Google Research 提出智能体系统扩展科学：多智能体何时有效、何时失效
Google Research 发布论文《Towards a Science of Scaling Agent Systems》，通过 180 种智能体配置的受控评测，挑战了“智能体越多越好”的假设。
推荐理由：原文用 180 种配置给出多智能体系统何时有效何时退化的量化规律，为架构选择提供了可依据的任务属性判断方法。
Agent 智能体
全部主题让模型自主规划、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。
最新精选
第 61–80 条 · 共 106 条Google Research精选AI 评分6161 Hugging Face Blog精选AI 评分6767 Hugging Face 发布 upskill 工具：用 Claude 生成 CUDA 内核技能并迁移给开源模型
Hugging Face 发布 upskill 工具，用 Claude Opus 4.5 生成和评估 agent 技能，再供更小、更便宜或本地模型使用。流程为用 Claude Code 完成任务并导出 trace、从 trace 生成 SKILL.md 技能文件并自动生成测试用例，然后用 upskill eval 对比模型有无技能的表现。
推荐理由：原文给出了用大模型生成技能再迁移到小模型的完整流程和实测数字，方法可直接复用于领域任务。
Mistral AI精选AI 评分6464 Mistral 发布终端原生编码智能体 Mistral Vibe 2.0
Mistral 发布 Mistral Vibe 2.0，升级其终端原生编码智能体，由 Devstral 2 模型家族驱动，新增自定义 subagent、多选澄清、斜杠命令技能和统一 agent 模式，CLI 持续自动更新。
推荐理由：官方公布 Vibe 2.0 的新增控制能力与 Devstral 2 转付费后的具体价格，读者可据此评估团队编码工作流的成本与用法。
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。
Hugging Face Blog精选AI 评分6060 IBM Research 开源智能体 CUGA 上线 Hugging Face Spaces，并提供 Langflow 集成与 Demo
IBM Research 宣布开源可配置通用智能体 CUGA 接入 Hugging Face Spaces，提供基于 CRM 场景、含 20 个预配置工具的 Demo。
推荐理由：IBM Research 介绍 CUGA 接入 Hugging Face Spaces，读者可以据此了解其架构能力、开放模型选项和上手路径。
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。
Hugging Face Blog精选AI 评分7272 Hugging Face Skills 教程：让 Codex 端到端完成模型微调实验
Hugging Face 发布教程，展示如何用 Hugging Face Skills 让 OpenAI Codex 端到端完成机器学习实验，覆盖数据验证、硬件选择、提交 Hugging Face Jobs、用 Trackio 监控训练、维护训练报告以及用 lighteval 评测。
推荐理由：官方教程给出让 Codex 端到端跑完微调、评测和 GGUF 导出的完整流程与成本参考，方法可直接迁移到自己的实验。
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。
OpenAI News精选AI 评分6060 OpenAI 联合发起 Agentic AI Foundation 并捐赠 AGENTS.md
OpenAI 宣布联合发起 Linux Foundation 旗下的 Agentic AI Foundation，并捐赠 AGENTS.md，以支持面向安全智能体 AI 的开放、可互操作标准。
推荐理由：OpenAI 官方宣布捐出 AGENTS.md 并参与设立开放标准基金会，读者可以据此跟踪智能体互操作标准的走向。
Hugging Face Blog精选AI 评分7474 Hugging Face 发布 Skills 让 Claude 等编码智能体完成开源模型微调
Hugging Face 推出 hf-llm-trainer 技能，让 Claude Code、Codex、Gemini CLI 等编码智能体可自动选择 GPU、生成脚本、向 Hugging Face Jobs 提交微调任务并用 Trackio 监控进度，完成后模型自动推送到 Hub。
推荐理由：官方发布了让 Claude Code 等编码智能体端到端微调开源模型的 hf-llm-trainer 技能，覆盖 GPU 选择、任务提交到监控的完整流程。
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。
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。
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。
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。