美团发布全场景 AI Agent 平台 CatPaw，搭载 LongCat 2.0
美团正式上线全场景 AI Agent 平台 CatPaw，搭载本月开源的 LongCat 2.0（总参数 1.6T，原生支持 1M 上下文），提供 AI 智能工作台与企业级 Agent 开发托管能力。
推荐理由：原文给出 CatPaw 的多端协作、专家技能与托管能力，读者可据此判断企业级 Agent 平台的落地形态。
技术方向
Agent 智能体 最新动态
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
13 条精选近 30 天 13 条共收录 84 条
更新
Agent 智能体的精选
美团技术团队精选AI 评分7575 美团技术团队精选AI 评分6262 美团图灵团队公开 Agent 评测实践：从评测体系到长程 Agent 演进
美团图灵 Agent 评测团队将内部博客公开，由浅入深讲解 Agent 评测，涵盖评测是什么、如何建立评测体系，以及长程 Agent 框架带来的变化。文章提出观测加评测等于持续迭代的研发公式，主张评测需覆盖结果、过程、效率、风险四层，并给出把模糊指标下钻为二元化 Rubric、追求人人一致与人机一致的实践方法。
推荐理由：美团图灵团队公开两年 Agent 评测实践，给出从指标下钻到人机对齐的可迁移方法论与落地路径。
新智元精选AI 评分8080 何恺明团队VISTA论文：让Claude在ARC-AGI-3拿满分
何恺明团队在arXiv发布VISTA论文，把ARC-AGI-3官方给模型的64×64数字表换成图片，并加入可随时调用的无损视觉记忆相册，Claude Opus 5在25个公开游戏全部183关拿到满分，GPT-5.6 Sol拿到99分。
推荐理由：何恺明团队用视觉输入加无损视觉记忆替代数字表，让同一模型在ARC-AGI-3上从40分升至满分，可看方法迁移思路。
Hugging Face Blog精选AI 评分7171 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再根据其留下的后端终态和副作用判分，而非看它生成的回答。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非回答文本判分，并给出 20 次重复下的稳定性与成本对比。
Latent Space精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，之后才向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的能力与成本差异。
智东西精选AI 评分8282 谷歌发布 Gemini 4 Argon，输出上限提至 100 万 Token
谷歌发布新一代旗舰模型 Gemini 4 Argon，面向软件工程、法律金融等企业知识工作与网络安全防御，输出 Token 上限从此前 6.4 万提升至 100 万。
推荐理由：谷歌发布 Gemini 4 Argon，披露了输出上限、基准成绩和 API 定价，可据此判断其企业级 Agent 任务的定位与成本。
NVIDIA Blog精选AI 评分6262 NVIDIA 与 CoreWeave 将 Vera Rubin NVL72 和 Vera CPU 投入生产
CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网，并计划提供面向 AI 智能体的 NVIDIA Vera CPU。
推荐理由：CoreWeave 上线 Vera Rubin NVL72 与 Vera CPU，并给出 Cognition 实测吞吐与沙箱启动数据，可据此判断智能体训练到推理的闭环成本。
开源中国精选AI 评分7878 Anthropic 红队评估 GLM-5.3：自主漏洞利用能力追平 Claude Mythos Preview
Anthropic 前沿红色团队评估智谱 GLM-5.3，认为它是首个能像五个月前 Claude Mythos Preview 那样自主构建端到端漏洞利用、却几乎未设拒绝护栏就放出的模型。五个月前 Anthropic 发布 Claude Mythos Preview 时，曾称其为第一个能自主构建复杂端到端漏洞利用的 AI 模型。
推荐理由：Anthropic 红队对 GLM-5.3 的评估给出了自主漏洞利用能力与拒绝护栏缺失的对比，可了解前沿模型安全评估的一种视角。
Latent Space精选AI 评分8888 OpenAI DevDay 2026 发布 Dots、GPT-6.1 Sol、Ultrafast 与 Decisions API，ChatGPT 周活达 12 亿
OpenAI 在 DevDay 2026 上发布 Dots 常驻智能体、GPT-6.1 Sol、Ultrafast 模式、Decisions API 与 ChatGPT Spaces，并公布 ChatGPT 周活 12 亿。
推荐理由：汇总 OpenAI DevDay 2026 的全部发布与第三方评测数据，可一次看清其产品线扩张与定价策略。
Hugging Face Blog精选AI 评分7171 H 公司发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两个版本
H 公司发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 版，两者均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
推荐理由：Holo4 用同一套权重覆盖 GUI、代码、MCP 与 API 四类接口，并公开全部评测轨迹，便于对照其成本与能力取舍。
Google Research精选AI 评分6666 Google Research 发布 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，把长视频生成建模为全局优化与世界状态追踪问题，缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性与角色保持的评测结果，便于了解多智能体编排在视频生成中的具体分工。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 智能体流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需给出 GitHub 仓库地址，智能体就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的建 harness、读覆盖率、崩溃分诊交给 LLM 智能体，并公开了可复用的开源流水线。
GitHub Blog · AI & ML精选AI 评分7878 GitHub 用 Copilot 把 Copilot 运行时迁移到 Rust
GitHub 用 Copilot 应用和 CLI 把 Copilot 智能体运行时从 TypeScript 完全重写为超过 80 万行生产级 Rust，代码主要由 AI 智能体编写，分布在 128 个 PR 中增量合并，而非一次性切换。
推荐理由：一位工程师复盘用 Copilot 智能体把运行时从 TypeScript 迁到 Rust 的全过程，含并发会话协作与提示缓存数据。