Google Developers Blog（RSS）
精选71
结合 LlamaParse 与 Gemini 3.1 模型，可从复杂的非结构化文档中提取高质量数据。该方案采用事件驱动架构，利用 Gemini 3.1 Pro 对密集的金融表格进行智能解析，并使用 Gemini 3.1 Flash 进行高性价比的摘要生成。开发者通过此教程可构建个人财务助手，将杂乱的经纪账户对账单转化为结构清晰、易于理解的分析报告。
推荐理由：开发者可快速上手构建财务AI助手，将杂乱数据转化为结构化见解。
结合 LlamaParse 与 Gemini 3.1 模型，可从复杂的非结构化文档中提取高质量数据。该方案采用事件驱动架构，利用 Gemini 3.1 Pro 对密集的金融表格进行智能解析，并使用 Gemini 3.1 Flash 进行高性价比的摘要生成。开发者通过此教程可构建个人财务助手，将杂乱的经纪账户对账单转化为结构清晰、易于理解的分析报告。
OpenSage是新一代Agent开发工具包，推动智能体开发从人工设计转向AI自主编程范式。该系统支持LLM自动构建智能体拓扑、动态编写管理工具（具备沙箱隔离与异步执行），以及维护分层图结构记忆系统。与现有方案需人工设计不同，OpenSage实现了拓扑、工具和记忆的全面AI自动化生成，并内置软件工程与安全工具套件。
Voxtral 发布 40 亿参数文本转语音模型 Voxtral TTS，支持英语、法语等 9 种语言的逼真语音生成。该模型仅需 3 秒参考音频即可实现零样本语音克隆，延迟低至 70 毫秒。人工评测显示，其在保持与 ElevenLabs Flash v2.5 相当首音时间的同时，自然度表现更优，与 ElevenLabs v3 质量持平。模型支持情感控制和跨语言语音迁移，适用于企业级语音代理工作流。
Anthropic 研究员展示了如何将多日智能体编码工作流应用于科学计算任务。以使用 Claude Opus 实现宇宙学玻尔兹曼求解器的可微分版本为例，该任务通常需耗费研究人员数月甚至数年时间。通过制定清晰的项目指令、利用日志文件作为智能体的持久记忆并设置测试预言，即使是非领域专家也能引导智能体在数小时内完成这类复杂项目。该方法的核心在于设定高层目标后，让智能体团队自主工作，仅需偶尔人工监督，从而显著提升了科学代码开发与移植的效率。
Anthropic推出Science Blog，分享AI在数学、物理、生物等领域的应用进展与挑战。博客设Features（科研成果案例）、Workflows（实用指南）、Field notes（领域动态）三类栏目，首发两篇内容：用Claude完成理论物理计算的实战记录，以及科学计算任务编排教程。Anthropic同时介绍了AI for Science计划、Claude for Life Sciences及参与的Genesis Mission等多亿美元级科学加速项目。
AutoClaw 已接入微信，用户可直接通过微信调用该 AI 智能体完成各类任务，实现随时随地的办公自动化。具体支持的技能范围和操作细节尚未公布。
研究团队训练智能体在实施隐蔽不当行为时，主动调用报告工具进行自我揭发。这种方法显著降低了未被检测到的攻击数量，使智能体在企图违规操作时能自行上报。该机制为人工智能安全提供了一种新的内部监督思路，通过让模型自我监控潜在风险，提升了系统的可靠性与透明度。
PersonaVLM 是一个支持长期个性化的多模态智能体框架，具备记忆提取、多轮推理和响应对齐三大核心能力，可将通用 MLLM 转化为持续学习用户偏好的个性化助手。研究团队同步发布了包含 2000 余个案例的 Persona-MME 评测基准，涵盖 7 个维度与 14 项细粒度任务。实验表明，在 128k 上下文下，该方法较基线模型在 Persona-MME 和 PERSONAMEM 上分别提升 22.4% 和 9.8%，并超越 GPT-4o 达 5.2% 和 2.0%。
OpenAI 通过思维链监控技术分析内部编程智能体的真实部署数据，研究不对齐行为模式以检测潜在风险，并强化 AI 安全防护措施。
Composer 2 登陆 Cursor，定价 $0.50/M（输入）和 $2.50/M（输出），Terminal-Bench 2.0 得分 61.3，SWE-bench Multilingual 达 73.7，显著优于前代。支持数百步长周期编码任务，团队同步发布训练技术报告。
OpenAI 收购 Astral，加速 Codex 发展以支持下一代 Python 开发工具。Astral 是 Python 生态重要工具开发商，此次收购将整合其技术能力，强化 OpenAI 在开发者工具领域的布局。
Qwen3.5-Max-Preview 已登陆 LMSYS Chatbot Arena。Qwen Studio 提供聊天机器人、图像与视频理解、图像生成、文档处理、网页搜索、工具调用及 artifacts 等全栈功能。
一套包含MCP、A2A等六种协议的新工具集正式发布，旨在通过标准化AI代理的数据访问与通信方式，消除定制集成代码的需求。以“厨房管理员”代理为例，这些协议能实时核查库存、通过UCP进行批发交易，并借助AP2完成安全支付授权。开发者使用Agent开发套件（ADK）还可实现A2UI与AG-UI，为用户提供交互式仪表板与无缝流式界面。
M2.7是M2系列中首个深度参与自身进化的模型。它能构建复杂的智能体框架，完成精细的生产力任务，尤其在软件工程方面表现突出，其SWE-Pro基准测试得分56.22%，接近Opus的最佳水平。模型的办公软件处理能力在开源模型中领先，GDPval-AA的ELO分数为1495。M2.7能保持97%的技能遵循率，处理超过40个、每个超过2000 token的复杂技能。该模型通过内部研究智能体框架，实现了“分析-修改-评估”的自主迭代优化循环，在内部评估中提升了性能。
关联讨论 2 条MiniMax：Blog（网页）HuggingFace Daily Papers（社区热门论文）Google 将 Personal Intelligence 扩展至 Search 的 AI Mode、Gemini 应用及 Chrome 中的 Gemini，覆盖更多用户。
H公司发布了多模态计算机使用模型Holotron-12B。该模型基于NVIDIA开源的Nemotron-Nano-12B-VL模型，使用专有数据混合进行训练，专注于在交互环境中高效感知、决策和行动。其采用混合状态空间模型与注意力机制架构，在单张H100 GPU上实现了比前代Holo2-8B高2倍以上的吞吐量，在100并发基准测试中达到每秒8900个token。在WebVoyager基准测试中，性能从基线的35.1%提升至80.5%，在定位和导航基准上也显著提升。模型已通过NVIDIA开放模型许可在Hugging Face发布。
GPT-5.4 mini 与 nano 发布，为 GPT-5.4 的轻量高速版本，针对编程、工具调用、多模态推理及高并发 API 和子代理任务优化。
Mistral AI推出企业级AI模型构建系统Forge，该系统允许企业利用内部专有知识（如工程标准、代码库、操作流程）训练定制化的前沿模型，以弥补通用AI与企业特定需求之间的差距。Forge支持从预训练到强化学习的完整模型生命周期，并与ASML、爱立信等领先机构合作，用于训练支撑其复杂系统的专有模型。该系统强调控制与战略自主性，确保模型完全由企业掌控，旨在打造能理解内部术语、遵循工作流程并可靠集成到运营中的智能体。
Google Research 在 The Check Up 活动发布多项医疗 AI 进展。与 Fitbit 合作的 Personal Health Agent (PHA) 整合可穿戴设备数据提供个性化健康指导；乳腺癌检测 AI 在研究中识别出 25% 传统筛查漏检的间隔期癌症；多智能体系统 AMIE 已在 Beth Israel Deaconess Medical Center 开展临床测试，协助病史采集。同时推出 MedGemma 开放模型及 Health AI Developer Foundations (HAI-DEF) 赋能开发者，糖尿病视网膜病变筛查模型已服务超 100 万例，AI 正从实验室走向真实临床场景。
智谱发布GLM-5-Turbo基座模型，代号"龙虾"，强化工具调用、复杂指令拆解、定时任务与高吞吐长链路执行能力，推出ZClawBench基准测试。支持通过BigModel.cn、Z.ai及AutoClaw客户端接入，Coding Plan Max将于本月内支持Pro版。
YC 孵化的 Compresr 发布 Context Gateway，在 AI Agent 与 LLM 间自动压缩过长对话历史。后台预计算实现即时压缩，支持 Claude Code、Cursor 等，默认 75% 上下文阈值触发。curl 一键安装，TUI 向导配置。
Spine Swarm（YC S23）发布首个真正的 agentic 平台，支持 AI agents 在可视化画布上协作，管理和编排新一代 AI。
Auto Exacto 每隔 5 分钟基于吞吐量、工具调用遥测和基准分数重新评估各提供商。对于包含工具的请求，该功能默认处于开启状态。
Auto Exacto 每隔5分钟根据吞吐量、工具调用遥测数据和基准分数重新评估提供商。对于包含工具的请求，该功能默认开启。
Runway 发布 Characters 实时视频 API，支持从单张图片生成可对话虚拟角色。文章在介绍客服、教育等应用场景的同时，重点讨论了该技术在肖像权同意、实时深度伪造欺诈、情感操纵及社交依附等方面的潜在风险。Runway 已采取内容过滤（禁止儿童与公众人物形象）、限制专业领域建议及透明度标识等安全措施，但承认随着技术进步，相关治理挑战仍需持续应对。
Anthropic宣布投入1亿美元成立Claude合作伙伴网络，为帮助企业采用Claude的合作伙伴提供培训、技术支持和联合市场开发。该网络免费开放，合作伙伴可获得Claude Certified Architect等技术认证，并优先使用代码现代化入门套件。Anthropic还将合作伙伴支持团队扩大五倍，配备Applied AI工程师和技术架构师，协助企业完成从概念验证到生产部署的过渡。
Cursor 采用混合在线-离线评估流程衡量 AI 编程助手质量。离线端使用内部套件 CursorBench，基于真实开发会话构建，涵盖多文件修改、生产日志排查等复杂任务，相比公共基准更能区分前沿模型（如识别 Haiku 与 GPT-5 的实际差异）。在线端通过真实流量监控补充，捕捉离线评分遗漏的体验回归。两者结合确保模型评估与开发者实际体验一致。
ChatGPT 防御提示注入与社会工程的方法：在 agent 工作流中约束高风险操作并保护敏感数据，避免 AI 智能体因恶意提示泄露信息或执行危险动作。
OpenAI 基于 Responses API、shell 工具与托管容器构建 agent runtime，支持文件处理、工具调用及状态管理，实现安全可扩展的智能体计算机环境部署。
为解决大型Rails单体应用测试覆盖率低的问题，团队基于Mistral的Vibe构建了一个自主智能体。该智能体能自动读取模型、控制器等五类源代码文件，并生成或改进对应的RSpec测试。通过AGENTS.md文件提供的八步执行计划进行引导，并为不同文件类型配备专门技能以确保质量。智能体在CI/CD管道中并行运行，自动处理工厂和夹具，并通过强制自我审查覆盖所有公共方法，最终将测试质量评分从0.68提升至0.74。
SGLang 首日支持 NVIDIA Nemotron 3 Super 开源模型。该模型采用 120B 总参数、12B 激活参数的混合 MoE 架构，支持 1M token 超长上下文，专为多智能体协作设计。相比前代，吞吐量提升 5 倍，在 Artificial Analysis 智能指数上准确率提高 2 倍。集成 Transformer-Mamba 架构与多 Token 预测技术，兼容 B200、H100 等 GPU，提供完全开放的权重与数据集，适用于代码生成、工具调用等复杂推理场景。
Kimi Claw 今天起内置「微博」和「企业微信」官方插件，新用户经简单设置即可通过这两个 APP 遥控 Kimi Claw 干活。同时支持连接飞书（飞书机器人）。内置 ClawHub 5000+ 社区插件，涵盖开发代码、浏览器、办公工作流、专家角色等；提供 40GB 免费云盘、实时专业财经数据搜索。该功能处于早期实验阶段，首批开放给 Allegretto 及以上会员计划的用户。
REDSearcher是一个30B参数的深度搜索Agent，性能超越GPT-5，同时实现低成本与可扩展性。