AWS 博客介绍 SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线，作者用工具调用智能体在三个需要搜索而非查表的基础设施任务上跑了 72 次评测，67 次答对，xhigh 档 18 次全对，low 档答对 15 次且输出 token 约为 xhigh 的八分之一。
推荐理由：作者在 Amazon Bedrock 上实测 Grok 4.7 四档推理强度，给出准确率与 token 成本的权衡数据，方法可迁移到自建智能体评测。
亚马逊云科技发布基于 Amazon Bedrock AgentCore 的智能体文档处理（IDP）方案，用 8 个专用智能体在两条图工作流中完成文档分类、抽取、校验与自我学习，可自动适配供应商发票等新格式，无需手工模板配置，通常 20 分钟内即可部署多智能体 IDP 系统。
Google 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及新提出的 GeoExpertQueries、GeoKTools 四个基准上评估四种智能体配置，并公开两个新基准的开发集。
推荐理由：Google 公开地理空间推理智能体的技术报告与两个新基准，并给出与 WHO 等伙伴的实测案例，可了解专用工具与前置规划对空间推理的提升。
Google 公开发布智能体系统 Deep Review，为复杂文档提供技术验证与反馈，最初面向计算机科学论文，现已扩展到法律、金融等领域。每位用户每周可免费获得两次文档审阅，也可接入 Gemini API key 提升额度并通过 Deep Review API 集成，目前支持 PDF 和纯文本输入。
推荐理由：Google 公开了 Deep Review 的四阶段智能体审稿流程与免费额度，读者可据此判断自动技术审阅的可用边界。
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可自动生成 PowerPoint 演示文稿，内部测试中耗时不到 90 秒。
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未引发任何生产问题。Tami 由调查、安全评分、修复和代码生成四类专用智能体组成，通过单一 API 按任务调用不同基础模型。
Amp 借助 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT，将 AI 智能体的能力拓展到代码之外的场景。该案例展示了 Amp 如何用 OpenAI 模型推进智能体能力边界。
NVIDIA 宣布对 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子计算初创企业进行新投资，此前已投资 Synthesia、Wayve 等公司。NVIDIA 还以全球联盟创始合作伙伴身份加入 Earthshot Prize，并承诺五年 2.5 亿美元算力投入，用于加强英国智能体安全与安保研究。
欧洲多国城市正联合 ABA Technology、Akila、K2K、Honeywell Technologies 等软件伙伴，基于 NVIDIA Cosmos、Nemotron 开放模型、Metropolis VSS 蓝图和 Omniverse 构建物理 AI 智能体与数字孪生，用于交通、能源、公共安全等城市运营。
OpenAI 发布新分析，指出智能体 AI 在欧盟企业和小型企业中的采用正在增长，并点出更深入的使用可在哪些环节释放更多价值。
AWS 与 Anchor Browser 合作，将 AgentCore payments 集成进云端浏览器，让 AI 智能体在遇到 HTTP 402 Payment Required 时自动完成 x402 协议支付并重试请求。
推荐理由：原文给出开启 session.x402 即可让浏览器智能体自动完成 x402 支付的具体做法，可迁移到付费页面与 API 的自动化流程。
Google DeepMind 开始广泛推送 Gemini 4 Argon，并扩大 Fairwind Program 至更多可信网络安全防御方。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 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：官方披露 Gemini 4 Argon 在网络安全与生物风险上的防护设计，可了解前沿模型安全护栏的具体做法。
Liquid AI 发布 LFM2.5-24B-A2B，一个总参数 24B、每 token 仅激活 2B 的推理模型，面向端侧私有智能体，会在回答前生成显式思维链并调用工具。
推荐理由：LFM2.5-24B-A2B 以 2B 激活参数在工具调用与指令遵循上对标更大 MoE，并给出端侧与 GPU 推理速度数据。
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了自然语言查询智能体 Discovery AI，可将自然语言问题转换为 Sonar 查询。
ShipStation Global 工程团队基于 Amazon Bedrock AgentCore 打造了 Slack 内的 AI IT 服务台 Deckhand，可回答常规 IT 与公司问题、识别报错截图，并创建和更新 Jira Service Management 工单。
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，最高 128GB 统一内存、1 petaflop AI 算力，并同步推出面向本地智能体的软件与模型更新。
推荐理由：围绕 RTX Spark 笔记本上市，梳理本地智能体、创作与开发工具链的配套更新，可据此判断本地 AI 工作流的可用程度。
NVIDIA 宣布计划投资 Doctolib、Entalpic、Genesis AI 和 Pigment 四家法国初创公司，分别覆盖医疗智能体、原子级材料工程、通用机器人和企业规划平台。NVIDIA 在欧洲的技术生态累计投入已接近 100 亿美元，此前曾投资 Alice&Bob、Gradium 和 Scintil Photonics。
GitHub Copilot 提供四种方式让 Copilot 理解项目上下文：仓库级自定义指令（.github/copilot-instructions.md）、按路径生效的指令文件、封装可重复流程的 agent skills（.github/skills）以及定义专用角色的自定义 agent（.github/agents）。
微软研究院提出 StudentSim，一种从公开去标识化学习记录中训练个性化 AI 学生模拟器的研究系统，用于在真实学习者测试前评估和改进 AI 辅导系统。该研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和指导响应性两个维度评估模拟器，StudentSim 在三个领域均优于领先基线。
Asana 借助 Codex 中的 GPT-6 Astra，在浏览器测试中让浏览器智能体的模型成本降低 76 倍、速度提升 5 倍，从而为客户提供能力更强的模型。
NVIDIA 开发者用 GPT-6 Astra、Claude Fable 5 等前沿 AI 智能体配合 Omniverse 库，通过自然语言指令构建仿真应用。
作者借助 HuggingChat 中的 ML Intern，在两天内训练并发布了六个模型，包括柑橘病害识别、Huggy LoRA、相机角度 LoRA、涂鸦替换 LoRA、Pocket Rewriter 和 Agate 4-step 蒸馏模型，总计算成本约 103 美元。
推荐理由：作者用 ML Intern 在两天内做出六个模型，给出了提示词写法、预算控制和基线对比等可复用细节。
Google Research 与 NBER 发布一项为期三个月的专利撰写实地实验，将当时未发布的 Google Labs AI 专利写作助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师。
推荐理由：三个月随机对照实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，为评估 AI 对专业能力的影响提供了可参考的方法。
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，读者可了解让部署用 harness 直接参与 RL 训练的思路与实测收益。
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规评测时出现的"意外失败"。她结合自身从数学、物理、认知科学转向计算机科学的经历，分享了使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细审视数据。
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、52B 激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底发布。
推荐理由：官方给出 1 万亿参数、52B 激活的开放权重模型在编码、智能体与多模态上的具体基准，可据此判断开放权重模型当前的位置。
Google 发布《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》报告，汇总 50 多位学界与业界专家在 2025 年底纽约 CAPS 研讨会的成果。
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 PR 的分布构建，包含 219 个 PR、覆盖 19 种语言，采用多来源 golden set 与统一评分标准，并由资深工程师独立复核，一致率 96.6%。
推荐理由：GitHub 公开了代码审查基准的构建方法与离线到线上的验证数据，可据此判断评测信号是否可信。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox 智能体评测基准，通过隔离的 MCP 工具会话运行任务，只根据智能体留下的后端终态和副作用打分，而非其生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出 20 次重复下的稳定性与成本数据。
GitHub 提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非只是使用它，不轻信 AI 的首次答案，以及用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明它用第二个模型来审查计划、代码和测试，从而发现首个模型遗漏的问题。
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功轨迹定位能力缺口，再生成并验证新任务用于后训练。该流程以 system specification、user prompt、verifier 三要素定义任务，要求任务可行、真实且尚未被稳定解决，并随模型改进动态调整课程。团队以 EnterpriseOps Gym 数据集演示了该流水线。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元，缓存输入按输入价 95% 折扣计费。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和定价，可据此判断前沿模型的落地边界。
GitHub Copilot 应用中的 canvas（画布扩展）是一种可自定义的双向界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求，即可生成看板、发布清单或仪表盘等界面，无需手写代码或设计。canvas 会保存为扩展，可随项目共享或作为个人扩展复用，社区已在 Awesome Copilot 分享发布说明、看板、issue 分诊等现成扩展。
GitHub Copilot 提出 canvas 概念，即运行在 GitHub Copilot app 内、无浏览器外壳的全栈应用，可与 agent 双向通信并调用第三方 API、在本地执行代码。官方认为 chat 只是通用兜底方案，用户明确任务时更该让 agent 构建可复用工具，而非把 agent 本身当工具，例如用 canvas 管理 Winget 包或直接操作 SQLite 数据库。
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，智能体便会自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃去重并生成漏洞报告。
推荐理由：原文完整披露了自主模糊测试流水线的分层架构与覆盖率反馈机制，可迁移到其他安全自动化场景。
Mistral 宣布与 Mozilla 达成合作，Firefox 的 AI 浏览助手 Smart Window（beta）由 Mistral 模型驱动，先面向法国和北美用户，英国和德国预计今年晚些时候跟进。
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件也没有集中文档。团队先搭建数值对齐测试框架，用 Skill.md 引导智能体导出 Fortran 状态快照并在 C++ 侧校验，再用自定义解析器生成调用树、由 Vibe CLI 启动上百个智能体结合 Mistral OCR 补全文档。
推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 的完整流程，其中先建数值对齐测试再迁移的做法可迁移到其他遗留系统改造。
Mistral 发布 Agentic Search，一种让模型在检索结果中继续搜索、打开、导航、读取和 grep 的多步检索层，通过 Mistral Search Toolkit 提供，并内置在 Studio 和 Vibe 的 Libraries 中。
推荐理由：原文给出多步检索循环的五个工具与两组基准数据，读者可据此判断传统 RAG 在复杂文档上的边界。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编程任务中，基于重构的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也显著低于全上下文设置。
UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10，数据系统需应对三类新挑战：面向智能体的数据系统、由智能体运行的数据系统、由智能体构建的数据系统。