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。
Cognition 宣布 Devin 现在可以调度自己的会话，用户只需描述要定期执行的工作，Devin 会确定节奏、设置日程并自动运行。Scheduled Devins 会在多次运行之间读写自己的 notes，用于避免重复处理已覆盖的 PR 或已处理的消息。该功能可与本周早些时候发布的 Managed Devins 组合，例如每周并行测试应用页面、汇总结果并发布到团队 Slack。
推荐理由：原文展示了递归任务、跨会话状态和并行智能体组合方式，可参考其自动化工程例行工作的设计。
美团 LongCat 发布 LongCat-Flash-Prover，一个面向 Lean4 原生形式化推理的 560-billion-parameter 开源 MoE 模型。
推荐理由：材料同时披露训练框架、Lean4 工具接入和多项基准结果，便于比较开源定理推理模型的能力边界与工程路线。
Devin 现在可以将大型任务拆解并委派给一组并行工作的 managed Devins，由主 Devin 会话负责协调、监控进度、解决冲突并汇总结果。每个 managed Devin 都是完整 Devin，在独立虚拟机中拥有自己的 terminal、browser 和开发环境，可运行 shell 命令、执行测试并验证修改。
推荐理由：原文展示了多智能体并行协作的具体分工方式，可用于评估复杂开发任务的拆解路径。
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一次主要版本，把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力整合到一个模型中。
推荐理由：原文同时给出架构参数、性能对比和部署入口，便于评估开放模型在多任务场景的取舍。
Mistral AI 发布 Leanstral，称其为面向 Lean 4 的开源代码智能体，用于在严格规格下生成并证明实现。Leanstral 采用高度稀疏架构，拥有 6B active parameters，权重以 Apache 2.0 许可发布，并集成到 Mistral Vibe、提供 labs-leanstral-2603 API endpoint。
推荐理由：原文把形式化证明场景、FLTEval 对比和开放入口放在一起，便于评估可信编码智能体的工程取舍。
Mistral 在 Hugging Face 发布 Leanstral-2603（Leanstral 119B A6B），称其是首个面向 Lean 4 的开源代码智能体模型，用于证明工程场景。
推荐理由：材料同时给出架构参数与部署方式，便于评估 Lean 4 证明工程中的使用成本和接入路径。
Mistral AI 构建了一个自主 Agent，可读取 Rails 源文件，生成或改进 RSpec 测试，按样式规则和覆盖率目标验证，并在 CI/CD pipeline 中无人干预运行。
推荐理由：文章把 Rails 测试生成拆成 AGENTS.md、分类型技能和验证工具，提供了可迁移的编码 Agent 搭建路径。
Mistral AI 在 Hugging Face 发布 Mistral Small 4 119B 2603 Eagle，这是一个混合模型，可同时作为通用指令模型和推理模型使用，并统一 Instruct、Reasoning 和 Devstral 三类模型能力。
推荐理由：材料同时给出架构参数、模式切换和 vLLM 部署示例，便于评估其在推理与智能体场景的适配。
mistralai 发布 Mistral-Small-4-119B-2603-NVFP4，这是 Mistral Small 4 的 post-training-activation quantized 版本。
推荐理由：原文同时给出架构参数、量化来源和 vLLM 部署示例，便于评估推理模式与吞吐取舍。
阶跃星辰在 Hugging Face 开源 Step 3.5 Flash-Base，称其为具备推理和 Agent 能力的开源基础模型，并开源训练代码库 SteptronOss。
推荐理由：原文同时给出架构参数、吞吐和基准对比，便于评估开源 MoE 模型在 Agent 场景的取舍。
阶跃星辰在 Hugging Face 发布 Step-3.5-Flash-Base-Midtrain，称 Step 3.5 Flash 是其最强开源基础模型，并同步开源训练代码库 SteptronOss。
推荐理由：材料同时给出架构参数、吞吐、长上下文和基准成绩，便于比较开源 MoE 模型的效率取舍。
Cognition 分享了正在训练的 SWE-1.6 早期预览，当前 checkpoint 在 SWE-Bench Pro 上比 SWE-1.5 高 11%，速度同为 950 tok/s。
推荐理由：文章同时披露评测口径、训练提速和 Model UX 问题，可用于比较编码智能体模型的工程取舍。
Cognition 介绍了内部如何用 Devin 构建 Devin，上周将 659 个 Devin PR 合并进自家代码库，高于 2025 年最好一周的 154 个。
推荐理由：文章拆解了 Cognition 内部把 Devin 接入 PR、工单、日志和数据分析的工作流，可迁移到工程团队的智能体落地。
Cognition 发布 Devin 2.2，称这是 Devin 上线以来最大的更新之一，新增通过 computer use 测试、自验证和自动修复代码能力。Devin 现在可访问自己的 Linux desktop，用于启动和测试 desktop applications，并在创建 PR 后建议在桌面上测试，随后返回 screen recordings。
推荐理由：原文给出 Devin 从写代码到测试修复的闭环变化，可用于评估编码智能体接管 PR 前流程的边界。
MiniMax 发布最新模型 MiniMax-M2.5，主打编码、智能体工具调用、搜索和办公任务。M2.5 在 SWE-Bench Verified 得分 80.2%，Multi-SWE-Bench 得分 51.3%，BrowseComp 得分 76.3%，完成 SWE-Bench Verified 比 M2.1 快 37%。
推荐理由：原文同时给出基准、成本和部署入口，可用于比较智能体任务中的速度与价格取舍。
zai-org 在 Hugging Face 发布 GLM-5，面向复杂系统工程和长周期 Agent 任务。
推荐理由：材料同时给出参数、训练数据、评测和部署命令，便于比较开放模型在 Agent 与编码任务上的定位。
Cognition 推出 Devin 自动修复 PR 审查评论功能，可配置 Devin 处理来自 Devin Review 和其他 review bots 的评论，并继续自动修复 lint 与 CI/CD 问题。
推荐理由：原文展示了编码智能体与审查机器人闭环的配置方式，可参考其把机械修复前置到人工评审前。
StepFun 发布 Step 3.5 Flash 开源基础模型，采用稀疏 MoE 架构，196B 总参数中每 token 激活 11B，并支持 256K 上下文窗口。
推荐理由：材料同时给出架构参数、基准成绩、成本估算和部署路径，便于比较开源 MoE 模型的效率取舍。
Mistral AI 发布 Voxtral Transcribe 2，包括用于批量转写的 Voxtral Mini Transcribe V2 和用于实时应用的 Voxtral Realtime。
推荐理由：原文同时给出延迟、价格和开放权重信息，便于比较语音转写在实时与批处理场景的取舍。
阶跃星辰在 Hugging Face 发布 Step-3.5-Flash-GGUF-Q4_K_S，介绍 Step 3.5 Flash 的 INT4 量化 GGUF 权重和本地部署方案。
推荐理由：原文同时给出架构参数、基准对比和本地部署路径，便于评估开源模型在编码与智能体场景的成本表现。