Meta AI BlogMeta AI 发布 Muse Spark 1.1 多模态推理模型
Muse Spark 1.1 是 Meta Superintelligence Labs 最新发布的多模态推理模型，在工具和计算机使用、编码及多模态理解方面显著提升，支持百万 token 上下文窗口，通过 Meta Model API 对开发者开放公共预览，在 Meta 内部编码评测中超越 Muse Spark 并与领先替代方案持平。
实时
#部署/工程
- Meta AI Blog
Berkeley AI ResearchGPT-4-class 能力成本降至每月不到 1 美元，数据系统如何为智能体服务、属于智能体和由智能体构建
GPT-4-class 能力成本每月已降至不到 1 美元，推理价格年均下降 50 倍以上。智能体将主导数据系统工作负载，催生三方面新挑战：为智能体设计数据系统需支持 agentic speculation 并优化重复查询；需构建能管理智能体集群状态、协调共识的智能体专属数据系统；需让智能体合成可信赖的自定义数据系统。
LangChain Blog5050LangChain 探索循环工程的艺术
LangChain 通过四个循环层次提升智能体效能：基础循环执行任务，验证循环确保质量，事件驱动循环实现后台运行，爬升循环通过分析优化自身。LangChain 的 create_agent、Grader、LangSmith Deployment 和 Engine 等原语支持各层级构建，同时强调在关键节点加入人工审核以补充 AI 判断。
Microsoft AI News微软发布七款新 MAI 大模型并推出前沿调优技术
微软发布七款新 MAI 大模型，可在 Foundry 平台使用并针对自家产品优化，同时通过 OpenRouter、Fireworks 和 Baseten 向开发者开放，首次支持开发者自行微调模型权重。
MiniMax · Hugging Face 新模型MiniMax-M3-MXFP8 发布：原生多模态模型支持百万级上下文
MiniMax-M3-MXFP8 是一款拥有 1M 上下文窗口、约 428B 参数和 23B 激活参数的原生多模态模型，通过 MiniMax 稀疏注意力机制（MSA）实现 9 倍预填充和 15 倍解码速度提升。该模型在长时程智能体基准中表现领先，支持三种推理模式，可通过 Hugging Face 下载并使用 SGLang、vLLM 或 Transformers 框架进行部署。
Anthropic Research5858Anthropic 如何在产品中限制 Claude 的访问权限
Anthropic 通过监督代理行为和实施访问边界来限制 Claude 在产品中的访问权限，以降低风险。他们开发了 Claude Code 自动模式以减少用户批准疲劳，并采用沙盒、虚拟机和出站控制等技术来设置硬边界。三种主要风险——用户误用、模型不良行为和外部攻击者——需要通过环境、模型和外部内容三个层面的防御措施来应对，这些措施应相互补充以限制代理的破坏范围。
- LangChain Blog精选7373
LangChain 在 LangSmith Cloud 公测 Managed Deep Agents
LangChain 在 LangSmith Cloud 上线 Managed Deep Agents 公测，用户把智能体写成由 agent.py、instructions.md、skills/ 等文件组成的 Python 项目，用 mda deploy 一条命令部署，由 LangSmith Agent Server 提供持久线程与流式运行。
推荐理由: 原文说明了把智能体项目按文件组织并一键部署到 LangSmith 的方式，以及托管运行时替团队承担的基础设施。
- Berkeley AI Research
Berkeley AI Research 推出基于梯度的长时程世界模型规划器 GRASP
GRASP 是一种新的基于梯度的世界模型规划器，通过将轨迹提升到虚拟状态实现时间上的并行优化，通过向状态迭代中直接添加随机性进行探索，并通过重塑梯度使动作获得清晰信号，同时避免通过高维视觉模型产生脆弱的“状态-输入”梯度，使长时程规划成为可能。
- LangChain Blog
LangChain 如何用 Deep Agents CLI 使文档代码示例自动化测试
LangChain 利用 Deep Agents CLI 和自定义技能将文档中的内联代码示例迁移为可测试的独立文件，通过 CI 持续验证并自动修复失效示例，相关技能定义在 .agents/skills/docs-code-samples/SKILL.md 文件中。
- Microsoft AI News
MAI-Image-2-Efficient 发布：旗舰级质量，成本降低 41%
MAI-Image-2-Efficient是微软推出的文本到图像模型，生产力版本，速度提升22%，效率提升4倍，每1M文本输入令牌5美元，图像输出令牌19.50美元，比旗舰版成本降低41%，平均比其他领先模型快40%。适用于批量处理和实时交互工作流，已在Microsoft Foundry和MAI Playground提供。
Moonshot AI · Hugging Face 新模型Kimi K2.6发布：开源多模态智能体模型在长时程编码与自主执行中突破性能
Kimi K2.6 是一个开源多模态智能体模型，在长时程编码、编码驱动设计、主动自主执行和群组任务编排方面取得显著进步。它拥有 1 万亿参数，上下文长度达 256k tokens，在 HLE-Full 基准测试中达到 54.0 分，在 BrowseComp（智能体群组）基准测试中达到 86.3 分，并支持 300 个子智能体并行执行 4,000 个协调步骤。
- LangChain Blog
Deep Agents Deploy：开源替代 Claude Managed Agents 的智能体部署方案
Deep Agents Deploy正式发布，作为开源替代Claude Managed Agents的智能体部署方案，支持任意LLM模型，通过`deepagents deploy`命令实现模型无关、生产就绪的部署，用户可自定义AGENTS.md指令集和Agent Skills，并选择sandbox环境，确保内存所有权不受锁闭。
- Anthropic Research精选7474
Anthropic 推出 Claude Managed Agents，将智能体的 brain 与 hands 解耦
Anthropic 在 Claude Platform 上线托管服务 Managed Agents，把智能体拆成 session、harness 和 sandbox 三个可独立替换的接口，用来运行长周期任务。
推荐理由: Anthropic 公开了托管智能体的架构取舍，读者可看到把会话、harness 与沙箱拆开后，延迟与安全边界如何变化。
- Microsoft AI News
MAI-Transcribe-1 发布：微软推出全球最精准的 25 语种语音转写模型
MAI-Transcribe-1 在 FLEURS 评测中实现了 25 种语言的最低词错误率，优于 Scribe v2、Whisper-large-V3 等竞品，并保持 25 种语言的高精度。该模型提供 2.5 倍于微软现有 Azure Fast 的批量转录速度，售价每小时 0.36 美元，现已在 Microsoft Foundry 开放预览。
- LangChain Blog
Open SWE：一个开源的内部编码智能体框架
Stripe、Ramp 和 Coinbase 等公司已独立开发内部编码智能体，它们采用隔离云沙盒、精选工具集、Slack 首次调用、丰富启动上下文和子智能体编排等相似架构模式。
- Anthropic Research
Anthropic发布新指标observed exposure评估AI替代风险
Anthropic 引入新指标 observed exposure 量化 AI 替代风险，结合 LLM 理论能力与实际使用数据，侧重自动化工作场景；研究发现当前 AI 覆盖率仅达理论值的几分之一，高风险职业多为高学历高薪女性，自 2022 年底失业率未显著上升，但暴露职业中年轻工人招聘放缓。
- LangChain Blog
LangChain 通过 harness 工程提升 Deep Agents 性能至 Top 5
LangChain 将其编码 Agent 在 Terminal Bench 2.0 上的表现从 52.8% 提升至 66.5%，排名从 Top 30 升至 Top 5，仅通过改进 harness 工程实现。
- LangChain Blog
LangChain Deep Agents SDK 如何实现高效上下文管理
LangChain Deep Agents SDK 通过三种压缩技术管理 AI 代理的有限内存：将大型工具结果（>20,000 tokens）和输入（>85% 上下文窗口）卸载到文件系统，以及使用 LLM 生成会话摘要。该 SDK 在 Claude Sonnet 4.5 上终端基准测试中触发压缩，通过文件系统搜索和摘要保留完整记录，支持频繁触发压缩以优化性能。
- Anthropic Research5050
科学家如何使用 Claude 加速研究与发现
科学家通过 Claude 4.5 在生物图解、计算生物学和蛋白质理解基准测试中取得显著进步，该模型已通过 API 供全球顶尖研究人员免费使用，并构建出超越文献综述或编码辅助的定制系统。在实验室中，Claude 作为协作伙伴贯穿研究全过程，通过多种工具将通常耗时数月的项目压缩至数小时，并发现人类可能忽略的大数据集模式，消除知识密集型任务瓶颈，甚至启用传统方法无法采用的全新研究途径。
- Anthropic Research5858
Anthropic 的 Project Vend 第二阶段：Claudius 模型在零售业务中的改进与挑战
Anthropic在升级Claude Sonnet 4.0/4.5模型后，Project Vend第二阶段的AI商店“Vendings and Stuff”在盈利能力上显著改善，已基本消除负利润周，并在纽约和伦敦开设新店。
- Anthropic Research
Anthropic 让 Claude Sonnet 3.7 运营小型商店：Project Vend 项目及其意义
Anthropic 与 Andon Labs 合作，让 Claude Sonnet 3.7 运营位于旧金山的自动化商店，测试大语言模型持续运营商业的能力。Claudius（Claude Sonnet 3.7 实例）具备实时网络搜索、邮件（实验性）、笔记记录、Slack 客户交互及自动结账系统价格调整功能，但未能成功运营商店，因多次错误定价、幻觉订单处理及忽略盈利机会。
- LangChain Blog
Promptim：一个用于提示优化的实验性库
Promptim 是一个实验性提示优化库，通过提供初始提示、数据集和自定义评估器（可选人类反馈），自动运行优化循环生成优于原始的提示。它集成 LangSmith 进行数据集管理、提示管理和结果跟踪（可选人类标注），核心算法通过评估器反馈修改提示并迭代优化，支持人类反馈环节。该工具旨在节省人工提示工程时间、引入严谨流程并简化模型切换，但需保留人工审核环节。