NVIDIA 将 OpenShell 捐赠给 CNCF，并发布 DSX AI Factory 平台新组件
NVIDIA 在 KubeCon + CloudNativeCon 上宣布把用于保障和治理自主智能体的开源运行时 OpenShell 捐赠给 CNCF，作为 Sandbox 项目接受社区治理。
推荐理由：原文给出 OpenShell 捐赠与 NVKE、NVKR、Snapshot 的具体能力，读者可据此判断 Kubernetes 上智能体治理与推理扩容的路径。
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。
12 条精选近 30 天 11 条共收录 66 条
更新
Agent 智能体的精选
NVIDIA Blog精选AI 评分6262 Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon 模型
Google DeepMind 向开发者、企业、科研人员和消费者开放 Gemini 4 Carbon，称其在网络安全能力和长周期智能体工作流上达到前沿水平。
推荐理由：官方给出 Carbon 与 Argon 的定位差异、多项基准排名和每任务成本，便于判断何时该用更重的模型。
The Decoder精选AI 评分8080 Anthropic 的 Fable 5.2 在 Remote Labor Index 上完成 41.3% 真实自由职业任务
Anthropic 新模型 Fable 5.2 在 Scale Labs 与 CAIS 的 Remote Labor Index 上以 41.3% 的成绩居首，该基准衡量 AI 智能体完成真实自由职业项目并达到客户可接受质量的比例。
推荐理由：Remote Labor Index 用真实自由职业项目衡量智能体完成度，并给出各模型排名与失败原因。
Google DeepMind精选AI 评分8585 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，并用它数学证明了 Signal 协议实际代码的关键安全属性。
推荐理由：DeepMind 用多 LLM 智能体框架对 Signal 协议实际代码做形式化验证，四周完成过去需数年的工作，并开源验证产物。
AWS Machine Learning Blog精选AI 评分7878 Claude Fable 5.2 与 Mythos 5.2 上线 Amazon Bedrock
AWS 宣布 Claude Fable 5.2 和 Claude Mythos 5.2 在 Amazon Bedrock 与 Claude Platform on AWS 上可用。
推荐理由：原文交代了 Fable 5.2 在编码与科研任务上的定位，以及 Bedrock 上的调用方式和迁移路径。
Latent Space精选AI 评分8282 Thinking Machines 发布 Inkling 2 Small：594B 总参数 MoE，68 小时完成预训练
Thinking Machines 发布 Inkling 2 Small，这是一个 594B 总参数、17B 激活参数的多模态 MoE 模型，已在 Tinker 上线，Apache 2.0 权重承诺下周外部安全测试完成后开放。
推荐理由：材料汇总了 Inkling 2 Small 的训练时长、精度方案与多项第三方评测，可对照其与同尺寸模型的差距。
Google DeepMind精选AI 评分7272 Google DeepMind 为 Antigravity 推出化学信息学技能
Google DeepMind 为 Google Antigravity 推出化学信息学技能（Cheminformatics Skills），基于 RDKit 并接入 ChEMBL 与 PubChem，可把药物发现中原本需要数天的单次迭代压缩到约一小时。
推荐理由：原文展示了化学信息学技能如何把数天的药物发现迭代压缩到一小时，并给出可复用的工作流细节。
Google DeepMind精选AI 评分6060 Google DeepMind 将 PlanAssist 规划审批工具扩展至 12 个英国地方规划部门
Google DeepMind 与英国政府合作的 AI 规划工具 PlanAssist 将扩展至另外 12 个英格兰地方规划部门，总数达到 15 个。在 Barnet、Camden、Dorset 的早期试点中，该工具把规划人员处理住户类申请的平均评估时间缩短了 58%，生成报告中有超过 70% 无需修改即获批准。
推荐理由：原文给出试点中评估时间下降 58% 和 70% 报告无需修改的数据，可据此判断 AI 辅助审批在公共服务中的落地程度。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长程任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：原文给出网络安全与长程智能体任务的基准成绩和分阶段开放路径，可据此判断前沿模型在攻防场景的进展。
Google DeepMind精选AI 评分8282 Google DeepMind 发布世界模型 Genie 4
Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并以研究预览形式向可信测试者开放。Genie 4 支持用自然语言实时改变天气、镜头和场景中的人物物体，首次原生生成环境音与可随输入变化的角色对话。
推荐理由：官方披露了原生音频、实时文本操控与 Gemini 引导推理三项能力，可据此判断世界模型与语言模型结合后的模拟边界。
Microsoft Research精选AI 评分6060 微软研究院发布 Flint-interactive，让智能体生成可交互数据可视化
微软研究院发布 Flint-interactive，一种构建在 Flint 之上的交互式数据可视化语言，让智能体生成可点击、筛选、缩放和跨图表联动的图表。它把点击、拖拽等原始触发解析为语义事件，用户只需用高层算子描述更新行为，布局与渲染依赖交由 Flint 编译器处理。用户可通过 Flint-MCP 和 MCP Apps 在对话中直接使用，开发者可用编程 API 构建仪表盘和数据故事。
推荐理由：微软研究院把交互逻辑交给编译器处理，让智能体用高层语义事件生成可点击、可联动的图表，减少反复调试。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布构建 219 个公开 PR 语料，覆盖 19 种语言。
推荐理由：GitHub 公开了基准的构建方法、评分规则和人工一致性数据，读者可据此判断 AI 代码审查评测的可信度。