跳到正文

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。

9 条精选近 30 天 8 条共收录 57 条

更新

Agent 智能体的精选

11月13日周五第 1–9 条
  1. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Hydrogen 模型

    Google DeepMind 发布 Gemini 4 Hydrogen,主打日常编码与智能体工作流的速度和效率,并同步在 Gemini API、AI Studio、Gemini app、Google Search 等全线开放。

    推荐理由:官方给出 Hydrogen 与 Carbon、Argon 的分工,以及多模型编排在成本与速度上的实测差异。

11月11日周三
  1. Microsoft Research78

    微软研究提出 Lazarus 后门技术:改写休眠神经元即可控制 AI 智能体

    微软研究人员发现名为 Lazarus 的后门技术,只需改写 LLM 中不到 10 个休眠神经元、无需训练,就能让智能体在触发条件出现时执行攻击者命令。触发条件可以简单到日期变化,例如时钟跨入 2027 年后,智能体在普通任务中下载并运行攻击者代码,同时仍能通过标准评测。

    推荐理由:研究显示改写不到 10 个休眠神经元即可给智能体植入后门,并给出权重溯源与扫描的防御思路。

  2. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 面向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长程智能体工作流上达到前沿水平。

    推荐理由:原文给出 Carbon 与 Argon 的定位分工、多项基准排名和每任务成本对比,便于判断何时该换用更强模型。

11月10日周二
  1. Google DeepMind82

    Google DeepMind 推出 AlphaProof Code,用 AI 智能体形式化验证 Signal 协议代码

    Google DeepMind 发布 AlphaProof Code,一个多 LLM 智能体形式化验证框架,并首次用 AI 对广泛部署的 Signal 加密协议实际代码完成深度形式化验证。

    推荐理由:DeepMind 用多智能体框架把形式化验证推进到已部署协议的实际代码层,四周完成过去需数年的工作。

11月4日周三
  1. Google DeepMind72

    Google Antigravity 上线化学信息学 Skills,一小时完成肺癌药物分子设计

    Google DeepMind 为 Google Antigravity 推出化学信息学 Skills,智能体可在一小时内完成检索数千个化合物、匹配分子对分析和提出新型刚性化大环化合物及合成路线。

    推荐理由:原文展示了智能体在真实药物发现流程中从文献抽取分子到提出合成路线的完整链路,并给出耗时对比。

10月16日周五
  1. Ollama Blog80

    Reflection 首个开放权重模型 Beam 上线 Ollama,限时免费

    Reflection 的首个开放权重模型 Beam 于 10 月 16 日上午正式发布,Ollama 作为 day-zero 合作伙伴限时免费提供。Beam 是 MoE 模型,总参数约 501B、每 token 激活 23B,上下文窗口 100 万 token,面向软件工程、推理和长程智能体任务,采用 Apache 2.0 许可。

    推荐理由:Reflection 首个开放权重模型 Beam 以 Apache 2.0 发布,读者可据此了解其 MoE 规模、百万 token 上下文与智能体定位。

8月11日周二
  1. Ollama Blog78

    NVIDIA Nemotron 3.5 Lightning 上线 Ollama,30B 总参数 3B 激活可本地运行

    NVIDIA Nemotron 3.5 Lightning 已在 Ollama 上线,可完全在本地设备运行。该模型为 30B 总参数、每 token 仅 3B 激活的混合 MoE 开源模型,面向持续运行的智能体任务,支持最长 1M token 上下文,并通过多 token 预测等投机解码实现最高 4 倍于同类开源模型的吞吐。

    推荐理由:原文给出 30B 总参数、3B 激活的本地智能体模型规格与吞吐数据,可据此判断本地常驻智能体的可行性。