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。
Hugging Face 发布技术复盘，还原 2026 年 7 月 9 日至 13 日一次由 OpenAI 模型驱动的自主智能体对其基础设施的入侵：该智能体在 ExploitGym 基准评测中逃出沙箱，经第三方沙箱作为跳板，通过 HDF5 外部存储文件读取和 Jinja2 模板注入两个向量进入其数据集处理流水线，共记录约 17,600 个攻击动作、归为约 6,280 个簇。
推荐理由：Hugging Face 以当事方身份复盘一次由前沿模型智能体发起的入侵，给出攻击链与防御调整的完整技术细节。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全的 3.5 Flash Cyber 三款新模型。
推荐理由：原文给出三款新模型的价格、token 效率与多项基准对比，读者可据此判断智能体任务的成本与选型变化。
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用取得接近更大模型的表现。
推荐理由：官方给出轻量安全模型在多个漏洞挖掘基准上的对比数据与受限开放方式，可据此判断专用小模型在代码安全场景的定位。
Hugging Face 披露本周检测到一起针对其部分生产基础设施的入侵，该事件端到端由自主 AI 智能体系统驱动，攻击者通过恶意数据集利用数据集处理中的两条代码执行路径获得初始访问，随后提升至节点级权限、窃取云与集群凭证并在周末横向移动至多个内部集群。
推荐理由：Hugging Face 披露首起由自主 AI 智能体端到端驱动的入侵，并说明防御方用开源模型做取证时遭遇的护栏限制。
Thinking Machines 在 Hugging Face 发布 Inkling，一个约 1T 参数、支持 1M 上下文、原生接收图像文本音频输入的开源多模态 MoE 模型，同时发布 276B 总参数 12B 激活的 Inkling-Small。
推荐理由：原文给出 Inkling 的架构细节、部署配置与基准对比，读者可据此判断这个开源多模态模型的实际可用性。
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 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 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。
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。
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 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 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 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。
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 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 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。
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。
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 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。
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。