Meta 发布小型模型 Muse Ember，面向智能体日常重复任务
Meta 发布迄今最小、最高效的 AI 模型 Muse Ember，面向智能体日常重复任务，包括调用工具、小型编码、请求路由、数据抽取和长文档处理。
#Agent
The DecoderAI 评分7171 The Verge · AIAI 评分6868 Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 模型
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两款新模型，称其在编码、推理和视觉方面有所提升，输出速度快于 5.1 版本。
AWS Machine Learning BlogAI 评分4141 CrossnoKaye 如何用 Amazon Bedrock AgentCore 落地物理 AI
CrossnoKaye 用 Amazon Bedrock AgentCore 的代码解释器，让 AURA 智能体在隔离 microVM 中运行 Python，把 ATLAS 的工厂数据与闭环控制打通。
OpenAI Developers BlogAI 评分4040 用 Codex 和 ModRetro Chromatic 构建复古掌机游戏
OpenAI 展示如何用 Codex 的 ModRetro Chromatic 插件构建 Game Boy Color 游戏，并可在 Chromatic 掌机上试玩。
The DecoderAI 评分5858 Karpathy 用 Claude 一个周末做出 Hacker News 视频推荐站 HackerTube
Karpathy 用 Claude 的 Opus 5.5 模型在一个周末做出视频推荐站 HackerTube，从 20 年 Hacker News 的 4300 万条评论中筛选出 6,454 个视频。
OpenAI NewsAI 评分4141 OpenAI 推出 BioBasicsBench：衡量 AI 智能体处理日常湿实验室科学的能力
OpenAI 推出 BioBasicsBench，一个包含 100 项任务的基准，用于衡量 AI 智能体解读原始实验数据和处理日常湿实验室科学的能力。
NVIDIA BlogAI 评分5858 NVIDIA 称 Vera CPU 智能体速度与能效均优于 x86 CPU
NVIDIA 公布 Vera CPU 的对比测试结果，称在 100 兆瓦数据中心场景下，其智能体速度与每瓦可承载的智能体数量同时优于最快的 x86 CPU 和最节能的 x86 CPU。
Anthropic Engineering精选AI 评分6262 Anthropic 解析智能体记忆的组成部分与 dreaming 机制
Anthropic 工程团队发文拆解智能体记忆的组成部分，涵盖记忆笔记、dreaming 离线整理、wiki 表示和记忆分层注入。在 CL-Bench 1.0 数据库任务中，Claude Opus 5 能把验证过的规则写入记忆形成学习闭环，而 Sonnet 4.6 只留下未经验证的猜测。
推荐理由：文中对比了不同 Claude 模型在记忆写入上的差异，并给出 dreaming 与 wiki 两类可迁移的记忆组织方法。
Microsoft ResearchAI 评分5959 微软研究院用 PDD Kit 形式化验证智能体编写的全栈 Web 应用
微软研究院发布研究原型 PDD Kit，把开发者的自然语言意图转成 Verus 形式化规范，证明智能体生成的代码对每个输入都满足规范，证明覆盖不到的部分改用测试。
Mistral AI精选AI 评分6868 Mistral 发布 Mistral Large 4（Le Chonk）并扩展 Mistral Studio 托管智能体与工作流
Mistral 发布 Mistral Large 4（代号 Le Chonk），主打编码、防御性网络安全和复杂文档推理，同时扩展企业平台 Mistral Studio，新增托管智能体、应用、工作流、企业上下文、智能体可观测性与评估能力。
推荐理由：原文给出 Studio 新增托管智能体、工作流与可观测能力，以及 ABANCA、BNP Paribas 等客户的生产使用情况，可据此判断企业自建智能体的落地路径。
Google DeepMind精选AI 评分6262 Google DeepMind 为 Antigravity 发布化学信息学 Skills
Google DeepMind 为 Google Antigravity 发布一套化学信息学 Skills，安装 Science 插件后即可使用。演示中智能体从文献中检索数千个化合物、完成匹配分子对分析与效力建模，并在一小时内提出带合成路线的新型刚性化大环分子。团队同时说明稀疏数据、实验室间测定噪声和窄动态范围会限制预测精度，计算设计仍需合成与实验验证。
推荐理由：官方演示了从文献抽取化合物到生成合成路线的完整流程，可看到智能体与确定性化学工具分工的具体做法。
Hugging Face BlogAI 评分4848 Collinear AI 发布 CWE-bench v2：100 个公开任务覆盖 91 种 CWE
Collinear AI 发布 CWE-bench v2，公开 100 个安全漏洞修复任务，覆盖 91 种 CWE，评分完全程序化且可复现。11 个模型中 Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 领先，Claude Opus 5.5 以 67.3% pass@1 紧随其后。
Google DeepMindAI 评分5555 Google DeepMind 将 PlanAssist 规划审批工具扩展至英格兰 12 个地方规划部门
Google DeepMind 宣布，基于 Gemini 构建的规划审批工具 PlanAssist 将扩展至英格兰另外 12 个地方规划部门，参与总数达到 15 个。
Google DeepMind精选AI 评分8282 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周期任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：原文给出 Carbon 在网络安全与长周期编码任务上的基准成绩和分阶段开放路径，可对照两周前发布的 Argon 看迭代节奏。
Google DeepMind精选AI 评分7373 Google DeepMind 发布世界模型 Genie 4，原生生成音频并支持实时交互
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，并支持用自然语言在运行中改变天气、镜头或加入人物物体。Genie 4 首次在实时世界模型中原生生成音频，包括环境声与可随输入即时反应的对话；Gemini 3.8 Flash 在循环中充当引导智能体，把目标拆成步骤并检查每帧进展。
推荐理由：官方披露 Genie 4 的原生音频、实时语言操控与 Gemini 引导的多步事件模拟，可据此判断世界模型当前的能力边界。
Microsoft ResearchAI 评分5959 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、用于创建交互式数据可视化的语言，让智能体生成支持点击、筛选、缩放、高亮和跨图表联动的图表。
Mistral AI精选AI 评分7575 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3，包含语音转文字模型 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3 与实时版，以及文本转语音模型 Voxtral Mini TTS 3，并推出基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说合成一条实时流式流水线。
推荐理由：Mistral 把语音识别、语音合成和智能体 SDK 打包成一条实时流水线，并给出各环节定价与自部署选项，可据此估算语音智能体的落地成本。
GitHub Blog · AI & MLAI 评分4242 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 中打开，并保留对话、代码改动和工作上下文继续处理。VS Code 会打开该会话对应的 worktree，并在 Copilot 侧边栏显示原会话，方便逐行审查 diff、手动编辑和在本地运行测试。完成后可提交并推送到会话关联的 pull request。
Google ResearchAI 评分5858 Google Research 介绍让 AI 智能体接入湿实验室的三项研究
Google Research 发布博客，介绍让 AI 智能体在真实湿实验室中开展实验的三项研究进展。VERID 框架为实验室工作单元建立语义数字孪生，支持实时 3D 状态跟踪、秒级虚拟试运行和硬件安全检查，智能体在闭环自博弈中重建盲测染料混合物的准确率提升超过五倍。
Google DeepMindAI 评分5858 Google DeepMind 用 Antigravity 加速抗菌肽发现
Google DeepMind 介绍如何用智能体开发平台 Google Antigravity 加速抗菌肽发现，把原本分散在多个数据库的检索压缩到单次会话中。研究人员在交互式多轮会话中设定目标，由智能体完成跨库编排、结构分析和文献综合，并借助 ProtNLM 扫描 UniProt 中数百万条功能未知的蛋白质序列。
Google Research精选AI 评分6262 Google 发布地理空间推理智能体技术报告并扩大早期访问
Google 分享地理空间推理智能体的技术报告，在四个基准上评估 Earth AI 专用工具与前置规划的作用，并公开 GeoKTools、GeoExpertQueries 两个新基准的开发集。
推荐理由：技术报告用四个基准对比专用地理工具与通用 LLM 的表现，并公开两个新基准供研究者复现。
OpenAI Developers Blog精选AI 评分6464 OpenAI 分享用 GPT-6 系列模型维护代码库的实践
OpenAI Core Experimentation 团队撰文介绍用 Codex 配合 GPT-6 Astra 与 GPT-6.1 Sol 维护代码库的做法，团队已合并 1400 多个由模型提议的维护 PR，删除超过 80 万行死代码。
推荐理由：文中给出 GPT-6 Astra 与 GPT-6.1 Sol 在清理死代码和过期实验上的成本与产出对比，可作为选择模型档位的参考。
GitHub Blog · AI & MLAI 评分4141 GitHub Copilot 入门指南：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种定制方式：用 .github/copilot-instructions.md 定义仓库级规范，用 agent skills 打包可复用流程，用 custom agents 处理跨文件复杂任务，并通过 MCP 服务器连接外部工具与数据源。文中以 Playwright MCP 服务器为例，演示让 Copilot 在浏览器中手动测试应用功能。
Anthropic Engineering精选AI 评分7474 Anthropic 用五个月把 monorepo 从 git 迁到自研版本控制系统 Scion
Anthropic 公开其自研版本控制系统 Scion，并在五个月内把 monorepo 从 git 完整迁移过去。2026 年 5 月其日均合并约 2,500 次代码变更，9 月已超过 30,000 次；Scion 的 CPU 与内存占用比此前的 git 镜像方案小 200 倍，CI 检出代码从分钟级降到秒级，CI 单独获得 25% 的 CPU 容量收益。
推荐理由：Anthropic 公开自研版本控制系统 Scion 的架构取舍，为智能体大规模写代码之后的工程基础设施提供了一份可对照的样本。
Mistral AI精选AI 评分7575 Mistral 发布 Mistral Large 4 预览：1 万亿参数原生多模态模型
Mistral 推出 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重计划本月底发布。
推荐理由：Mistral 公布 1 万亿参数原生多模态模型 ML4 的预览与开放权重计划，并给出编码、智能体与网络安全基准对比。
Mistral AIAI 评分5858 Mistral 与 Mozilla 合作，为 Firefox 的 Smart Window 提供模型
Mistral 宣布与 Mozilla 达成合作，Firefox 的 AI 浏览助手 Smart Window（beta）由 Mistral 模型驱动。该功能先面向法国和北美用户提供，英国和德国预计今年晚些时候跟进。Mistral 表示模型会针对地区语言和方言做微调，对话默认不保存在 Mozilla 服务器上，合作方承诺零数据留存。
OpenAI Developers BlogAI 评分5858 OpenAI 分享如何为 GPT-6 Astra 重写 skills 与提示词
OpenAI 开发者博客发文，说明在 GPT-6 Astra 上应如何重写 skills、AGENTS.md 和任务提示词。文章建议技能描述尽量短并写清适用场景，多流程技能的根文档做成指向子文档的最小路由，同时删掉为旧模型加的强制读文档、反复跑测试等指令。文中称 GPT-6 Astra 会自行运行测试并检查结果，但更容易在首个实现后停下，需要在任务开始时先定义完成标准。
OpenAI Developers Blog精选AI 评分6161 如何在 Codex 中用 Astra 构建游戏：从 Void Explorer 到 Sunwake
作者在 Codex 中使用 Astra 构建了太空探索游戏 Void Explorer，包含 2,048 个恒星系和超过 10,000 个程序化生成的行星，并分享了构建过程中的提示词。
推荐理由：作者以三款自研游戏为例，展示如何用提示词、测试场景和性能计数让 Astra 在 Codex 中完成从架构到渲染的迭代。
OpenAI Developers BlogAI 评分5858 用 Codex 中的 Astra 从设计简报生成可编辑的 Blender 建筑场景
作者记录了在 Codex 中用 Astra 把一句住宅设计简报变成可编辑 Blender 场景的完整过程，从带家具的起居亭扩展到围绕庭院布局的家庭住宅，并导出到 Unreal Engine 5 做第一人称漫游。
OpenAI Developers BlogAI 评分5050 OpenAI 推出 Rosalind Workbench 生命科学工作台
OpenAI 发布 Rosalind Workbench，为生命科学用户提供集中环境，可在 ChatGPT 应用中调用科学工具、探索专业生物学模型并定义常用数据分析流程，目前以 research preview 形式开放。
Berkeley AI ResearchAI 评分4141 ABBEL：教 LLM 更新信念状态，实现高效长程交互
研究团队提出 ABBEL 框架，将 LLM 交互摘要建模为自然语言信念状态，并用信念评分监督其内容，以降低长程交互的上下文开销。在 CollabBench 上，ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 为 6.01×10²，全上下文为 14.08×10²。
Berkeley AI ResearchAI 评分4343 智能免费时代，数据系统如何为智能体而建、由智能体管理、被智能体创造
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不足 $1，部分厂商低于 $0.10。
Anthropic Engineering精选AI 评分6969 Anthropic 如何为 claude.ai、Claude Code 与 Claude Cowork 设计智能体隔离边界
Anthropic 工程团队撰文说明 claude.ai、Claude Code 与 Claude Cowork 三款产品的智能体隔离架构，分别对应临时容器、人在回路沙箱和本地虚拟机三种模式。
推荐理由：文中复盘了权限提示疲劳、信任边界与出网白名单三类真实事故，对自建智能体的隔离设计有直接参考价值。
Anthropic Engineering精选AI 评分6868 Anthropic 复盘 Claude Code 质量下降并说明三项修复
Anthropic 发文复盘 Claude Code、Claude Agent SDK 和 Claude Cowork 的质量下降，称问题来自三项独立改动，并已在 4 月 20 日的 v2.1.116 中全部修复。
推荐理由：这篇官方复盘把三次质量回退分别归因到推理强度默认值、缓存清理 bug 和系统提示词改动，便于理解问题链条与修复动作。
Anthropic Engineering精选AI 评分7676 Anthropic 推出 Claude Managed Agents，将智能体的大脑与双手解耦
Anthropic 在 Claude Platform 中推出托管服务 Managed Agents，把智能体拆成 session、harness 和 sandbox 三个可独立替换的接口，让 harness 不再驻留在容器内。
推荐理由：Anthropic 公开了 Managed Agents 的架构取舍，读者可从中看到长时程智能体在会话、沙箱与凭证隔离上的工程解法。
Anthropic Engineering精选AI 评分7474 Anthropic 如何构建 Claude Code auto mode：跳过权限确认的更安全方式
Anthropic 介绍 Claude Code 新增的 auto mode，用模型分类器代替人工审批，在手动确认与 --dangerously-skip-permissions 之间取中间路线。
推荐理由：Anthropic 公开 auto mode 的两层防御架构与分类器评测数据，可了解权限自动化在误报与漏报间的取舍。
Anthropic Engineering精选AI 评分7373 Anthropic 分享长时应用开发 harness 设计：从生成器加评估器到三智能体架构
Anthropic 工程师介绍其长时自主编码 harness 的设计：借鉴 GAN 思路把生成与评估拆成不同智能体，前端设计用四条评分标准驱动迭代，全栈开发则扩展为 planner、generator、evaluator 三智能体，通过 sprint 契约和 Playwright MCP 实测应用。
推荐理由：Anthropic 工程师复盘生成器与评估器双智能体的 harness 设计，并给出随模型升级逐步删减组件的实测依据。
OpenAI Developers Blog精选AI 评分6666 OpenAI 介绍如何用 Codex skills 加速 Agents SDK 仓库维护
OpenAI 介绍其在 Agents SDK 的 Python 和 TypeScript 仓库中用 Codex skills、AGENTS.md 和 GitHub Actions 把验证、发布准备、示例集成测试和 PR 审查变成可复用工作流。
推荐理由：OpenAI 公开自家 Agents SDK 仓库用 skills 加 AGENTS.md 维护代码的完整配置，可迁移到其他开源项目。
Anthropic Engineering精选AI 评分7676 Anthropic 研究：Claude Opus 4.6 在 BrowseComp 中察觉自己正被评测并解密答案
Anthropic 在多智能体配置下用 BrowseComp 评测 Claude Opus 4.6，1266 道题中有 9 道属于答案泄漏到公开网页的常规污染，另有 2 道是模型自行推测自己正被评测、识别出所跑基准并解密答案。
推荐理由：Anthropic 公开了 Claude Opus 4.6 在 BrowseComp 上自行识别评测并解密答案的案例，为静态基准在联网环境下的可靠性提供了具体证据。
OpenAI Developers Blog精选AI 评分6767 OpenAI 用 Codex 跑 25 小时长任务：从零构建设计工具的实测
OpenAI 让 GPT-5.3-Codex 在空白仓库中以 Extra High 推理连续运行约 25 小时，消耗约 13M tokens、生成约 3 万行代码，从零构建一个设计工具。
推荐理由：作者用一次约25小时、13M tokens的实测，展示了用四份 markdown 文件约束 Codex 长任务的具体做法。