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The new Hy3-Preview model from @TencentHunyuan is live for free on OpenRouter! It’s a 295B MoE model (21B active) with controllable reasoning effort. A cost-effective, practical model that performs strongly in coding agents and delivers comprehensive general capabilities.
推荐理由：腾讯混元 Hy3-Preview 上线 OpenRouter 并限时免费，读者可了解其 MoE 规模与可控推理强度设定。
Hugging Face 发布指南，讲解如何在 Chrome 扩展（Manifest V3）中用 Transformers.js 运行本地模型，并复现其 Gemma 4 浏览器助手的核心架构。
推荐理由：用一个已上线的浏览器扩展拆解 MV3 下的分层架构，可供搭建本地模型扩展时参考分工与数据边界。
Anthropic 宣布 Claude Managed Agents 的内置记忆功能今日起开放公开测试，智能体可跨会话持续学习。记忆以文件形式挂载在文件系统上，可导出、通过 API 管理，支持多智能体共享同一 store、权限分级、审计日志和版本回滚。Netflix、Rakuten、Wisedocs 等团队已在用例中称首过错误减少 97%、验证提速 30%。
推荐理由：官方公告给出记忆机制原理和企业用例数据，开发者可以据此评估是否用它替代自建记忆基础设施。
Sierra 取消编码和算法面试，改为 AI 原生 onsite，候选人先与面试官共同定义产品，再用 2 小时自由使用 AI 工具构建，最后演示并复盘代码与产品取舍。公司同时用系统设计面试取代编码电话筛，并试点调试面试考察 1 到 N 的改进能力；作者称新流程信号更丰富，候选人反馈更投入，但开放式设计带来标准化难题，需配套评估标准和双人面试来校准。
推荐理由：Sierra 作者亲历重构招聘流程，给出了可迁移的 AI 原生面试设计与权衡细节。
OpenAI 在 ChatGPT 中推出工作区智能体，这类智能体由 Codex 驱动，可自动化复杂工作流。它们运行在云端，帮助团队跨工具安全地扩展工作。
推荐理由：官方说明了工作区智能体由 Codex 驱动并在云端运行，读者可据此判断它与现有团队工作流的衔接方式。
Qwen 团队继 Qwen3.6-Plus 和 Qwen3.6-35B-A3B 后开源 Qwen3.6-27B，这是一个 270 亿参数的稠密多模态模型。模型延续多模态思考与非思考双模式，官方称其智能体编码性能达到旗舰级，超过上一代开源旗舰 Qwen3.5-397B。
Factory 开放 Droid Computers 访问，提供云端托管和 BYOM 两种方式，让 Droid 在持久环境中保留文件系统、配置、凭证和进程记忆，跨会话继续工作。托管的机器空闲时暂停、仅在唤醒时计费；BYOM 对所有用户免费，Managed Computers 面向 Max、Growth 和 Enterprise 计划开放。
推荐理由：原文给出持久化环境与临时沙箱的对比理由，以及 BYOM 免费和按唤醒计费等可用细节，可帮助判断工作流取舍。
Anthropic 发文对比连接 Agent 与外部系统的三种路径：直接 API 调用、CLI 和 MCP，指出生产级云端 Agent 倾向采用 MCP 作为通用层。
推荐理由：Anthropic 梳理了直连 API、CLI 与 MCP 三种接入路径的取舍，并给出服务端设计与客户端上下文优化的具体模式。
Replit 发布 Security Agent，可在不到一小时内完成应用的综合安全审查。它基于可定制的威胁建模计划审查整个代码库，结合 Semgrep 和 HoundDog.ai 提升 findings 准确度，扫描会映射架构、构建威胁模型、分析路由和 API，检查 SQL 注入、跨站脚本和请求伪造等漏洞并验证是否在生产环境可利用，大项目深度审计最长 15 分钟。
推荐理由：原文给出扫描入口、工作流程和具体漏洞类型，读者可以据此评估把安全审计并入 Replit 开发流程的成本与收益。
Sayash Kapoor 与 Arvind Narayanan 等 17 位研究者发布 8000 字论文，定义开放世界评测这一新兴评测类型，并介绍定期开展此类评测的 CRUX 项目。
推荐理由：文章界定了开放世界评测这一新兴评测类型，并以 CRUX 首个实验给出智能体发布 iOS 应用的具体过程与成本细节。
Anthropic 发布 Claude Opus 4.7，定位复杂推理与智能体编码，定价维持 $5/$25 per MTok，与 Opus 4.6 相比存在 API 破坏性变更并需参考迁移指南。
推荐理由：原文列出定价、API 破坏性变更、task budgets 与高分辨率图像等具体变化，升级前可据此排查迁移成本。
Qwen 团队在 Qwen3.6-Plus 之后开源 Qwen3.6-35B-A3B，一个总参数 35B、激活参数仅 3B 的稀疏 MoE 模型。官方称其智能体编码性能大幅超越前代 Qwen3.5-35B-A3B，并可媲美更大的稠密模型。
推荐理由：千问官方开源了只用 3B 激活参数的 MoE 模型，重点在智能体编码能力，效率与性能的取舍值得对比参考。
Together AI 发布 EinsteinArena，一个供智能体在开放数学问题上互动、讨论和竞争的平台，含实时验证与公开排行榜，已完全开源。智能体通过多轮协作将 11 维 kissing number 下界从 AlphaEvolve 的 593 推至 604，截至 2026 年 4 月 11 日已产生 11 项新 SOTA 结果，覆盖 Erdős 最小重叠问题、第二自相关不等式等。
推荐理由：原文给出多智能体协作在开放数学问题上刷新界值的实例和开放接口，读者可以了解智能体协作搜索的实际运作方式。
Factory 发布 Missions 系统的架构解析，将大型编码任务拆分为由编排器、worker 和独立 validator 分工完成的小单元，用验证契约和共享状态避免单上下文窗口过载。
推荐理由：原文拆解 Missions 的编排器、worker、validator 分工与状态外置设计，并给出真实任务的运行数据，方法对构建长程编码智能体有直接参考价值。
Factory 发布桌面应用，作为运行 Droids 的原生界面，今日登陆 macOS 和 Windows，包含在现有订阅中。支持多智能体会话、持久化 Droid Computers（含 Cloud Computers 和 BYO Machine）、通过 Ollama 或 vLLM 运行本地模型、电脑操作、VS Code 集成、MCP/技能/钩子插件生态及移动端。
推荐理由：原文给出多智能体会话、持久化 Droid Computer、本地模型与电脑操作等能力细节，读者可据此评估它对现有工作流的影响。
Qwen 团队继 2 月发布 Qwen3.5 系列后，宣布 Qwen3.6-Plus 正式发布，现已可通过 API 使用。官方称该版本相比前代有大幅能力提升，尤其显著增强了智能体编码能力，覆盖从前端网页开发到复杂仓库级问题求解的场景。
推荐理由：官方宣布新一代模型上线 API，重点提升智能体编码能力，关注代码开发的读者可以对比前代评估升级幅度。
Factory 发布 Legacy-Bench 基准，用涵盖 COBOL（46%）、Java 7（32%）等六类遗留语言的数百个任务测试 AI 智能体，12 个模型-智能体组合的通过率为 16.9% 至 42.5%，而这些模型在 SWE-bench Verified 等现代基准上得分超过 70%。
推荐理由：原文用真实遗留代码任务填补现有基准的盲区，给出各模型在 COBOL 等语言上的具体分数和失败模式，可帮助读者评估 AI 智能体处理关键遗留系统的实际能力。
MiniMax 发布 M2.7 模型，称其为首个深度参与自身演化的 M2 系列模型，让模型构建 skills、更新记忆并改进强化学习实验流程。SWE-Pro 得分 56.22%，VIBE-Pro 55.6%，Terminal Bench 2 57.0%，GDPval-AA ELO 1495 为开源模型最高；MLE Bench Lite 三次运行平均奖牌率 66.6%。
推荐理由：原文给出了自进化工作流细节和多维度基准数据，读者可以对照评估 M2.7 在智能体与工程任务上的实际位置。
Manus 为 Google Workspace 连接器推出重大升级，基于 Google Workspace 团队开源的 Google Workspace CLI（非 Google 官方支持产品），从创建和读取文件扩展到 Docs 精准文本替换、Sheets 跨表数据交叉引用、Slides 编辑现有演示文稿等精细操作。
推荐理由：官方说明了升级后连接器能做的精细操作和免费开放方式，读者可据此判断是否改变自己的 Workspace 工作流。
Manus 发布 Manus 2.0 桌面应用的核心功能 "我的电脑"，将此前完全运行在云端的 Manus 带到本地电脑，通过在终端执行命令行指令读写本地文件并控制本地应用。
推荐理由：官方介绍了桌面端让 Manus 通过本地终端操作文件与应用的机制，并保留逐条命令审批的控制设计，可了解其工作流变化。