AWS 开源 Strands Decider 2B 决策模型
AWS 发布开源决策模型 Strands Decider 2B，灵感来自 TypeSafe 的 Jev，可在预设选项间快速排序并输出置信度，小到可本地运行。该模型基于 Qen3.5-2B 的"躯干"构建，由杰出工程师 Marc Brooker 的业余项目演化而来，曾登上 Jevbench 同规模模型榜首；他称其能借助置信度和封闭答案域为 Agent 工作流提供更低延迟、更低成本且更可靠的步骤决策。
#Agent
#Agent
今日 1 条TechCrunch · AIAI 评分5252
The Decoder精选AI 评分7878 Google 发布 Gemini 4 Argon：缩小与 OpenAI 和 Anthropic 差距但未明确领先
Google 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind 计划向可信网络防御者和内部团队开放，再逐步向开发者、企业和消费者开放，暂未给出日期。
推荐理由：文章汇总独立评测、定价和灰度策略，显示 Argon 缩小与头部差距但在 token 效率上仍有代价。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 4 Argon，输出上限扩至 1M tokens
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络防御者开放，后续面向开发者、企业和消费者推出。
推荐理由：官方公布的能力、价格与安全机制信息完整，读者可以据此判断 Gemini 4 Argon 在编码、知识工作和网防上的实际变化。
Latent SpaceAI 评分6464 OpenAI DevDay 2026 发布 Dots、GPT-6.1 Sol 及 Agents API 等平台更新，ChatGPT 周活达 12 亿
OpenAI 在 DevDay 2026 发布常驻智能体 Dots（由 GPT-6 Astra 驱动，连接 4000+ 应用）、GPT-6.1 Sol（价格约为 Astra 的 1/5。
Latent SpaceAI 评分3737 Claude Opus 5.5 擅长制作解释视频
Claude Opus 5.5 本周发布，社区反响热烈，尤其被认为擅长制作解释视频。它在 SimpleBench 上以 88.4% 领跑，视觉评测被评为 Anthropic 迄今最佳视觉模型，成本比 Fable 5.1 低约 60%。此外，GPT-6 系列、Gemini 3.8 Flash、小米 MiMo-V2.6-Pro（MIT 开源、1M 上下文）等同周亮相。
Hugging Face Blog精选AI 评分6767 Hcompany 发布 Holo4 智能体系列，含 27B 与 35B-A3B 两个版本并开源全部轨迹
Hcompany 发布 Holo4 智能体系列模型，含 27B dense 和 35B-A3B MoE 两个尺寸，并更新发布 Holotron4 Nano。模型可通过 GUI、代码、MCP 和 API 多种接口操作软件，在 OSWorld 2.0 上 Holo4 27B 得分 61.7%（Opus 5.5 为 81.8%），35B-A3B 达 30.9%，参数量和成本显著更低。
推荐理由：原文给出 OSWorld 2.0 等基准分数、成本对比和全部轨迹开源信息，读者可以据此评估这款多接口智能体模型是否适配自己的业务工作流。
Latent Space精选AI 评分8585 Anthropic 发布 Claude Opus 5.5，与 OpenAI GPT-6 Sol/Luna 同日降价竞逐
Anthropic 发布 Claude Opus 5.5，称多数任务达到 Fable 5.1 水平、比 Opus 5 快约 30%，token 定价从 $5/$25 降至 $4/$20，并成为 Claude Code 和 Claude 应用的默认模型；Sonnet 5.5 和 Haiku 5.5 将在未来数周推出。
推荐理由：文章汇总了 Opus 5.5 的定价、跑分与争议，并对照 GPT-6 Sol/Luna，帮助读者理解两家降价背后的真实成本结构。
Latent Space精选AI 评分7979 Xiaomi 发布 MiMo-V2.6-Pro 1T-A42B 开源全模态模型，训练成本约 300 万美元
Xiaomi 发布 MiMo-V2.6 系列，含 Pro、Flash 两个原生全模态模型及 20 倍加速输出的 Pro-UltraSpeed，MiMo-V2.6-Pro 以 1.02T 总参数/42B 激活参数登上 Artificial Analysis Intelligence Index 开源权重模型榜首（46 分）。
推荐理由：汇总了 MiMo-V2.6-Pro 的开源权重、价格与 RL 训练细节，读者可以了解小米进入前沿模型行列的具体依据。
Latent SpaceAI 评分7575 Latent Space 访谈 TypeSafe AI CEO Diogo Almeida，解读 Jev 模型与 RLCD 训练理念
Latent Space 采访 TypeSafe AI CEO Diogo Almeida，讨论其发布的 System One 模型 Jev，该模型主打面向软件而非聊天的可编程 AI，以 intelligence per dollar 为优化目标。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 语音对话模型
Google DeepMind 于 2026 年 9 月 15 日发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款语音对话模型。
推荐理由：官方公布了两个语音模型的能力定位、多项基准成绩和可用入口，读者可以据此评估是否接入自己的语音应用。
OpenAI NewsAI 评分5151 OpenAI 发布 GPT-6 Astra：面向工作场景的新一代模型
OpenAI 发布 GPT-6 Astra，称其为面向商业的最强模型。该模型具备高级推理、计算机使用能力，写作和设计判断也更强。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber，称其为迄今最佳推理与编码模型，定价与 3.7 Flash 相同（每百万输入 token $0.75、输出 $3.75）。
推荐理由：官方公布了两个变体的基准数字、定价和 Cyber 版的申请入口，读者可据此评估升级成本与实际收益。
Hugging Face Blog精选AI 评分6666 IBM 发布 Granite 4.2 推理模型家族并公开完整构建过程
IBM 发布 Granite 4.2 推理模型家族，含 3B、8B、30B 三个稠密模型，以 Apache 2.0 许可开源。
推荐理由：IBM 官方公开 Granite 4.2 从预训练到多阶段 RL 的完整训练细节，读者可以借此了解推理模型的可复现构建路径。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.7 Flash，主打编码与智能体能力提升
Google DeepMind 发布 Gemini 3.7 Flash，定位为其最智能的编码与智能体主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：官方给出了具体基准对比和减半的引入价，读者可以据此评估 Flash 系列在编码和智能体场景的性价比变化。
Hugging Face Blog精选AI 评分7979 Meta 开源多模态模型 Muse Glimmer-30B，主打本地智能体场景
Meta 发布 30B 参数开源多模态模型 Muse Glimmer，从 Muse 蒸馏而来，采用 Apache 2.0 许可，定位于本地智能体场景如编码、文档分析和个人助理。
推荐理由：原文给出架构细节、跑分对比和多套部署方案，读者可据此评估其在本地多模态智能体场景的可用性。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 发布三款 Gemini Flash 系列模型。3.6 Flash 在 Artificial Analysis Index 上输出 token 用量较 3.5 Flash 减少 17%。
推荐理由：原文给出三款 Flash 模型的基准数据、定价和开放入口，读者可以据此评估升级对现有 Agent 工作流成本的影响。
Hugging Face Blog精选AI 评分8181 Thinking Machines 发布万亿参数开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布开源多模态模型 Inkling，总参数 975B、激活 41B 的 MoE 架构，原生接受图像、文本和音频输入，支持 1M 上下文窗口，训练数据为 45 万亿 token。
推荐理由：原文给出架构细节、各档位 VRAM 部署配置和多模态评测数据，对评估落地成本和选择变体有直接参考。
Hugging Face Blog精选AI 评分7777 智谱发布旗舰模型 GLM-5.2，主打 1M 上下文长时程任务
智谱发布旗舰模型 GLM-5.2，面向长时程任务，首次在稳定的 1M-token 上下文上交付该能力，采用 MIT 开源协议。架构上提出 IndexShare，每 4 层稀疏注意力共享一个 indexer，1M 上下文下每 token FLOPs 降低 2.9 倍，并改进 MTP 层使投机解码接受长度最多提升 20%。
推荐理由：官方技术报告给出 1M 上下文的架构改进和三项长时程基准对比，读者可以借此评估开源模型在真实编码场景的可用性。
Hugging Face Blog精选AI 评分7070 Hcompany 发布 Holo3.1 系列 Computer Use 模型，支持量化本地部署
Hcompany 发布 Holo3.1 系列 Computer Use 模型，提供 0.8B、4B、9B 和 35B-A3B 四种尺寸。
推荐理由：官方给出各尺寸在 OSWorld 与 AndroidWorld 的量化后表现和部署路径，读者可据此评估本地 Computer Use Agent 的可行性。
Hugging Face BlogAI 评分5959 JetBrains 发布 12B 开源 MoE 模型 Mellum2
JetBrains 发布 Mellum2，一个总参数 12B、每 token 仅激活 2.5B 的开源 Mixture-of-Experts 模型，在自然语言和代码语料上从头训练，采用 Apache 2.0 许可证。
Mistral AI精选AI 评分7272 Mistral 发布 Mistral Medium 3.5，并在 Vibe 和 Le Chat 推出云端远程智能体
Mistral 发布 Mistral Medium 3.5 公测版，一个 128B 稠密模型，256k 上下文窗口，SWE-Bench Verified 得分 77.6%，以修改版 MIT 许可开放权重，最少可在四块 GPU 上自托管。
推荐理由：官方发布给出基准成绩、定价和开放权重细节，读者可以据此评估其在自托管编码场景的可行性。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.5，首发 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，首个型号 3.5 Flash 当天全量开放，3.5 Pro 预计下月推出。
推荐理由：官方正文给出具体基准分数、速度对比和开放渠道，读者可据此评估 3.5 Flash 在智能体与编码场景的实用性。
Hugging Face Blog精选AI 评分6666 NVIDIA 发布 Nemotron 3 Nano Omni 全模态模型，覆盖文档、语音、视频与 GUI 智能体
NVIDIA 发布 Nemotron 3 Nano Omni（30B-A3B）全模态理解模型，支持文档分析、ASR、长音视频理解和 agentic computer use，并在 Hugging Face 开放 BF16、FP8 和 NVFP4 权重。
推荐理由：原文给出完整基准对比和架构细节，读者可以据此评估它是否值得替换现有的多模态工作流。
Hugging Face Blog精选AI 评分8383 DeepSeek 发布 V4：MoE 双检查点上线 Hub，主打百万 token 上下文的 Agent 能力
DeepSeek 发布 V4，在 Hub 上开源 DeepSeek-V4-Pro（1.6T 总参数 / 49B 激活）和 DeepSeek-V4-Flash（284B 总参数 / 13B 激活）两个 instruct 及对应 base 检查点，均支持 1M token 上下文。
推荐理由：文章拆解了 V4 为长上下文与 Agent 场景做的架构与后训练设计，读者可据此评估开源模型跑长任务的部署成本。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemma 4 开源模型，E2B/E4B/26B MoE/31B 四尺寸
Google DeepMind 发布 Gemma 4 开源模型，基于 Gemini 3 技术，主打高级推理和智能体工作流。提供 E2B、E4B、26B MoE（推理时仅激活 3.8B 参数）和 31B Dense 四种尺寸，31B 在 Arena AI 文本排行榜上位列全球开源模型第 3，采用 Apache 2.0 许可，支持 128K-256K 上下文窗口、原生多模态和 140+ 语言。
推荐理由：原文给出了四个尺寸、基准排名和部署细节，读者可以据此判断在本地和端侧硬件上的可用性。
Hugging Face BlogAI 评分5757 H Company 发布 Holotron-12B 高吞吐计算机使用智能体模型
H Company 发布多模态计算机使用模型 Holotron-12B，基于 NVIDIA Nemotron-Nano-2 VL 后训练约 140 亿 token，已在 Hugging Face 以 NVIDIA Open Model License 开放。
Mistral AIAI 评分5555 Mistral 发布开源代码智能体 Leanstral，面向 Lean 4 形式化证明
Mistral 发布 Leanstral，称其为首个面向 Lean 4 的开源代码智能体，权重采用 Apache 2.0 许可证，提供 120B-A6B 稀疏架构（6B 激活参数），并集成于 Mistral Vibe 及免费 API 端点 labs-leanstral-2603。
OpenAI News精选AI 评分7979 OpenAI 发布 GPT-5.4：面向专业工作的前沿模型
OpenAI 发布 GPT-5.4，称其为面向专业工作最强、最高效的前沿模型。新模型在编码、计算机使用和工具搜索上达到 SOTA，并提供 1M-token 上下文窗口。
推荐理由：OpenAI 官方给出 GPT-5.4 的能力定位与 1M-token 上下文，可据此判断其在专业工作场景中的可用性。
Google DeepMind精选AI 评分8080 Google DeepMind 发布两篇论文，展示 Gemini Deep Think 在数学与科学研究中的应用
Google DeepMind 发布两篇论文，介绍 Gemini Deep Think 在专家指导下解决数学、物理和计算机科学的专业研究问题。其数学研究智能体 Aletheia 配备自然语言验证器并可承认失败，在 IMO-ProofBench Advanced 上最高得分 90%，并自主解决 Bloom's Erdős 猜想数据库中的四个开放问题，包括 Erdős-1051。
推荐理由：原文给出两篇论文的具体成果和方法细节，读者可以了解 AI 辅助科研的实际边界与协作模式。
OpenAI NewsAI 评分4444 OpenAI 发布 GPT-5.3-Codex
OpenAI 推出 GPT-5.3-Codex，一个 Codex 原生智能体，将前沿编码能力与通用推理相结合，用于支持长周期、真实世界的技术工作。
OpenAI NewsAI 评分5858 OpenAI 发布 GPT-5.3-Codex 智能体编码模型
OpenAI 发布 GPT-5.3-Codex，称其为迄今最强的智能体编码模型。它结合了 GPT-5.2-Codex 的前沿编码能力与 GPT-5.2 的推理和专业知识能力。
Hugging Face BlogAI 评分3636 H 公司发布 Holo2-235B-A22B Preview，登顶 UI 定位 SOTA
H 公司发布其最大的 UI 定位模型 Holo2-235B-A22B Preview，在 ScreenSpot-Pro 达到 78.5%、OSWorld G 达到 79.0%，创下 SOTA 纪录。该模型采用智能体定位方式迭代修正预测，带来 10-20% 相对提升，已作为研究版本在 Hugging Face 开放。训练使用 SkyPilot 统一管理跨云的 Kubernetes 集群任务。
Hugging Face BlogAI 评分5353 ServiceNow AI 发布 8B 护栏模型 AprielGuard，覆盖 16 类安全风险与对抗攻击检测
ServiceNow AI 发布 8B 参数安全护栏模型 AprielGuard，可检测 16 类安全风险以及提示注入、越狱、记忆投毒等对抗攻击，并支持独立提示、多轮对话和含工具调用与推理轨迹的 agentic 工作流输入。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3 Flash，主打高速低成本的前沿智能
Google DeepMind 发布 Gemini 3 Flash，将 Gemini 3 Pro 级推理能力与 Flash 级速度和成本结合。
推荐理由：官方给出关键基准分数、价格和开放渠道，读者可以据此比较它与大模型在速度成本上的取舍。
Google DeepMind精选AI 评分6666 Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，推出实时语音翻译
Google DeepMind 发布面向实时语音 Agent 的更新版 Gemini 2.5 Flash Native Audio，提升函数调用、指令遵循与多轮对话能力，在 ComplexFuncBench Audio 上得分 71.5%，开发者指令遵循率从 84% 升至 90%。
推荐理由：官方给出了函数调用、指令遵循的具体提升数据和落地入口，读者可以据此评估现有语音 Agent 是否值得升级。
OpenAI News精选AI 评分7474 OpenAI 发布 GPT-5.2：面向专业工作的前沿模型
OpenAI 发布 GPT-5.2，定位为面向日常专业工作的最先进前沿模型，具备推理、长上下文理解、编码和视觉能力。用户可在 ChatGPT 和 OpenAI API 中使用，以驱动更快、更可靠的智能体工作流。
推荐理由：OpenAI 官方说明 GPT-5.2 的能力定位和可用入口，读者可以据此判断是否将其纳入日常工作流。
Mistral AI精选AI 评分6969 Mistral 发布 Devstral 2（123B）与 Devstral Small 2（24B）编码模型及 Mistral Vibe CLI
Mistral AI 发布开源编码模型 Devstral 2（123B）和 Devstral Small 2（24B），SWE-bench Verified 分别取得 72.2% 和 68.0%，并推出开源终端编码智能体 Mistral Vibe CLI。
推荐理由：官方公布两个尺寸开源编码模型的基准成绩、许可与部署门槛，并同步开放终端 CLI，读者可评估其替代现有方案的成本。
Hugging Face BlogAI 评分4444 DeepMath：基于 smolagents 的轻量级数学推理智能体
Intel AI 软件团队推出 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调并通过 smolagents 实现的数学推理智能体。模型用简短 Python 代码片段替代冗长文本推理，在沙箱中执行后回填推理上下文，输出长度最多减少 66%，同时常提升准确率。在 MATH500、AIME、HMMT、HLE 四个数据集上，GRPO 训练与智能体推理结合取得最高准确率。
OpenAI News精选AI 评分6767 OpenAI 发布 GPT-5.1-Codex-Max 编码模型
OpenAI 推出面向 Codex 的 GPT-5.1-Codex-Max，定位为更快速、更智能的智能体编码模型。该模型面向长时间运行的项目级工作，具备增强的推理能力和更高的 token 效率。
推荐理由：官方说明了该模型面向长时间项目级任务定位，并强调推理与 token 效率改进，可作为选用参考。
OpenAI NewsAI 评分4444 GPT-5.1-Codex-Max 系统卡：安全措施详解
OpenAI 发布 GPT-5.1-CodexMax 系统卡，介绍其配套安全措施。模型层面包括针对有害任务和提示词注入的专项安全训练；产品层面包括 agent 沙箱和可配置的网络访问权限。