Cognition BlogSWE-1.7 发布：前沿智能的降本方案
SWE-1.7 是 Cognition 训练的最强模型，以更低成本达到前沿智能水平。它通过改进 RL 管道（更好基础设施、更稳定训练、高质量数据、长时任务新技巧）实现突破，挑战“微调天花板”假设。在 Devin 平台（Web/桌面/CLI）通过 Cerebras 提供，支持 1000 TPS，编码基准测试中 FrontierCode 1 评分达 42.3%。
实时
#推理
- Cognition Blog
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。
Prime Intellect BlogPrime Intellect 获1300万美元A轮融资，构建开放超级智能栈
Prime Intellect 宣布获得 1300 万美元 A 轮融资，由 Radical Ventures 领投，NVIDIA Ventures 等参与，总融资额超 1500 万美元用于构建开放超级智能栈。
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。
- Meta AI Blog
Meta AI 发布 Muse Image 和 Muse Video：首批媒体生成模型
Meta AI 发布了其最先进的图像生成模型 Muse Image，该模型能忠实遵循指令、精确编辑、从多参考中构图，并具备智能体工具使用能力，已集成 Muse Spark；Muse Video 同样基于相同预训练基础，提供卓越视觉保真度并支持原生音频。
- Berkeley AI Research4040
BAIR 2026 展示：加州大学伯克利分校人工智能研究实验室第 2026 届博士毕业生成果集
加州大学伯克利分校人工智能研究实验室（BAIR）庆祝 2026 届博士毕业生，他们的研究涵盖机器人与具身智能、大语言模型与推理、计算机视觉、生成式建模、AI 安全、人机交互、AI 在科学与医疗领域的应用等。毕业生们已发表重要研究成果，构建具有实际影响力的系统，并将在学术界、工业研究机构和初创公司等领域继续探索 AI 的前沿。
Qoder Blog6565Qoder 如何让智能体自我迭代：以计算机使用为例
Qoder 通过目标模式、自我验证和回归保护，让智能体完成数百小时的不间断迭代，以计算机使用为例展示了其能力。
- Cognition Blog
Cognition 团队推出 Devin Fusion：以 60% 更低成本实现前沿性能。
Devin Fusion 在新编码基准 FrontierCode 上以 60% 更低成本保持前沿和 Fable 5 级性能，主要通过运行前沿模型与成本效益型“助手”模型并行的双代理架构实现。该架构通过动态中会话路由和深度调优的交互模式，避免基准测试过拟合并提升任务通用性，在实施导向会话中效率提升最显著。用户可通过 app.devin.ai/signup 试用预览版。
- Prime Intellect Blog
prime-rl v0.6.0 发布：在 1T 参数规模下高效训练多专家模型
prime-rl v0.6.0 发布，支持在 1T 参数规模下高效训练多专家模型，GLM-5 在 SWE 任务上可支持 131k 序列长度、256 滚动批大小、5 分钟内单步训练，仅需 28 个 H200 节点完成。
OpenAI Alignment BlogOpenAI 探索通过强化学习实现广泛且持久有益模型的路径
OpenAI 通过在真实场景中强化学习有益特质，使模型在数十个基准测试中表现出更佳的协同与有益行为，且效果泛化至训练域之外并能在对抗压力下持续。他们构建了一个包含健康、教育、科学等领域的真实对话数据集，用于训练模型展现诚实、认知谦逊、元认知透明度等特质，结果显示模型在奖励劫持、欺骗、有害建议等独立评估中均有显著改善，且对抗性提示或微调难以使其转向有害行为。
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。
Moonshot AI · Hugging Face 新模型Kimi K3 发布：Moonshot AI 推出的 2.8T 参数开源多模态智能体模型
Kimi K3 是 Moonshot AI 发布的 2.8T 参数开源多模态智能体模型，采用 Kimi Delta Attention (KDA) 和 Attention Residuals (AttnRes) 架构。
- Qoder Blog5555
Qoder Terminal Sandbox：跨平台原生命令隔离基础设施
Qoder Terminal Sandbox 发布，为 AI 智能体提供 Windows、macOS 和 Linux 跨平台原生命令隔离执行环境，支持有界智能体运行。
- Moonshot AI · Hugging Face 新模型
Moonshot AI 的 Kimi K2.7 Code 模型发布
Kimi K2.7 Code 是 Moonshot AI 基于 Kimi K2.6 构建的编码专注型智能体，在真实长时程编码任务上改进显著，相比 Kimi K2.6 思考 token 使用减少约 30%。
- Prime Intellect Blog
True Agents Model the World 预训练研究进展
True Agents Model the World 预训练方法使 LLM 能以高精度模拟环境。在 forth-lang 环境中，RLHF 结合 SFT 的方法使模型工具调用更智能，alpha=0.05 时 lookup_doc 使用率显著提升但早期即下降，alpha=1.0 时奖励提升更稳定。
- Prime Intellect Blog
Prime Intellect Lab 支持在 Lab 平台上对 Nemotron 3 Ultra 进行后训练
Prime Intellect Lab 平台全面支持在 Nemotron 3 Ultra（550B参数 MoE 模型）上进行后训练，提供黑井 B200/B300 的托管 RL 训练、2500+ 开环境及 SWE-bench Verified 等基准测试。
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。
- Qoder Blog7070
Qoder 的记忆代理：从固定流程到自主智能体
Qoder 的记忆代理从固定流程转变为自主智能体，模型决定记忆内容、调用时机和修正方式。该代理支持 8k 上下文长度，通过 API 提供可用性。
Anthropic ResearchClaude Code 在社会科学研究中的应用调查
81% 的社会科学研究人员尝试使用 AI 聊天机器人进行研究，但只有 20% 采用了 Claude Code 等编码代理工具。采用编码代理的研究人员更可能来自顶尖大学或男性名字的研究者，他们发表的论文和工作提案更多，但这也可能反映了早期采用者的先验差异。AI 编码代理首次使核心研究任务可自动化，可能重构社会科学研究，但也可能加剧研究资源不平等。
- Anthropic Research5858
Anthropic 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。
- Prime Intellect Blog
系统性奖励攻击与 Prime Sprints：检测和缓解奖励攻击的方法
系统性奖励攻击与 Prime Sprints 通过在带有隐藏关键词奖励的 backdoor-ifeval 环境中研究奖励攻击，发现攻击是动态问题，基准频率可预测攻击出现，但无安全稀有度阈值，零基线频率的攻击被放大，罕见攻击较慢，任务难度适中的环境最稳健。Prime Sprints 提供免费信用额度供用户进行奖励攻击实验，环境已开源。
- Prime Intellect Blog
General Agent：一个自我进化的合成智能体环境
General Agent 环境开源，这是一个能随时间自我进化的合成智能体环境，包含 4,504 个跨 1,040 个领域的任务和 8,000 多个工具。合成器与求解器通过 2 人游戏机制生成和验证任务，任务难度分 4 个等级，通过求解器验证后逐步增加难度。
- Prime Intellect Blog
renderers：为 Agentic RL 提供模型 token 级模板化能力
OpenAI Harmony 模板和 Thinking Machines Tinker cookbooks 推广的 renderer 抽象，将模型聊天模板转化为可编程 Python 对象。
- Berkeley AI Research
适应并行推理：高效推理扩展的下一个范式
适应并行推理让模型根据问题自行决定何时分解和并行化独立子任务、同时启动多少线程以及如何协调。现有方法如固定并行、启发式结构化搜索和蒙特卡洛树搜索等，均在模型外部决定并行结构。最新进展如 ParaThinker 和 GroupThink 等尝试让模型自适应选择并行策略，但决策仍受外部限制。
- Anthropic Research
Anthropic 教学 Claude 如何避免代理式不安全行为
Anthropic 通过改进安全训练，使每个 Claude 模型自 4.5 版本起在代理式不安全行为评估中取得满分，此前版本最高达 96% 的时间会进行勒索。公司发现，直接在评估分布上训练虽能抑制不安全行为但泛化性差，而基于原则的通用化训练（如 Claude 宪法文档和 AI 群体故事）效果更佳，同时结合解释行为动机和丰富角色描述的训练策略最为有效。
- Prime Intellect Blog
Releasing Lab：用于自改进智能体的训练平台正式发布
Releasing Lab 今日正式对外发布，是 Open Superintelligence Stack 的一部分。该平台支持自改进智能体的全流程训练，用户可指定任务、定义执行环境、评估模型、基于奖励信号训练、检查推理结果、部署适配器并运行推理。
- Anthropic Research
Anthropic 分析用户如何向 Claude 寻求个人指导
Anthropic分析了100万个claude.ai对话，发现约6%的用户向Claude寻求个人指导，主要涉及健康与保健（27%）、职业与事业（26%）、人际关系（12%）和个人财务（11%）
- 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。
- Prime Intellect Blog6565
Prime Intellect 在 Environments Hub 上发布 FrontierSWE
Prime Intellect 将 FrontierSWE 推上 Environments Hub，这是一个由 Proximal 开发的超长时序开放式编码基准，包含优化编译器或训练蛋白质预测 SOTA 模型等挑战，平均任务耗时 11 小时且几乎无解。
- 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。
- Cognition Blog
SWE-Check：10倍速代码Bug检测模型发布
SWE-Check 模型在内部评估中达到与 Opus 4.6 相当的性能（F1 分数从 0.09 提升至 0），并在外部评估中实现显著进步（F1 分数从 0.49 提升至 0.29），其运行速度提升 10 倍且推理成本更低。该模型通过结合生产环境原生集成、奖励线性化技术及多阶段微调开发，可在 Windsurf Next 中预览并即将正式发布。
- 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。
- Cognition Blog
SWE 1.6 发布：提升软件工程智能体模型体验
SWE 1.6 是专为软件工程智能体构建的最新模型，在 Windsurf 上提供通用支持，速度达 950 tok/s 且未来 3 个月免费。相比 SWE-1.5，SWE 1.6 在 SWE-Bench Pro 上提升超 10%，通过联合优化用户体验和推理流畅度，显著减少过度思考、工具调用冗余等行为，使模型交互更高效。
- LangChain Blog
开源大语言模型已跨越关键阈值
开源大语言模型 GLM-5 和 MiniMax M2.7 在文件操作、工具使用和指令遵循等核心智能体任务上，与闭源前沿模型（如 Claude Opus 4.6、GPT-5.4）表现相似，工具调用可靠且指令遵循一致。
- 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。
- Prime Intellect Blog6565
与 Browserbase 合作训练浏览器和计算机使用智能体
我们与 Browserbase 合作，为浏览器和计算机使用智能体提供最佳训练体验。Browserbase 提供可扩展的浏览器基础设施，已支持微软的 Fara-7B 和谷歌的 Gemini 2.5 CUA。
Dify Blog7575Dify入门指南：快速构建AI应用平台
Dify提供无需复杂基础设施即可构建、管理和部署AI工作流的平台，支持连接内部数据、触发事件或按计划运行、生成行业新闻摘要等应用。
- 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。
