Google Antigravity 如何利用 ProtNLM 加速抗菌肽搜索
Google Antigravity 利用其智能体开发平台及 ProtNLM 模型，成功识别出一个针对肺炎链球菌的新型抗菌肽候选物。该工作流将传统碎片化的数据库搜索压缩为单次协作会话，并通过集成的 3D 生物分子结构查看器支持交互分析。该候选物目前正进入湿实验验证阶段。
#Agent
Google DeepMindAI 评分4343 OpenAI NewsAI 评分3636 Sullivan & Cromwell 与 OpenAI 合作开发 Agreement Analyzer 用于协议审查
Sullivan & Cromwell 与 OpenAI 合作开发了 AI 工具 Agreement Analyzer。该工具用于识别起草协议中的问题。
AWS Machine Learning Blog精选AI 评分6060 Meta Muse Spark Open 模型上线 Amazon SageMaker JumpStart
Meta 的编码优化开源权重模型 Muse Spark Open 正式在 Amazon SageMaker JumpStart 上线。该模型采用 MoE 架构，总参数量 816B，支持 100万 token 上下文，并包含文本、图像、文档、音频等多模态输入。
推荐理由：提供在AWS账号内部署Meta编码模型的完整路径，用户可据此评估私有化部署的成本与数据安全边界。
NVIDIA Blog精选AI 评分7575 NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 开源模型，覆盖数据中心到桌面智能体场景
NVIDIA 发布 1200 亿参数的开源多模态模型 Nemotron 3.5 Super VL，主打智能体任务的高效推理，以及两款边缘模型 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。
推荐理由：NVIDIA 开源了 Nemotron 3.5 Super VL 和两款边缘模型，读者可据此了解不同算力场景下的智能体部署方案。
AWS Machine Learning Blog精选AI 评分7676 基于 Amazon Bedrock 和 Grok 4.7 构建长程推理智能体
AWS 发布教程，指导开发者利用 Grok 4.7 在 Amazon Bedrock 上构建并评估长程智能体。教程展示了在不同推理努力等级（low 到 xhigh）下，智能体执行复杂任务的表现与 Token 消耗对比，其中 xhigh 等级在 18 次运行中全部准确，而 low 等级用约 1/8 的 Token 实现了 15/18 的准确率。
推荐理由：通过构建基于 Grok 4.7 的工具调用智能体并在三类任务上评测，量化了不同推理努力等级对准确性和 Token 消耗的影响。
OpenAI NewsAI 评分2525 EU 企业 agentic AI 采用率增长分析及价值挖掘
新分析显示 EU 企业和中小企业采用 agentic AI 的数量正在增长。报告指出了在哪些领域进行更深度的使用可以为企业解锁更多价值。
AWS Machine Learning Blog精选AI 评分7474 使用 Anchor Browser 和 AgentCore payments 构建支持自主交易的 AI 智能体
AWS 发布基于 Anchor Browser 和 Amazon Bedrock AgentCore payments 的解决方案，使 AI 智能体能够自动处理 x402 协议的 HTTP 402 支付挑战，访问付费网页和 API 并继续执行任务。
推荐理由：文章展示如何通过配置 AgentCore payments 让 AI 智能体自动完成 x402 付费请求，无需在代码中集成支付逻辑。
NVIDIA BlogAI 评分5555 NVIDIA 发布 Omniverse 前沿AI智能体仿真开发指南
NVIDIA 发布 Omniverse 前沿AI智能体仿真开发指南，介绍了八类利用 GPT-6 Astra 结合 Omniverse 库构建仿真的案例。开发者通过自然语言指令驱动智能体完成资产组装、物理连接与场景调试，应用涵盖机器人控制、CAD 转换、自动驾驶测试及数字孪生验证。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Security Lab 发布 AI 驱动的模糊测试 Taskflow 智能体
GitHub Security Lab 推出 Fuzzing Taskflow 智能体，用于自动化 C/C++ 项目的模糊测试流程。该智能体基于 Taskflow Agent 框架构建，能够自主识别入口点、生成测试桩、运行 AFL++ 并进行崩溃分诊。默认使用 Claude Sonnet 5 模型，通过 MCP 工具实现决策与执行分离。
推荐理由：文章展示了如何利用 LLM 智能体自动化模糊测试中的覆盖率分析与崩溃分诊，为 C/C++ 项目维护者提供了可复用的安全工程实践。