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。
微软 AI 负责人 Mustafa Suleyman 在 Build 大会上放话，说微软必须从零开始证明自己能独立搞定所有事。两家公司从合作转向直接竞争，但文章没透露具体产品路线图和时间表。Suleyman 还提到，微软正在把 AI 智能体（让模型进业务流程干活的工具）作为重点方向，不过目前没有给出任何性能数据或客户案例来支撑这个说法。
推荐理由：H 和 R 都站得住：微软和 OpenAI 翻脸会影响整个 agent 平台的格局，从业者肯定盯着。K 偏弱，因为正文除了 Suleyman 一句“必须从头证明自己能独立搞定”之外，没给出任何可落地的信息，所以整体卡在 featured 门槛上。
Meta 正式在全球上线 WhatsApp Business 的 AI 客服机器人，叫 Meta Business Agent。它能自动回消息、推商品、约时间、筛销售线索，搞不定再转人工，Instagram 私信里也能用。收费按模型 token 消耗算，但具体价格和用的哪个模型，正文没披露。另外还在小范围测一个功能，让机器人每天早上给你总结前一晚的聊天重点。
推荐理由：Meta 把 AI 智能体塞进 WhatsApp Business 并全球铺开，等于让商家直接在聊天里接客、推销、处理售后。收费按 token 算，说明 Meta 想从对话量里抽成，但具体多贵、用的什么模型、哪些国家能用，正文全没写。我会先打个折：全球上线听着热闹，没价格和模型细节，商家算不了账，从业者也判断不了实际成本。这点先别太激动，等单价出来再看是不是真省钱。
特朗普废掉旧令不到两周，又签了一份新的 AI 行政令。核心变化是：要求科技公司在发布前沿模型前 30 天，自愿把模型交给政府审查，但不设强制许可证。对比之前被搁置的版本（要求提前 90 天提交），这次明显缩水了，不过也算从完全不管迈向了轻度监管。另一条消息是，军工公司 Anduril 和 Meta 正在给美军搞一款 AR 头显原型，想实现用眼球追踪和语...
推荐理由：我会先打个折：行政令是“自愿”送审，不是强制，别当成立法看。但 30 天这个数字给了企业一个明确的时间窗口，比之前模糊的“提前沟通”要具体。另一条更硬——Anduril 和 Meta 的原型头显让士兵用眼动和语音指挥无人机打击，这已经不是实验室概念了。两条放一起，一条在收紧模型发布，一条在把 AI 往杀伤链里塞，反差够大，从业者得知道。
微软在 Build 2026 一口气发了七个自研模型，头一回做推理模型 MAI-Thinking-1。这是个万亿参数、每次激活 350 亿的大家伙，上下文窗口 12.8 万 token，专啃多步指令和代码。内部盲测说比 Anthropic 的 Sonnet 4.6 更受偏爱，但看公开跑分，大概跟 DeepSeek V3.2 打个平手。微软强调模型是从干...
推荐理由：微软在 Build 2026 上发了 7 个自研模型，图像生成直接对标 Google 并声称超越，推理模型则明确说还在追赶。同时公布了一种新调优方法和一个后台自主智能体。正文没披露具体模型名称、基准分数和开放时间，所以信息有冲击力但缺验证细节，重要性给到 84 是合适的，先别急着当定论。
这篇文章我没能看到正文，微信页面显示环境异常需要验证。从已有的英文摘要看，作者许晓斌提出了一个判断：用 AI Agent 做开发，能把从“有想法”到“出代码”的周期从几周甚至几个月压缩到几分钟。他举了几个例子，包括用 Agent 搭周报系统、多角色 Agent 协同开发、自动配镜像仓库。文章还点出了现有研发设施跟 Agent 开发模式不匹配的地方，比如...
推荐理由：这篇文章不是产品发布或模型评测，而是一篇基础设施层面的评论。我会先打个折，因为案例都来自作者自己的实践，没有第三方验证，但“周/月级压到分钟级”这个说法配上具体场景，对从业者来说有参考价值。正文没披露多角色 agent 协作的成功率和翻车率，这点先别太激动。整体放在 featured 里合理，属于那种看完会让你重新打量自己团队流水线的东西。
微软首个正式对外发布的自研推理模型MAI-Thinking-1，用了35B活跃参数、总参数约1T的稀疏MoE架构。SWE-Bench Pro编程测试跟Claude Opus 4.6打平，AIME 2025数学测试拿到97%，盲测里人类偏好优于Sonnet 4.6。训练全程没用任何第三方模型蒸馏，预训练数据也排除了AI生成内容。不过群友对微软年底拿第一的...
推荐理由：这条消息的钩子很清晰：微软的 MAI-Thinking-1 在代码基准上追平了 Opus 4.6，而且给出了具体的参数规模和数学测试得分。我会先打个折——来源是群聊日报，不是官方公告，正文没披露模型是否开源、API 定价和完整评测设置，所以权威性偏弱。但 H/K/R 三个维度都踩中了：有竞争对标、有硬数字、有平台格局的冲击力。综合来看，值得作为 featured 推给从业者看一眼，但别急着把它当正式发布。
Hugging Face 的开源团队在 2026 年 5 月上线了 paperswithcode.co，用 AI 代理自动解析论文，把原来平台超过 9300 个基准测试的 SOTA 排行榜恢复了出来。这次复活正好赶上 CVPR，首页直接整理了会议论文和对应代码。正文没披露解析准确率和代理的具体工作流，但能看出他们想用自动化方式解决原平台长期停更的问题。
推荐理由：Hugging Face 把 Papers with Code 重新做回来了，这次用 AI 智能体自动解析论文，一口气恢复了 9300 个基准相关的排行榜。对做研究的人来说，这比手动翻论文找 SOTA 省事太多。我会先打个折：正文没披露智能体解析的准确率有多高，也没说排行榜更新频率和覆盖范围的具体边界，所以别急着当完全体用。但光是 CVPR 期间能一站式查代码和榜单，实用价值就摆在那。
扣子3.0把智能体协作搬到了项目里，支持iOS、安卓、Mac、Windows和网页端。你可以把本地跑的Claude Code、Codex CLI这类命令行智能体导进去，在手机上授权后直接让它读你电脑里的PDF。正文没披露具体延迟和资源占用数据，实际体验得自己跑一遍才知道稳不稳。
推荐理由：HKR 三项都踩中了：扣子 3.0 让手机能远程指挥电脑里的 Agent，还支持导入 Claude Code 这类命令行工具，等于把 Agent 协作和跨设备控制绑在一起。不过它本质上还是一个产品更新，正文没提定价、推送范围和本地文件读取的安全边界，所以先放在 featured 这一档。
Qwen 发了 Qwen3.7，由通义大模型 BU 多模态交互负责人 Steven Hoi 介绍。官方说法是推理能力有重大突破，工具调用、写代码和长链条的 agent 任务都做了升级。正文没披露模型参数量、定价、跑分成绩和开源/闭源条件，我会先打个折——等看到具体数字和实测再判断突破有多大。
推荐理由：HKR-H 和 HKR-R 通过，因为 Qwen3.7 是阿里云旗舰模型更新，从业者会关注。HKR-K 不通过：正文只说了能力方向，没给参数量、价格、跑分或接入方式，信息缺口太大，没法判断实际提升。
微软在 Build 2026 大会上发了两个能在设备本地跑的模型，都叫 Aion 1.0。一个是 Aion 1.0 Plan，140 亿参数，专门做推理和调用工具，上下文窗口 3.2 万 token，会直接预装在配置够的 Windows 设备里。另一个是 Aion 1.0 Instruct，定位是总结、改写、理解意图、无障碍功能，会集成进 Edge 浏...
推荐理由：微软在 Build 2026 发了 Aion 1.0 Instruct 和 Plan 两个端侧模型，其中 Plan 是 14B 参数、32K 上下文的规划模型，会直接跟着 Windows 推给符合条件的设备。我会先打个折：文章没提许可证、跑分、具体硬件门槛，所以实际落地效果还得观望。但 Windows 内置这件事本身，分发优势和生态卡位就很明显，对做端侧 AI 和 agent 的人来说值得盯一下。
这篇来自 WSJ 的报道梳理了 OpenAI 总裁 Greg Brockman 和 Anthropic 联合创始人 Dario Amodei 之间长达九年的矛盾。核心冲突是，在 OpenAI 内部研发一个后来演变成 ChatGPT 的项目时，Dario Amodei 直接禁止 Greg Brockman 参与。文章还提到，Brockman 现在负责 O...
推荐理由：我会先打个折：这不是模型发布或现任高管离职，所以放在 featured 里算合理。但 WSJ 挖出的料够硬——Dario 当年直接不让 Brockman 碰 ChatGPT 的前身，这比普通的口水仗有信息量。后面 Brockman 管了近 1500 人的产品战略，也说明他现在在 OpenAI 的盘子有多大。两条事实一前一后，把两家公司的旧怨和现状串起来了，对关注 AI 公司权力格局的人有参考价值。
@mvanhorn 分享了一套让 AI 智能体干活的工程方法，核心是把开发流程从“人写代码”扭成“人定方向、智能体执行”，工作台从 IDE 搬到了终端和一份 plan.md 计划文件。整体走 Research → Plan → Work 循环，用 plan.md 来约束智能体行为。帖子总结了 22 条实战技巧，覆盖规划、并行执行、输入方式、远程控制这些...
推荐理由：这是一篇从业者的方法总结，不是模型发布或产品上线。正文没披露完整工具栈清单，所以我会先打个折。但 Research→Plan→Work 循环和 plan.md 约束的思路很具体，22条技巧也给了可操作的抓手，对正在折腾智能体工程的人有直接参考价值，放在 featured 档刚好。
Meta、Coinbase 和 Block 最近各自砍了至少 10% 的人，三家加起来约 1.3 万个岗位没了，高管们把一部分理由推给了 AI。但文章指出，这些裁员发生时，公司本身也在经历业务震荡：Meta 在元宇宙上烧了约 800 亿美元后大幅收缩，Coinbase 赶上加密市场低迷，Block 承认疫情期间招人太多。今年已有超过 150 家科技公司...
推荐理由：这篇纽约时报的报道没在讲模型或产品，而是把三家科技公司合计1.3万人的裁员和今年全行业11.5万人的数字摆出来，追问管理层到底是真的用AI省了人力，还是借AI的名义砍成本。对做AI的人来说，这比技术论文更扎心——它直接关系到岗位安全感和行业叙事。信息量够，角度也够锐，所以放在featured。
MAI 从 487 万个开源 PR 里筛出 26.5 万道可训练题目，又为它们建了一套三层判分体系。AI 编程这两年真正的变化不是模型变聪明了，而是训练基础设施被工业化了：出题从手工活变成了流水线，批改也从“单测全绿就行”升级到能检查工具使用效率和前端视觉质量。
推荐理由：这篇文章没发模型、没给跑分，但把“vibe coding”之后该看什么讲清楚了：训练数据怎么筛、判分怎么搭、工程成本怎么控。487 万 PR 筛到 26.5 万题，这个压缩比本身就说明他们在做苦活，不是随便抓一把数据就训。三层判分体系正文没展开细节，但至少表明他们知道代码题不能只靠单次通过率来评。我会先打个折：没看到开源计划、也没看到实际训练出来的模型效果，所以目前更像一套训练基础设施的思路，离可复现的结论还差一步。对正在考虑自训代码 agent 的团队来说，这篇值得看，但别急着当标杆。
NVIDIA 在 COMPUTEX 上放出了一个叫 NemoClaw 的开放蓝图，专门用来构建能长时间自主干活的 AI 智能体。十几家工业软件厂商已经用它来打造“自主 AI 工程师”，主要用在 CAE 仿真和 EDA 芯片设计流程里。按官方说法，以前要跑好几周的仿真和设计任务，现在能压缩到几小时内完成。不过正文没给出具体的测试基准、客户实测数据或错误率...
推荐理由：我会先打个折：这是 NVIDIA 官方博客发的，没有第三方验证，技术细节也基本没给。但它的核心信息够硬——NemoClaw 这个新平台专门瞄准 CAE 和 EDA 场景，让模型像工程师一样自主跑仿真和设计任务，而且已经拉了十多家工业软件厂商在用了。它抛出的“数周变数小时”虽然没讲清楚是怎么算出来的，但哪怕打个对折，对工业仿真这种重计算场景也是实打实的吸引力。这点先别太激动，正文没披露具体架构、模型规模和实测对比，后续得看有没有论文或客户案例放出来。
这个工具包专门用来搭科学发现场景里的自主智能体，让模型能跑科研流程。官方说它有两个好处：一是针对科学任务做了基础能力封装，二是 token 效率更高，也就是调用大模型时可能更省 token、更省钱。不过正文没披露开源协议、具体跑分数据，也没给出 token 节省量的数字，所以实际能省多少、效果怎么样，还得自己跑跑看。
推荐理由：这条消息有明确的开源动作和落地载体，对做智能体的人有参考价值。我会先打个折：正文没写许可证、没给基准测试结果，也没提 token 效率或成本数字，所以没法判断实际好用程度和复用门槛。这点先别太激动，等后续有实测数据再看。
Claude Code 新增了动态工作流，核心是让它在运行时执行 JavaScript 文件，按需创建并协调多个子代理（subagent）。每个子代理有自己的上下文窗口，互不干扰，可以同时跑研究、安全分析和代码审查这些任务。官方举的例子是让一个子代理查漏洞、另一个审代码逻辑，主代理最后汇总结果。正文没披露子代理数量上限和额外费用怎么算，这点先别太激动。
推荐理由：HKR 三项全中：Claude Code 用运行时 JS 编排带独立上下文的子代理，这是个实打实的新功能。Anthropic 的品牌有加分，但这次是功能更新而非模型或平台级发布，所以分数落在 78–84 区间。正文没提具体性能数据和价格变化，这点先别太激动。
Claude Code 加了一个动态工作流功能，你给它一个任务，它会现场写一段 JavaScript 来指挥多个子智能体分工协作。你可以指定用哪个模型、工作区隔离到什么程度，适合做研究、安全分析、代码审查这类复杂活，写好的工作流还能共享和复用。不过正文没提具体会多烧多少 token，也没说这个功能现在是不是所有人都能用，这点先别太激动。
推荐理由：HKR 三项都过，但文章只给了机制层面的细节，token 增量、推送范围和定价都没提。因为跟 Claude Code 直接相关，所以放在中量级产品更新里偏高的位置。
微软 Build 大会上，两家宣布把 AI 部署的底层打通了。简单说，就是同一个 AI 应用，既能在你笔记本的 RTX 显卡上跑，也能无缝切到 Azure 云或者公司本地的 DGX 工作站上，不用重写代码。现场还亮了两款新硬件：RTX Spark 是个小盒子，能提供 1 petaflop 的 AI 算力（大概相当于每秒一千万亿次计算）；DGX Stat...
推荐理由：HKR 三项都过了。NVIDIA 和微软这次合作，把 agent 部署从 Windows 到 Azure 再到本地串成一条线，还亮出了 1 petaflop 和 20 petaflops FP4 两个硬件规格，对从业者来说有信息增量。不过消息源是厂商自己，正文没给定价、跑分和迁移细节，所以分数没往上拉。
这个 CLI 工具把 Claude Platform 的所有 API 端点都搬到了终端里。你可以直接在命令行调用 Messages API、启动 Claude 托管的智能体，然后把返回结果用管道传给 shell 做后续处理。官方提到，用 Claude Code 这类编码智能体来理解这个 CLI 也没问题。正文没披露性能开销或额外费用，实际用起来会不会增...
推荐理由：Claude Platform CLI 在 HKR 三项上都站得住，是个实用的开发者工具更新。不过公告只给了能力范围，安装流程、权限控制、安全限制和定价都没提，我会先打个折——实际落地好不好用，还得看这些缺口怎么补。