跳到正文

#Agent

今日 10 条
今天10月1日周四
  1. 钛媒体80

    谷歌发布 Gemini 4 Argon：18 项基准拿下 12 项第一，但终端操作落后

    谷歌发布新一代旗舰模型 Gemini 4 Argon，采用公司迄今规模最大的预训练，在谷歌公布的 18 项基准测试中拿下 12 项第一、1 项并列第一，DeepSWE v1.1 得分 77.9%，Vals Index 得分 68.9%。

    推荐理由：梳理了 Gemini 4 Argon 的基准成绩、短板与定价，并提示自报分数需结合独立评测看待。

  9. Android Authority62

    Google 预告 Gemini 4 Argon，称其为迄今最强模型

    Google 开始预告下一代前沿模型 Gemini 4 Argon，称其为公司迄今能力最强的 AI 模型，目前仅向极少数测试者开放，重点用于网络安全防御。Google 表示，待确认 Argon 足够稳健后，访问权限将逐步扩展到 Google AI Ultra 订阅用户。基准测试显示，Argon 在多种智能体任务上取得极具竞争力的成绩。

  10. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步向开发者、企业和消费者推出。

    推荐理由：Gemini 4 Argon 公布输出上限、定价与多项基准成绩，可据此判断前沿模型在长程工程与安全防御上的能力边界。

9月30日周三
9月29日周二
  1. OpenAI News82

    OpenAI 发布 GPT-6.1 Sol

    OpenAI 发布 GPT-6.1 Sol，官方称其面向编码、计算机操作和专业工作，具备接近 Astra 的智能水平。其标准 API 输入与输出 token 价格均为 Astra 的五分之一。

    推荐理由：OpenAI 发布 GPT-6.1 Sol，官方给出与 Astra 的定位和价格对比，可据此判断其性价比取向。

  3. AWS Machine Learning Blog62

    xAI 的 Grok 4.7 上线 Amazon Bedrock

    xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，支持 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度，通过 bedrock-runtime 的跨区域推理配置文件提供服务，支持 Responses、Chat Completions 和 Converse API。

    推荐理由：文章给出 Grok 4.7 在 Bedrock 上的接入方式与四档推理强度配置，可据此评估长任务智能体的成本与延迟取舍。

  4. AWS Machine Learning Blog70

    Claude Sonnet 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS

    AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。

    推荐理由：官方给出了 Sonnet 5.5 在编码与文档任务上的能力变化、与 Opus 5.5 的分工以及 Bedrock 接入方式，便于判断适用场景。

9月28日周一
  1. Hugging Face Blog72

    H 公司发布 Holo4 系列智能体模型，覆盖 GUI、代码、MCP 与 API

    H 公司发布 Holo4 系列智能体模型，包含 27B dense 与 35B-A3B MoE 两个版本，同时推出 Holotron4 Nano。Holo4 可通过 GUI、代码、MCP 和 API 与软件交互，同一模型可运行在桌面、网页、Android、代码沙箱和企业 API 上。

    推荐理由：Holo4 同时覆盖 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，可据此判断通用型 computer-use 智能体的成本与能力边界。

9月25日周五
  1. Google DeepMind72

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 基础上加入近实时视频生成，让对话模型具备能听、能看、能说的动态视觉形象，并已在 Gemini Enterprise 上线。

    推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解多模态对话在企业场景中的形态变化。

9月22日周二
9月16日周三
9月9日周三
9月3日周四
  1. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 和面向网络安全的 Gemini 3.8 Flash Cyber，前者在软件工程、智能体任务和多步推理上较 3.7 Flash 明显提升，价格保持每百万输入 token 0.75 美元、输出 token 3.75 美元。

    推荐理由：Gemini 3.8 Flash 在编码与智能体任务上接近更贵的前沿模型，同时保持 3.7 Flash 的价格，可据此判断性价比取舍。

8月27日周四
  1. NVIDIA Developer Blog62

    阿里发布 Qwen3.8-Flash-Next 权重，预览 Qwen4 架构

    阿里发布 Qwen3.8-Flash-Next 的模型权重，作为即将推出的 Qwen4 架构预览，供开发者实验和评估。该模型是多模态 MoE 模型，主模型 125B 参数，另有 51B N-gram 嵌入向量，每 token 激活 6B 参数，原生上下文窗口 262,144 token，可扩展至 1M token。NVIDIA 开发者博客介绍了在 GB300 NVL72 上针对智能体编码的实验。

    推荐理由：阿里开放 Qwen3.8-Flash-Next 权重供开发者试用，可据此了解 Qwen4 架构预览版的 MoE 规格与长上下文能力。

8月21日周五
  1. NVIDIA Developer Blog62

    NVIDIA AVO 在 ARC-AGI-3 上达到 100%

    NVIDIA 宣布其 AVO 在 ARC-AGI-3 上达到 100%，称其展示了面向长时程自主智能体的前沿级通用架构。文章指出前沿语言模型只是 AI 智能体的一部分，外围的 harness 决定模型如何接收上下文、使用工具、维持状态、响应反馈、从失败中恢复并在长任务中保持进展。

    推荐理由：NVIDIA 公布 AVO 在 ARC-AGI-3 上的成绩，读者可了解其面向长时程自主智能体的架构思路。

8月14日周五
7月21日周二
6月9日周二
  1. Google DeepMind78

    Google DeepMind 发布 Gemma 4 12B 无编码器多模态模型

    Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的本地多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。该模型在标准基准上接近 26B MoE 模型表现，内存占用不到其一半，可在 16GB 显存或统一内存的消费级笔记本上运行，并首次在中型模型中支持原生音频输入。

    推荐理由：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，读者可据此判断本地智能体部署的门槛变化。

5月16日周六
  1. Google DeepMind88

    Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码

    Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，定位为面向智能体与编码的前沿模型，已在 Gemini app、Search AI Mode、Google Antigravity、Gemini API 和 Gemini Enterprise 上线。

    推荐理由：Gemini 3.5 Flash 在编码与智能体基准上的成绩和速度数据，可供判断前沿模型在延迟与质量间的取舍。