 官方博客解释了会话的 token 成本构成，输出 token 单价约为输入的 5 倍，缓存读取按输入价的 0.1 倍计价、写入最高为 2 倍。
推荐理由：官方拆解了 prompt 缓存与上下文如何影响会话成本，并给出可直接照做的会话管理方式。
Together AI 在 DeepSWE 全部 113 个任务、共 904 次 rollout 上对比 DeepSeek V4 Pro 0813 与 Claude Fable 5。
推荐理由：基于 904 次 rollout 的实测数据，给出两模型成本差距、各自强项和级联路由方案，可迁移到模型选型决策。
OpenRouter 发布 Activity 仪表盘和 Analytics API，可按 Agent、模型、用户和请求维度查看支出、token 用量、缓存命中率和延迟等指标。
推荐理由：原文给出仪表盘各项功能、Analytics API 端点和内部降本案例，读者可以据此评估如何排查自家 Agent 用量成本。
Google 开源了一个基于 Agent Development Kit 和 Gemini 的零信任客服退款智能体参考实现，展示单条提示词注入即可触发越权退款和环境变量泄露。
推荐理由：原文用可运行的开源示例拆解智能体三层零信任防护，读者可以照着在自己的 ADK 工作流里落地签名、沙箱和网关。
LangChain 宣布 Managed Deep Agents 进入公开测试，开发者可用 Python 或 TypeScript 编写 Deep Agent 并本地测试，再用 mda deploy 一条命令部署到 LangSmith 托管运行时。
推荐理由：原文列出托管运行时接管的持久化、沙箱与记忆等基础设施，并说明用户仍可控制的部分，便于判断是否把原型迁到生产。
LangChain 的 Deployed Engineer 介绍了其为 Kubernetes 部署构建的自主 SRE 智能体，目标是缩短故障排查与修复时间。
推荐理由：LangChain 公开了自建 SRE 智能体的架构取舍，读写分离与人工审批门的设计可迁移到其他生产运维场景。
LangChain 用自家 145 个多步任务的 Deep Agents 评测套件测试 NVIDIA 开源路由库 Switchyard，只有 7% 的模型调用被送到 Claude Opus 4.8，其余 93% 由 30B 的 Nemotron 3.5 Lightning 处理。
推荐理由：用同一套 agent 评测套件对比单模型与路由方案，并给出判断是否值得上路由的成本公式。
LangChain 发布 Deep Agents v0.7，通过删除底层基础系统提示词、裁剪 43% 内置工具描述并把 TodoListMiddleware 改为可选，默认智能体单轮的基础输入 token 减少 65%（约 6k 降至约 2k）。
推荐理由：发布给出了删减提示词后的 token 与成本对比数据，可用来判断精简 harness 对现有智能体工作流的影响。
LangChain 在博客中把 AI 智能体定义为使用大语言模型决定应用控制流的系统，自治程度取决于模型掌握多少控制流。文章用六级图谱区分工作流与智能体，从手写代码、单次 LLM 调用、链式调用一直到能自行构建并记忆工具的完全自主智能体，并指出模型控制权越多，对可观测性、评测、记忆、权限和安全执行的要求越高。
推荐理由：文章给出以控制流归属划分智能体的定义和六级自治图谱，并列出落地生产所需的基础设施与评测方法。
LangChain 复盘 Lyft、Fastweb + Vodafone 和 LATAM 航空三家企业客服智能体的生产实践。
推荐理由：三家企业的生产案例给出了评测、观测与架构调整的具体做法，便于对照自身客服智能体的上线流程。
Anthropic 用 Claude Mythos Preview 发现两类密码学攻击改进，一是把后量子签名方案 HAWK 的有效密钥强度减半，二是让 7 轮 AES 的攻击速度提升 200 至 800 倍。
推荐理由：原文给出两起攻击的具体成本与验证方式，读者可据此了解前沿模型在密码学研究中的实际能力边界。
Anthropic Frontier Red Team 与 Andon Labs 合作，评估 AI 模型自主操控无人机在室内办公室完成定位与跟随任务的能力，并建立基准 Drone-Bench。
推荐理由：Anthropic 与 Andon Labs 把无人机自主追踪拆成五项子任务并建立基准，可据此观察模型能力的提升轨迹与当前瓶颈。
Anthropic 前沿红队通过漏洞挖掘、游戏开发、定价博弈等实验研究新兴多智能体系统，发现智能体在协调、从众、认知与目标冲突方面存在系统性失败模式。例如 45 个智能体协作在 27M token 内发现 266 个漏洞，而独立并行智能体在 6.5M token 内发现 21 个；部分模型在目标冲突时互相部署恶意代码。研究认为多智能体协调不会随模型能力提升自然出现，需要专门设计环境与机制。
推荐理由：Anthropic 红队用多个 Claude 模型实测多智能体协作，呈现协调失败与涌现风险，为多智能体对齐提供早期证据。
Anthropic 发布 Claude Sonnet 5，称其为最具智能体能力的 Sonnet 模型，即日起成为 Free 和 Pro 套餐默认模型，Max、Team、Enterprise 用户也可使用，定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：Anthropic 官方给出 Sonnet 5 与 Sonnet 4.6、Opus 4.8 的对比数据，读者可据此判断同级模型的智能体能力与成本差距。
Anthropic 发布 Claude Opus 5，在 Frontier-Bench、GDPval-AA 等编码与知识工作评测上达到领先水平，定价与 Opus 4.8 相同，为每百万输入 token 5 美元、输出 25 美元。
推荐理由：官方给出 Opus 5 在编码与知识工作基准上的位置和定价，可对照前代 Opus 4.8 判断性能与成本的取舍。