Mistral 发布了其最新模型 Mistral Medium 3.5。该模型在 Hacker News 社区获得了显著关注，收获了 125 个投票。发布信息通过官方新闻页面公布，标志着 Mistral 在模型迭代上的又一次更新。

Mistral AI推出旗舰模型Mistral Medium 3.5，这是一个128B参数的密集模型，拥有256K上下文窗口，在SWE-Bench Verified上获得77.6%的分数。该模型现作为Vibe和Le Chat的默认引擎，并驱动两项新功能：Vibe远程编程智能体可将编码任务移至云端异步并行执行，用户可通过CLI或Le Chat启动并在完成后接收通知；Le Chat的新工作模式则是一个由该模型驱动的智能体，能处理研究、分析和跨工具操作等多步骤复杂任务。这些更新旨在将开发者从本地线性任务中解放出来，提升工作效率。

华为鸿蒙“龙虾”小艺 Claw 迎来11.6.3.300版本更新。核心升级包括上线“自进化”能力，可学习用户长期偏好以减少重复沟通；并正式接入DeepSeek V4模型，获得百万级上下文处理能力，在信息搜集、文档处理等任务中具备更强推理能力。此外，更新引入了社区与生态伙伴的精选技能，覆盖金融、办公等多领域。该智能体已获得信通院首个终端厂商权威安全认证。目前，支持该功能的小艺App已开启尝鲜升级。

运行 stripe projects add openrouter/api 即可从命令行获取 OpenRouter 账户、API 密钥和 Stripe 计费，AI 智能体同样可以执行此操作。

在2026数字中国建设峰会上，腾讯展示了其Agent智能体生态。其中，WorkBuddy桌面智能体工作台可根据一句话描述自动完成任务；专为中国用户优化的AI技能社区“SkillHub”已集成腾讯核心产品能力，并收录超3.5万个技能。最新发布的混元Hy3 preview语言模型首次亮相，该模型为混合专家模型，总参数295B，支持256K上下文，在复杂推理、代码等能力上大幅提升，旨在助力中小企业低成本快速搭建AI应用，并已在腾讯云、元宝等多款产品中上线。

蚂蚁数科在2026数字中国建设峰会上发布DataX智能体数据生态平台。该平台通过接入模型上下文协议（MCP）和专用智能体DTClaw，旨在降低数据使用门槛、缩短数据价值转化周期。DataX汇聚隐私计算、数据加工等Skills库，将传统数据服务转化为标准MCP协议以提升AI接入效率。DTClaw可将复杂的数据处理逻辑封装为即用型Skill与Agent，实现“开箱即用”。平台还构建了基于数据的图谱知识库，支持通过自然语言进行智能编排与高效检索，帮助企业快速构建专业智能体。

为评估AI智能体在自主科学研究中的文献发现能力，研究者推出了AutoResearchBench基准测试平台。它包含两项任务：“深度研究”需通过多步探索定位特定论文；“广度研究”需全面收集满足条件的论文系列。该基准具有研究导向性、文献聚焦性和开放探索性三大特点，对智能体的科学理解与精细推理能力提出高要求。实验显示，即使最强大的大语言模型在深度研究任务上准确率仅为9.39%，在广度研究任务上的IoU指标仅为9.31%，凸显了任务的艰巨性。相关数据集与代码已开源。

传统创建交互式STEM课件需要编程技能，而现有生成式AI工具存在生成静态、处理长文档困难、缺乏教学严谨性及修改耗时过长等问题。为此，我们提出了MAIC-UI，一个零代码创作系统，允许教育工作者从教科书、PPT和PDF快速创建并编辑交互式课件。该系统通过结构化知识分析与多模态理解确保教学严谨性，采用“生成-验证-优化”两阶段流程分离内容与视觉优化，并基于统一差异的增量生成技术实现点击定位编辑，将迭代周期缩短至10秒内。一项40人对照实验表明，该系统相比直接文本转HTML生成，显著减少了编辑迭代次数（4.9 vs. 7.0），并提升了易学性与可控性。在53名高中生参与的三个月课堂部署中，使用该系统的班级STEM成绩提升了9.21分，有效促进了学习自主性并缩小了成绩差距。

腾讯公关总监张军宣布，腾讯文档已正式集成至全场景AI智能体WorkBuddy中，成为其一个真正的原子组件。此次整合后，WorkBuddy支持直接连接腾讯文档，用户修改文档后可即时保存至云端。同时实现了小程序与电脑端的能力体验同步，用户可通过手机指挥AI处理云端文档，提升了办公场景下的易用性和效率。

Claude AI系统的一个提示词漏洞被曝光，导致用户遭受直接经济损失，并使受管代理完全失效无法工作。该漏洞通过GitHub issue报告，在技术社区引发热议，在Hacker News上获得107点关注度。此问题突显了AI代理在提示词安全方面的缺陷，可能影响依赖此类系统的商业应用和用户体验。

本研究将递归计算从单一模型扩展至多智能体系统，提出RecursiveMAS框架。该框架通过轻量级RecursiveLink模块连接异构智能体，形成协作循环，实现潜在思维生成与状态传递，并采用内外双循环算法进行全系统协同优化。理论分析表明其效率高于传统文本交互系统且训练稳定。在数学、科学、医学等9项基准测试中，该框架相比先进基线平均准确率提升8.3%，推理速度加快1.2–2.4倍，token使用量减少34.6%–75.6%。代码与数据已公开。

针对现有基准在环境隔离、任务单一和意图假设完美等方面的局限，本文提出了DV-World基准。该基准包含260个任务，旨在真实工作流中评估数据可视化智能体。它涵盖三大领域：支持原生电子表格图表创建与诊断的DV-Sheet、要求跨编程范式重构可视化以适应新数据的DV-Evolution，以及通过模拟模糊需求测试主动意图对齐的DV-Interact。基准采用结合数值对齐与多模态大模型语义视觉评判的混合评估框架。实验表明，当前最先进模型整体表现不足50%，凸显其处理真实世界复杂挑战的能力存在严重缺陷。DV-World为引导智能体发展企业级综合专业知识提供了现实测试平台。

SkillSynth 是一个基于场景中介技能图的自动化终端任务合成框架，旨在解决终端智能体训练中高质量、多样化执行轨迹稀缺的问题。该方法首先构建大规模技能图，以场景作为中间过渡节点连接多样化的命令行技能；随后从图中采样路径作为真实工作流的抽象，并通过多智能体系统将其实例化为可执行任务。通过在图形采样的工作流路径上进行任务合成，SkillSynth 能够显式控制解决合成任务所需的最小执行轨迹的多样性。在 Terminal-Bench 上的实验验证了其有效性。此外，SkillSynth 合成的任务实例已用于训练 Hy3 Preview，提升了其在终端环境下的智能体能力。

BARRED框架仅需任务描述和少量未标注样本，即可生成忠实且多样的合成训练数据。该方法将领域空间分解为多个维度以确保全面覆盖，并采用多智能体辩论验证标签正确性，从而构建高质量训练语料。实验表明，基于此合成数据微调的小型语言模型，在多种定制策略任务上持续超越包括推理模型在内的先进专有大模型及专用护栏模型。消融研究证实，维度分解与辩论验证对确保数据多样性和标签保真度至关重要。该框架消除了对大量人工标注的依赖，为精准定制护栏提供了可扩展方案。

蚂蚁集团百灵大模型宣布开源Ling-2.6-flash，提供BF16、FP8、INT4等多个版本供开发者灵活选用。该模型总参数量104B，激活参数7.4B，是一款Instruct模型。官方基于开发者反馈优化了中英文切换及主流编程框架适配效果。其核心优势包括：采用混合线性架构，在4卡H20上推理速度最快达340 tokens/s；通过Token效率优化，在评测中消耗的tokens仅为同类模型的约1/10；针对Agent场景增强了工具调用与任务执行能力，在多项评测中达到先进水平。模型已在Hugging Face和ModelScope平台开源。

AGENTS.md文件的质量直接影响AI代理的性能表现。一份优秀的AGENTS.md文件能像模型升级一样显著提升代理能力，而一份糟糕的文档反而会损害性能，其效果甚至不如完全没有文档。该观点源自技术社区讨论，相关文章在Hacker News上获得了100点热度，强调了为AI代理编写清晰、有效文档的重要性。

英伟达发布开源全模态推理模型Nemotron 3 Nano Omni，采用30B‑A3B混合MoE架构，集视频、音频、图像和文本处理于一体。该模型旨在替代多模型链，降低推理成本与编排复杂度。在多项基准测试中表现领先，尤其在视频推理任务中，其系统吞吐量相比其他开放式全模态模型最高提升约9.2倍，文档推理任务最高提升约7.4倍。模型权重、训练配方及数据集已完全开放，支持开发者在各类环境中定制部署。

HiL-Bench 基准测试旨在评估智能体在任务信息不完整或模糊时，能否判断何时应自主执行、何时需向人类求助。该测试包含人为设置的障碍信息，核心指标 Ask-F1 综合衡量提问精准度与障碍召回率，以平衡过度提问与盲目猜测。评估显示，当前前沿模型在判断求助时机上存在普遍缺陷，其完整信息性能仅能恢复一小部分。失败模式主要体现为三种：过度自信未察觉信息缺口、虽检测到不确定性但仍持续出错、以及提出宽泛模糊的求助。通过基于 Ask-F1 的强化学习训练，一个 32B 模型在求助质量与任务通过率上均获得提升，且能力可跨领域迁移，表明判断力可通过训练改进。

Web2BigTable是一个支持广度和深度搜索的双层多智能体框架。上层编排器将任务分解为子问题，下层工作智能体并行求解。系统通过运行-验证-反思的闭环流程，利用持久化外部记忆联合改进任务分解与执行，并实现单智能体的自我进化。工作智能体通过共享工作空间协调，减少冗余探索、调和冲突证据并适应覆盖缺口。该系统在广度搜索基准WideSearch上达到新SOTA：Avg@4成功率为38.50（是第二名的7.5倍），行F1为63.53，项F1为80.12。在深度搜索基准XBench-DeepSearch上也取得73.0的准确率。代码已开源。

现有计算机使用代理在长周期图形界面任务中因每一步都调用大型多模态模型而导致效率低下。此类任务轨迹具有高度异质性：多数步骤可由轻量策略可靠处理，而错误多集中于少数高风险时刻，表现为进度停滞与语义漂移。为此，本文提出一种事件驱动的步骤级级联框架，默认运行轻量策略，仅当轻量监测器识别到风险升高时才升级至强模型。该框架整合了停滞监测器与里程碑监测器，能根据交互进程自适应分配计算资源，将始终开启的前沿模型推理转变为按需调用。该模块化设计无需改变现有代理架构或重新训练大模型即可直接集成。

传统科学论文为追求线性叙事，舍弃了大量失败实验与分支路径，且描述与可执行细节间存在鸿沟，严重阻碍了AI智能体的理解与复现。为此，研究团队提出“智能体原生研究制品”（ARA）协议，以包含科学逻辑、可执行代码、探索图谱及证据层的机器可执行研究包取代传统论文。其生态系统由实时研究管理器、ARA编译器和原生评审系统支持。实验表明，ARA将问答准确率从72.4%提升至93.7%，复现成功率从57.4%提高至64.4%。保存的失败轨迹能加速扩展任务，但也可能限制高能力智能体跳出既有框架。

研究提出协同进化策略蒸馏（CoPD），以解决混合RLVR的跨能力发散问题和传统OPD因行为模式差距导致的能力吸收不全问题。CoPD通过推动专家并行训练，并在每个专家的RLVR训练中引入双向OPD，使专家互为教师、协同进化，从而保持行为模式一致且知识互补。实验表明，CoPD能全面集成文本、图像和视频推理能力，性能显著优于混合RLVR和MOPD等基线，甚至超越领域专用专家。该方法可能启发新的训练扩展范式。

研究团队提出名为ElementsClaw的智能体框架，通过协同大型原子模型与大型语言模型来加速材料发现。该框架利用微调自10亿参数原子模型Elements的工具进行原子尺度计算，并借助LLM进行高层语义推理，将材料发现转向集成化、人机交互模式。在超导体搜索中，该框架仅用28个GPU小时便筛选了240万种晶体，识别出6.8万个高置信度候选材料，将已知超导体空间扩大了数个数量级。它不仅成功识别出文献中隐藏的超导体，更发现了四种经实验验证的新型超导体，其中Zr3ScRe8和HfZrRe4的转变温度分别为6.8K和6.7K。

一项人工智能安全研究在目前规模最大的开源电子病历软件OpenEMR中发现了38个安全漏洞。这些漏洞涵盖多个类别，包括跨站脚本、SQL注入和身份验证绕过等高风险问题。该软件被全球超过10万家医疗服务提供商所使用，影响范围广泛。研究团队利用AI驱动的代码分析工具完成了此次漏洞挖掘，凸显了AI在提升软件安全审计效率方面的潜力。所有已发现的漏洞细节均已报告给开发团队进行修复。

Mistral AI 正式推出 Workflows 公开预览版，该产品定位为企业AI的编排层，旨在通过提供持久性、可观察性和容错性，帮助AI驱动的工作流从概念验证可靠过渡到生产环境。它集成于Studio平台，允许开发者用Python编写工作流，并可发布至Le Chat供组织成员触发。其核心功能包括持久化执行（支持从断点恢复）、完整的步骤跟踪与审计，以及通过 wait_for_input() 等方法实现人工介入审批。目前已有ASML、ABANCA等企业客户使用其自动化货物放行、文档合规检查等关键业务流程，将原本耗时数小时的人工操作缩短至几分钟。

Mistral AI 正式推出了名为 Workflows 的编排层。该产品旨在帮助企业将人工智能驱动的流程转化为可用于生产环境的成熟系统，标志着 Mistral AI 正式进入企业级AI流程编排与自动化市场。

Matthew Yglesias 经过五个月的实践后表示，自己不再倾向于“氛围编程”，而是希望由专业软件公司利用AI编程辅助工具，开发出更多、更好、更便宜的软件产品，并以商业化形式提供给用户。这一观点反映了对AI辅助编程从个人实验性使用转向规模化、专业化生产的期待。相关讨论涉及代理工程、氛围编程和AI辅助编程等关键词。

阿里云QoderWorker推出专家套件功能，首批上线金融、法律、营销等六大领域10个套件。这些套件将专业知识、工作流程和数据连接器预先封装，用户无需编写代码即可一键调用，直接获取专业经验。例如，法律套件可全流程处理合同审查、文书起草，金融研究套件能快速基于公告生成分析报告。平台还支持企业自建专属套件，实现“配置”与“使用”分离，懂业务的员工封装一次后，其他员工可一键安装使用。

企业微信灰度上线“记录面聊”功能，该功能利用声纹识别技术自动分辨不同发言人并快速记录讨论内容，AI会在讨论后自动总结要点、列出待办事项并@对应负责人，记录对所有参与同事公开共享。此次更新随企业微信5.0.8版本一同发布，该版本还新增了智能表格、智能文档和“贴表情”快速回复等功能。智能表格可打通微信生态数据自动汇总，并加入AI字段“技能卡片”；智能文档支持轻量化排版并一键发布为“轻网页”。

OPPO ColorOS设计总监陈希公布了“龙虾”小布Claw的最新进展，该功能目前正处于内测阶段，并将定向邀请用户参与共创。小布Claw旨在实现更简单、安全且懂用户的目标，产品设计上采用一键开通方式，并预装了覆盖日常生活、理财、健康等多场景的核心能力。其“记忆”功能可同步，用户无需从零调教。所有敏感能力均需用户授权方可使用。

微软升级了Outlook中的Agentic Copilot功能，使其从辅助写作转变为主动管理收件箱和日历。用户可通过提示词让Copilot自动筛选需跟进的邮件、起草复杂邮件、创建分类规则，并在假期后快速归纳重要更新与优先任务。在日历方面，它能代为回复会议邀请、调整时间、安排周期性会议、起草议程，并能评估日程以建议拒绝或委托参会。该功能现已面向Frontier计划客户开放，该计划主要面向愿意提前试用AI实验功能的组织。

针对现有过程奖励模型在动态数据分析任务中的不足，研究团队开发了DataPRM。该模型能作为主动验证器与环境交互，探测中间状态以发现静默错误，并采用反思感知的三元奖励策略区分可纠正与不可恢复的错误。通过多样性轨迹生成和知识增强的步骤级标注，构建了超过8000个高质量训练实例。实验表明，仅40亿参数的DataPRM在使用Best-of-N推理时，能显著提升下游大模型在多个基准上的性能，并展现出稳健的泛化能力。将其集成到强化学习中，也显著优于结果奖励基线。

研究团队提出了Zero-to-CAD框架，用于大规模合成可执行的CAD构造序列。该方法将大型语言模型嵌入一个反馈驱动的CAD环境中，通过智能体搜索的方式迭代生成、执行和验证代码，以提升几何有效性和操作多样性。该框架成功合成了约一百万个可执行、可读且可编辑的CAD序列，其操作词汇远超基础的草图拉伸流程。团队同时发布了一个包含10万个高质量模型的精选子集。基于此合成数据微调的视觉语言模型，能够从多视角图像重建可编辑的CAD程序，其性能超越了包括GPT-5.2在内的强基线，实现了无需真实构造历史数据即可引导序列生成能力。Zero-to-CAD弥合了几何规模与参数化可解释性之间的鸿沟。