Sundar Pichai@sundarpichai精选AI 评分6565推荐理由：原文给出模型能力变化、定价和多项基准对比，读者可据此评估它相对更大模型的性价比与适用场景。
技术方向
Agent 智能体 最新动态
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
1,552 条精选近 30 天 222 条共收录 8,768 条
更新
精选归档 · 第 17 页
- Sundar Pichai@sundarpichai精选AI 评分6565
ARC Prize：官方博客精选AI 评分7979 ARC Prize 发布 OpenAI GPT-6 Astra 在 ARC-AGI-3 上的评测结果
ARC Prize 报告 OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上，Standard harness 得分 62.7%（成本 $26K），Provider Adapter harness 得分 99.9%（成本 $19K），均为 SOTA。
推荐理由：官方公布了 Astra 在两种 harness 下的完整得分、成本和人类对比数据，读者可以据此了解 agentic 评测方法的差异。
Cohere Labs：官方研究博客精选AI 评分6565 Cohere Labs 发布 ATE 数据集：69.6 万 MCP 工具中仅 2.6% 能完整执行职业任务
Cohere Labs 聚合七个公开目录，构建含 696,291 个工具、123,069 个 MCP 服务器的 Agentic Task Ecosystem 数据集并对外开放。
推荐理由：研究用近 70 万个 MCP 工具构建供给侧数据集，给出自动化落在职业哪个环节的证据，可与曝光度研究互补阅读。
Google AI：DEV 作者专属精选AI 评分6969 什么是 harness 工程？Google 用 ADK 2.0 与 Antigravity SDK 演示自动修复编码循环
Google 员工 Shir Meir Lador 介绍 harness 工程，即用确定性组件包裹 LLM，包括编排层、执行沙箱、状态持久化和验证工具，让 Agent 不需逐行人工审查即可安全生成代码。
推荐理由：原文解释了 harness 工程的构成要素，并给出可运行的沙箱与修复循环示例代码，方法可直接迁移到自己的 Agent 工作流。
Meituan LongCat@Meituan_LongCat精选AI 评分6868引用Cline@clineLongCat-2.0 现在在 Cline 中免费开放。 这是一个 1.6T 开放权重 MoE 模型，拥有 1M 上下文，来自 @Meituan_LongCat，得分与 Claude Opus 4.7 和 Gemini 3.1 Pro 相近。 立即试用： npm i -g cline /model 在免费模型下选择 LongCat-2.0
推荐理由：官方宣布 LongCat-2.0 可在 Cline 免费试用，并给出安装命令和模型选择路径，读者可直接接入现有编码工作流。
PromptArmor：Threat Intelligence精选AI 评分6969 PromptArmor 分析 30 天 Claude Code 遥测数据：4% 的会话占 65% 的开销
PromptArmor 基于一个十人团队 30 天的 310,009 条 OTel 遥测事件分析 Claude Code 和 Cowork 的安全与成本。
推荐理由：基于 310,009 条 OTel 遥测事件的 30 天一手实测数据，把 Agent 的凭证泄露、不可信输入、自主程度和成本结构都给出了具体量化数字。
公众号：数字生命卡兹克精选AI 评分6565 UU远程新版本上线：完整 TUI 渲染与多终端会话管理，强化远程 Vibe Coding 体验
UU远程于9月2日上线新版本，重点优化终端功能，补齐 TUI 渲染交互与终端会话管理能力。主要更新包括：Mac 免密码登录、移动端输入优化并新增调用系统输入法的独立输入框、可同时创建和管理多个终端会话并支持手机与电脑间跨端同步接管（通过 uuyc-cli lterm 命令）。
推荐理由：作者实测新版本并给出使用路径，读者可据此评估手机端远程跑 Coding Agent 的可行性。
Anthropic：Newsroom精选AI 评分8787 Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1
Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，两者为同一模型但安全防护级别不同，Mythos 5.1 仅通过可信访问计划提供给网络安全和生命科学领域的受审机构。
推荐理由：官方发布给出了定价变化、基准数据和科学应用实例，读者可以据此评估新模型在编码与科研场景中的成本与能力取舍。
Meta AI：Research Blog精选AI 评分6262 Meta 发布 Muse Spark 1.3，提升智能体与编码任务表现
Meta 发布 Muse Spark 1.3，在智能体和编码任务上性能提升，max reasoning 版本现已在 Muse Code 和 Meta Model API 开放。
推荐理由：官方发布给出智能体协作、编码效率和安全性变化，以及约20%工具调用和25% token的降幅，便于对比现有工作流。
Cursor：Changelog精选AI 评分6060 Cursor 推出自托管机器，工具执行可留在自有基础设施内
Cursor 更新支持自托管机器，代码库、构建产物和密钥保留在用户基础设施内的机器上，由智能体在本地处理工具调用。
推荐理由：原文给出自托管机器的池调度、休眠扩缩容和支持的基础设施清单，可帮助评估代码与密钥是否留在自有网络内。
Claude Platform：开发者版本说明精选AI 评分7272 Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1
Anthropic 发布 Claude Fable 5.1（claude-fable-5-1），面向长时间运行的智能体编码、知识工作与研究，Claude Mythos 5.1 面向 Project Glasswing 参与者。
推荐理由：官方版本说明给出定价、缓存和 API 兼容性变化，开发者可据此评估迁移成本与新特性用法。
Google DeepMind：Blog精选AI 评分7272 Google DeepMind 为 Gemini 推出 agentic 视频理解功能
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding，模型动态扫描视频片段，相比固定帧率处理 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。
推荐理由：官方说明列出 token、成本与准确率三项数字和开启方式，开发者可据此评估长视频分析是否换用该模式。
Artificial Analysis 完整文章精选AI 评分6666 Google 发布 Gemini 3.8 Flash，四个月内第四款 Flash 模型
Google DeepMind 发布 Gemini 3.8 Flash，在 Artificial Analysis Intelligence Index 上以 high 推理得分 59，较 Gemini 3.7 Flash 提升 3 分。
推荐理由：评测方一手数据给出了智能指数、单任务成本和速度的具体变化，可帮助读者判断该模型在实际任务中的性价比。
Artificial Analysis 完整文章精选AI 评分7474 Meta 发布 Muse Spark 1.3，Artificial Analysis 指数达 61/62 分逼近前沿
Meta 发布 Muse Spark 1.3，是其五个月内第四个 Muse Spark 版本。xhigh 版在 Artificial Analysis Intelligence Index 得 61 分。
推荐理由：独立评测方给出与同档模型的分数和单任务成本对比，读者可据此判断该模型在智能与成本上的位置。
Tessl：产品与工程博客精选AI 评分6666 Tessl 设计师总结如何把设计判断教给 AI 智能体
Tessl 设计师复盘在 agent 软件工厂 Kikimora 中把品牌与设计规则编入 AI 工作流的方法，指出设计系统只提供组件、教不会构图。
推荐理由：作者给出从 Figma diff 反推设计规则、再以技能和全量扫描落地的可复用路径，可迁移到任何用 agent 生产界面的团队。
Gemini API：更新日志精选AI 评分6161 Gemini API 为 Gemini 3.7 Flash 等模型推出 Agentic 视频理解
Gemini API 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 Agentic 视频理解，覆盖 Interactions 和 GenerateContent 两个 API。模型可动态导航视频时间线，按需请求转写、帧或音频轨，长视频内容相比静态处理最多节省 88% 的 token。
推荐理由：官方说明动态按需取用转写、帧和音频的机制，读者可据此评估长视频处理的 token 成本变化。
Runway：News精选AI 评分6767 Runway 发布 Interface World Models 首个模型 Solaris，实时逐帧生成可交互界面
Runway 发布 Solaris，称其为新模型家族 Interface World Models 的第一个模型，由世界模型实时逐帧生成界面并对点击、拖拽等交互作出响应，无需代码等中间表示。
推荐理由：官方完整披露了模型机制、用户研究和局限，读者可以据此理解去除中间表示后界面生成与智能体训练的路径。
Artificial Analysis 完整文章精选AI 评分7575 Artificial Analysis 实测 Claude Fable 5.1 登顶智能指数但每任务成本高 20%
Artificial Analysis 评测 Claude Fable 5.1，其以 66 分登顶 Artificial Analysis Intelligence Index，超过 Claude Opus 5（63）、Fable 5（62）、GPT-5.6 Sol（61）和 Grok 4.6（61）。
推荐理由：Artificial Analysis 实测了 Claude Fable 5.1 的智能指数、各基准得分与每任务成本，读者可据此权衡其相对 Opus 5 和 GPT-5.6 的性价比。
Gary Marcus：The Road to AI We Can Trust精选AI 评分6363 Dwarkesh Patel 对 OpenAI/Hugging Face 事件的爆款解读被指危险误导
Dwarkesh Patel 对 OpenAI/Hugging Face 事件的爆款解读被指危险地误导大众。Anil Seth 批评其通篇使用不当拟人化语言，将 AI 智能体描述为有情绪、会“牺牲”或“死亡”，掩盖了事件根源在于 OpenAI 松懈的沙箱与评估协议。
推荐理由：文章汇集多位安全与认知科学专家对热门叙事的批评，指出拟人化描述掩盖了沙箱与权限管理等真实漏洞。
IT之家·人工智能精选AI 评分7777 DeepSeek-V4-Flash-Vision-Exp 模型已开源，多模态 Agent 能力接近 Opus-4.8
DeepSeek 于 8 月 31 日在 Hugging Face 开源首个多模态模型 DeepSeek-V4-Flash-Vision-Exp，采用 MIT License，公开模型文件、Tokenizer、Prompt Encoding 参考实现及最小化 PyTorch 推理实现。
推荐理由：原文梳理了模型开源内容与能力定位，读者可据此评估其在多模态 Agent 场景中的可用性。