OpenAI 推出 ChatGPT Work 智能体
OpenAI 发布 ChatGPT Work，这是一个可跨应用和文件执行操作的智能体，必要时能持续数小时跟进一个项目，把目标转化为完成的工作。
推荐理由：OpenAI 官方给出 ChatGPT Work 的定位，读者可据此判断智能体跨应用执行任务的形态。
#Agent
#Agent
今日 2 条OpenAI News精选AI 评分7272
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出近零推理成本时代的三大数据系统挑战：为智能体设计（Data Systems For Agents）、运行智能体（Of Agents）、由智能体构建（By Agents）。GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不足 $1，部分厂商已低于 $0.10，推理价格年降幅 9x 至 900x、中位数约 50x。
Hugging Face BlogAI 评分4444 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布 ScarfBench（Self-Contained Application Refactoring Benchmark），用于评估 AI 智能体在 Spring、Jakarta EE、Quarkus 之间的跨框架迁移能力，包含 34 个应用、102 个框架实现、204 个迁移任务和 1331 个专家测试。
Google DeepMind精选AI 评分7878 Google DeepMind 在 Gemini 3.5 Flash 中内置 computer use 能力
Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash，此前该能力仅以独立的 Gemini 2.5 computer use 模型形式提供。
推荐理由：原文说明 computer use 从独立模型并入 Gemini 3.5 Flash 主模型，并给出企业级安全防护选项，读者可据此判断智能体跨平台自动化的落地路径。
Hugging Face Blog精选AI 评分6262 如何用本地模型免费分诊 OpenClaw 仓库的 PR 和 issue
Hugging Face 博客分享了用本地模型分诊 OpenClaw 仓库 issue 和 PR 的实践：在 Pi agent harness 中运行 gemma-4-26b-a4b 和 qwen3.6-35b-a3b，配合只读的 reposhell 和 final_json 工具输出结构化分类标签。
推荐理由：作者用本地模型加受限 shell 做 PR 分类的完整实践，给出了可迁移的 agentic classification 配方与实测对比。
Hugging Face BlogAI 评分4848 Hugging Face 提出 MosaicLeaks：深度研究智能体会泄露隐私吗？
Hugging Face 发布 MosaicLeaks，用 1001 条多跳研究链评测深度研究智能体的隐私泄露风险，这些链交替穿插本地企业文档与公开网页信息。测试中智能体频繁泄露隐私，仅针对任务表现训练会加剧泄露；其提出的 PA-DR 强化学习方法将严格链成功率从 48.7% 提升至 58.7%，并把答案/全信息泄露率从 34.0% 降至 9.9%。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 agent-eval：在自有工具上评测开源模型的智能体能力
Hugging Face 发布 agent-eval 评测工具，用 transformers 作为案例，衡量智能体完成任务的过程成本而非只看最终答案。该工具在 bare、clone、skill 三种层级下运行模型×版本×任务的组合，每个组合作为独立 Hugging Face Job 在相同硬件上并行执行，并记录 match %、时间、token 和错误率等指标。
推荐理由：Hugging Face 用自家 transformers 做案例，展示如何衡量智能体使用工具的过程成本而非只看最终答案。
Hugging Face Blog精选AI 评分6262 用 Strands Agents 和 LeRobot 从 Hugging Face Hub 走到机器人硬件
AWS 开源 SDK Strands Robots（Apache 2.0）把 LeRobot 栈封装成 AgentTools，用一个 Strands 智能体串起从 Hub 数据集到物理机器人的流程。
推荐理由：AWS 团队给出从 Hub 数据集到真机的五步 Agent 流程，可据此判断仿真与硬件数据同格式的迁移成本。
Hugging Face Blog精选AI 评分8888 智谱发布 GLM-5.2：面向长程任务，支持 1M 上下文
智谱发布旗舰模型 GLM-5.2，主打长程任务能力，首次在 1M token 上下文上稳定支撑长程工作，并采用 MIT 开源许可。官方称其通过 IndexShare 让每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下将每 token FLOPs 降低 2.9×，MTP 层改进使投机解码接受长度最高提升 20%。
推荐理由：GLM-5.2 把 1M 上下文落到长程编码任务上，并给出与闭源前沿模型的逐项对比，可据此判断开源模型在长程工程任务中的位置。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Agentic Resource Discovery 参考实现 Discover Tool
Hugging Face 发布 Agentic Resource Discovery（ARD）规范的参考实现 Discover Tool，为 Skills、ML 应用和 MCP Server 提供搜索访问。
推荐理由：Hugging Face 给出 ARD 规范的参考实现与 CLI、REST、MCP 三种接入方式，可据此判断智能体能力发现如何落地。
Google DeepMindAI 评分5858 Google DeepMind 与英国政府共建 AI 规划审批原型，目标将审批时间减半
Google DeepMind 与英国政府、Google Cloud、Faculty 及 Barnet、Camden、Dorset 三地规划部门合作，开发一款基于 Gemini 的 AI 规划审批原型，目标是帮助审批人员将住户规划申请的决定时间缩短 50%。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 AI Control Roadmap，用纵深防御保障 AI 智能体安全
Google DeepMind 发布 AI Control Roadmap，一套用于在 Google 内部构建和管理先进 AI 的框架，采用纵深防御思路，在模型对齐之外增加系统级安全层，即使对齐不完美也能提供保障。
推荐理由：DeepMind 公开内部 AI Control Roadmap，给出把内部智能体当作潜在内部威胁的分级防御思路，可了解前沿实验室如何做系统级安全。
Google DeepMindAI 评分4343 Google DeepMind 联合 Schmidt Sciences 等发起最高 1000 万美元多智能体 AI 安全研究资助
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持，发起最高 1000 万美元的多智能体 AI 安全技术研究资助征集，面向全球研究者。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的智能体多模态模型，介于 E4B 与 26B MoE 之间，可在 16GB 显存或统一内存上本地运行。
推荐理由：Gemma 4 12B 用无编码器架构把视觉和音频直接接入 LLM，读者可据此判断本地多模态智能体的硬件门槛。
Hugging Face Blog精选AI 评分6262 如何用两个 Hugging Face Space 让智能体搭出 3D 巴黎画廊
作者让编码智能体调用两个 Hugging Face Space，先由 ideogram-ai/ideogram4 生成六张巴黎地标图像，再由 VAST-AI/TripoSplat 从单图重建 3D Gaussian splat，最终拼成可交互的静态 Space 画廊。
推荐理由：作者用一次真实搭建演示了 Space 的 agents.md 如何让智能体串联图像与 3D 重建，可迁移到自己的多媒体流水线。
Hugging Face Blog精选AI 评分6666 Hugging Face 宣布 OpenEnv 转为委员会治理，定位智能体 RL 环境接口层
Hugging Face 宣布 OpenEnv 改由委员会协调，成员包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk，项目迁至 huggingface/OpenEnv。
推荐理由：OpenEnv 由多家机构共同治理并明确为环境接口层，读者可据此判断开源智能体 RL 的协作方式。
Hugging Face Blog精选AI 评分6262 Hugging Face 将 hf CLI 重构为面向智能体的命令行工具
Hugging Face 重构官方命令行工具 hf CLI，使其同时适配人类和编码智能体，并引入 agent-mode 输出。官方基准显示，在复杂多步任务上，不使用 CLI 而由智能体手写 curl 或 Python SDK 的方案最多消耗 6 倍 token；整体上 curl 与 SDK 约为 CLI 的 1.3 至 1.8 倍。
推荐理由：官方给出 hf CLI 面向编码智能体的重构细节与基准数据，可据此判断智能体调用 Hub 的 token 成本差异。
Hugging Face Blog精选AI 评分7171 H Company 发布 Holo3.1 系列 Computer Use Agent 模型
H Company 发布 Holo3.1 系列 Computer Use Agent 模型，基于 Qwen 家族，覆盖 0.8B、4B、9B 和 35B-A3B 四种规模，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重。
推荐理由：原文给出 Holo3.1 在移动端、跨框架和本地量化部署上的具体提升，读者可据此判断端侧 Computer Use Agent 的落地条件。
Hugging Face Blog精选AI 评分6262 JetBrains 发布 Mellum2：12B 混合专家模型
JetBrains 发布 Mellum2，一个从零训练、面向自然语言与代码的 12B 参数混合专家模型，每个 token 仅激活 2.5B 参数，采用 Apache 2.0 许可。官方称其相比同规模模型推理速度超过 2 倍，可用于路由、RAG、摘要、子智能体和私有部署，模型已在 Hugging Face 开放下载。
推荐理由：JetBrains 开源 12B MoE 模型，给出激活参数、许可与推理速度，便于判断其在多模型系统中的定位。
Hugging Face BlogAI 评分2222 超越 LLM：为什么可扩展的企业级 AI 落地依赖 Agent 逻辑
Hugging Face 博客指出，企业级 AI 规模化落地的关键不在 LLM 本身，而在"agent logic"——即运行于 agent 层、可引导 LLM 聚焦企业工作流的软件原语，如知识图谱、算法与程序分析库。
Hugging Face Blog精选AI 评分6666 Hugging Face 在 TRL 中实现增量权重同步，单步传输从 1.2 GB 降到 20-35 MB
Hugging Face 在 TRL 中落地增量权重同步（Delta Weight Sync）：只把 RL 优化器步之间真正变化的 bf16 权重编码成稀疏 safetensors 文件，上传到 Hugging Face Bucket，再由 vLLM 拉取应用。
推荐理由：TRL 把稀疏增量权重同步做成了可 pip 安装的开源实现，读者可据此判断跨机房异步 RL 训练的成本门槛。
Hugging Face BlogAI 评分3636 一文理清 AI Agent 术语：Harness、Scaffold 与 Agent 到底指什么
Hugging Face 发布 AI Agent 术语表，重点厘清常被混用的 harness 与 scaffold：scaffold 指系统提示词、工具描述、输出解析与上下文管理等行为定义层，harness 则是调用模型、处理工具调用并决定何时停止的执行层。
Google DeepMind精选AI 评分6262 Google DeepMind 为 Project Genie 加入 Street View 真实场景生成能力
Google DeepMind 在实验性原型 Project Genie 中上线 Street View 真实影像锚定能力，用户可选取美国地点并搭配风格与角色描述，生成以真实地点为起点的可交互世界。
推荐理由：原文给出 Genie 接入 Street View 真实影像后的世界生成方式与开放范围，读者可据此判断世界模型落地路径。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini for Science 科研工具与实验
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上的三个实验性工具和 Google Antigravity 中的 Science Skills。
推荐理由：Google 把 Co-Scientist、AlphaEvolve 等能力打包成科研工具并开放申请，读者可据此判断智能体在科研工作流中的落地位置。
Google DeepMindAI 评分2828 Google DeepMind 与新加坡达成国家 AI 合作，落地医疗、教育与气候项目
Google DeepMind 与新加坡政府达成国家 AI 合作，在医疗、科研、教育和气候领域推出多项计划。合作探索 AI 辅助临床的"三方照护"模式，用 AlphaFold 和 Google Earth 推进东南亚传染病研究与疫情防控，并开发基于 Gemma 的跑步助手帮助视障运动员独立训练。
Google DeepMindAI 评分4242 剑桥大学教授用 Google Co-Scientist 寻找跨物种传播疾病的分子开关
剑桥大学 Clare Bryant 教授利用 Google Co-Scientist 研究流感等病原体跨物种传播时引发脓毒症等重症的分子开关，该工具生成并排序的假说中有一个她此前未关注的蛋白质，恰好连接她已感兴趣的信号通路。加入未发表数据后，假说逐步收敛到具体氨基酸，团队正构建携带氨基酸突变的细胞系验证。她称原本需两到三年的实验工作，如今有望在六个月内完成。
Google DeepMind精选AI 评分8787 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，即日起在 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API 以及 Gemini Enterprise 等渠道上线。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的具体分数和 4 倍输出速度，可据此判断速度与质量是否还互相牵制。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Co-Scientist 多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，推出基于 Gemini 的多智能体 AI 系统，可迭代生成、辩论并演化复杂科学问题的假设。
推荐理由：原文给出多智能体系统的三阶段架构与真实科研案例，读者可据此判断 AI 参与假设生成的具体方式。
Google DeepMind精选AI 评分7474 Google DeepMind 详解 AlphaEvolve 一年落地：从基因组到 TPU 的多领域应用
Google DeepMind 回顾 Gemini 驱动的编码智能体 AlphaEvolve 发布一年来的应用成果，称其已从试点成为 Google 基础设施的核心组件，用于优化下一代 TPU 设计、缓存替换策略和 Spanner 存储。
推荐理由：官方汇总 AlphaEvolve 一年落地案例，覆盖基因组、电网、TPU 与多家企业应用，可据此判断算法智能体的实际边界。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗 AI 研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗。在 98 个真实初级保健查询的盲评中，该系统 97 例无关键错误，医生更偏好其回答而非主流证据合成工具；在 140 项问诊技能评估中，AI 在 68 项上与初级保健医生相当或更优，但专家医生在识别危险信号和指导关键体格检查上整体表现更好。
推荐理由：Google DeepMind 公开 AI co-clinician 研究计划，给出医生端与患者端两套评测结果，可了解医疗 AI 当前能力边界。
Hugging Face Blog精选AI 评分7171 NVIDIA 发布 Nemotron 3 Nano Omni 全模态模型
NVIDIA 发布 Nemotron 3 Nano Omni，一款面向文档分析、多图推理、语音识别、长音视频理解和智能体电脑操作的全模态理解模型，在 MMlongbench-Doc、OCRBenchV2、WorldSense、DailyOmni、VoiceBench 等榜单上取得领先成绩。
推荐理由：NVIDIA 开源的全模态模型，给出架构、训练配方与多榜单对比，可据此判断长文档与音视频智能体的选型空间。
Hugging Face Blog精选AI 评分8787 DeepSeek-V4 发布：面向智能体任务的百万 token 上下文
DeepSeek 发布 V4，在 Hub 上提供两个 MoE 检查点：DeepSeek-V4-Pro 总参数 1.6T、激活 49B，DeepSeek-V4-Flash 总参数 284B、激活 13B，均支持 1M token 上下文窗口。
推荐理由：DeepSeek-V4 用混合注意力把 1M 上下文的 KV cache 压到约 2%，并给出面向智能体任务的训练与沙箱设计。
Hugging Face Blog精选AI 评分6262 如何在 Chrome 扩展中使用 Transformers.js
Hugging Face 发布教程，讲解如何在 Manifest V3 约束下用 Transformers.js 在 Chrome 扩展中运行本地 AI 功能，并以官方发布的 Gemma 4 浏览器助手扩展为参考实现。
推荐理由：以官方发布的 Gemma 4 浏览器扩展为参照，拆解 MV3 下后台托管模型、侧边栏与内容脚本的职责划分。
Google DeepMindAI 评分2222 Google DeepMind 与埃森哲、贝恩、BCG、德勤、麦肯锡合作加速企业 AI 转型
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 合作，帮助企业规模化落地前沿 AI。合作方将获得包括 Gemini 系列在内的前沿模型早期访问权限，并直接对接 Google DeepMind 技术团队，聚焦金融、制造、零售、媒体娱乐等行业的智能体转型。目前仅 25% 的组织成功将 AI 规模化投入生产。
Hugging Face BlogAI 评分3838 AI 与网络安全的未来：为什么开放性至关重要
Hugging Face 发文讨论 Mythos 与 Project Glasswing 发布后 AI 网络安全格局，指出 Mythos 的能力来自模型、算力、安全脚手架与自主性组成的系统而非单一模型。文章认为开源代码与工具能在检测、验证、协调、补丁传播四个阶段分散风险，避免闭源单点故障，并主张用半自主 AI 智能体在人类可控前提下防御漏洞。
Hugging Face BlogAI 评分3636 Ecom-RLVE：面向电商对话智能体的自适应可验证环境
Hugging Face 发布 Ecom-RLVE，将 RLVE 框架从单轮推理题扩展到多轮、工具增强的电商对话，其 EcomRLVE-GYM 提供商品发现、替代品、购物车搭建、退货、订单追踪、政策问答、套装规划、多意图旅程 8 个可验证环境，每个环境含程序化出题、12 轴难度课程与算法可验证奖励。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 transformers 到 mlx-lm 移植 Skill 与测试框架
Hugging Face 发布一个 Skill 和配套测试框架，帮助贡献者把 transformers 中的语言模型移植到 mlx-lm，使模型加入 transformers 后能较快在 MLX 上可用。
推荐理由：Hugging Face 公开了把 transformers 模型移植到 mlx-lm 的 Skill 与测试框架，读者可据此理解智能体参与开源贡献的边界与可复用方法。
Hugging Face BlogAI 评分3939 Hugging Face 发布 VAKRA：评测 AI 智能体推理、工具使用与失败模式
Hugging Face 推出 VAKRA，一个面向企业级环境的可执行基准，用于评测 AI 智能体的组合式推理与工具调用能力。该基准提供 8,000+ 本地托管 API、覆盖 62 个领域，任务需 3-7 步推理链，包含 API 链式调用、工具选择和多跳推理四类任务，模型整体表现不佳。博客还分析了不同任务上观察到的失败模式。
Hugging Face Blog精选AI 评分6969 HCompany 发布 HoloTab：浏览器里的 computer-use AI 扩展
HCompany 发布 HoloTab，一款 Chrome 扩展，可像人一样在任意网站上自动完成任务，无需配置或技术背景。用户描述需求后，智能体在浏览器内导航界面、填写字段并做决策，底层由视觉模型、动作规划和界面理解驱动。
推荐理由：HCompany 把自家 computer-use 模型做成免配置的 Chrome 扩展，读者可据此判断浏览器自动化智能体的落地形态。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以四个尺寸覆盖从手机到工作站的部署场景，并给出 Apache 2.0 许可与首日工具链支持，便于开发者判断本地部署与微调的可行路径。