Tavily 如何打造达到 SOTA 水平的 Deep Research 智能体
Tavily 分享其打造达到 SOTA 水平的 deep research 智能体的经验：七个月前他们放弃了第一版复杂架构并从零重建，因为其中的假设在下一代模型到来时成为瓶颈。
#Agent
#Agent
今日 11 条Hugging Face BlogAI 评分4242
Google DeepMindAI 评分5757 Google DeepMind 支持美国能源部 Genesis Mission，向 17 个国家实验室开放 AI for Science 工具
Google DeepMind 宣布支持白宫 Genesis Mission，与 DOE 合作加速美国科学研究。
OpenAI NewsAI 评分3232 OpenAI 与 Target 合作推出 ChatGPT 中的 Target 应用
OpenAI 与 Target 合作，在 ChatGPT 中推出新的 Target 应用，提供个性化购物和更快的结账体验。Target 还将扩大 ChatGPT Enterprise 的使用范围，以提升员工生产力和顾客体验。
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。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3 Pro，编码与多模态能力全面升级
Google DeepMind 发布 Gemini 3，称 Gemini 3 Pro 为其最智能模型，在各大基准上超越此前的 2.5 Pro。
推荐理由：官方发布给出了 Gemini 3 Pro 的基准成绩、API 定价和新工具入口，开发者可以直接评估是否迁移到现有编码与智能体工作流。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3 Pro 预览版及 Gemini 3 Deep Think
Google DeepMind 发布 Gemini 3，先以 Gemini 3 Pro 预览版形式推出，并预告增强推理模式 Gemini 3 Deep Think。
推荐理由：官方发布给出完整基准成绩和覆盖入口，读者可据此判断 Gemini 3 Pro 的推理与编码能力以及它如何嵌入现有工具链。
Google DeepMind精选AI 评分7979 Google 发布智能体开发平台 Antigravity 并开启免费公开预览
Google DeepMind 推出智能体开发平台 Google Antigravity，包含 AI IDE 式 Editor 界面和面向异步协作的 Manager 界面，支持智能体自主规划并执行端到端软件任务。
推荐理由：官方宣布了 Antigravity 的产品形态、免费预览和可用模型，读者可据此评估它对现有开发流程的影响。
Google Research精选AI 评分6464 Google 推出生成式 UI：Gemini 3 为任意提示词动态生成可交互界面
Google 发布生成式 UI 实现，可按提示词动态生成网页、游戏、工具等定制交互界面，相关论文为 Generative UI: LLMs are Effective UI Generators。
推荐理由：原文介绍了生成式 UI 的实现原理、产品入口和人评结果，读者可以了解这一交互范式如何落地到现有产品。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 SIMA 2 智能体，可在 3D 虚拟世界中推理并自我改进
Google DeepMind 发布 SIMA 2，将 Gemini 模型嵌入智能体核心，使其从跟随指令进化为能思考目标、与用户对话并自我改进的通用游戏智能体。
推荐理由：官方介绍 SIMA 2 如何借 Gemini 从执行指令走向推理与自改进，读者可了解具身智能体训练路径。
Google ResearchAI 评分3232 Google 发布 DS-STAR：达到 SOTA 水平的通用数据科学智能体
Google Research 推出 DS-STAR 数据科学智能体，通过数据文件分析模块、LLM 判官验证和顺序规划迭代三项创新，支持 JSON、非结构化文本等异构数据格式。
OpenAI NewsAI 评分4444 OpenAI 推出 Aardvark：智能体安全研究员
OpenAI 推出 Aardvark，一个能自主发现、验证并协助修复软件漏洞的 AI 安全研究员。该系统目前处于 private beta 阶段，用户可报名参加早期测试。
Hugging Face BlogAI 评分5757 MiniMax M2 智能体对齐复盘：泛化的关键是对全操作空间扰动的适应
MiniMax 团队成员分享 MiniMax M2 后训练中智能体对齐的关键经验。结论包括：智能体需要 Interleaved Thinking，思考可在任务任意阶段发生以应对工具输出等外部扰动。
OpenAI NewsAI 评分4545 OpenAI 如何构建 OWL：ChatGPT 浏览器 Atlas 背后的新架构
OpenAI 深入解析了为 ChatGPT Atlas 浏览器打造的新架构 OWL。OWL 将 Chromium 解耦，实现快速启动和丰富 UI，并支持与 ChatGPT 结合的 agentic 浏览体验。
Hugging Face Blog精选AI 评分6565 huggingface_hub 发布 v1.0，五年后迎来首个 1.0 版本
Hugging Face 发布 huggingface_hub v1.0，该库现支持 20 万依赖库，并提供超过 200 万公开模型、50 万公开数据集和 100 万公开 Spaces 的访问。
推荐理由：官方完整梳理了 huggingface_hub 五年演进与 v1.0 的破坏性变更，含兼容性影响和迁移指引，对依赖该库的开发者有直接参考价值。
Mistral AIAI 评分4747 Mistral AI Studio 正式发布：面向企业的生产级 AI 平台
Mistral 发布 Mistral AI Studio，将支撑其自身大规模系统的基础设施打包给企业团队，用于在生产环境构建、评估和运行 AI。平台由三大支柱组成：Observability、基于 Temporal 的 Agent Runtime 和 AI Registry，提供评估、可追溯反馈回路、版本管理与治理能力，并支持混合、专用和自托管部署。
OpenAI NewsAI 评分2525 Consensus 用 GPT-5 和 Responses API 加速科研
Consensus 基于 GPT-5 和 OpenAI Responses API 构建多智能体研究助手，可在几分钟内读取、分析并综合文献证据。该平台已帮助超过 800 万研究人员加速科学发现。
Hugging Face BlogAI 评分5858 Meta 与 Hugging Face 联合推出 OpenEnv 智能体环境 Hub
Meta-PyTorch 与 Hugging Face 联合推出 OpenEnv Hub，一个共享开放的智能体环境社区平台，同时发布 OpenEnv 0.1 规范（RFC）征集社区反馈。
OpenAI NewsAI 评分2626 HiBob 用 2,500 个 GPT 推动产品与团队增长
人力资源平台 HiBob 通过 ChatGPT Enterprise 和自建 custom GPT 规模化推行 AI，已打造 2,500 个 GPT，用于提升营收、精简 HR 工作流，并在 Bob 平台中推出 AI 驱动的功能。
Hugging Face Blog精选AI 评分6868 BigCode 发布 BigCodeArena：通过代码执行端到端评判代码生成模型
BigCode 发布 BigCodeArena，一个通过真实执行来评判代码生成模型的人类投票平台，支持 10 种语言和 8 种执行环境，开放无需注册。上线 5 个月收集 14K 对话、4700+ 偏好投票，Elo 排名中 o3-mini 和 o1-mini 居首。
推荐理由：基于5个月社区执行评估数据发布代码生成评测平台，给出分语言和执行环境的模型表现差异与两个新基准。
OpenAI News精选AI 评分6565 OpenAI 发布 AgentKit，并推出智能体 Evals 扩展与 RFT
OpenAI 发布 AgentKit、扩展 Evals 能力，并为智能体推出强化微调（RFT），帮助开发者更快地从原型走向生产。
推荐理由：官方宣布面向开发者的智能体工具套件，可帮助关注 Agent 开发的读者了解从原型到生产的最新官方工具链。
Hugging Face Blog精选AI 评分6262 VibeGame：基于 three.js 的 AI 辅助游戏开发声明式引擎发布
作者发布 VibeGame，一个建立在 three.js、rapier 和 bitecs 之上、面向 AI 辅助游戏开发的高层声明式游戏引擎。
推荐理由：作者先实测 Roblox、Unity 和 web 三条 vibe coding 游戏路线，再据此设计出兼顾抽象与开放性的引擎，方法可迁移。
Hugging Face BlogAI 评分4646 在 Intel Core Ultra 上用深度剪枝草稿模型加速 Qwen3-8B Agent
Hugging Face 与 Intel 基于 OpenVINO 在 Intel Core Ultra 集成 GPU 上加速 Qwen3-8B：用 Qwen3-0.6B 作草稿模型的投机解码带来约 1.3× 提速，再从草稿模型 28 层中剪掉 6 层并用 Qwen3-8B 生成的 500k 提示词数据微调后，提速提升至约 1.4×。
Hugging Face BlogAI 评分5555 Hugging Face 发布 Smol2Operator：将 SmolVLM2-2.2B 训练为 GUI 智能体的完整开源方案
Hugging Face 发布 Smol2Operator 方案，将无 GUI 定位能力的 SmolVLM2-2.2B-Instruct 通过两阶段 SFT 训练为 GUI 智能体，在 ScreenSpot-v2 上从基线 0 提升到 61.71%。
Hugging Face Blog精选AI 评分6161 Meta 发布 Gaia2 智能体基准及开源评估框架 ARE
Meta 的 Hugging Face 团队发布 GAIA 后续基准 Gaia2 和配套开源框架 Meta Agents Research Environments（ARE），Gaia2 数据集采用 CC BY 4.0 许可，ARE 采用 MIT 许可。
推荐理由：官方发布新基准 Gaia2 和开源评估框架 ARE，含七类任务和主流模型结果，便于开发者调试和评估自己的 Agent。
OpenAI News精选AI 评分6161 OpenAI 发布 GPT-5-Codex：针对 Codex 智能体编码优化
OpenAI 在 GPT-5 系统卡附录中发布新模型 GPT-5-Codex，是针对 Codex 中智能体编码进一步优化的 GPT-5 版本。该模型会根据任务复杂度更动态地调整思考力度，简单对话或小任务快速响应，复杂任务则可独立长时间工作。
推荐理由：原文说明新模型在思考力度上按任务复杂度动态调整，读者可了解其与 GPT-5 在编码场景下的差异。
Hugging Face Blog精选AI 评分6464 Hugging Face 发布 Jupyter Agent：微调 Qwen3-4B 提升 DABStep 数据科学任务表现
Hugging Face 发布 Jupyter Agent 项目，用约 2TB Kaggle 笔记本构建 51k 条合成轨迹、近 0.2B tokens 的数据集，微调 Qwen3-4B-Instruct-2507 与 Qwen3-4B-Thinking-2507。
推荐理由：原文完整给出从数据清洗到微调的管线与消融数字，读者可复用其中提升小模型数据科学能力的做法。
Mistral AIAI 评分5353 Mistral 为 Le Chat 推出 Memories（beta）记忆功能
Mistral 为 Le Chat 推出 Memories（beta）记忆功能，采用自动保存与智能、可见召回的混合方案。功能遵循透明、可控、主权三原则，用户可随时关闭记忆、开启隐身聊天、编辑或删除单条记忆，并支持导出导入；还提供 Memory Insights 轻量提示帮助探索记忆内容，移动端可在 App Store 或 Google Play 下载体验。
Mistral AIAI 评分5757 Le Chat 推出 20+ MCP 连接器（beta）与 Memories 记忆功能
Mistral AI 在 Le Chat 中推出 20+ 个安全 MCP 连接器（beta）和 Memories 记忆功能（beta）。
Hugging Face BlogAI 评分5656 Hugging Face 发布 MCP for Research 教程：用 Research Tracker MCP 连接 AI 与研究工具
Hugging Face 发布教程，介绍如何用 Model Context Protocol（MCP）让 AI 通过自然语言调用 arXiv、GitHub、Hugging Face 等研究工具，自动化文献发现的跨平台检索与交叉引用。
OpenAI NewsAI 评分2020 OpenAI 与 Basis 合作：用 o3、o3-Pro、GPT-4.1 和 GPT-5 扩展会计业务产能
Basis 基于 OpenAI o3、o3-Pro、GPT-4.1 和 GPT-5 构建的 AI 智能体，帮助会计师事务所节省多达 30% 的时间。释放的产能可用于拓展咨询业务与业务增长。
Hugging Face BlogAI 评分4141 TextQuests：评估 LLM 在文字冒险游戏中的智能体推理能力
Hugging Face 推出 TextQuests 基准，基于 25 款经典 Infocom 互动小说游戏评估 LLM 作为自主智能体的长上下文推理与探索学习能力。
OpenAI NewsAI 评分4141 GPT-5 与工作新纪元
OpenAI 发文称 GPT-5 是其最先进的模型，将变革企业级 AI、自动化与劳动力生产力。文章把 GPT-5 定位为智能工作新纪元的核心驱动力，聚焦企业场景下的自动化与工作效率提升。
OpenAI NewsAI 评分2525 Cursor 如何使用 GPT-5
OpenAI 发布文章介绍 Cursor 如何使用 GPT-5。原文仅说明“了解 Cursor 如何使用 GPT-5”，未提供更多细节。
Hugging Face Blog精选AI 评分9292 OpenAI 开源 GPT OSS 模型家族：gpt-oss-120b 与 gpt-oss-20b
OpenAI 发布开源权重模型 GPT OSS，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，均采用 MoE 架构和 MXFP4 4-bit 量化，分别可装入单张 H100 和 16GB 显存，采用 Apache 2.0 许可证。
推荐理由：文章给出两个模型的参数量、量化方案和各硬件平台的具体推理优化建议，读者可按自己的 GPU 直接选择部署路径。
Hugging Face BlogAI 评分3737 NVIDIA 在 DeepResearch Bench 上评测开源 Llama Nemotron 模型
NVIDIA 的 AI-Q Blueprint 在 Hugging Face DeepResearch Bench「LLM with Search」榜单登顶，总分为 40.52（截至 2025 年 8 月），是目前完全开源授权方案中的第一名。
Mistral AIAI 评分5050 Mistral 发布 Codestral 25.08 并整合面向企业的完整编码栈
Mistral AI 发布 Codestral 25.08，并整合 Codestral Embed、Devstral 和 Mistral Code IDE 插件形成面向企业的完整编码栈。
OpenAI NewsAI 评分2424 Outtake 借助 GPT-4.1 与 OpenAI o3 将数字威胁处理速度提升 100 倍
Outtake 使用 GPT-4.1 和 OpenAI o3 驱动 AI 智能体，检测和处置数字威胁的速度比此前提升 100 倍。OpenAI News 介绍了这家公司如何将两套模型用于威胁响应。该案例展示了前沿模型在网络安全自动化场景中的实际落地。
OpenAI NewsAI 评分1919 Model ML 如何帮助金融机构用 AI 从底层重构业务
在 OpenAI 的 Executive Function 系列中，Model ML CEO Chaz Englander 介绍了 AI 原生基础设施和自主智能体正在变革金融服务的工作流程。
OpenAI News精选AI 评分7070 OpenAI 发布 ChatGPT agent System Card
OpenAI 发布 ChatGPT agent 的 System Card，介绍其将研究、浏览器自动化和代码工具整合为一的智能体能力。安全防护措施依据 Preparedness Framework 设置。
推荐理由：官方系统卡说明 ChatGPT agent 如何把研究、浏览器操作与代码工具合一，并给出安全防护框架，可作为能力与风险参考。