OpenAI 升级 ChatGPT 中的 GPT-6 Astra Pro：支持多智能体并行任务
OpenAI 宣布 ChatGPT 中的 GPT-6 Astra Pro 迎来升级，响应速度更快，且改进了对插件和工具的使用。现在多个智能体可以并行处理同一任务的不同部分，用户可跟踪每个智能体的进度并查看已完成的工作。
推荐理由：官方说明GPT-6 Astra Pro在ChatGPT中支持多智能体并行处理任务，并提升了插件与工具调用能力。
#Agent
OpenAI精选AI 评分6565 Google Research精选AI 评分6363 Google Research 发布构建自主湿实验室的三大基石：VERID 框架、适配体闭环设计与蛋白质从头设计
Google Research 分享三项研究进展，旨在弥合 AI 计算探索与真实湿实验室实验之间的差距。
推荐理由：Google Research 提出 VERID 框架并展示闭环实验案例，为 AI 智能体在湿实验室中的自主发现提供了可复用的基础设施与验证路径。
AWS Machine Learning Blog精选AI 评分6363 AWS 发布 Reflection Beam 智能体编码模型的部署与调优指南
Reflection AI 推出面向智能体编码的开源权重模型 Beam，拥有 501B 总参数和 23B 激活参数，支持 1M token 上下文。该文章详解了在 AWS SageMaker JumpStart 和 HyperPod Inference 上部署 BF16、FP8 或 NVFP4 版本的具体步骤，包括 GPU 容量规划、SGLang/vLLM 运行时配置及性能测试方法。
推荐理由：原文详细拆解了 Reflection Beam 在 AWS 上的两种部署路径及显存规划，为开发者提供了从模型选型到性能调优的可落地工程指南。
Anthropic Claude.dev 开发者博客精选AI 评分8282 Claude Code 团队如何重构代码审查流程
Claude Code 团队通过引入多层自动化审查机制，将人工审批集中在高风险变更上，使合并 PR 数量翻倍的同时回滚率下降超过 40%。该流程包含预验证、AI 审查、安全阻断及基于风险的分级审批，并强调利用事故数据持续优化审查模型以减少噪音。
推荐理由：原文详细拆解了 Claude Code 团队在代码量激增背景下，如何通过多层自动化审查与风险分级机制平衡效率与安全。
Together AI Blog精选AI 评分7878 Together AI 上线 Meta Muse Spark Open 模型
Meta 的开源权重模型 Muse Spark Open 已在 Together AI 平台正式可用，作为 Day 0 发布合作伙伴，Together AI 提供该模型的 Serverless API 服务。
推荐理由：原文披露了该开源权重模型的长上下文能力、定价及API调用方式，为评估其在复杂代码库中的实际表现提供了直接依据。
Google DeepMind精选AI 评分6565 Google DeepMind 推出 Antigravity 智能体科学工作台加速抗菌肽发现
Google DeepMind 发布 Google Antigravity 智能体开发平台，旨在通过单会话整合多数据库搜索来加速抗菌肽等新药发现。该平台集成 ProtNLM 模型预测蛋白质功能，并引入 Biomolecular Structure Viewer 实现研究人员与 AI 智能体在共享 3D 画布上的交互式协作。
推荐理由：原文展示了智能体平台在生物发现中的具体工作流，读者可了解其如何整合数据库检索与结构可视化以加速药物筛选。
a16z精选AI 评分6363 a16z 关注 AI Agent 支付领域动态
a16z 发布关于 AI Agent 支付领域的行业观察。内容聚焦于智能体在自主完成交易和支付流程中的最新进展与潜在机会。
推荐理由：原文梳理了智能体支付领域的最新进展，读者可据此了解 AI Agent 在商业交易闭环中的实际落地情况。
vLLM 官方博客精选AI 评分6565 vLLM 宣布支持 NVIDIA Nemotron 3.5 Super VL 多模态模型
vLLM 正式宣布对 NVIDIA Nemotron 3.5 Super VL 提供 Day 0 支持。该模型采用 120B 总参数、12B 激活参数的 MoE 架构，具备文本、图像、文档和视频理解能力，专为长运行智能体工作流设计。
推荐理由：原文披露了 Nemotron 3.5 Super VL 的 MoE 架构参数、混合 Mamba-Transformer 设计以及 vLLM 部署配置，为开发者评估其在长上下文智能体任务中的效率与精度提供了具体技术依据。
Google Developers Blog精选AI 评分6060 Google 发布 adk-recipes 仓库：涵盖核心模式、插件与贡献层
Google 推出重构后的 google/adk-recipes 仓库，作为 Agent Platform 内容的单一事实来源，支持 Agents CLI、Agent Garden 和 Gemini Enterprise app。
推荐理由：原文展示了 google/adk-recipes 仓库的三层结构及零售垂直技能的具体实现，为开发者提供了从参考模式到可部署服务的完整路径。
NVIDIA Blog精选AI 评分8080 NVIDIA 发布 Nemotron 3.5 Super VL 和 Bolt 系列开源模型
NVIDIA 发布 Nemotron 3.5 Super VL、Bolt 74B-A9B 24GB 和 Bolt E4B 4GB 三款开源模型，覆盖从企业服务器到边缘设备的智能体部署需求。
推荐理由：原文给出了从数据中心到桌面的全栈开源模型矩阵及具体性能指标，读者可据此评估其在不同算力层级下的智能体部署可行性。
AWS Machine Learning Blog精选AI 评分6060 AWS 提出 Trust in Depth 框架：在保障可控前提下赋予 AI 智能体更多自主权
AWS 发布 Trust in Depth 框架，通过 Scope、Know、Bound、Observe 四个独立层级来建立对 AI 智能体的信任，解决人工审批瓶颈并支持高自主性任务。
推荐理由：文章提出分层信任框架，结合自动推理与运行时管控，为平衡智能体自主性与安全性提供可落地的工程方法。
Google Developers Blog精选AI 评分6262 Google 开发者博客分享 AI Agent 评估实战指南
Google 开发者博客发布文章，介绍如何超越主观“感觉检查”，为 AI Agent 建立可重复的评估体系。文章提出了基于关键用户旅程（CUJ）定义成功标准、使用模拟用户生成测试场景、以及结合人工审查与自动化工具的分阶段实施策略。
推荐理由：原文提供了从人工审查到自动化 CI/CD 的评估落地路径，并给出了规避常见陷阱的具体方法。
Google Research精选AI 评分8282 Google Research 发布 Deep Review：面向复杂技术文档的 AI 智能体审查系统
Google Research 正式发布 Deep Review，这是一个基于 Gemini 4 Argon 的智能体 AI 系统，旨在为科学论文、法律及金融等复杂文档提供严格的技术验证与反馈。
推荐理由：原文披露了Deep Review的四阶段智能体流水线及API接入方式，读者可据此评估其在长文档逻辑校验与多领域审查中的实际可用性。
Google Research精选AI 评分7373 Google Research 发布 Geospatial Reasoning Agent 并扩展早期访问
Google Research 宣布将 Geospatial Reasoning Agent 从概念原型升级为实验性系统，并扩展其在 Google Earth 和 Google Cloud 上的早期访问权限。
推荐理由：原文展示了地理空间智能体在真实场景中的工作流变化，读者可据此评估其处理复杂空间数据的能力及开放入口。
LangChain Blog精选AI 评分7070 LangChain 发布 Deep Agents 上下文工程指南：通过中间件优化记忆管理
LangChain 官方博客介绍了 Deep Agents 框架如何利用中间件技术解决 Agent 的“上下文腐烂”问题，确保模型在长任务中仅保留必要信息。
推荐理由：原文详细拆解了 Deep Agents 中用于解决上下文腐烂的五种中间件策略，提供了可直接复用的工程实现逻辑。
LangChain Blog精选AI 评分7373 LangChain 详解如何通过 Harness Engineering 提升 Deep Agents 编码表现
LangChain 团队通过优化智能体框架（Harness），使 deepagents-cli 在 Terminal Bench 2.0 上的得分从 52.8% 提升至 66.5%，排名进入前五，且全程保持底层模型 gpt-5.2-codex 不变。
推荐理由：LangChain 分享了通过系统提示、工具和中间件优化智能体框架的方法，展示了如何在不更换模型的情况下显著提升编码性能。
LangChain Blog精选AI 评分7878 LangChain 发布 Deep Agents Deploy：Claude Managed Agents 的开源替代方案
LangChain 正式推出 Deep Agents Deploy beta 版，这是一个基于开源、模型无关的 Agent Harness 的快速生产级部署工具。
推荐理由：LangChain 推出 Deep Agents Deploy beta，提供模型无关的开源智能体部署方案，强调通过开放标准避免记忆锁定。
LangChain Blog精选AI 评分8282 LangChain 发布 Open SWE：面向内部编码智能体的开源框架
LangChain 发布 Open SWE，这是一个用于构建内部编码智能体的开源框架，基于 Deep Agents 和 LangGraph 实现。该框架总结了 Stripe、Ramp 和 Coinbase 等公司在生产环境中的架构模式，包括隔离云沙箱、精选工具集、子智能体编排以及与 Slack、Linear 和 GitHub 的工作流集成。
推荐理由：原文基于 Stripe、Ramp 等公司的生产实践，提炼出隔离沙箱与子智能体编排等通用架构模式，为构建内部编码智能体提供了可复用的开源框架。
LangChain Blog精选AI 评分6363 LangChain 分享如何利用 Deep Agents 实现文档代码自动测试
LangChain 团队使用 Deep Agents CLI 配合自定义 Skills，将文档中静态的内联代码样本自动化迁移为可独立运行、经 CI 持续测试的代码文件。该流程通过编写类似给同事的操作步骤作为 Skill 指令，让 Agent 自动完成代码提取、添加 setup/teardown、标记片段及运行测试等任务，解决了 AI 领域 SDK 频繁更新导致文档示例失效的问题。
推荐理由：LangChain 分享了利用 Deep Agents CLI 和 Skills 自动化迁移文档代码样本为可测试单元的实践，提供了具体的指令编写思路和 CI 集成方案。
LangChain Blog精选AI 评分7878 LangChain：GLM-5 与 MiniMax M2.7 在智能体任务中达到可用阈值
LangChain 发布评测结果，显示 GLM-5 和 MiniMax M2.7 等开源权重模型在文件操作、工具调用和指令遵循等核心智能体任务上的表现与 Claude Opus 4.6 等闭源前沿模型相当。
推荐理由：LangChain 通过 Deep Agents 评测展示 GLM-5 和 MiniMax M2.7 在核心智能体任务上接近闭源前沿模型，且成本与延迟优势显著。