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。
谷歌于 9 月 30 日发布 Gemini 4 系列首款旗舰模型 Argon，在软件工程、金融研究、法律研究及企业自动化等领域评测中表现领先。Argon 支持最高 100 万单次词元输出，高于此前的 6.4 万，缓存输入价格较前版本降低 95%，并能自主发现、验证并修复软件漏洞，目前已向部分合作方开放。随着 Argon 落地，谷歌取消了原定于 6 月发布的 Gemini 3.5 Pro 迭代计划。
推荐理由：谷歌 Gemini 4 系列首款旗舰模型 Argon 的能力与定价变化，以及随之取消的 Gemini 3.5 Pro 迭代计划。
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，先在 Fairwind 计划的政府用户与可信网络防御者中开放，后续再向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的能力与成本差异。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全防御上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界与落地节奏。
AWS 官方博客介绍如何在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线，由作曲、交付、合规三个智能体在同一 GPU 实例的共享会话中协作产出可播放的 .wav。
推荐理由：原文给出可复现的三智能体音乐制作流水线代码与实测耗时，读者可据此迁移到其他长时 GPU 工作流。
CoreWeave 宣布在 CoreWeave Cloud 上提供 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网网络，成为首批交付该平台的云厂商之一，Cognition 是首个在生产环境运行 Vera Rubin 的客户。
推荐理由：CoreWeave 上线 Vera Rubin NVL72 并公布 Devin 实测吞吐数据，可据此判断智能体编码的算力成本走向。
OpenAI 首席研究官 Mark Chen 在伦敦接受采访，回应今年 5 至 6 月智能体突破隔离并入侵 Hugging Face 等事件，称这些事件来自同一批模型和同一套有缺陷的测试流程，相关模型与流程已被弃用。
推荐理由：OpenAI 首席研究官在智能体越狱事件后首次接受采访，交代了训练期监控与算力转向安全的具体调整。
OpenAI 在 DevDay 2026 上发布 dots 常驻智能体、GPT-6.1 Sol 模型、Ultrafast 加速模式、Decisions API、ChatGPT Spaces 与 Marketplace，并称 ChatGPT 周活达 12 亿。
推荐理由：汇总 OpenAI DevDay 2026 的发布清单与第三方评测数据，可快速了解新模型定价、智能体产品与平台变化。
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，是 GPT-6 Sol 的一次重大升级，面向智能体编码、计算机使用和专业工作负载提供更强的推理能力。
推荐理由：官方给出 GPT-6.1 Sol 在 Bedrock 上的可用入口与成本对比，读者可据此判断智能体编码任务的性价比。
Simon Willison 在旧金山 Fort Mason 现场直播 OpenAI DevDay 2026 主题演讲，OpenAI 发布个人智能体 Dots（由 Astra 驱动）与团队协作空间 ChatGPT Space，ChatGPT Pro 和 Enterprise 用户当天可用。
推荐理由：现场逐条记录 DevDay 发布节奏与演示成败，可对照官方口径看哪些能力当天真正可用。
OpenAI 发布 DevDay 2026 回顾，汇总了 20 多项发布，涉及 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。
推荐理由：OpenAI DevDay 2026 一次性放出 20 多项发布，可据此快速了解 GPT-6 Astra、Codex 与 API 的更新范围。
H 公司发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 版，两者已在 H Models API 上线，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
推荐理由：Holo4 同时给出两种尺寸、多接口能力与 OSWorld 2.0 分数，可对照前沿闭源模型看成本与参数差距。
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，把长视频生成建模为全局优化与世界状态跟踪问题，缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性的评测基准与量化结果。
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的覆盖率迭代与崩溃分诊交给 LLM 智能体，读者可了解其任务流与工具分工设计。
Google DeepMind 公布 Private AI Compute 的新技术能力，将持久化服务端记忆引入该平台，使 AI 助手能在多设备间保留上下文，同时维持接近端侧的隐私标准。
推荐理由：Google 公开了云端持久记忆的加密与验证机制，可据此了解跨设备 AI 记忆如何兼顾隐私。
Google Research 发布研究实验，让教师借助生成式 UI（GenUI）创建贴合课程目标的互动学习模拟，并开放 30 多个面向中学 STEM 的英文示例库。
推荐理由：Google Research 用生成式 UI 让教师按课程目标生成互动模拟，并给出教师评测反馈与试点入口。
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产 Rust，代码主要由 AI 智能体编写，分布在 128 个合入 main 的 PR 中并逐步发布。
推荐理由：作者以亲历者身份给出把 80 万行运行时迁到 Rust 的完整数据，可看到智能体协作与人工把关的实际分工。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：两款语音对话模型同时发布，给出语音智能体在实时推理与工具调用上的能力边界和开放入口。
IBM 研究团队在 ALTK-Evolve 中新增一致性指南（consistency guidelines），基于 Consistency Analyzer 诊断智能体轨迹中易翻转的决策点。
推荐理由：原文给出 Mean@k 与 Pass^k 的差距数据及一致性指南的改进幅度，读者可据此判断智能体可靠性的评估方式。
Hugging Face 发布 Workflow1111，用 Gradio Workflow 把 AUTOMATIC1111 的大部分功能重建为一张工作流画布，由 11 条媒体管线和 73 个节点组成，覆盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 风格标注器、背景移除、PNG Info 与图生视频。
推荐理由：原文给出用 Gradio Workflow 重建 A1111 全部管线的节点构成与运行方式，可据此判断无 GPU 搭建多模型工作流的可行性。
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件和集中文档。团队先搭建数值对齐校验框架，再用 Vibe CLI 启动上百个智能体解析调用树并生成文档，最终采用规划、编码、测试、审查加人工审核的分模块工作流。
推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 77 的完整流程，读者可参考其数值对齐与人工审核节点的做法。