跳到正文
  1. The Decoder78

    Google 在 Android Dev Summit 开放 Android Studio 第三方 AI 智能体接入并发布新 Gemini API

    Google 在 Android Dev Summit 上发布 Android Studio Rabbit 2,推出 Bring Your Own Agent 功能,开发者可通过开放的 Agent Client Protocol 在 IDE 内运行 40 多种编码智能体,包括 Claude Agent、Codex 和 Google Antigravity。

    推荐理由:Android Studio 开放第三方智能体接入,并给出 CLI 与 MCP 层面的配套改动,可据此判断移动开发工作流的变化。

  1. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon,称其在网络安全与长程任务上能力最强,在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。

    推荐理由:原文给出网络安全与长程智能体任务的基准数据,并说明分阶段开放路径,可据此判断前沿模型在攻防场景的落地节奏。

  1. NVIDIA Blog62

    NVIDIA RTX Spark 笔记本新增 Nemotron 3.5 Transcribe 模型、智能体资源管理工具与游戏支持

    NVIDIA 公布 RTX Spark Windows 笔记本的多项更新,包括开放权重语音模型 Nemotron 3.5 Transcribe、NVIDIA App 中在前后台应用与后台智能体之间分配 GPU 资源的控制项,以及 LFM3 系列模型的 day-zero 支持。

    推荐理由:原文列出 RTX Spark 笔记本在语音模型、GPU 资源分配和游戏支持上的具体变化,可据此判断本地智能体工作流的资源取舍。

  2. Google DeepMind82

    Google DeepMind 发布世界模型 Genie 4

    Google DeepMind 发布世界模型 Genie 4,原生支持多模态,可在生成世界的同时生成音乐、环境音与交互对话。Genie 4 支持用自然语言实时修改天气、镜头和场景元素,并借助 Gemini 3.8 Flash 作为引导智能体拆解多步任务、校验执行进度。

    推荐理由:官方披露 Genie 4 的原生音频、实时语言操控与 Gemini 协同推理,可据此判断世界模型当前的能力边界。

  1. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案

    Google DeepMind 开始广泛推送 Gemini 4 Argon,并同步扩大 Fairwind Program 的可信网络安全防御者范围。该模型在 12 个端到端模拟网络攻击场景中全部通过,上一代为 5 个;在对抗集上违规请求减少近两倍,在 Gray Swan 间接提示注入基准上 15 次自适应攻击的成功率降至 0.7%。

    推荐理由:原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护分层,以及智能体越界行为的实测数据,可供关注前沿模型安全设计的人参考。

  2. Google DeepMind92

    Google DeepMind 发布 Gemini 4 Argon 模型

    Google DeepMind 发布前沿模型 Gemini 4 Argon,今日起通过 AI Studio 和 Gemini API 向开发者与企业开放,Google AI Ultra 与 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 中使用。

    推荐理由:官方给出定价、基准排名与多个内部落地案例,可据此判断前沿模型在编码与科研工作流中的实际位置。

  1. Microsoft Research78

    微软开源 Agent Lightning v1.0:3500 行代码的轻量 Agentic RL 框架

    微软研究院开源 Agent Lightning v1.0,一个约 3500 行代码的轻量 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写 agent。

    推荐理由:微软开源 3500 行代码的 Agent RL 框架,用真实 harness 训练,并给出 6000 样本提升 14.6 个点的完整流程。

已经到底了