技术方向
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。
790 条精选近 30 天 714 条共收录 934 条
xAI 宣布 Grok 接入 Nous Research 的开源 Hermes Agent，用户可在该智能体内调用 Grok 4.3 进行文本对话与推理、Grok Text-to-Speech 生成语音回复，并使用 Grok Imagine 生成图像与视频。
推荐理由：读者可了解 Grok 通过 OAuth 接入开源智能体的方式，以及 Grok 4.3、TTS 与 Imagine 三类能力在 Hermes Agent 中的具体可用范围。
xAI 发布 Grok Voice Think Fast 1.0 语音模型并通过 API 上线，主打低延迟响应和复杂多步骤工具调用能力。该模型在 τ-voice Bench 排行榜上排名第一，支持 25+ 种语言，并已在 Starlink 客服和销售场景部署：销售线索转化率 20%，客服问题自主解决率 70%，单个智能体调用 28 个工具。
推荐理由：原文给出了 τ-voice Bench 榜首成绩和 Starlink 实际部署转化率等数据，可据此与同类语音 API 对比实际表现。
Kimi K2.6 开源发布，定位原生多模态智能体模型，重点强化长程编码、代码驱动的界面设计与 Agent Swarm 多智能体编排能力。模型采用 MoE 架构，总参数 1T、激活参数 32B、上下文长度 256K，可横向扩展至 300 个子智能体执行 4000 步协同任务，并在单次自主运行中产出文档、网页、表格等端到端结果。
推荐理由：原文给出 K2.6 与 GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro 在 Agentic、编码、推理、视觉四类基准的多维对比，可作为开源前沿模型与闭源旗舰能力差距的一手参考。
MiniMax 在 HuggingFace 发布 MiniMax-M2.7 模型，强调 Agent Teams、复杂 Skills 和动态工具搜索能力，并开放权重支持本地部署。
推荐理由：原文给出了与 Opus 4.6、GPT-5.4 等模型在多个工程基准上的横向对比，并附本地部署方式。
Meta Superintelligence Labs 发布 Muse Spark 模型，原生多模态推理，支持工具调用、视觉思维链和多智能体编排。其 Contemplating 模式通过多智能体并行推理，在 Humanity's Last Exam 上达到 58%、FrontierScience Research 38%。
推荐理由：Muse Spark 在预训练效率和多智能体推理上给出了具体数字，可以与 Llama 4 Maverick 及同类推理模型横向比较。
Moonshot AI 发布开源原生多模态智能体模型 Kimi K2.5，基于 Kimi-K2-Base 用约 15T 视觉和文本混合 token 继续预训练，支持即时与思考双模式及 Agent Swarm 协同执行。
推荐理由：原文给出 1T/32B MoE 架构与 256K 上下文的多模态智能体能力，并附与 GPT-5.2、Claude 4.5 Opus、Gemini 3 Pro 的横评。
xAI 推出 Grok Business 和 Grok Enterprise 两档企业方案，并提供可选的 Vault 加密隔离能力，即日起开放使用。
推荐理由：原文给出按企业规模分层的订阅、与 Google Drive 权限一致的访问模型以及客户自管密钥能力，可作为评估该产品对企业协作和数据隔离场景覆盖范围的参考。
xAI 在 API 中上线 Grok 4.1 Fast 模型与 Agent Tools API，前者是支持 2M token 上下文窗口、面向工具调用场景的模型，提供 reasoning 与 non-reasoning 两个变体。
推荐理由：原文给出 Grok 4.1 Fast 在 τ²-bench Telecom、FRAMES 和 Research-Eval 上对 GPT-5、Claude Sonnet 4.5、Gemini 3 Pro 的成绩与单价对比，便于评估它在工具调用与搜索代理场景下的性价比。
Kimi K2 Thinking 是月之暗面（Moonshot AI）发布的开源思考模型，采用 MoE 架构，总参数 1T、激活 32B，原生支持 256k 上下文与 INT4 量化推理。
推荐理由：给出了K2 Thinking在推理、Agent搜索和代码任务上与GPT-5等多款主流模型的对照成绩，便于横向比较当前开源思考模型的水平。
xAI 发布 Grok 3 Beta 与 Grok 3 mini，主打基于大规模强化学习的推理能力，Grok 3 (Think) 在 AIME 2025 上达到 93.3%（cons@64）、GPQA 84.6%、LiveCodeBench 79.4%，Chatbot Arena Elo 1402，支持 1M token 上下文窗口。
推荐理由：读者可据此对比 Grok 3 与 Gemini 2.0、DeepSeek-V3 等模型在数学、代码与知识任务上的实测差距。