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Cursor 推出 builds 功能，在后台预先准备可直接使用的开发环境副本，让云端智能体启动最高快 3 倍；Cursor 内部环境启动快了 10 倍，首个 token 生成快了 3 倍。builds 默认每小时创建一次，智能体始终基于最新的成功构建启动，构建失败时继续沿用上一次成功构建，工作不中断。8 月 17 日起，所有新建和现有环境将默认使用 builds，且不额外收费。
推荐理由：Cursor 公布云端智能体启动变快 3 倍的后台预构建机制，并说明迁移与调试方式。
DeepSeek@deepseek_ai精选AI 评分6868
推荐理由：发布方直接给出 Agent 能力升级、可调推理档位和 OpenAI Responses API 兼容，读者可对照判断是否切换日常模型。
DeepSeek 发布 DeepSeek V4 Pro 正式版，已同步在 APP、网页端和 API 上线，官方称其 Agent 能力增强，网页端和 APP 可选择“专家模式”使用。
推荐理由：正文给出 Agent 能力提升、三档思考强度和峰谷定价，可供读者评估 API 成本与任务调度。
inclusionAI 发布 Ling-3.0-flash 原生混合线性推理模型，总参数 124B、激活 5.1B，官方称其关键基准上追平或超过前代 1T 级旗舰 Ring-2.6-1T。
推荐理由：官方给出 124B 总参数、5.1B 激活的架构与量化评测数据，可供判断长上下文推理的部署成本。
inclusionAI 发布原生混合推理模型 Ling-3.0-flash，总参数 124B、每 token 激活 5.1B，约为前代 1T 级旗舰 Ring-2.6-1T 的 12.4% 和 8.1%。
推荐理由：模型卡给出混合线性注意力架构与 5.1B 激活参数占比，并附 SGLang、vLLM 部署命令，便于对照前代旗舰评估效率取舍。
Hugging Face 于 7 月 15 日至 8 月 2 日举办 ICML 2026 Open Reproductions 挑战赛，1,221 名参与者用 Claude Code、Codex、Cursor 等智能体在 19 天内发布 6,816 份 Trackio 日志，复现 2,226 篇论文，约占会议的 34%。
推荐理由：官方复盘给出了逐条声明级别的复现数据和失败案例，可迁移到用智能体做大规模论文审计的工作流。
Claude Cowork 现已作为 Chrome 侧边栏运行，能读取用户已登录的页面并执行阅读、点击、输入和填写表单等操作。技能、插件和连接器首次可在浏览器中使用，对话会保存到历史记录，会话随账号而非设备保留。任务可在浏览器标签页开始，随后在桌面端或手机上继续。
推荐理由：Claude Cowork 进入浏览器侧边栏，读者可了解技能与连接器如何让智能体直接操作用户已登录的网页。
AutoGPT 创始 AI 工程师 Nicholas Tindle 分享应对 AI 智能体提交 pull request 的做法：把 AGENTS.md 和技能文件放到代码旁边，用 pull request 模板和覆盖率门槛当硬闸门，并让 CLA 签名充当人类识别器。
推荐理由：AutoGPT 把 AGENTS.md、技能和 CI 门槛放到代码旁的做法，可以迁移到其他开源项目的维护流程里。
DeepSeek V4 Pro 正式版发布，API 平台已上线 DeepSeek-V4-Pro-0813，官方博客尚未发布。在 HLE、Terminal Bench、Cybergym、DeepSWE 等 Agent 基准上，它几乎全面超过 Opus 4.8，逼近 Fable 5，部分榜单反超；百万 tokens 输入 3 元、缓存命中 0.025 元、输出 6 元。
推荐理由：素材给出多项 Agent 基准对比与 API 定价，可据此判断国产开源模型与闭源前沿的差距及调用成本。
阿里 Qwen 团队通过魔搭 ModelScope 社区开放 Qwen3.8-2.4T-A95B 模型权重，总参数 2.4T、每个 Token 激活 95B，原生支持 262,144 Token 上下文并可扩展至 1,010,000 Token。
推荐理由：官方同时给出 MoE 路由结构、上下文长度与后训练三环节，可据此看清超大规模开源模型在长周期 Agent 任务上的工程取舍。
Google 在 Gemini API 更新日志中宣布 Gemini 3.7 Flash（gemini-3.7-flash）正式可用（GA），定位为面向编码和 Agent 的主力模型。官方称其在软件工程、Web 开发和智能体工作流上有大幅改进，2026年12月31日前提供入门价。
推荐理由：官方说明点名软件工程与智能体工作流的改进，并给出了到2026年底的入门价格窗口。
DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 上线，模型名 deepseek-v4-pro，API 调用方式不变。官方称 Agent 能力大幅提升，生产环境性能表现提升尤为显著，并公布 HLE (wo / w tools) 42.7/60.0、Terminal Bench 2.1 87.9、NL2Repo 61.5 等基准成绩。
推荐理由：官方公告列出了正式版在多项 Agent 与编码基准上的分数、Responses API 支持和峰谷定价细节，方便用户评估迁移与调用时机。
Grok 4.6 正式发布，在 Grok 4.5 基础上进一步强化长时间运行的智能体任务，以及复杂的交互和视觉工作。在综合 9 项基准的 Artificial Analysis Intelligence Index 上，Grok 4.6 与 GPT-5.6 Sol 取得相同成绩，并已在 Cursor 和 Grok Build 上线。
推荐理由：Grok 4.6 强化长流程智能体任务，在 9 项基准综合指数上与 GPT-5.6 Sol 同分。
一篇论文指出 OpenAI、Anthropic、Google 的前沿模型 API 存在设计缺陷，加密返回的完整思维链可以被转移到同系列较弱模型中复述为明文。研究者拿不到服务器端明文，只能用 API 计费的思考 Token 数做长度校验，在 120 道 Codeforces 题目上提取文本的 Token 数与源模型报告高度接近。
推荐理由：论文给出了跨模型提取隐藏思维链的完整攻击链，读者可据此了解推理模型 API 的设计缺陷与修复方向。
Cursor 与 SpaceXAI 发布 Grok 4.6，基于 Grok 4.5 打造，专注于长时间运行的智能体、复杂交互和视觉工作。
推荐理由：官方发布说明了训练方法与多项智能体编程基准成绩，读者可据此对比 Grok 4.5 与 GPT-5.6 Sol 的表现。
Cursor 与 SpaceXAI 联合发布 Grok 4.6，该模型基于 Grok 4.5 打造，重点面向长时间运行的智能体以及更复杂的交互与视觉工作。它在由九项基准测试构成的 Artificial Analysis Intelligence Index 上与 GPT-5.6 Sol 持平。
推荐理由：Grok 4.6 与 GPT-5.6 Sol 在综合智能指数上持平，文中给出了与 Grok 4.5 及 GPT-5.6 Sol 的多项基准对比。
OpenRouter 发布实时网络搜索基准榜单，覆盖 BrowseComp、DeepSearchQA、WideSearch 和 HLE 四套评测，比较模型、引擎（Exa、Parallel、Perplexity 及 OpenAI、Anthropic、Google 原生搜索）、搜索方法与预算的组合。
推荐理由：原文用四套实时榜单量化搜索预算、引擎与模型对质量和成本的影响，还给出可直接套用的参数配置方法。
Claude 在 Chrome 的侧边栏会话已改为 Claude Cowork 会话，对话会保存到历史记录，技能和连接器可在浏览器中使用，在标签页里开始的任务能在桌面端、网页端和移动端接续完成。
推荐理由：官方说明了侧边栏会话与多端打通后的连续工作方式，也交代了浏览器智能体面临的提示词注入风险和新增的动作检查。
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 构建实时视频临床问诊系统，采用 Talker、Planner、Perception 三个并行智能体的异步架构。
推荐理由：原文给出异步多智能体架构与随机对照实验设计，读者可以据此了解视频问诊 AI 的能力边界和评估方法。
Anthropic 宣布，尚未公开的研究版 Claude 在黎曼猜想相关研究中取得进展，把黎曼 ζ 函数临界线上零点比例的长期下界从 41.6% 提高到 67.2%。
推荐理由：未公开的研究版 Claude 以 60 个子级智能体自主推进数天，把临界线零点比例下界从 41.6% 提升到 67.2%，并公开了 Lean 验证材料。