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。
Google Research 介绍了 Empirical Research Assistance（ERA）的 Nature 论文，并开始通过 Gemini for Science 更广泛推出基于 ERA 和 AlphaEvolve 的 Computational Discovery。
推荐理由：材料把 Nature 论文、跨学科基准和五类应用放在一起，便于评估科研编码工具在不同问题中的适用边界。
Anthropic 在 Claude Managed Agents 中推出 self-hosted sandboxes 和 MCP tunnels，让智能体可在企业控制的沙盒中运行工具，并连接私有网络内的 MCP servers。
推荐理由：材料说明了执行环境和私有服务连接的边界，适合评估企业智能体落地的安全架构。
Claude Managed Agents 以研究预览推出 dreaming，并向开发者开放 outcomes、多智能体编排和 webhooks。dreaming 会定期回顾 agent sessions 和 memory stores，提取模式并整理记忆；outcomes 让开发者用 rubric 定义成功标准，由单独 grader 评估并推动智能体重试。
推荐理由：原文列出 dreaming、outcomes 与多智能体编排的机制和测试数据，便于评估托管智能体的适用场景。
Cognition 推出 Devin Auto-Triage，Devin 现在可以监控新告警、自动调查，并返回调查结果、后续步骤甚至 PR。它可响应 Slack、Linear、GitHub、日程和 incoming webhooks，检查代码库、可观测性工具、相关 ticket 或 thread，并在需要人工时标记负责人。
推荐理由：原文展示了 Devin 从告警检测延伸到调查和 PR 的流程，可帮助评估工程值班自动化的边界。
Devin 现在可以启动 Android Virtual Device（AVD），支持面向 Android 应用的自主开发。此前 Devin 能处理 Android 代码，但不能在本地 Android 环境中运行和测试应用；新的 Android 模拟器支持让它能在自己的机器上构建和运行 Android 应用，打开应用、检查行为、复现问题并验证更改。
推荐理由：原文说明了 Devin 从编写 Android 代码扩展到本地运行测试，对移动应用开发流程有直接参考。
Google DeepMind 汇总了 Gemini 驱动的编码智能体 AlphaEvolve 过去一年的应用进展，覆盖科研、Google 基础设施和商业企业。
推荐理由：文章用医疗、能源、量子和企业案例串联 AlphaEvolve 从研究走向基础设施的路径。
Google DeepMind 公布 AI co-clinician 研究计划，探索在医生临床监督下让 AI agent 与患者互动并辅助照护。研究称，在 98 个现实初级保健查询的客观分析中，AI co-clinician 有 97 个案例记录为零关键错误，并在 OpenFDA 的 RxQA 开放式用药问答上超过可用的前沿模型。
推荐理由：材料同时覆盖证据检索和远程问诊模拟，可帮助理解医疗 AI 更适合辅助而非替代医生的边界。
Mistral 发布 Mistral-Medium-3.5-128B-EAGLE，用于为 Mistral Medium 3.5 执行推测解码。
推荐理由：原文同时给出模型规格、替代关系和 vLLM/SGLang 部署方式，便于评估统一模型的接入成本。
Claude Managed Agents 的内置记忆功能已在 Claude Platform 开放 public beta，让 agents 可从每次会话中学习。
推荐理由：文章具体说明了文件化记忆、权限和审计设计，可用于评估企业智能体的跨会话学习方案。
Claude 扩展 connectors，新增连接 AllTrails、Instacart、Audible、Tripadvisor、Intuit TurboTax 等日常应用。
推荐理由：原文列出新增生活类应用和权限控制方式，可帮助判断 Claude 连接器从办公扩展到日常场景的影响。
Cognition 本周将更新 Devin 自助服务定价，停用旧 Core 和 Team 套餐，改为 Free、Pro、Max、Teams 和 Enterprise。
推荐理由：原文列出新旧套餐迁移和用量计费口径，可帮助团队预估 Devin 采用成本变化。
Moonshot AI 在 Hugging Face 发布 Kimi-K2.6，这是开源的原生多模态智能体模型。该模型采用 MoE 架构，Total Parameters 1T、Activated Parameters 32B、Context Length 256K，支持长周期编码、coding-driven design、Agent Swarm、图像和视频输入。
推荐理由：原文同时给出模型结构、评测表和部署入口，便于对比其在编码与智能体任务中的定位。
Google DeepMind 发布 Gemma 4 开放模型家族，包含 E2B、E4B、26B MoE 和 31B Dense，面向高级推理和智能体工作流，并采用 Apache 2.0 license。
推荐理由：原文同时给出模型尺寸、端侧部署方式和生态入口，便于比较开放模型在硬件约束下的能力取舍。
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。
Moonshot AI 发布 Kimi-K2-Thinking，称其为最新、能力最强的开源 thinking model，支持逐步推理并动态调用工具。该模型为 MoE 架构，总参数 1T、激活参数 32B、上下文长度 256K，原生 INT4 量化，称可在低延迟模式下实现无损 2x 加速，并在 200–300 次连续工具调用中保持稳定。
推荐理由：原文同时给出架构参数、评测设置和部署入口，便于比较开源推理模型的长程工具调用能力。
Mistral AI 为 Le Chat 推出 Memories beta，让助手自动保存有用信息，并在调用记忆时显示来源链接、相关性和正在使用的记忆。用户可以随时关闭 Memories、开启不使用记忆的隐身聊天、编辑或删除单条记忆，并导出或从其他地方导入记忆。
推荐理由：原文说明了 Le Chat 记忆功能的可见性和控制项，可帮助评估长期上下文如何进入助手工作流。
Mistral AI 发布 Codestral 25.08，并推出由 Codestral、Codestral Embed、Devstral 和 Mistral Code IDE 扩展组成的企业级完整编码栈。
推荐理由：原文把模型更新、嵌入检索、Agent 工作流和企业部署放在同一栈中说明，便于比较企业编码方案的组成。
Moonshot AI 发布 Kimi-K2-Instruct，这是 Kimi K2 的后训练版本，面向通用聊天和 agentic experiences。Kimi K2 是 MoE 语言模型，拥有 1T 总参数、32B 激活参数、128K 上下文窗口，并在 15.5T tokens 上预训练。
推荐理由：材料同时给出架构参数、基准对比和部署方式，便于评估 Kimi K2 的编码与工具调用定位。