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。
Sayash Kapoor、Arvind Narayanan 与 Stephan Rabanser 等人发布 66 页论文《Towards a Science of AI Agent Reliability》，将智能体可靠性拆解为一致性、鲁棒性、可预测性、安全性四维共 12 项指标。
推荐理由：论文把智能体可靠性拆成12个维度并实测14个模型，显示18个月内准确率大涨而可靠性仅小幅提升。
Mistral AI 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选澄清、斜杠命令技能和统一智能体模式。
推荐理由：官方公告给出 2.0 的功能清单、订阅方案和 Devstral 2 API 定价，读者可以据此评估是否把它纳入自己的终端开发工作流。
Mistral 发布开源编码模型 Devstral 2（123B，修改版 MIT）和 Devstral Small 2（24B，Apache 2.0），SWE-bench Verified 分别达 72.2% 和 68.0%，均支持 256K 上下文。
推荐理由：官方给出了两个尺寸的开源编码模型参数量、SWE-bench Verified 成绩、API 定价和部署门槛，可与闭源竞品直接对比。
DeepSeek 官方宣布 deepseek-chat 和 deepseek-reasoner 均已升级为 DeepSeek-V3.1-Terminus，分别对应其非思考模式和思考模式。此次更新保持模型原有能力，针对用户反馈改进了语言一致性，缓解中英文混杂和偶发异常字符问题，并优化了 Code Agent 与 Search Agent 的表现。
推荐理由：官方说明升级后的接口对应关系和两类具体改进，现有用户可据此判断是否切换或观察效果。
DeepSeek 宣布 deepseek-chat 和 deepseek-reasoner 均升级为 DeepSeek-V3.1，分别对应其非思考模式与思考模式。
推荐理由：官方说明了两个 API 端点对应的模式切换，并给出 SWE-bench 等三项基准分数，读者可据此评估升级影响。
Mistral AI 与 All Hands AI 合作发布 Devstral Medium，并推出 Devstral Small 1.1 升级版。
推荐理由：官方给出 SWE-Bench Verified 分数和 API 定价，可比较两款新模型在成本与代码智能体性能上的定位。
Mistral 发布新的 Agents API，将模型与代码执行、网络搜索、图像生成、Document Library 及 MCP 工具等内置连接器结合，并作为 Chat Completion API 的补充简化 Agent 场景开发。
推荐理由：官方原文给出内置连接器、有状态对话与多智能体编排等核心能力，还附 SimpleQA 数字，读者可据此评估其对企业级 Agent 开发的适用性。
Mistral AI 与 All Hands AI 联合发布面向软件工程任务的智能体模型 Devstral，以 Apache 2.0 许可开源。
推荐理由：官方发布给出 SWE-Bench Verified 成绩、开源许可和部署门槛，读者可据此判断它在本地或企业编码场景中的位置。