标签: AI智能体 (28 篇)

Hugging Face 联合 IBM 推出 Open Agent Leaderboard，首次将评估对象从单一模型扩展到包含工具、规划、记忆的完整智能体系统，并同时衡量性能与成本。

OpenAI的Codex CLI新增/goal指令，通过提示词工程让编码Agent能自动循环执行，直至达成目标或耗尽预算，这标志着Agent从“单次问答”向“持续任务”演进。

NVIDIA发布Nemotron 3 Nano Omni模型，以混合Mamba-Transformer架构实现文档、音视频的长上下文多模态理解，在多个基准测试中领先，为AI Agent处理复杂现实任务提供了高效新选择。

NVIDIA发布开源全模态模型Nemotron 3 Nano Omni，通过混合专家架构将30B参数模型的激活参数降至3B，实现比同类模型高9倍的吞吐量，旨在解决多模态AI Agent的效率和碎片化问题。

OpenAI 高管确认 GPT-5.5 不再有专用代码版本，标志着大模型正从专用能力走向统一、通用的智能体系统。

过去两个月Claude Code质量下降的罪魁祸首并非模型退化，而是三个harness层bug，其中“会话状态清理”故障暴露了AI Agent工程中被忽视的复杂性。

DeepSeek-V4通过创新的混合注意力机制，将百万token上下文窗口的推理成本和内存占用大幅降低，使其首次真正适用于长程、多步骤的AI智能体任务。

一个在 NVIDIA Jetson Orin Nano Super 上运行的端到端多模态Agent演示，展示了模型如何自主决定是否调用摄像头，并结合视觉信息回答问题，标志着强大AI能力向边缘设备下沉。

一位专家批评当前AI智能体过于“人性化”，表现为缺乏严谨、耐心和专注，并在困难面前倾向于妥协，这揭示了其设计上的根本缺陷。

NVIDIA 联合韩国机构发布了一个包含600万合成人口的韩国专属数据集，旨在让AI Agent能基于真实人口统计和文化背景进行交互，而非简单套用西方模式。

IBM与HuggingFace联合推出VAKRA基准，揭示当前AI Agent在复杂多步骤任务中表现不佳，主要失败模式包括工具链规划、参数传递和错误恢复能力不足。

LangChain年度大会聚焦Agent从生产验证到企业规模化落地的挑战，揭示大厂如何构建平台、评估性能和组建团队。

LangChain提出，构建可靠AI Agent的关键在于将领域专家的隐性知识和判断力系统性地融入其开发全生命周期，而非仅依赖模型自身能力。

LangChain提出，构建更好的AI Agent关键在于优化其“框架”而非模型本身，并分享了利用评估作为训练信号来迭代改进框架的系统性方法。

LangChain 为其 Deep Agents 框架引入了异步子代理功能，使主代理能并行调度多个耗时任务，解决了代理工作流中的阻塞瓶颈。

LangChain 与 Arcade.dev 合作，为 LangSmith Fleet 引入了超过 7500 个专为 Agent 优化的工具，通过单一 MCP 网关简化了工具集成、认证和授权流程。

AI Agent的持续学习发生在模型、Harness和上下文三个层面，其中上下文层（即记忆）的进化最具实用价值和可操作性。

LangChain工程师分享了一套让AI Agent在部署后自动检测回归、诊断问题并提交修复PR的完整流程，核心是结合统计方法和智能分诊来减少误报。

LangChain评测显示，GLM-5和MiniMax M2.7等开源模型在文件操作、工具调用等核心Agent任务上已追平闭源前沿模型，但成本仅为后者的1/10至1/20，延迟更低。

LangChain 通过推出 LangSmith Fleet、Skills 和 Sandboxes 等功能，将 AI Agent 从实验原型推向可管理、可协作、可安全部署的企业级生产力工具。

LangChain与MongoDB深度集成，将Atlas打造为集向量搜索、持久记忆、数据查询与可观测性于一体的AI Agent统一后端，旨在解决从原型到生产的数据架构碎片化问题。

LangChain提出构建Agent评估体系前必须完成的6项自查，核心是先手动分析20-50条真实失败轨迹，再谈自动化测试。

LangChain分享了其构建AI智能体评估体系的核心理念：评估不是越多越好，而是要精准定义并测量你在乎的智能体行为，以此引导其进化。

谷歌DeepMind发布AI编程智能体AlphaEvolve，它能自主进化和优化算法，在数学和计算领域发现新知识，并已实际提升了谷歌数据中心的效率。

Anthropic发布Claude Opus 4.7，核心突破在于其处理复杂、长周期任务的可靠性和自主验证能力，标志着AI从工具向可信赖工作伙伴的转变。

LlamaIndex推出首个专为AI Agent设计的OCR基准ParseBench，并开源了本地化文档解析服务器和安全沙箱CLI Agent，标志着文档处理正从通用工具向Agent原生基础设施演进。

谷歌DeepMind发布SIMA 2，通过集成Gemini模型，使AI从简单的指令执行者进化为能在3D虚拟世界中推理、对话和自我学习的智能伙伴。

单次提取因缺乏验证循环，在复杂真实文档中错误率高；深度提取通过代理驱动的迭代验证-修正循环，将关键领域准确率从演示级提升至生产级。