有点子了，就去执行……
不等Gemini4，谷歌新办公Agent支持调用Claude
刚有消息传，谷歌没等Gemini 4正式发布，先悄悄推出了一款面向办公场景的Agent产品，它最受关注的功能之一，是支持调用Anthropic旗下的Claude大模型。不等Gemini 4，谷歌...
AI智能体的四条变现路径与风险启示
2026年9月，AI初创公司Anthropic与云厂商Akamai敲定一笔7年116亿美元的云服务大单，若Anthropic后续算力投入增加，这笔交易规模最高或可增至200亿美元——这不仅是当前...
Google把Gemini改成商用AI智能体，还配了专属邮箱
Google给Gemini做了个核心改动——不再是只陪聊的AI，而是面向企业的AI智能体。这次改的核心是什么？它的核心功能是能自己规划任务、执行任务，还能把细分的子任务分给更小的智能体去做。它不...
给多智能体加个“读心术”：新框架补了协作短板
你可能没注意——现在靠大模型驱动的智能体组队干活，大多是“盲打”状态。普通多智能体的协作硬伤之前的多智能体系统，靠提示词设计、短期记忆或者端到端行为优化推进任务。但核心问题很致命：不会显式建模队...
统一多模态深度研究Agent OneSearch-VL 做对了什么
OneSearch-VL-8B比带工具调用的Qwen3-VL-8B，在两个新的多模态视觉基准上，分别高出20.2和17.6个百分点。同参数级别的模型，差十几个点已经是很明显的能力差距——这不是小...
工业细粒度异常理解：仅领域内训练够吗？
MMAD基准上，工业缺陷定位的人类专家准确率是92.3%，但训练过的领域专家最多只有75.5%——甚至部分训练模型的异常检测准确率还不如没训过的基础模型。仅领域内训练的坑：越训越弱？针对多模态工...
TestPrism：别用单一参考评代码测试质量
同样是评估大模型代码生成的测试质量，按行业常规的单参考方案算，14款基线模型的通过率有59.67%；但换成TestPrism这套新框架的核心指标，通过率直接掉到28%。这个反差，戳破了代码测试评...
ARGUS：修复AI解读基因组变异幻觉的框架
全基因组关联研究里，超过90%和疾病相关的变异都藏在基因组非编码区。可现有AI解读这些变异时，十有八九会瞎编数据——这是基因组医学领域没人敢说的痛点。AI解读非编码变异，为啥总“瞎编”？大语言模...
JetBrains推Mellum2.1：12B MoE开源模型瞄准编码智能体
JetBrains刚更的Mellum2.1，把SWE-bench Verified的分数从2.0拉到了47.0——这个提升幅度够让做代码大模型的人眼前一亮。升级的门道：几乎全靠真实代码环境的RL...
Goodfire推出“向内看”AI监控：抓失控AI成本仅需此前一部分
Goodfire刚公布了一款AI监控工具，主打抓失控AI agents，成本只要之前的一部分——核心逻辑不是让另一个AI当“监工”全程审，而是直接盯着AI模型内部的运作。不用“第二AI复读机”，...