GPT-6-Astra 在 TheoPhysEval 上解出 50 道物理研究题中的 49 道，单题成本不足 3 美元
一项新基准测试让商用 AI 智能体在无人类提示下求解理论物理研究题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 50 题中的 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元。
推荐理由：读者可看到智能体在理论物理论文级计算上的实际得分与成本，以及作者对研究品味与资源门槛的讨论。
技术方向
Agent 智能体 最新动态
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。
9 条精选近 30 天 9 条共收录 62 条
更新
Agent 智能体的精选
The Decoder精选AI 评分8282
AWS Machine Learning Blog精选AI 评分6060 在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
AWS 发布教程，介绍如何在 Amazon Bedrock 上基于 SpaceXAI 的 Grok 4.7 构建工具调用智能体，并评测其 reasoning effort 分档表现。
推荐理由：AWS 官方给出 Grok 4.7 在 Bedrock 上搭建工具调用智能体的完整评测方法，含 72 次运行的分档对比与生产监控思路。
The Decoder精选AI 评分8888 Gemini 4 Argon 全球上线，成为 Google 最强前沿模型
Google 全球上线 Gemini 4 Argon，开发者可通过 AI Studio 和 Gemini 平台的 API 使用，AI Ultra 订阅者可在 Google Antigravity 中使用，Ultra 和 Pro 订阅者可通过 Gemini 应用和 Google 搜索的 AI 模式访问。
推荐理由：梳理了 Gemini 4 Argon 的开放范围、订阅分层与定价，并给出内部工程与安全数据供读者比较。
AWS Machine Learning Blog精选AI 评分6060 Anchor Browser 集成 AgentCore payments，让 AI 智能体自动完成 x402 付费
Anchor Browser 与 Amazon Bedrock AgentCore payments 集成，让 AI 智能体在浏览器会话内自动处理 x402 协议的 HTTP 402 付费请求，该方案已在 AWS Marketplace 上线。
推荐理由：原文给出 Anchor Browser 与 AgentCore payments 的集成方式，读者可据此判断智能体自动支付付费网页与 API 的落地路径。
NVIDIA Blog精选AI 评分8080 NVIDIA RTX Spark 笔记本上市，生态伙伴同步更新本地 AI 软件
NVIDIA 与微软此前宣布 RTX Spark 笔记本将于 10 月 16 日（周五）上市，配备最高 128GB 统一内存和 1 petaflop AI 算力，生态伙伴在上市前推出面向本地 AI 的软件更新。
推荐理由：原文列出 RTX Spark 首发时本地智能体、模型与开发工具的适配清单，可据此判断本地 AI 工作流的可用边界。
Latent Space精选AI 评分7878 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型家族
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者通过 Meta Model API 和 Muse Code 提供，后者仅面向 Muse Code 订阅用户。
推荐理由：汇总了 Meta Muse Wonder 系列的发布细节与多家第三方评测数据，可对照 Opus 5.5、GPT-6 等竞品判断其真实位置。
Microsoft Research精选AI 评分7171 微软开源 Agent Lightning v1.0：3500 行轻量级 Agentic RL 框架，支持真实 harness 训练
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量级 Agentic RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架内重新实现 agent。
推荐理由：微软开源 3500 行 Agent RL 框架，给出真实 harness 训练与 Kubernetes 部署路径，可迁移到自有智能体训练流程。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评测口径，读者可据此理解 AI 代码审查能力如何被量化比较。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 自主模糊测试智能体
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，智能体就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分类并生成漏洞报告。
推荐理由：GitHub Security Lab 公开了自主模糊测试流水线的架构与运行方式，读者可据此判断 LLM 智能体在安全自动化中的分工边界。