标签
Google DeepMind称四个Gemini 4 Argon智能体通过自行编写2,783个程序在27小时内通关了Minecraft，在此过程中死亡605次，并花费了估计520美元的Token费用来击败末影龙。
S-Agent 2.0 通过为通用编码智能体集成命令行感知工具包、持久场景记忆与自然语言解读，显著提升了空间推理能力，在 MMSI-Bench 和 ReVSI 上超越了专用系统 SpatialClaw。
随着 OpenAI Dots 和 Meta Muse 等个人 AI 智能体的大规模普及，许多网站纷纷封禁这些智能体代理，业界担忧为智能体优化互联网可能会损害普通用户的体验。
Salesforce 的新论文通过 2,500 多次跨方 agent 会话发现，代表不同利益方的智能体从不主动核实彼此的说法，导致团队继承最弱 agent 的错误，并归纳了 20 种失败模式。
MiniMax 正式发布 M3.1 Flash，宣称在编码任务上接近 Opus 和 GPT 水平，而成本低约 25 倍；此前以代号 Space Bunny 登顶全球使用榜单。该模型现已在 Cline 中免费提供。
NVIDIA 在柏林一场创意产业活动上宣布扩大合作：European Broadcasting Union 正与云服务商及开源模型伙伴拓展其主权 AI 框架，而 Adobe Frame.io 则借助 NVIDIA GPU 加速视频智能体搜索，服务 UFA 等制作方。
MiniMax 宣布此前以 "Space Bunny" 匿名现身的模型其实是 M3.1 Flash 的早期版本，其在 DeepSWE 编码上得 74%、BabyVision 视觉推理上得 91%，速度是 M3 的 3 倍而成本仅三分之一，适合长时间运行的智能体任务。
Microsoft 扩展 Project Perception，新增功能以持续评估企业代理风险、动态调整权限，并通过将 AI 代理视为“代理型内部人”、在模型外部实施安全控制来遏制威胁。
OpenVLHarness 是一个多模态推理框架，通过能力层、持久化多模态记忆与编码接口实现异构工具组合，在 22 个基准上相较无工具基线平均提升 9.7-12.6 分，同时显著降低 token 成本。
本文提出了一种LLM Agent架构HybridAgents，它通过轻量级的HybridLink在潜空间推理与文本驱动的行动之间动态切换，并结合HybridSFT与HybridRL后训练，在11个基准测试上实现了10.4%的性能提升，同时显著降低了token消耗、延迟和成本。
Meta 的论文在国际象棋、围棋、Hex 和 NetHack 四个环境中评估前沿智能体从经验中学习的能力，全程冻结模型权重，并将「可塑性」定义为每美元成本带来的留集（held-out）增益。Claude Fable 5 取得了最大的绝对增益，而 GPT-5.6 Sol 的成本效率要高得多，说明表现最强的模型并不等同于学习效率最高的模型。
# GitHub 发布博客介绍“环境智能”作为下一代开发者界面 GitHub 近日发布博客，正式提出 **“环境智能”（Ambient Intelligence）** 的理念，将其定位为**下一代开发者界面**。与传统以窗口和命令行为中心的交互方式不同，环境智能强调开发环境能够主动感知开发者的意图、上下文与工作流，从而提供更加自然、低干扰的协作体验。 ## 推出 Logitech MX Keypad 实体控制设备 为将这一理念落地，GitHub 宣布与 Logitech 合作推出 **MX Keypad**——一款与 **GitHub Copilot** 深度集成的实体控制设备。通过物理按键，开发者可以在不离开代码编辑器的情况下，直接操控 AI 驱动的开发流程。 ### 核心能力 - **运行 Agentic 工作流**：一键触发由 GitHub Copilot 驱动的多步骤智能体任务，无需手动编写或粘贴命令。 - **映射常用提示词**：将自定义提示词绑定到具体按键，实现团队内部提示词标准化与快速复用。 - **管理会话**：快速切换、暂停或清理 AI 对话会话，保持工作区整洁有序。 MX Keypad 的目标是将 AI 交互从“屏幕内打字”转变为“物理按键操作”，降低认知负担，让开发者将更多注意力集中在设计与决策层面。
MiniMax-M3.1-Flash 是一个原生多模态混合专家（MoE）模型，约 428B 总参数（每 token 激活 23B），支持文本、图像和视频输入及 1M 上下文窗口，面向编码、智能体工作流、计算机使用和网络安全任务，并通过稀疏注意力、量化感知训练和 DSpark 投机解码提升推理效率。
一篇关于企业AI落地策略的观点帖，主张与其花重金让AI专家学习业务，不如让业务运营人员快速掌握AI执行能力，并分享了从工作流操作者入手实施AI转型的实践经验。
论文提出 Design Anything，一个基于图的 harness，通过 intent-execution graph 在长程任务中保持设计意图，并发布涵盖19个设计领域、228项任务的 DesignAnything-Bench，显著提升了约束满足率。
Muse Glimmer 是一款拥有 300 亿参数的开源多模态智能体模型，通过 4 位量化可在消费级硬件上本地运行多步推理与工具调用，并在同等规模的智能体基准测试中超越 Gemma4-31B 和 Qwen3.6-27B，现已采用 Apache 2.0 许可证发布。
Jim Fan的团队开源了ASPIRE的V1.0版本，这是一个支持真机技能发现与自我提升的智能体机器人框架。他们指出，Astra、Opus 5.5和Sonnet 5.5等前沿模型已在其机器人基准测试中达到饱和。
Reflection 发布开源模型 Beam-1.0-501B-A23B，采用稀疏混合专家（MoE）架构（5010 亿总参数/230 亿激活参数），支持 100 万词元上下文，主打词元高效推理、软件工程与智能体工具调用能力，提供 BF16、FP8、NVFP4 多种数值精度版本，采用 Apache 2.0 许可证。
在 TechCrunch Disrupt 上，Replit CEO Amjad Masad 描绘了「自动驾驶公司」的愿景：AI 智能体承担大量日常工作，人类专注于判断力与品味。
Kolab 介绍了一个用于评测人机协作能力的新基准，包含来自40个职业的50位专业人士在115小时以上真实长时程工作流中与AI代理协作的屏幕录像及质量判断，发现前沿模型普遍高估协作质量且难以区分高质量与低质量协作。