Latent Space AINews 周报汇总 Jev 开源复现潮与本周其他 AI 进展
Latent Space AINews 周报报道非生成式决策模型 Jev 发布两天内出现 6 个开源复现项目，包括 Laya（421M 参数 ModernBERT-large）。
推荐理由：它把过去两天的 Jev 开源复现方向关键作品与本周 Claude Code、Anthropic 独立评估合作等进展集中整理，方便一次性对照。
技术方向
Agent 智能体 最新动态
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
803 条精选近 30 天 726 条共收录 950 条
更新
精选归档 · 第 38 页
Latent Space精选AI 评分3535
Anthropic News精选AI 评分4444 Claude Code：Anthropic 面向终端与 IDE 的编码智能体
Claude Code 是 Anthropic 的编码智能体，可在终端、IDE、Slack 和 Web 中运行，覆盖 macOS、Linux 和 Windows。
推荐理由：页面汇总了 Claude Code 在终端、IDE、Slack 与 Web 中的能力范围，并披露 Opus 5.5 Fast mode 的速度与定价。
Hugging Face Blog精选AI 评分6767 IBM Research 为 ALTK-Evolve 引入一致性指南，把 GPT-4.1 ReAct 智能体的一致性差距减半
IBM Research 在 ALTK-Evolve 中新增一致性指南与 Consistency Analyzer 诊断，将 GPT-4.1 ReAct 智能体在 AppWorld 上的一致性差距从 24.4pp 砍到 12.0pp。
推荐理由：在意智能体稳定性的团队可直接参考 Pass^k 与一致性差距的诊断方式，以及从历史轨迹自动生成并回灌上下文的一致性指南。
书生 InternLM精选AI 评分6060 上海AI实验室发布Atria Dawn Preview预览版智能体模型
上海人工智能实验室发布新一代智能体模型 Atria Dawn Preview 预览版，基于 744B 参数的 MoE GLM-5.2 基础模型，256K 上下文，仅支持文本输入，覆盖检索发现、构建创造、交付落地和网络安全四类任务。
推荐理由：在搜索、编码、工具使用、生产力和安全等任务上同时给出与多个主流模型的横向对比数据，读者可以据此评估其相对位置。
DeepSeek精选AI 评分8080 DeepSeek 发布 DeepSeek-V4.1-Flash，主打 KV cache 极限压缩
DeepSeek 发布多模态 MoE 模型 DeepSeek-V4.1-Flash，采用 CED 架构、CSA2 与 FP4 KV cache 等压缩手段，将全局 KV cache 占用压至每 token 890 字节，相对 DeepSeek-V4-Flash 和 DeepSeek-V1 分别缩减约 4 倍与 437 倍。
推荐理由：原文给出 CED 架构、CSA2 与 FP4 KV cache 等具体压缩设计，并对照 Opus-5.0、GPT-5.6 等前沿模型列出 agentic 基准成绩，读者可据此评估压缩策略对推理成本的实际收益。
OpenAI News精选AI 评分6262 OpenAI 发布 Agents API
OpenAI 发布 Agents API，用于在云端构建和启动智能体的托管服务。该服务由 Codex harness 驱动，支持编排、长时会话和工具调用。
推荐理由：原文给出 Agents API 的核心能力边界和 Codex harness 底层，读者可据此评估对现有智能体工作流的替代价值。
Mistral AI精选AI 评分5050 Mistral 用 AI 智能体把 4 万行 Fortran 77 迁移到 C++
Mistral 团队用 AI 智能体为一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，先建数值一致性校验框架再按模块由多角色智能体在人类审校下推进。
推荐理由：用一个 4 万行 Fortran 77 到 C++ 的真实迁移案例，展示了先建数值一致性校验、再分模块推进并保留人类审校的可复用改造流程。
GitHub Blog · AI & ML精选AI 评分6565 GitHub Copilot 发布 Project HydraFusion 研究预览，通过多模型编排提升编码任务质量
GitHub 推出 Project HydraFusion 研究预览，已在 GitHub Copilot CLI 中通过 /experimental 向所有 Copilot 套餐开放，按底层模型标准 token 费率计费。
推荐理由：给出了多模型运行时编排的实现细节与三项智能体编码基准的成本与质量对比，可作为评估运行时调度思路取舍的参照。
xAI News精选AI 评分3737 xAI 让 Grok Bot 接管采购工作，已发现超 $100,000 直接节省
xAI 官方博客展示 Grok Bot 在企业采购场景的应用，其内部 Haggle Bot 已识别超过 $100,000 的直接节省。文章给出系统提示词范本和工具接入方式（Slack、Notion、Drive、Gmail、Hex、Ramp），Haggle Bot 已在 Bot Marketplace 上线，可直接复制导入。
推荐理由：xAI 把 Grok Bot 接入采购场景并给出 Haggle Bot 模板和具体节省数据，可作为评估智能体接管企业流程的参考。
xAI News精选AI 评分5656 xAI 推出 Grok Bot 企业版，新增访问与审计管理能力
xAI 宣布 Grok Bot 面向企业开放，新增访问、网络与审计控制能力。Grok 与 Cursor Enterprise 用户可免费使用两周，并可邀请组织内无现有席位的成员。每个 Bot 在云端隔离环境中执行工作流，可通过一次演示学会流程，多个 Bot 之间可通信与共享上下文。
推荐理由：原文给出了企业级的访问、网络与审计控制细节，并列举跨部门典型用法，便于评估落地路径。
xAI News精选AI 评分6161 xAI 详解 Grok Bot 设计思路，把产品主体从对话改为持久型 Bot
xAI 推出 AI 智能体产品 Grok Bot，把产品主体从对话改为持久型 Bot，并把界面收敛为 Bot、Chat、Prompt、Tool、Artifact 五个对象。每个 Bot 拥有独立身份、记忆、运行时和工具；共享能力放账户级，记忆和 Routines 跟着角色走，Routines 可让 Bot 按计划或事件自动启动。系统限制每个账户最多约 50 个 Bot、群聊最多 6 个。
推荐理由：xAI 公开 Grok Bot 的核心设计取舍，把产品主体从对话转移到 Bot 本身，并划清共享能力与角色记忆的边界。
Hugging Face Blog精选AI 评分6868 Hugging Face 开源 funes，给编码代理加入可跨工具共享的持久记忆
Hugging Face 开源 funes，一个把 Claude Code、Codex、pi、Hermes 会话轨迹索引成本地记忆层的单二进制工具。安装只需一条 curl 命令，记忆默认存本地 Lance 数据集，可绑定到 Hugging Face 私有数据集实现跨机器和跨代理共享；recall 返回原文并标注来源。
推荐理由：funes 给出了会话轨迹索引、跨代理共享与远程记忆同步的完整命令链和架构，方便直接接入现有编码代理。
Google DeepMind精选AI 评分5151 Google DeepMind 推出 Fairwind Program，用 Gemini 3.8 Flash Cyber 自动修复漏洞
Google DeepMind 推出 Fairwind Program，将面向网络安全场景的 Gemini 3.8 Flash Cyber 与 CodeMender 配合，向受信任的政府机构、关键基础设施和核心技术平台开放，用于自动查找并修复代码漏洞。
推荐理由：Google 把专门的 Gemini 3.8 Flash Cyber 与 CodeMender 组合开放给受信任的政府和企业伙伴，用于自动发现和验证修复代码漏洞，可对照现有 Agentic 安全方案的落地形态。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型，分别面向通用推理编码与网络安全防御。
推荐理由：同一价位下编码与推理能力相对前代明显提升，且同步给出安全专用版的基准与开放范围，读者可据此做选型对照。
Google DeepMind精选AI 评分6868 Gemini 推出 agentic 视频理解功能，最多可减少 88% token 消耗
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 中上线 agentic 视频理解功能，可将 token 消耗降低最多 88%、成本降低最多 66%，分析精度最高提升 7%。
推荐理由：对比传统固定帧率处理方式，原文给出 token 消耗与精度的具体改进幅度，可作为评估新视频管线效果的参考。
DeepSeek精选AI 评分7373 DeepSeek 发布 V4-Flash-Vision-Exp 实验多模态模型
DeepSeek 发布 V4 系列首个实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，在 V4-Flash 架构上加入视觉模块继续训练。
推荐理由：仓库同时给出与 Opus-4.8 的多模态 Agent 基准对比和开源推理实现，读者可据此判断它在 V4 系列里的相对位置。
Google Research精选AI 评分5959 Google Earth AI 推出行星预测引擎，自动完成地理空间建模全流程
Google Research 在 Google Earth AI 下推出行星预测引擎（PPE），可自主完成从数据发现、特征工程到模型训练评估的完整地理空间建模流程。
推荐理由：原文在公共卫生、粮食安全和流行病学等多个领域给出了自动流水线相对人工专家基线的具体精度差距，便于读者评估智能体驱动地理建模的可行性。
xAI News精选AI 评分4949 Grok 4.6 上线 Microsoft Foundry
xAI 宣布 Grok 4.6 已在 Microsoft Foundry 上线，提供 500k 上下文窗口与 low、medium、high、xhigh 四档可配置推理档位，面向长任务智能体及交互式视觉工作。Foundry 目录支持企业将 Grok 4.6 与其他前沿模型对比评测、运行工作负载测试、部署托管端点，并提供企业级安全与治理能力，可参考 xAI 的 Foundry 集成指南完成部署。
推荐理由：Grok 4.6 通过 Microsoft Foundry 提供企业级托管端点与多模型评测入口，为长任务智能体场景增加了一条新的接入路径。
xAI News精选AI 评分5555 xAI 将 Grok Bot 扩展至 SuperGrok 与 Cursor 多档订阅计划
xAI 将 Grok Bot 扩展至更多订阅计划，包括 SuperGrok、SuperGrok Plus、SuperGrok Heavy，以及 Cursor Pro、Cursor Pro+、Cursor Ultra、Cursor Teams 等。
推荐理由：原文列出了 Grok Bot 已落地的具体任务类型和独立用量机制，可作为评估 AI 智能体接管工作流可行性的参考。
Anthropic News精选AI 评分7171 Claude Cowork 改称 Claude 并向 Pro、Max 计划开放
Claude Cowork 改称 Claude 并向 Pro、Max 计划开放，是面向非编码知识工作的智能体产品，能在用户指定的文件夹中读写文件、调用工具和浏览器，完成多步任务后返回结果供用户审阅。
推荐理由：对比 Claude Code 专注编码，Cowork 把同样的智能体能力拓展到研究与文档等非编码知识工作，可看出 Anthropic 在 Agent 方向的产品边界。