技术方向
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。
8 条精选近 30 天 8 条共收录 24 条
OpenAI 升级了 ChatGPT 的 Google Chrome 扩展，用户允许 ChatGPT 查看其在 Web 或桌面端标记的浏览器标签页。ChatGPT 可基于这些标签页执行跨平台任务，例如对比多个供应商或自动填充表单。更新还增强了侧边栏功能，支持 ChatGPT Work 控制标签页完成发送消息和下载文件等任务，功能类似 Google Gemini 的自动浏览特性。
推荐理由：通过扩展调用已打开的 Chrome 标签页，展示了 ChatGPT 在浏览器场景下的多步任务执行能力。
Meta发布Muse Spark Open，参数量达816B / 42B，支持1M上下文，推理价格为$1.25/$4.25每1M输入/输出token。Goodfire的Nick Cammarata发文指出大多数神经元具备可读性，多语义案例多被误读；AI Twitter Recap收录了该观点及多篇针对多语义性理论的独立批驳。
推荐理由：该报道对Meta最新开源大模型Muse Spark Open的核心架构及推理成本进行了细致拆解，并为工程侧提供了跨平台部署与量化落地的参考。
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 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 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。
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。
Meta 发布 Muse Wonder 和 Muse Wonder Full，这是 Meta Superintelligence Labs 第二代模型，第三方评测显示其接近前沿水平。
推荐理由：原文通过第三方基准与成本分析，对比了 Meta 新模型与业界前沿的差距及效率优势，帮助评估其对现有工作流的影响。
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。