OpenAI 发布 GPT-5.4，主打编码、电脑操作与 1M token 上下文
OpenAI 发布 GPT-5.4，称其为面向专业工作能力最强且最高效的前沿模型，具备 SOTA 级编码、电脑操作和工具搜索能力，上下文窗口为 1M token。
推荐理由：官方给出 GPT-5.4 的定位与能力清单，可据此了解前沿模型在专业工作场景的迭代方向。
#Agent
#Agent
今日 20 条OpenAI News精选AI 评分8282
OpenAI NewsAI 评分5858 OpenAI 在 Amazon Bedrock 推出面向智能体的有状态运行时
OpenAI 在 Amazon Bedrock 推出面向智能体的有状态运行时（Stateful Runtime for Agents），为基于 OpenAI 的多步 AI 工作流提供持久编排、记忆与安全执行能力。
OpenAI News精选AI 评分6262 OpenAI 与 Amazon 宣布战略合作，将 Frontier 平台引入 AWS
OpenAI 与 Amazon 宣布战略合作，将 OpenAI 的 Frontier 平台引入 AWS。合作范围涵盖 AI 基础设施扩展、定制模型以及企业级 AI 智能体。
推荐理由：OpenAI 与 Amazon 的这次合作把 Frontier 平台接入 AWS，读者可据此了解企业级 AI 基础设施与智能体的落地路径。
OpenAI NewsAI 评分3131 OpenAI 与太平洋西北国家实验室合作推出 DraftNEPABench，加速联邦许可审批
OpenAI 与太平洋西北国家实验室联合推出 DraftNEPABench，用于评估 AI 编程智能体加速联邦许可审批的能力。该基准显示，NEPA 草案撰写时间有望最多缩短 15%，并推动基础设施审查现代化。
OpenAI NewsAI 评分2222 OpenAI 宣布 Frontier Alliance Partners，助企业将 AI 智能体从试点推向生产
OpenAI 宣布推出 Frontier Alliance Partners，帮助企业从 AI 试点走向生产环境，实现安全、可扩展的智能体部署。
Hugging Face BlogAI 评分4949 IBM 与 UC Berkeley 用 ITBench 和 MAST 诊断企业级 Agent 失败原因
IBM Research 与 UC Berkeley 用 MAST 失败分类法分析了 310 条 ITBench SRE 执行轨迹，覆盖 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 三类模型。
Hugging Face Blog精选AI 评分6060 Gradio 6 的 gr.HTML 支持自定义模板与 JavaScript 交互
Gradio 6 的 gr.HTML 现已支持自定义模板、作用域 CSS 和 JavaScript 交互，可让 LLM 一次性生成前端、后端与状态管理，全部写在一个 Python 文件里。
推荐理由：原文给出 gr.HTML 的模板与状态同步写法，读者可据此判断单文件生成自定义组件的可行边界。
OpenAI NewsAI 评分3636 OpenAI 与 Paradigm 推出 EVMbench：评估 AI 智能体发现、修补与利用智能合约漏洞的能力
OpenAI 与 Paradigm 联合推出 EVMbench，用于评估 AI 智能体检测、修补和利用高危智能合约漏洞的能力。该基准聚焦高严重性漏洞，覆盖发现、修复与攻击三类任务。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 CUDA kernel agent skill，Claude 与 Codex 端到端生成可用内核
Hugging Face 构建了一个 agent skill，教编码智能体编写生产级 CUDA kernel，并用 Claude 和 Codex 在 diffusers 与 transformers 两个真实目标上端到端生成了可用的 kernel、PyTorch 绑定和基准测试。
推荐理由：Hugging Face 把 CUDA kernel 开发知识打包成 agent skill，并给出两个真实目标的端到端基准数据，可迁移到其他领域技能设计。
Hugging Face BlogAI 评分5858 OpenEnv 实践：在真实环境中评测工具型智能体
Meta 与 Hugging Face 联合推出的开源框架 OpenEnv 用于在真实系统而非模拟环境中评测 AI 智能体，Turing 为其贡献了生产级日历管理环境 Calendar Gym。
OpenAI NewsAI 评分2626 OpenAI 的 Harness engineering：在智能体优先的世界中驾驭 Codex
OpenAI 技术团队成员 Ryan Lopopolo 提出 Harness engineering，探讨在智能体优先的世界中如何利用 Codex。文章聚焦于围绕 Codex 构建工程实践，而非模型本身的能力。
Google ResearchAI 评分3838 Google Research 推出 DialogLab：开源多智能体群组对话创作与测试框架
Google Research 发布开源原型框架 DialogLab，用于创作、模拟和测试动态的人机群组对话，相关论文在 ACM UIST 2025 展示。该框架将对话的社交设定与时间流程解耦，通过"创作-测试-验证"三阶段工作流支持多参与方、角色分组与打断规则配置。
Google DeepMind精选AI 评分7676 Google DeepMind 用 Gemini Deep Think 推进数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在数学、物理和计算机科学领域解决专业研究问题。
推荐理由：DeepMind 公开了两篇论文与数学研究智能体 Aletheia 的细节，读者可据此了解 AI 参与研究级数学与理论计算机科学的实际边界。
Google ResearchAI 评分3636 Google 如何用 AI 工具重新定义通用设计以提升无障碍体验
Google 提出 Natively Adaptive Interfaces（NAI）框架，用多模态 AI 工具让 UI 从静态导航转向智能体驱动的动态模块，以缩小新功能发布与辅助层之间的"无障碍鸿沟"。原型包括面向盲人与低视力用户的 StreetReaderAI，以及基于 Gemini 模型、可实时调整描述细节的 Multimodal Agent Video Player（MAVP）。
OpenAI News精选AI 评分6060 OpenAI 发布企业级智能体平台 OpenAI Frontier
OpenAI 发布企业平台 OpenAI Frontier，用于构建、部署和管理 AI 智能体。该平台提供共享上下文、入职引导、权限与治理能力。
推荐理由：OpenAI 把智能体构建、部署与治理收进一个企业平台，可据此判断企业级 Agent 落地路径。
OpenAI News精选AI 评分6767 OpenAI 发布 GPT-5.3-Codex 系统卡
OpenAI 发布 GPT-5.3-Codex 系统卡，称其为目前能力最强的智能体编码模型。该模型结合了 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理和专业领域知识能力。
推荐理由：官方系统卡给出 GPT-5.3-Codex 的能力定位，读者可据此了解它在编码与推理上的组合方式。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-5.3-Codex
OpenAI 发布 GPT-5.3-Codex，这是一个 Codex 原生智能体，将前沿编码能力与通用推理结合，面向长周期、真实世界的技术工作。
推荐理由：OpenAI 官方发布 Codex 原生智能体模型，可据此了解其在编码与通用推理上的定位。
OpenAI News精选AI 评分6060 OpenAI 详解 Codex App Server：如何嵌入 Codex 智能体
OpenAI 介绍 Codex App Server，这是一个双向 JSON-RPC API，用于把 Codex 智能体嵌入到应用中。该接口支持流式进度、工具调用、审批和 diff 等能力。
推荐理由：OpenAI 官方说明 Codex App Server 的 JSON-RPC 接口设计，读者可了解如何把 Codex 智能体嵌入自有应用。
Hugging Face BlogAI 评分5151 H Company 发布 Holo2-235B-A22B Preview，UI 定位刷新 SOTA
H Company 发布迄今最大的 UI 定位模型 Holo2-235B-A22B Preview，在 ScreenSpot-Pro 上取得 78.5%、OSWorld G 上取得 79.0% 的 SOTA 成绩，模型已在 Hugging Face 上线。
OpenAI NewsAI 评分4141 Snowflake 与 OpenAI 达成 2 亿美元合作，将前沿智能引入企业数据
Snowflake 与 OpenAI 达成 2 亿美元合作协议，把前沿智能引入企业数据，让 AI 智能体与洞察直接在 Snowflake 中运行。
OpenAI News精选AI 评分6262 OpenAI 发布 macOS 版 Codex 应用
OpenAI 发布面向 macOS 的 Codex 应用，定位为 AI 编码与软件开发的指挥中心，支持多智能体、并行工作流和长时间运行的任务。
推荐理由：OpenAI 官方给出 Codex 桌面端的产品定位与多智能体并行能力，可据此判断 AI 编码入口的形态变化。
OpenAI NewsAI 评分3838 OpenAI 如何打造内部数据智能体：用 GPT-5、Codex 和记忆推理海量数据集
OpenAI 构建了一个内部 AI 数据智能体，结合 GPT-5、Codex 和记忆能力对海量数据集进行推理，可在数分钟内给出可靠洞察。该智能体面向内部数据分析场景，核心在于用记忆机制支撑跨数据集的持续推理。
Hugging Face Blog精选AI 评分6262 Gradio 团队开源 Daggr：用 Python 串联应用并可视化检查
Gradio 团队发布开源 Python 库 Daggr，用于把 Gradio 应用、ML 模型和自定义函数串成 AI 工作流，并自动生成可视化画布。画布可查看任意节点的中间输出、修改输入并单独重跑某一步，无需执行整条流水线，还支持状态持久化和备份节点替换。
推荐理由：Gradio 团队开源 Daggr，用代码定义工作流并自动生成可视化画布，可单独重跑某一步，为多模型串联调试提供了新选择。
Google Research精选AI 评分6262 Google Research 论文：智能体系统扩展的量化规律
Google Research 发布论文《Towards a Science of Scaling Agent Systems》，对 180 组智能体配置做大规模对照评测，覆盖单智能体与独立、集中、去中心化、混合四种多智能体架构，以及 Finance-Agent、BrowseComp-Plus、PlanCraft、Workbench 四个基准。
推荐理由：通过 180 组智能体配置的对照评测，给出多智能体架构何时增益、何时拖累性能的量化规律。
OpenAI NewsAI 评分3030 OpenAI 如何保障 AI 智能体点击链接时的数据安全
OpenAI 说明了 AI 智能体打开链接时如何保护用户数据，通过内置防护机制防止基于 URL 的数据外泄和提示词注入。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 upskill：用 Claude 生成 CUDA kernel 技能并教给开源模型
Hugging Face 发布新工具 upskill，用大模型生成并评测 agent skill，再交给小模型使用。
推荐理由：原文给出用大模型生成 Skill 再迁移到小模型的完整流程与评测命令，可迁移到其他专业任务。
Mistral AI精选AI 评分6262 Mistral 发布终端编码智能体 Mistral Vibe 2.0
Mistral 发布终端编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型系列驱动，新增自定义子智能体、多选项澄清、斜杠命令技能和统一智能体模式，CLI 修复持续自动更新。
推荐理由：官方给出 Vibe 2.0 的自定义子智能体、斜杠命令技能与定价变化，可据此判断终端编码智能体的使用成本。
Hugging Face BlogAI 评分3838 解锁 GPT-OSS 的智能体 RL 训练：一次实践复盘
Hugging Face 团队用 verl 框架对 GPT-OSS-20B 做智能体强化学习训练，发现 KL 散度和熵爆炸、奖励不升，根因是 MoE 架构下双前向传播导致新旧 log-prob 不匹配、破坏 PPO 的 on-policy 一致性。团队通过修复 attention sink 和 MoE log-prob 对齐解决该问题，该修复同样适用于 GPT-OSS-120B。
OpenAI NewsAI 评分1212 TRUSTBANK 用 AI 智能体个性化推荐故乡税礼品
TRUSTBANK 与 Recursive 合作，基于 OpenAI 模型打造了 Choice AI，通过个性化对话式推荐简化故乡税（Furusato Nozei）礼品的发现与选择。
OpenAI NewsAI 评分3636 OpenAI 详解 Codex 智能体循环：Codex CLI 如何编排模型、工具与提示词
OpenAI 发布 Codex 智能体循环技术解析，说明 Codex CLI 如何借助 Responses API 编排模型、工具、提示词与性能。文章为技术深度剖析，未披露新版本号、参数规模或 benchmark 数据。
Hugging Face BlogAI 评分3838 AssetOpsBench：弥合 AI 智能体基准与工业现实之间的差距
Hugging Face 发布 AssetOpsBench，一个面向工业资产运维的智能体评测基准，包含 2.3M 传感器遥测点、140+ 场景、4.2K 工单和 53 种结构化故障模式，覆盖 4 个智能体。
Hugging Face Blog精选AI 评分6262 Open Responses 开放推理标准发布：基于 Responses API，面向智能体工作流
OpenAI 发起、开源 AI 社区共建、Hugging Face 生态支持的开放推理标准 Open Responses 发布，它基于 Responses API，面向智能体工作流设计。
推荐理由：OpenAI 发起、开源社区共建的推理标准，读者可据此了解 Responses API 开放后的接口变化与迁移路径。
OpenAI NewsAI 评分2424 Netomi 如何用 GPT-4.1 和 GPT-5.2 将智能体系统扩展至企业级
Netomi 借助 GPT-4.1 和 GPT-5.2 扩展企业级 AI 智能体，通过并发、治理与多步推理支撑可靠的生产工作流。该方案面向企业规模化部署场景，强调智能体系统在生产环境中的稳定性。
Hugging Face Blog精选AI 评分6262 NVIDIA 用 DGX Spark 与 Reachy Mini 搭建桌面智能体教程
NVIDIA 在 CES 2026 发布博客，给出用 DGX Spark 加 Reachy Mini 复现黄仁勋主题演讲中桌面智能体的分步教程，源码已开源。
推荐理由：完整复现路径覆盖模型选型、路由与工具调用，可据此搭一套本地私有桌面智能体。
Hugging Face BlogAI 评分5252 ServiceNow 发布 AprielGuard：面向 LLM 智能体系统的 8B 安全护栏模型
ServiceNow 发布 AprielGuard，一个 8B 参数的安全与安全防护模型，可检测 16 类安全风险以及提示词注入、越狱、思维链污染、上下文劫持、记忆投毒和多智能体攻击序列等对抗攻击。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3 Flash，主打速度与低成本
Google DeepMind 发布 Gemini 3 Flash，将 Gemini 3 的推理能力与 Flash 级延迟和成本结合，定价为每 100 万输入 token 0.50 美元、每 100 万输出 token 3 美元。
推荐理由：官方给出 Gemini 3 Flash 的基准分数、定价与上线渠道，可据此判断它在速度与成本上的取舍。
OpenAI News精选AI 评分6262 OpenAI 开放 ChatGPT 应用提交，开发者可申请上架
OpenAI 宣布开发者可以向 ChatGPT 提交应用，经审核通过后会在产品内的新应用目录中展示。官方同时更新了工具、指南和 Apps SDK，用于构建把真实操作带入 ChatGPT 的对话原生体验。
推荐理由：OpenAI 开放 ChatGPT 应用提交入口并给出 Apps SDK 与审核规范，开发者可据此判断接入路径。
Hugging Face Blog精选AI 评分6262 IBM 开源可配置智能体 CUGA 上线 Hugging Face Spaces
IBM 开源的可配置通用智能体 CUGA 上线 Hugging Face Spaces，提供 CRM 演示和 20 个预置工具，用于销售数据查询与 API 交互。
推荐理由：CUGA 在 AppWorld 与 WebArena 上的成绩和 20 个预置工具的演示，能帮读者判断可配置智能体的落地方式。
Google DeepMind精选AI 评分7171 Google 升级 Gemini 2.5 Flash Native Audio 语音模型
Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，面向实时语音智能体，改进函数调用、指令遵循与多轮对话能力。
推荐理由：官方给出函数调用、指令遵循与多轮对话三项改进的具体分数，可据此判断语音智能体的可用性提升。
OpenAI NewsAI 评分2222 BNY 借助 OpenAI 打造“人人可用、处处可用”的 AI
BNY 利用 OpenAI 在全企业范围扩大 AI 应用，通过 Eliza 平台让 20,000 多名员工构建 AI 智能体，以提升效率和客户成果。